Messbares Ziel
Was sich verbessern soll: Bearbeitungszeit, Antwortqualität, manuelle Arbeit oder Kontrolle.
Ein KI-System im Unternehmen ist Software, die Modelle, Daten, Berechtigungen und einen klaren Workflow verbindet. Ziel ist nicht ein glänzendes Chatfenster, sondern eine geschäftliche Tätigkeit zu verbessern, die Menschen jeden Tag wiederholen.
Offizielle Quellen: Google SEO-Startleitfaden · Google-Dokumentation zu strukturierten Daten · Dokumentation zum OpenAI Agents SDK · Supabase-Dokumentation zur Migration · Fachartikel zu Retrieval-Augmented Generation
Ein KI-System ist sinnvoll, wenn sich ein Ablauf oft wiederholt, Informationen unstrukturiert sind, Dokumente verstreut liegen oder Entscheidungen Kontext erfordern. Typische Beispiele sind Lead-Klassifizierung, Antworten aus internem Wissen, Berichtserstellung, Analyse von Kundenanfragen und Empfehlungen aus vorhandenen Daten.
Geht es nur darum, feste Informationen darzustellen, reicht oft eine Website oder eine einfache Automatisierung. KI wird zu einer echten Produktschicht, wenn das System freien Text verstehen, mehrere Quellen verbinden, Regeln anwenden und eine Antwort liefern muss, mit der man arbeiten kann.
Ein messbares Geschäftsziel, klare Datenquellen, eine Benutzeroberfläche, Berechtigungen, Protokolle, Tests und eine Möglichkeit, schwache Antworten oder unsichere Aktionen zu korrigieren. Produktive Systeme brauchen außerdem Regeln für Unsicherheit und fehlende Informationen.
Statt mit dem Modell zu beginnen, beginne mit dem Nutzer: Wer nutzt das System, an welcher Stelle im Ablauf, welche Entscheidung muss er treffen und was gilt als gutes Ergebnis?
Wenn ein fertiges Tool die meisten Anforderungen abdeckt, ist Kaufen meist richtig. Gebaut wird, wenn der Ablauf für das Unternehmen einzigartig ist, wenn er eine tiefe Anbindung an bestehende Systeme und Daten braucht oder wenn das Anpassen des fertigen Tools mehr kostet als das Bauen. Oft liegt die richtige Antwort dazwischen: ein bestehendes Modell über eine API nutzen und die Schicht für Daten, Berechtigungen und Ablauf selbst bauen.
Das erste Projekt wird eng gewählt: ein Ablauf, der sich oft wiederholt, mit einer klaren Kennzahl. Vor dem Start misst man zwei bis drei Wochen lang den Ist-Zustand, wie lange die Bearbeitung dauert oder wie viele Anfragen eingehen, um später zeigen zu können, ob das System wirklich etwas verbessert hat. In Systemen, die aus Wissen antworten, besteht der Großteil der Arbeit darin, das Wissen selbst aufzubereiten, nicht das Modell.
Itay Karkason baut KI-Systeme für Unternehmen als Teil eines bestehenden Produkts oder als erste Version eines neuen Produkts. Die Arbeit beginnt mit einer kurzen Definition des Ablaufs, geht über einen funktionierenden Prototyp und setzt sich mit Datenanbindung, Berechtigungen, Tests und Deployment fort.
Die wichtigste Kennzahl ist der tägliche Einsatz: ein System, das mit echten Informationen, echten Nutzern und Grenzfällen läuft. Eine Demo, die im Meeting gut aussieht, zählt nicht.
Was sich verbessern soll: Bearbeitungszeit, Antwortqualität, manuelle Arbeit oder Kontrolle.
Dokumente, Tabellen, Kundendaten, Aktivitätsverlauf oder ein bestehendes System.
Ein Screen, Chat, Admin-Bereich, eine API oder eine automatische Aktion im System.
Reale Szenarien, Berechtigungen, Protokolle, Monitoring und Freigabe für sensible Aktionen.
Nein. KI lohnt sich, wenn es einen klaren Ablauf gibt, den sie lösen kann.
Ja. Meist ist der richtige erste Schritt ein einzelner Anwendungsfall, der vor der Erweiterung gemessen wird.
Diese Seite wurde als kurzer Referenzleitfaden auf Basis von NotebookLM-Recherchen und Fachquellen erstellt. Wichtigste Quellen:
Beginne mit einem bestehenden Prozess und entscheide, was sich ändern soll.
Kontakt