Aus der Praxis

Was KI-Projekte gelingen lässt.

Die Punkte, die über Erfolg oder Stillstand entscheiden — mit dem, was jeweils zu tun ist. Aus Projekten, nicht aus Präsentationen.

Die Ausgangslage

Der Weg von der Idee bis zum Regelbetrieb.

Auf jeder Stufe fallen Vorhaben weg. Die meisten nicht am Anfang, sondern zwischen Pilot und Regelbetrieb.

Ideen Wo lässt sich KI einsetzen? Prototyp Ein Modell, eine Anweisung, eine Demo Pilot an echten Fällen erprobt Regelbetrieb Hier bleiben die meisten Vorhaben liegen Betrieb, Pflege, Nachweise
Aus der Praxis

Typische Herausforderungen und passende Lösungen.

Bevor Sie starten

01

Der Anwendungsfall wird nach Technik gewählt

Begonnen wird dort, wo es technisch reizvoll ist — nicht dort, wo Menge und Bearbeitungszeit zusammenkommen. Der Bezug zum Tagesgeschäft fehlt von Anfang an.

Zu tunNach Menge mal Bearbeitungszeit sortieren, nicht nach Machbarkeit.
02

Hundert Prozent sind das falsche Ziel

Vollautomatik klingt nach dem größten Nutzen und ist meist der teuerste Weg. Die letzten Prozent kosten mehr als alles davor.

Zu tunEine Mindestschwelle vereinbaren. Bei Unsicherheit übernimmt der Mensch.
03

Es fehlt der Maßstab

Ohne einen Satz geprüfter Vorgänge lässt sich nicht sagen, ob die Lösung gut ist. Man diskutiert Eindrücke statt Zahlen.

Zu tunZuerst einige Dutzend Vorgänge festhalten, wie sie richtig entschieden gehören.
04

Der fremde Erfolg passt selten

Was bei Werbetexten oder Chatverläufen überzeugt, sagt wenig über geprüfte Belege aus. Die Meldungen stimmen, nur nicht für Ihren Fall.

Zu tunAn eigenen Dokumenten prüfen, bevor Budget gebunden wird.

Beim Bauen

05

Alles steckt in der Blackbox

Ein Modell, eine Anweisung — mehr gibt es nicht zu stellen. Wird das Ergebnis schlechter, bleibt nur, am Text zu feilen.

Zu tunDie Verarbeitung in Bausteine zerlegen, die sich einzeln messen und ändern lassen.
06

Klassische Verfahren werden übersehen

Feste Regeln, Mustererkennung und Berechnungen sind exakt, günstig und nachvollziehbar. In Kombination mit KI liefern sie bessere Ergebnisse als KI allein.

Zu tunJe Teilschritt entscheiden: Regel, klassisches Verfahren oder Sprachmodell.
07

Halluzinationen sind kein Fehler, sondern Bauart

Sprachmodelle sagen wahrscheinlichen Text vorher. Erfundene Angaben lassen sich deshalb nicht abschalten — nur systematisch abfangen.

Zu tunNur belegte Aussagen zulassen und Ergebnisse über einen zweiten, unabhängigen Weg überprüfen.
08

Ein Dokument kann Anweisungen enthalten

Wer Belege von außen verarbeitet, lässt fremden Text auf ein Modell los. Darin kann eine versteckte Aufforderung stehen, die es befolgt.

Zu tunEingaben vor dem Modell prüfen und filtern, Rechte des Modells eng halten.

Im Betrieb

09

Niemand misst, ob es noch stimmt

Anbieter tauschen Modelle aus, Dokumentarten ändern sich. Die Qualität sinkt schleichend und fällt meist erst spät auf — durch eine wachsende Zahl unerledigter oder fehlerhafter Vorgänge.

Zu tunFeste Modellstände, Tests vor jeder Änderung, laufende Messung mit Schwellen.
10

Kein Plan für den Ausfall

Fällt ein Dienst aus oder blockiert ein Filter, pausiert die Verarbeitung. Für den Ernstfall ist selten ein zweiter Weg vorgesehen.

Zu tunAusweichwege einplanen und regelmäßig erproben, nicht erst im Störfall.
11

Das Wissen sitzt in einem Kopf

Anweisungen werden über Monate nachgeschärft, meist von einer Person. Scheidet sie aus, geht häufig das Wissen über die Gründe hinter den Einstellungen verloren.

Zu tunAnweisungen wie Quellcode behandeln: versioniert, dokumentiert, getestet.
12

Die Rechnung geht erst im Betrieb auf

Zur Einführung kommen laufende Kosten für Modellnutzung, Betrieb und Pflege. Wer nur die Projektsumme betrachtet, plant an der Hälfte vorbei.

Zu tunKosten je Vorgang rechnen, nicht Projektsumme.

Menschen und Regeln

13

Die Fachabteilung wurde nicht gefragt

Entschieden wird im Projekt, gearbeitet wird in der Abteilung. Wer die Ausnahmen kennt, wurde nicht gehört — und wer die Lösung umgehen kann, tut es.

Zu tunDie Leute einbeziehen, die den Vorgang heute bearbeiten. Vor dem Bau, nicht bei der Einführung.
14

Nach dem Start fühlt sich niemand zuständig

Das Projekt endet, die Lösung läuft weiter. Wer die Qualität überwacht, wer freigibt und wer im Zweifel haftet, ist nirgends festgehalten.

Zu tunRollen schriftlich festlegen: Überwachung, Freigabe, Verantwortung.
15

Datenschutz entscheidet über die Bauweise

Vertrauliche Dokumente in öffentliche Dienste zu geben, ist selten zulässig. Der EU AI Act verlangt zudem nachvollziehbare Entscheidungen.

Zu tunVerarbeitungsort früh festlegen, jede Entscheidung protokollieren.
16

Die Altsysteme sind das eigentliche Projekt

Fehlende Schnittstellen, verteilte Datenbestände, gewachsene Formate: Häufig steckt hier mehr Aufwand als in der KI selbst.

Zu tunAnbindung über Schnittstelle, Datenbank oder Dateiablage vorab klären.
Und jetzt?

Was bei allen Punkten hilft: an echten Vorgängen prüfen.

Im Machbarkeitscheck gehen wir Ihren Anwendungsfall durch — mit Ihren Dokumenten, Ihren Systemen und einer Rechnung am Ende. Rentiert es sich nicht, sagen wir Ihnen das.