PIPELINERatgeber
Checkliste: KI-Automatisierung vorbereiten
Was ihr klären solltet, bevor ihr Angebote zum Thema KI-Automatisierung einholt. Je mehr davon vorher steht, desto belastbarer werden die Angebote.
01 — Checkliste
Vor dem ersten Angebot klären
- Was soll besser werden? In einem Satz, ohne Fachbegriffe.
- Woran merkt ihr es? Eine Zahl, die sich ändern soll.
- Wer entscheidet? Eine Person, nicht ein Gremium.
- Welches Budget steht zur Verfügung? Ein Rahmen genügt — er macht Angebote vergleichbar statt beliebig.
- Bis wann? Und woran hängt der Termin.
- Welche Systeme sind betroffen? Und wer hat dort Zugang.
- Was habt ihr schon? Inhalte, Daten, Vorarbeiten — das senkt den Preis.
02 — Mitwirkung
Was wir von euch brauchen
- Eine Ansprechperson, die entscheiden darf — nicht nur weiterleiten.
- Zugang zu den betroffenen Systemen, rechtzeitig und nicht am Tag des Livegangs.
- Echte Beispiele aus dem Alltag — je unsauberer, desto nützlicher für den Test.
- Zwei bis vier Stunden für Abstimmung, verteilt über die Projektlaufzeit.
- Eine Antwort auf die Frage, was Erfolg bedeutet. Ohne die lässt sich hinterher nichts beurteilen.
03 — Fragen
Fragen, die ihr stellen solltet
- Was passiert, wenn das Projekt teurer wird als geschätzt — wer trägt das?
- Wem gehören Daten, Zugänge und, falls entwickelt wird, der Quellcode?
- Was kostet der Betrieb im zweiten und dritten Jahr?
- Wie sieht die Dokumentation aus, die wir am Ende bekommen?
- Woran würden Sie messen, ob das Projekt erfolgreich war?
- Gibt es einen Fall, in dem Sie uns davon abraten würden?
04 — Fragen
Häufige Fragen
Wie zuverlässig ist das?
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.
Brauchen wir dafür große Datenmengen?
Nein. Anders als beim klassischen maschinellen Lernen reichen für die meisten Anwendungsfälle ein paar Dutzend gute Beispiele, weil das Sprachmodell die Sprachkompetenz schon mitbringt.
Was sagt der EU AI Act dazu?
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.
Können wir klein anfangen?
Das ist der einzige sinnvolle Weg. Ein Anwendungsfall, acht Wochen, messbares Ergebnis. Was danach kommt, entscheidet ihr auf Basis dessen, was ihr gesehen habt.
Was ist der Unterschied zu normaler Automatisierung?
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.
Landen unsere Daten im Training eines Sprachmodells?
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.
99 — Weiter
Passende Seiten
- KI-Automatisierung — Übersicht
- KI-Automatisierung — Anbietervergleich
- KI-Automatisierung — Wirtschaftlichkeit
- KI-Automatisierung — Ablauf
- KI-Automatisierung — Typische Fehler
- KI-Automatisierung — Dauer
- Prozessautomatisierung
- Dokumentenverarbeitung mit KI
- KI-Wissensdatenbank
- Alle Ratgeber
KI-Automatisierung nach Region
Nächster Schritt
Erste Einschätzung, ohne Verpflichtung.
Beschreibt kurz, worum es geht. Ihr bekommt eine ehrliche Antwort dazu, was realistisch ist und was es ungefähr kostet.