Kaum ein Thema erzeugt in Entscheidungsrunden so viel Bewegung und so wenig Klarheit wie künstliche Intelligenz. Die Frage lautet selten, ob ein Sprachmodell beeindruckende Antworten liefert — das tut es zuverlässig. Sie lautet: Welche konkrete Aufgabe in Ihrem Betrieb wird dadurch messbar schneller, günstiger oder gleichmäßiger erledigt, und was kostet der Dauerbetrieb dieser Funktion? Dieser Beitrag sortiert die Anwendungsfälle nach Eignung, benennt die Stellen, an denen solche Systeme verlässlich scheitern, und beschreibt, wie eine Integration aussieht, die nach dem ersten Begeisterungsschub noch trägt.
Was ein Sprachmodell zuverlässig leistet
Große Sprachmodelle sind Werkzeuge für Sprache, nicht für Wahrheit. Überall dort, wo aus unstrukturiertem Text etwas Strukturiertes oder etwas Kürzeres entstehen soll, spielen sie ihre Stärke aus. In der Praxis fallen die tragfähigen Fälle in vier Gruppen:
- Einordnen: eingehende Nachrichten, Tickets oder Formulare einer Kategorie, Dringlichkeit oder Zuständigkeit zuweisen — auch wenn die Absender jedes Mal andere Worte wählen.
- Verdichten: lange Protokolle, Mailverläufe oder Berichte auf die Punkte reduzieren, die eine Bearbeiterin wirklich braucht.
- Herauslesen: Felder aus Dokumenten übernehmen — Absender, Datum, Auftragsnummer, Positionen — aus Formaten, die sich von Lieferant zu Lieferant unterscheiden.
- Vorformulieren: Antwortentwürfe, Beschreibungstexte oder Übersetzungen erzeugen, die ein Mensch anschließend prüft und freigibt.
Diesen vier Gruppen ist etwas gemeinsam: Ein einzelner Fehler ist erkennbar und billig zu korrigieren, weil das Ergebnis ohnehin von einem Menschen gelesen wird. Genau darin liegt die Eignung — nicht in der Intelligenz des Modells, sondern in der Fehlertoleranz der Aufgabe.
Wo diese Technik systematisch scheitert
Ein Sprachmodell erzeugt die wahrscheinlichste Fortsetzung eines Textes. Es rechnet nicht, es prüft nicht, es weiß nicht, was in Ihrer Datenbank steht. Aus diesem einen Satz folgen drei harte Grenzen.
Erstens Rechnen und Fristenlogik. Summen, Rabattstufen, Kündigungstermine oder Bestandsführung gehören in Programmcode oder in die Datenbank, wo das Ergebnis reproduzierbar und im Zweifel nachweisbar ist. Ein Modell liefert hier eine plausibel aussehende Zahl — und plausibel ist bei Geld kein Qualitätsmerkmal. Der saubere Weg: Das Modell erkennt, was gemeint ist, und übergibt die Rechnung an ein deterministisches System.
Zweitens verbindliche Auskünfte. Preiszusagen, Vertragsauslegungen, medizinische oder rechtliche Einschätzungen ohne menschliche Verantwortung sind kein Einsatzgebiet, sondern ein Haftungsthema. Wer einen Chatbot ungeprüft im Namen des Unternehmens sprechen lässt, delegiert Zusagen an ein System, das keine Zusagen einhalten kann.
Drittens Entscheidungen ohne Kontrolle. Alles, was unmittelbar nach außen wirkt — Ablehnungen, Mahnungen, Stornierungen, Bewertungen von Menschen — braucht eine Freigabe. Nicht weil die Trefferquote schlecht wäre, sondern weil der Schaden pro Fehler hoch ist und Fehler unweigerlich auftreten.
Wenn eine Regel oder eine Suche die bessere Antwort ist
Der häufigste vermeidbare Fehler bei KI-Projekten ist der Einsatz an Stellen, die eine schlichte Regel oder ein guter Index besser, schneller und dauerhaft billiger löst. Als Prüffrage hat sich bewährt: Lässt sich die Aufgabe in wenigen Wenn-Dann-Sätzen vollständig beschreiben? Dann schreiben Sie diese Sätze als Programmlogik.
| Aufgabe | Tragfähige Lösung | Begründung |
|---|---|---|
| Rechnungssumme gegen Auftrag prüfen | Rechenregel im Code | Muss exakt und nachweisbar sein |
| Dokument zu einer Kundennummer finden | Volltextsuche mit Index | Exakter Treffer, Bruchteil der Kosten |
| Formularfelder auf Vollständigkeit prüfen | Validierungsregeln | Endliche, bekannte Bedingungen |
| Freitext-Anfragen der richtigen Abteilung zuordnen | Klassifikation per Modell | Formulierungen sind nicht vorhersehbar |
| Positionen aus fremden PDF-Belegen übernehmen | Extraktion per Modell mit Prüfschritt | Layouts unterscheiden sich beliebig |
Häufig ist die beste Variante eine Kombination: Regeln fangen die klaren Fälle ab, das Modell übernimmt nur die Restmenge, die vorher ohnehin auf einem Schreibtisch landete. Wie man solche Schnitte im Ablauf findet, gehört in die Prozessaufnahme vor dem Projekt — mehr dazu auf unserer Prozessseite.
Mensch im Ablauf statt Vollautomatik
Tragfähige Integrationen sind fast immer Vorschlagssysteme. Das Modell arbeitet vor, ein Mensch entscheidet — und der Aufwand sinkt trotzdem deutlich, weil Lesen und Freigeben schneller geht als Erfassen und Formulieren. Drei Ausbaustufen sind sinnvoll unterscheidbar: Vorschlag mit Pflichtfreigabe für jeden Vorgang; automatische Verarbeitung mit regelmäßiger Stichprobe; echte Vollautomatik nur dort, wo ein einzelner Fehler kaum Schaden anrichtet und leicht rückgängig zu machen ist.
Zwei technische Details entscheiden über den Alltagsnutzen. Erstens ein Sicherheitsniveau: Liefert das Modell kein eindeutiges Ergebnis, muss der Vorgang in eine Warteschlange für Menschen laufen, statt geraten zu werden. Zweitens Nachvollziehbarkeit: Jeder Vorgang braucht eine Spur, aus der hervorgeht, welche Eingabe zu welchem Vorschlag führte und wer freigegeben hat. Ohne diese Spur ist später weder Verbesserung noch Rechenschaft möglich.
Datenschutz, Betriebsgeheimnisse und Regulierung
Sobald Sie eine Anbieter-Schnittstelle nutzen, verlassen Inhalte Ihr Haus. Bei personenbezogenen Daten gelten die üblichen Anforderungen an eine Auftragsverarbeitung, an Zweckbindung und an Datenminimierung — in der Praxis heißt das: nur die Felder übergeben, die für die Aufgabe nötig sind, und Namen oder Kennungen ersetzen, wo es geht. Bei besonders sensiblen Daten, etwa im Gesundheitsbereich, ist die Prüfung im Einzelfall unverzichtbar.
Unterschätzt wird der zweite Punkt: Betriebsgeheimnisse sind kein Datenschutzthema, aber ein Vermögenswert. Kalkulationsgrundlagen, Kundenlisten, Konstruktionsdaten oder eigener Quellcode gehören nur dann in eine externe Schnittstelle, wenn vertraglich geregelt ist, dass Inhalte nicht zur Modellverbesserung verwendet werden, wie lange sie gespeichert bleiben und in welcher Region die Verarbeitung stattfindet. Für sehr schutzbedürftige Fälle bleibt der Betrieb kleinerer Modelle auf eigener Infrastruktur eine Option — mit höherem Aufwand und meist schwächerer Qualität, aber ohne Datenabfluss.
Regulatorisch bewegt sich das Feld: Die europäische KI-Verordnung folgt einem risikobasierten Ansatz, das heißt, Pflichten hängen davon ab, wozu ein System eingesetzt wird — Anwendungen mit erheblichem Einfluss auf Menschen werden strenger behandelt als interne Schreibhilfen. Dazu kommen Transparenzgedanken: Nutzer sollen erkennen können, dass sie mit einem automatisierten System sprechen oder maschinell erzeugte Inhalte vor sich haben. Was daraus für Ihren Fall folgt, ist eine juristische Frage und gehört fachlich geprüft, nicht aus Blogbeiträgen abgeleitet.
Kosten pro Vorgang statt Einmalprojekt
Der häufigste Denkfehler: KI-Funktionen werden wie Software behandelt, die einmal gebaut und danach fast kostenlos läuft. Tatsächlich kostet hier jeder einzelne Vorgang Geld, und zwar abhängig von der Textmenge, die hinein- und herausgeht. Ein Beleg mit vielen Seiten kostet ein Vielfaches einer kurzen Mail. Wiederholungsversuche, Prüfaufrufe und mehrstufige Abläufe vervielfachen den Betrag pro Vorgang zusätzlich.
Rechnen Sie deshalb vor dem Projekt in dieser Reihenfolge: erwartete Vorgänge pro Monat, mittlere Textlänge je Vorgang, Preis der gewählten Schnittstelle je Vorgang, dazu die laufende Pflege. Dem gegenüber steht die heutige Bearbeitungszeit multipliziert mit Ihrem internen Stundensatz. Erst dieser Vergleich sagt, ob sich der Fall trägt. Häufige Ergebnisse dieser Rechnung: Bei kleinen Fallzahlen bleibt manuelle Arbeit günstiger; bei sehr großen Mengen lohnt es sich, das Modell nur auf die schwierigen Fälle anzusetzen.
Nicht vergessen: Zur Betriebsrechnung gehören Überwachung, gelegentliche Anpassung der Anweisungen an das Modell und ein Nachtest bei jedem Anbieter- oder Modellwechsel. Anders als klassische Programmlogik verändern sich diese Systeme, ohne dass Sie etwas anfassen.
Qualität messbar machen
Ohne Messung ist jede Aussage über KI-Qualität Gefühl. Der Aufwand dafür ist gering: Sammeln Sie eine begrenzte Menge echter Vorgänge aus der Vergangenheit, hinterlegen Sie zu jedem die korrekte Antwort und lassen Sie das System darauf laufen. Daraus entsteht eine Trefferquote — und wichtiger noch, eine Aufteilung der Fehlerarten.
Unterscheiden Sie dabei mindestens zwei Fälle: Das System übersieht etwas, oder es erfindet etwas. Der erste Fehler kostet Nacharbeit, der zweite kann falsche Daten in Ihre Systeme tragen und ist deshalb ungleich teurer. Bewerten Sie die Schwellen entsprechend unterschiedlich. Und vergleichen Sie mit der richtigen Grundlinie: Auch die heutige manuelle Bearbeitung hat eine Fehlerquote. Ohne sie fehlt der Maßstab. Dasselbe Testset dient später als Regressionsprüfung, wenn Anweisungen oder Modelle wechseln.
Fazit: erst der Fall, dann die Technik
KI trägt dort, wo Sprache verarbeitet wird, Fehler sichtbar bleiben und ein Mensch die Verantwortung behält. Sie scheitert beim Rechnen, bei verbindlichen Zusagen und bei unkontrollierten Entscheidungen. In vielen Betrieben ist die richtige Antwort deshalb nicht ein eigenes KI-Projekt: Wenn Ihre vorhandene Branchen- oder Bürosoftware passende Funktionen mitbringt, nutzen Sie diese zuerst. Wenn die Fallzahl klein ist, lohnt der Betrieb nicht. Und wenn der Ablauf selbst unklar ist, sortieren Sie ihn, bevor Technik ins Spiel kommt — sonst automatisieren Sie Unordnung. Bleibt danach ein Fall übrig, in dem sich Sprache, Menge und Fehlertoleranz treffen, lässt sich das solide bauen. Einen Überblick über unsere Arbeitsweise gibt die Leistungsseite, weitere Beiträge dazu der Blog, und über die Kontaktseite erreichen Sie uns direkt.
Häufige Fragen
Für welche Aufgaben eignet sich ein Sprachmodell im Mittelstand am ehesten?
Für Aufgaben mit Text als Ein- und Ausgabe, bei denen Fehler auffallen und billig zu korrigieren sind: Nachrichten einordnen, lange Dokumente verdichten, Felder aus fremden Belegen herauslesen und Antworten vorformulieren, die ein Mensch freigibt.
Warum sollte man KI nicht rechnen lassen?
Ein Sprachmodell erzeugt die wahrscheinlichste Fortsetzung eines Textes, es leitet nichts her. Summen, Fristen und Bestände gehören in Programmlogik oder in die Datenbank, weil das Ergebnis dort reproduzierbar und nachweisbar ist. Sinnvoll ist die Arbeitsteilung: Das Modell erkennt die Absicht, das Fachsystem rechnet.
Wie halten wir Betriebsgeheimnisse bei der Nutzung einer Anbieter-Schnittstelle?
Übergeben Sie nur die für die Aufgabe nötigen Felder, ersetzen Sie Kennungen wo möglich und regeln Sie vertraglich Speicherdauer, Verarbeitungsregion und den Ausschluss einer Nutzung zur Modellverbesserung. Für besonders schutzbedürftige Inhalte bleibt der Betrieb kleinerer Modelle auf eigener Infrastruktur eine Option.
Woran erkennen wir, ob sich eine KI-Funktion wirtschaftlich trägt?
Rechnen Sie mit Kosten pro Vorgang, nicht mit einer Einmalinvestition: Vorgänge pro Monat, mittlere Textlänge, Preis je Aufruf plus laufende Pflege — verglichen mit der heutigen Bearbeitungszeit mal internem Stundensatz. Bei kleinen Fallzahlen bleibt manuelle Arbeit oft günstiger.
