KI-gestützte Geschäftsanwendungen

Wir betrachten KI nicht als eigenständiges Produkt, sondern als Komponente, die sich in die bestehende Arbeit eines Unternehmens einfügt. Ein Modell wird erst dann wirklich nützlich, wenn es an die eigenen Daten und Prozessregeln des Unternehmens gebunden ist.

Startseite
/
Lösungen
/
KI-Anwendungen

Wenn über KI gesprochen wird, geht es meist um die Wahl des Modells. Auf Unternehmensseite entscheidet aber meist nicht die Modellwahl über das Ergebnis, sondern auf welche Daten das System zugreift, welche Regeln es einschränken und wer die gegebene Antwort verifiziert. Wird eine Aufgabe KI-gestützt umgesetzt, fließt der Großteil des Aufwands in die Antwort auf diese drei Fragen.

Deshalb beginnen wir die Entwicklung mit einem einzigen Prozess. Etwa dem Auslesen eingehender Rechnungen, der Informationsextraktion aus einer Vertragssammlung, der Klassifizierung von Feldaufzeichnungen oder natürlichsprachlichen Fragen des Nutzers zu eigenen Daten. Bei eng gehaltenem Umfang lässt sich messen, ob das Ergebnis korrekt ist, und das System vor der breiten Einführung korrigieren.

Die Anwendung selbst bleibt die uns vertraute Unternehmenssoftware-Arbeit: Datenmodell, Berechtigung, Audit-Trail, Integration mit bestehenden Systemen. KI fügt sich in diese Struktur als Komponente mit klar definierter Verantwortung ein. Was dem Nutzer begegnet, ist kein neuer Bildschirm, sondern eine Version des bereits genutzten Systems, die weniger manuelle Arbeit verlangt.

Sind wir der richtige Ansprechpartner?

Bei Aufgaben mit klarer Regel ist KI eine überflüssige Schicht. Lässt sich eine Regel formulieren, bleibt das Schreiben der Regel günstiger und überprüfbar. Diese Technologie lohnt sich dort, wo sich keine Regel formulieren lässt, aber Beispiele vorliegen.

Ja, lassen Sie uns sprechen

Es gibt eine manuelle, sich wiederholende Aufgabe, deren Ergebnis überprüfbar ist
Die Entscheidung stützt sich auf ein Dokument, freien Text oder unstrukturierte Daten
Im Unternehmen liegen genügend Beispiele vor, die zeigen, wie die richtige Antwort aussieht

Nein, das macht jemand anderes besser

Die Aufgabe ist bereits durch Regeln definiert — klassische Software ist günstiger und präziser
Es geht um eine Entscheidung, bei der ein falsches Ergebnis eine irreversible Folge hätte
Die Daten des Unternehmens sind verstreut; ihre Zusammenführung wäre bereits ein eigenes Projekt

Was wir tun

Prozessbewertung — Klärung, welche Aufgabe zu dieser Technologie passt
Frage-Antwort-Infrastruktur über die eigenen Dokumente und Aufzeichnungen des Unternehmens
Dokumentenerkennung, Feldextraktion und Klassifizierung
Natürlichsprachliche Berichts- und Datenabfrageschnittstellen
An den Workflow gekoppelte Entscheidungsunterstützung und Empfehlungsgenerierung

Integration mit bestehenden Unternehmenssystemen und Datenquellen
Modellauswahl; Bewertung von Kosten, Geschwindigkeit und Datenschutz
Entscheidung und Einrichtung für On-Premises- oder Cloud-Betrieb
Messung der Ausgabegenauigkeit, menschliche Freigabe und Audit-Trail
Fähigkeitsschnittstellen, die KI-Clients aufrufen können

Wie wir vorgehen

Prozessauswahl

Nicht jede Aufgabe im Unternehmen passt zu dieser Technologie. Wir wählen einen manuellen, sich wiederholenden Prozess mit überprüfbarem Ergebnis; die erste Anwendung bauen wir darauf auf.

Extraktion von Daten und Regeln

Wir sammeln die Dokumente, Aufzeichnungen und internen Definitionen, auf denen der Prozess beruht. Wo die Daten verstreut oder Definitionen nirgends schriftlich festgehalten sind, beginnt hier die eigentliche Arbeit.

Genauigkeitskriterium

Wir definieren die richtige Antwort anhand der eigenen Beispiele des Unternehmens. Ohne Kriterium bleibt die Frage, ob ein Ergebnis gut ist, Ansichtssache.

Anwendungsentwicklung

Wir betten das Modell in die Unternehmensanwendung ein. Berechtigung, Protokollierung und die Übergabe an einen Menschen bei Unsicherheit richten wir in dieser Phase ein.

Inbetriebnahme und Überwachung

In der Anfangsphase lassen wir Ergebnisse durch menschliche Freigabe laufen. Mit zunehmenden Messergebnissen legen wir fest, welche Schritte ohne Freigabe erfolgen können.

Unsere technischen Entscheidungen

Die KI-Komponente wird so positioniert, dass sie die Regeln der Anwendung nicht verlassen kann. Berechtigungsgrenzen, zugängliche Daten und der Freigabeschritt bleiben in der eigenen Systemschicht; der vom Modell erzeugte Text kann diese Regeln nicht ändern. Sonst wird ebenso unklar, wer worauf zugreifen kann, wie die Korrektheit des Ergebnisses selbst.
Jedes Ergebnis wird protokolliert. Welche Frage mit welchen Daten beantwortet wurde, welche Version lief und ob der Nutzer das Ergebnis bestätigt hat, wird festgehalten. Ohne dieses Protokoll lässt sich bei einem Fehlergebnis später nicht mehr klären, wie es dazu kam.
Genauigkeit wird nicht geschätzt, sondern an einem Beispielsatz gemessen. Ein aus den eigenen Dokumenten des Unternehmens erstelltes Validierungsset erlaubt es, denselben Test bei jeder Versionsänderung zu wiederholen. Nur so lässt sich erkennen, was sich bei einer Modell- oder Prompt-Änderung verschlechtert hat.
Wo Daten verarbeitet werden, ist keine technische Präferenz, sondern eine Entscheidung des Unternehmens. Bei hohen Datenschutzanforderungen kommen On-Premises-Modelle infrage, sonst Cloud-Dienste. Die Wahl erfolgt zwischen Kosten, Geschwindigkeit und Datenschutz und wird mitsamt Begründung dokumentiert.
Das System wird so gestaltet, dass unsichere Fälle an einen Menschen übergeben werden. Eine Struktur, die zweifelhafte Fälle in eine Warteschlange stellt, ist nützlicher als eine, die alles allein entscheidet; so lässt sich erkennen, wo sich Fehler häufen, und genau dort ansetzen.

Industrielle IoT-Lösungen