Einführung künstlicher Intelligenz

Die Einführung von KI — bedeutet, ein Modell in einen bereits laufenden Prozess einzubetten, und nicht, daneben ein eigenes System zu starten. Das Modell liest die Daten des Unternehmens, findet darin ein Muster und liefert eine Entscheidung; die Handlung daraus führt das System aus, in dem der Prozess lebt — CRM, ERP, das Lagerprogramm, die Kasse, das Portal, der Messenger.

Deshalb beginnt ein Projekt nicht mit der Wahl eines Modells, sondern mit vier Antworten: welche Daten es gibt und in welchem Zustand sie sind; welche Entscheidung getroffen werden muss; wer diese Entscheidung womit ausführt; und welche Zahl zeigen wird, dass es besser geworden ist. Fehlt eine der vier, fügt ein Modell nur eine weitere Datenquelle hinzu, für die niemand verantwortet.

Wo KI nicht gebraucht wird. Lässt sich eine Regel in einer Zeile schreiben — „Bestand unter fünf Stück, Einkauf benachrichtigen“ —, wird sie als Regel geschrieben: billiger, vorhersehbar und Zeile für Zeile prüfbar. KI gehört dorthin, wo es Dutzende Signale gibt, sie sich über die Zeit ändern und ein Mensch bislang nach Augenmaß entschieden hat: eine Anfrage klassifizieren, die Nachfrage schätzen, einen untypischen Vorgang erkennen, Felder aus einem freien Dokument extrahieren.

Erfasste Daten sind nicht gebrauchsfertig: Dieselbe Position heißt an drei Stellen anders, die Mengeneinheiten sind vermischt, der Hälfte der Einträge fehlt ein Pflichtmerkmal, und ein Teil der Zeilen ist eine Dublette eines Vorgangs. Ein auf einem solchen Satz trainiertes Modell reproduziert das Durcheinander, statt ein Muster zu finden.

KI-Verarbeitung deckt hier drei Aufgaben ab: die Einträge auf eine einheitliche Form bringen, Merkmale dort setzen, wo sie fehlen, und Objekte in Kategorien einsortieren, die es in den Ausgangsdaten nicht gab.

• Normalisierung — ein einheitliches Format für Datumsangaben, Zahlen, Mengeneinheiten, Telefonnummern, Adressen und Registerdaten
• Abgleich der Bezeichnungen — „Kabel NYM 3x2,5“, „NYM-J 3*2,5“ und „kabel nym 3x2,5 nach Norm“ werden auf eine Katalogposition zurückgeführt
• Füllen von Lücken — eine fehlende Kategorie, Marke oder Mengeneinheit wird aus den übrigen Feldern der Karte vorhergesagt
• Klassifizierung — eine Ware wird einer Gruppe zugeordnet, eine Anfrage einem Thema, eine Zahlung einer Kostenart, ein Geschäftspartner einem Segment
• Extraktion von Merkmalen — aus der Beschreibung werden Eigenschaften gezogen: Volumen, Gewicht, Leistung, Zusammensetzung, Haltbarkeit
• Erkennung von Dubletten — zwei Karten für einen Geschäftspartner oder zwei Dokumente für eine Lieferung werden aus einer Kombination von Feldern gefunden und nicht aus einer exakten Zeichenkettenübereinstimmung
• Konsistenzprüfungen — negativer Bestand, ein Versanddatum vor dem Bestelldatum, Positionen, die nicht zur Dokumentsumme aufgehen

Handlung: Sichere Korrekturen werden automatisch angewendet und mit dem Originalwert protokolliert; Grenzfälle gehen als eine Liste an den Eigentümer des Verzeichnisses zur Bestätigung und nicht als einzelne E-Mails.

Warum das eine eigenständige Aufgabe ist

Datenqualität ist kein einmaliges Aufräumen vor einem Projekt, sondern ein fortlaufender Prozess: Verzeichnisse wachsen jeden Tag, Lieferanten ändern die Formate ihrer Preislisten, und Manager legen Karten neu an, statt die vorhandene zu suchen. Deshalb leben die Bereinigungsregeln und -modelle im System neben den Daten und werden bei jedem Laden angewendet.

Jede Korrektur hat einen Urheber — eine Regel oder ein Modell —, eine Zeit sowie einen alten und einen neuen Wert. Das ist keine Bürokratie: Ohne die Historie lässt sich nicht ermitteln, warum der Bericht des Vormonats heute andere Zahlen zeigt.

Ergebnis

Verzeichnisse hören auf sich zu verzweigen, Berichte nach Warengruppe und Kostenart stimmen miteinander überein, und die Datenaufbereitung frisst nicht mehr den größten Teil des Zeitplans jedes Analytikprojekts.

Ein gewöhnlicher Bericht beantwortet die Frage, die ihm gestellt wurde: Umsatz nach Monat, Verkäufe nach Filiale, Bestände nach Lager. Die Fragen stellt ein Mensch, deshalb sieht man genau das, woran jemand gedacht hat.

KI-Verarbeitung kehrt hier die Richtung um: Das Modell sieht die Aufschlüsselungen selbst durch und bringt jene, in denen sich eine Kennzahl anders verhält als erwartet. Nicht „zeichne mir ein Diagramm“, sondern „hier sind drei Stellen, an denen etwas Ungewöhnliches geschieht, und hier ist, womit es zusammenhängt“.

Was intelligente Analytik leistet:

• Segmentierung — Kunden, Verkaufsstellen und Waren werden nach tatsächlichem Verhalten gruppiert und nicht nach vorab ausgedachten Kategorien
• Zerlegung einer Kennzahl — ein Umsatzrückgang wird in die Beiträge von Kategorien, Filialen, Kanälen und durchschnittlichem Bon zerlegt: Es wird klar, was genau gefallen ist
• Zusammenhänge zwischen Ereignissen — welche Merkmale einer Bestellung, eines Kunden oder eines Standorts am häufigsten mit einer Ablehnung, einer Retoure, einem Zahlungsverzug oder dem Weggang eines Kunden einhergehen
• Risikobewertung — die Wahrscheinlichkeit, dass eine Bestellung storniert wird, eine Rechnung nicht rechtzeitig bezahlt wird, ein Kunde aufhört zu kaufen
• Priorisierung der Aufmerksamkeit — eine Liste der klärungsbedürftigen Objekte, sortiert nach möglichen Verlusten und nicht alphabetisch
• Abfragen in natürlicher Sprache — eine in Worten an die Daten gestellte Frage, deren Antwort zwingend Quelle und Zeitraum nennt

Handlung: Ein Befund bleibt nicht in einem Dashboard — er wird zu einer Aufgabe mit Adressat und Frist: den Standort mit dem Rückgang prüfen, den Kunden aus der Risikogruppe kontaktieren, die Kategorie mit steigenden Retouren untersuchen.

Routine bedeutet Vorgänge, die sich Dutzende Male am Tag wiederholen, Aufmerksamkeit verlangen und keine Qualifikation: Daten aus einer E-Mail in eine Karte übertragen, eine Zahlung einer Kostenart zuordnen, einen Bearbeiter bestimmen, die Vollständigkeit eines Dokuments prüfen, einen Status setzen.

KI-Verarbeitung wird dort gebraucht, wo die Eingabe nicht formalisiert ist: Die E-Mail ist in Worten geschrieben, das Dokument kam in einem fremden Format, die Anforderung ist von jedem Kunden anders formuliert. Das Modell bringt eine solche Eingabe in eine Struktur, danach übernehmen gewöhnliche Regeln den Prozess — vorhersehbar und prüfbar.

Vorgänge, die automatisch ablaufen:

• Sortierung eingehender E-Mails und Anforderungen
• Bestimmung von Thema und Dringlichkeit einer Anfrage
• Zuweisung von Bearbeiter und Frist
• Anlegen einer Kundenkarte und eines Geschäfts
• Extraktion von Daten aus Dokumenten
• Abgleich eines Dokuments mit Bestellung und Rechnung
• Zuordnung einer Zahlung zu Kostenart und Vertrag
• Prüfung der Vollständigkeit eines Dokumentenpakets
• Entwurf einer Antwort auf eine Standardanfrage
• Übersetzung von Texten und Angleichung an eine einheitliche Form
• Erstellung von Aufstellungen und Bescheinigungen aus einer Vorlage
• Füllen der Felder einer Warenkarte aus der Beschreibung
• Prüfung einer Anforderung auf Vollständigkeit vor dem Start
• Priorisierung einer Aufgabenwarteschlange
• Übersichten nach Schicht, Tag und Objekt
• Meldungen an Verantwortliche bei Ereignissen

Handlung und Ergebnis: Den Vorgang führt das System aus und protokolliert ihn mit Urheber, Zeit und Originalwert. Der Mitarbeiter geht von der Dateneingabe zur Bearbeitung von Ausnahmen über — jenen Fällen, in denen das Modell unsicher ist oder in denen ein Fehler teuer wäre.

Daten: Lieferscheine, Rechnungen, Protokolle, Verträge, Spezifikationen, Zahlungsaufträge, Anträge, Datenblätter der Technik, E-Mails mit Anhängen. Die Formate sind verschieden: PDF, ein Foto vom Telefon, ein Scan, eine Exportdatei, ein Papieroriginal.

KI-Verarbeitung: Texterkennung, Bestimmung des Dokumententyps, Extraktion von Feldern und Tabellenteilen, Zuordnung der Positionen zur Artikelliste und Verknüpfung des Dokuments mit Bestellung, Vertrag oder Geschäftspartner. Zu jedem Feld werden ein Wert und eine Konfidenz zurückgegeben.

Was extrahiert wird:

• Die Angaben der Parteien — Name, Registernummern, Adresse, Bankverbindung
• Nummer und Datum des Dokuments, Verweise auf Vertrag, Rechnung und Bestellung
• Der Tabellenteil — Positionen, Menge, Preis, Betrag, Steuersatz
• Summen — Nettobetrag, Steuer, Gesamtbetrag, Währung
• Bedingungen und Fristen — Zahlungsbedingungen, Lieferbedingungen, Gewährleistung, Vertragsstrafen
• Unterschriften und Stempel — das Vorhandensein, nicht die Echtheit: Die Echtheit ist Sache des rechtsverbindlichen Dokumentenflusses

Handlung: Das Dokument wird mit Bestellung und Rechnung abgeglichen, Abweichungen werden als Liste ausgewiesen, und das Dokument wird entweder gebucht oder geht an einen konkreten Mitarbeiter zur Klärung. Ergebnis: Die Erfassung von Dokumenten hört auf, eine eigene Stellenaufgabe zu sein, und Abweichungen werden vor der Zahlung gefunden und nicht beim Monatsabschluss.

Wo die Grenze verläuft

Eine Erkennung liefert bei keinem Satz von Dokumenten hundert Prozent Genauigkeit — und soll es auch nicht. Der Sinn liegt anderswo: Das System zeigt, welchen Feldern es traut und welche es bestätigt haben will. Der Bearbeiter prüft einige markierte Felder, statt das ganze Dokument abzutippen.

Eine schlechte Qualität der Vorlage ist keine Entschuldigung für einen stillen Fehler: ein unscharfes Foto, eine beschnittene Seite, eine fehlende zweite Seite einer Spezifikation werden ausdrücklich gemeldet und mit Angabe des Grundes an den Absender zurückgegeben.

Ergebnis

Die Verarbeitungsgeschwindigkeit hängt nicht mehr vom Volumen des Eingangsstroms ab, und Buchhaltung und Einkauf sehen den Zustand der Dokumente in einer Liste statt in den Postfächern einzelner Mitarbeiter.

Daten: E-Mails, Anforderungen von der Website, Nachrichten in Messengern, Abschriften von Anrufen, Korrespondenz im Support-Chat, Bewertungen und Noten. All das ist Text in freier Form, den bislang ein Mensch gelesen und sortiert hat.

KI-Verarbeitung: Die Anfrage wird einem Thema und einem Unterthema zugeordnet, Dringlichkeit und Tonlage werden bestimmt, aus dem Text werden Bestellnummer, Warenbezeichnung, Adresse und weitere Entitäten extrahiert, und die Anfrage wird mit der Historie des Kunden verknüpft. Wiederholte Anfragen zu demselben Anlass werden zu einem Fall zusammengeführt.

Handlung: Die Anforderung kommt mit ausgefüllten Feldern in die Warteschlange der zuständigen Gruppe, die Reaktionsfrist wird nach der Dringlichkeit berechnet, eine wiederholte Anfrage wird in der Priorität angehoben, und der Kunde erhält eine Bestätigung mit Nummer und erwarteter Frist.

Ergebnis: Anfragen liegen nicht mehr bis zum Morgen im gemeinsamen Postfach, und die Leitung sieht nicht „viele Beschwerden“, sondern eine Struktur: in welchen Themen der Strom wächst, wo die Antwortzeit steigt und welche Produkte wiederholte Anfragen erzeugen.

Was die Betrachtung des gesamten Stroms bringt

Eine einzelne Anfrage erzählt von einem Fall, der gesamte Strom vom Produkt und vom Prozess. Die Klassifizierung nach Themen über einen Zeitraum zeigt, was genau Fragen auslöst: eine unklare Anleitung, ein Fehler in einer Warenbeschreibung, ein Bruch an einem bestimmten Schritt des Bestellabschlusses, eine Verzögerung bei einem Lieferdienst.

Deshalb werden die Themen nicht erfunden: Zuerst werden die Anfragen automatisch nach Bedeutung gruppiert, dann werden die entstandenen Gruppen von Hand bearbeitet und als Verzeichnis festgeschrieben. Von da an lebt es neben dem Produkt, und neue Gruppen schlägt das System vor.

Ein Bot ist nicht ein Modell, sondern mehrere verbundene Teile. Die Trennung zählt in der Praxis: Jeder Teil hat seine eigene Art zu versagen, seine eigenen Kennzahlen und seinen eigenen Weg der Behebung.

• Verstehen der Anfrage — was der Mensch tun will und welche Parameter er genannt hat: Bestellnummer, Datum, Ware, Adresse
• Suche im Wissen — Auswahl der Fragmente von Dokumenten und Einträgen, aus denen die Antwort gebaut wird
• Zugang zu Systemen — der Satz erlaubter Vorgänge: eine Bestellung ansehen, eine Anforderung anlegen, ein Lieferdatum ändern. Jeder ist ausdrücklich beschrieben; beliebige Handlungen hat der Bot nicht
• Formulieren der Antwort — das Modell setzt die Antwort streng aus dem zusammen, was gefunden wurde und was die Systeme zurückgegeben haben; was nicht in den Quellen steht, erscheint nicht in der Antwort
• Eine Prüfung vor dem Senden — die Antwort wird gegen die Quellen geprüft und die Handlung gegen die Rechte und Limits des Nutzers
• Übergabe an einen Menschen — Regeln der Eskalation: geringe Konfidenz, eine wiederholte Frage, eine negative Reaktion, ein Thema aus einer gesperrten Liste
• Protokoll — was gefragt wurde, was gefunden wurde, was der Bot getan hat und auf welcher Grundlage. Ohne das lässt sich eine Beschwerde nicht klären

Die Kanäle der Anbindung — Website und Kundenkonto, Messenger, E-Mail, eine Telefonlinie mit Spracherkennung, das interne Portal und die Arbeitsplätze der Mitarbeiter. Die Logik ist überall dieselbe: Der Kanal ändert die Form der Eingabe, nicht das, was der Bot darf.

Woher die Antwort kommt

Der Bot merkt sich Ihre Dokumente nicht — er durchsucht sie im Moment der Frage und antwortet aus dem, was er findet. Deshalb gilt eine aktualisierte Richtlinie, sobald sie hochgeladen ist, und nicht erst nach einem erneuten Training des Modells, und deshalb hat jede Antwort eine Quelle.

Wie ein Bot gestartet wird

Als Erstes wird ein Satz echter Fragen zusammengestellt — aus Korrespondenz, Anfragen und internen Chats. An ihm wird der Bot vor dem Start geprüft: Die Antworten werden gegen die Quellen abgeglichen und die Fehler nach Ursachen untersucht. Erst danach wird der Bot für Nutzer geöffnet, meist zunächst für eine Gruppe.

Ein interner Assistent unterscheidet sich von einem Kundenbot durch seine Ausgangsdaten: Er arbeitet mit Unternehmensinformationen und im Rahmen der Rechte eines konkreten Mitarbeiters. Dieselbe Frage eines Lagermitarbeiters und eines Finanzleiters ergibt verschiedene Antworten — weil ihnen verschiedene Dokumente zugänglich sind.

Was ein Assistent an einem Arbeitsplatz tut:

• Antwortet aus den Richtlinien — wie etwas einzureichen ist, wer es freigibt, welche Frist gilt, welches Formular zu nutzen ist, mit Verweis auf die Stelle
• Stellt eine Übersicht zu einem Objekt zusammen — Kunde, Geschäft, Vertrag, Bestellung, Gerät: Historie, offene Fragen, anstehende Fristen
• Bereitet Entwürfe vor — eine E-Mail, ein Angebot, eine Antwort auf eine Anfrage, eine Aufgabenbeschreibung, ein Besprechungsprotokoll
• Führt die Buchführung für den Mitarbeiter — das Ergebnis eines Anrufs oder einer Besprechung wird zu Aufgaben, Fristen und einer aktualisierten Karte
• Legt Anforderungen an — an Personalwesen, Einkauf, technischen Support: Die Felder werden aus dem Gespräch gefüllt und nicht aus einem Formular mit zwanzig Feldern
• Bereitet eine Schichtübersicht vor — was am Objekt im Zeitraum geschehen ist, was offen bleibt, was eine Entscheidung verlangt

Ergebnis: Der Mitarbeiter verbringt Zeit mit der Arbeit und nicht mit der Suche nach dem richtigen Dokument, dem Erinnern einer Richtlinie und dem Ausfüllen von Formularen. Der Assistent entscheidet nicht anstelle des Menschen — er nimmt den vorbereitenden Teil ab.

Unternehmenswissen liegt selten an einem Ort: Richtlinien in einem Ordner, Verträge in einem zweiten, technische Dokumentation in einem dritten, und die Hälfte der Antworten in der Korrespondenz. Eine Suche nach Dateinamen hilft hier nicht, denn ein Mensch sucht kein Dokument, sondern eine Antwort.

Daten: Richtlinien und Anweisungen, Verträge und Anlagen, technische und Projektdokumentation, Anleitungen, die Basis gelöster Anfragen, Protokolle, Verzeichnisse, das Archiv der Korrespondenz — jeweils mit einem Eigentümer und einer Zugriffsstufe.

KI-Verarbeitung: Dokumente werden in Fragmente zerlegt, und jedes Fragment wird nach Bedeutung indexiert; die Frage wird mit Fragmenten abgeglichen und nicht mit Überschriften. Die Antwort wird aus dem Gefundenen zusammengesetzt und kommt mit einem Zitat und einem Verweis auf Dokument, Seite und Fassung.

Handlung und Ergebnis: Ein Mitarbeiter erhält in Sekunden eine Antwort mit Quelle, statt bei den Kolleginnen und Kollegen herumzufragen; Grenzfälle werden am Zitat geprüft; veraltete Dokumente sind sofort sichtbar — stammt die Antwort aus einer zwei Jahre alten Fassung, steht das in der Antwort selbst.

Was eine Wissensbasis funktionieren lässt

• Ein Eingangspunkt — Quellen werden an den Index angebunden und nicht von Hand in einen neuen Speicher kopiert
• Fassungen und Daten — zu jedem Fragment ist die Fassung des Dokuments bekannt; die aktuelle ist vom Archiv getrennt
• Rechte werden geerbt — aus den Quellsystemen, damit der Index nie zu einem Weg an den Zugriffsbeschränkungen vorbei wird
• Aktualisierung nach Ereignis — ein geändertes Dokument wird sofort neu indexiert und nicht nach einem Monatsplan
• Rückmeldung — „diese Antwort hat nicht geholfen“ wird in der Oberfläche vermerkt und geht zusammen mit der Frage in die Prüfung
• Lücken sind sichtbar — Fragen, zu denen keine Quelle gefunden wurde, werden in einer Liste gesammelt: Das ist die Aufgabenstellung für die fehlende Richtlinie

Was eine Wissensbasis nicht leistet

Sie ersetzt das Dokumentenmanagement nicht und wird nicht zur Quelle der Wahrheit: Ein rechtsverbindliches Dokument bleibt dort, wo es unterschrieben und gespeichert wurde. Der Index ist ein Weg, es zu finden und zu zitieren, und keine gesonderte Kopie mit eigenem Leben.

Eine Anforderung kommt in freier Form und über jeden Kanal: eine E-Mail, eine Nachricht, ein Formular auf der Website, ein Anruf, eine angehängte Datei. Vor der Einführung liest ein Mensch sie, überträgt die Daten ins System, bestimmt die Art und weist einen Bearbeiter zu — das dauert von einigen Minuten bis zu einigen Stunden Wartezeit in der Schlange.

KI-Verarbeitung: Die Art der Anforderung wird bestimmt, Felder werden extrahiert — Objekt, Adresse, Frist, Kontakt, Vertragsnummer —, die Vollständigkeit wird geprüft, die Dringlichkeit bewertet und die Anforderung mit dem Kunden und seiner Historie verknüpft. Was fehlt, wird automatisch im selben Kanal nachgefragt.

Handlung: Die Anforderung wird mit ausgefüllten Feldern im System angelegt, eine Gruppe oder ein Bearbeiter wird nach den Regeln zugewiesen, eine Frist gesetzt und eine Bestätigung mit Nummer gesendet. Dubletten zum selben Anlass werden verknüpft, statt eine zweite Anforderung zu erzeugen.

Ergebnis: Der Bearbeiter erhält eine vollständige Anforderung und beginnt mit der Arbeit statt mit Rückfragen. Die Zeit vom Eingang bis zur Zuweisung hängt nicht mehr davon ab, wer wann das gemeinsame Postfach geöffnet hat.

Der Weg einer Anforderung

Was einzurichten ist

• Ein Verzeichnis der Anforderungsarten und die Regeln für die Zuweisung der Bearbeiter
• Pflichtfelder für jede Art — sonst funktioniert die Nachfrage nicht
• Reaktionsfristen nach Vertrag und Priorität
• Eine Regel für das Zusammenführen wiederholter Anfragen zum selben Anlass

Ein Modell irrt immer — die Frage ist, wie oft, wo genau und was es kostet. Deshalb hat jede Einführung zwei Sätze von Zahlen: die Qualität des Modells selbst und die Veränderung im Prozess. Der erste interessiert den Ingenieur, der zweite das Geschäft, und sie fallen nicht automatisch zusammen.

• Präzision und Trefferquote — für jede Klasse gesondert und nicht als ein Mittelwert: Eine seltene, aber teure Klasse wiegt schwerer als eine häufige
• Anteil automatischer Entscheidungen — wie viele Vorgänge bei der gegebenen Konfidenzschwelle ohne Menschen durchgelaufen sind
• Anteil der Korrekturen — wie viele automatische Entscheidungen ein Mensch storniert oder geändert hat
• Dauer eines Vorgangs — vom Eingang bis zum Abschluss, verglichen mit dem Ausgangswert vor der Einführung
• Die Kosten eines Fehlers — was ein Übersehen kostet und was ein Fehlalarm; die Schwelle wird auf dieses Verhältnis eingestellt und nicht auf die Eleganz einer Kennzahl
• Drift der Daten — eine Veränderung in der Zusammensetzung der Eingangsdaten, durch die die Qualität fällt, ohne dass am System eine einzige Änderung vorgenommen wurde

Die Konfidenzschwelle ist ein Stellrad und keine Konstante. Hebt man sie an, bekommt das Unternehmen weniger Automatisierung und weniger Fehler; senkt man sie, das Gegenteil. Der Wert wird nach den Kosten eines Fehlers im konkreten Prozess gewählt.

Was die Oberfläche zeigt

Betrieb nach dem Start

Ein Modell ist keine einmalige Lieferung. Die Daten ändern sich: Es erscheinen neue Waren, neue Themen der Anfragen, neue Dokumentformate, neue Lieferanten. Deshalb sieht das Projekt regelmäßige Qualitätsprüfungen auf frischen Daten vor, ein erneutes Training nach Zeitplan oder beim Überschreiten einer Schwelle sowie die Durchsicht der Fälle, in denen ein Mensch die Entscheidung korrigiert hat.

Die Korrekturen der Mitarbeiter sind das wertvollste Trainingsmaterial: Sie werden in einem eigenen Satz gesammelt und in der nächsten Trainingsrunde genutzt. So verbessert sich das System an der eigenen Arbeit und nicht an fremden Daten.