KI-Automatisierung für Startups

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

Normale Automatisierung folgt festen Regeln: Wenn Feld A gefüllt ist, mach B. KI-Automatisierung kommt dort ins Spiel, wo es keine festen Felder gibt — freier Text, Bilder, wechselnde Dokumentformate. Beides zusammen ist meist die richtige Antwort, nicht eines von beiden.

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. 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.

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.

Nicht am Anfang, aber vor dem Bruch. Solange man den Ablauf noch ändert, ist Handarbeit richtig — sie ist flexibler. Sobald der Ablauf stabil ist und die Menge wächst, wird sie zum Engpass. Der Zeitpunkt liegt kurz davor.

Das, was bei doppelter Menge zuerst bricht. Meist ist das Onboarding oder der Support, selten die Buchhaltung.

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