KI-Automatisierung für Cafés

Das hängt vom Anwendungsfall ab, und wir messen es, bevor etwas live geht. Bei Klassifikation eingehender Nachrichten liegen gut gebaute Systeme regelmäßig über neunzig Prozent. Entscheidend ist nicht die Quote allein, sondern was bei einem Fehler passiert — deshalb bauen wir immer eine Prüfschwelle ein.

Das ist der einzige sinnvolle Weg. Ein Anwendungsfall, acht Wochen, messbares Ergebnis. Was danach kommt, entscheidet ihr auf Basis dessen, was ihr gesehen habt.

Nein. Anders als beim klassischen maschinellen Lernen reichen für die meisten Anwendungsfälle ein paar Dutzend gute Beispiele, weil das Sprachmodell die Sprachkompetenz schon mitbringt.

Die meisten betrieblichen Anwendungsfälle fallen in die Kategorie mit geringem Risiko und lösen vor allem Transparenzpflichten aus. Wo Kunden direkt mit dem System sprechen oder KI-generierte Inhalte veröffentlicht werden, kennzeichnen wir das. Bei Anwendungen im Personalbereich schauen wir genauer hin, dort gelten strengere Regeln.

Nein. Wir nutzen ausschließlich Zugänge, bei denen Training mit Kundendaten vertraglich ausgeschlossen ist, und verarbeiten in der EU. Bei besonders sensiblen Daten setzen wir Modelle ein, die auf eurer eigenen Infrastruktur laufen.

Für Vorbestellungen ja, weil dort Fehler teuer sind: eine verwechselte Torte kostet mehr als ein Jahr Systemgebühr. Für Reservierungen erst ab einer gewissen Größe.

Sie erspart genau die Anrufe, die während des Betriebs am meisten stören. Feiertagsregelungen sind dabei der häufigste Anlass.

Das hängt an drei Zahlen: wie oft der betroffene Ablauf vorkommt, wie lange er dauert und was eine Stunde bei euch kostet. Bei Cafés ist der Ansatzpunkt meist Vorbestellung über Formular mit Abholzeitfenster. Wir rechnen das vor dem Angebot mit euren Zahlen durch — und sagen es, wenn es sich nicht lohnt.