Für welche Aufgaben lohnt sich KI in unserem Unternehmen?
Gute Kandidaten sind wiederkehrende Aufgaben, die viel Such-, Schreib- oder Übertragungsarbeit verursachen: etwa Informationen aus Dokumenten finden, Kundenanfragen zuordnen oder Angebotsentwürfe vorbereiten. Entscheidend sind ein klarer Nutzen, geeignete Daten und ein überprüfbares Ergebnis. Wählen Sie mit dem Dienstleister zunächst einen konkreten Ablauf aus und prüfen Sie auch, ob eine einfache Automatisierung ohne KI ausreicht.
Was kostet ein KI-Pilotprojekt – und was kostet die spätere Umsetzung?
Für einen sinnvollen Preisvergleich sollten Sie drei Leistungen unterscheiden: Eine Potenzialanalyse liefert priorisierte Anwendungsfälle und eine Einschätzung der Voraussetzungen. Ein begrenzter Pilot testet einen Anwendungsfall mit vereinbarten Daten und Erfolgskriterien. Die produktive Umsetzung ergänzt beispielsweise Schnittstellen, Nutzerrechte, Überwachung und Schulung. Lassen Sie diese Leistungen sowie laufende Kosten für Hosting, Modellnutzung und Betreuung getrennt anbieten. Die Budgetstufen in der appfelsine-Anfrage geben Ihren finanziellen Rahmen an; sie sind keine Festpreise für diese Leistungen.
Wie lange dauert es vom ersten Test bis zum produktiven Einsatz?
Maßgeblich sind die Verfügbarkeit Ihrer Daten, die Zahl der Schnittstellen und die Anforderungen an Tests und Freigaben. Ein Pilot mit ausgewählten Dokumenten und wenigen Testnutzern hat einen kleineren Umfang als die Einführung in mehreren Abteilungen. Lassen Sie sich vom Dienstleister einen Zeitplan mit getrennten Meilensteinen für Vorbereitung, Pilot, Auswertung und produktiven Start erstellen. Planen Sie dabei auch Zeit für Rückmeldungen und Entscheidungen Ihres eigenen Teams ein.
Kann eine KI-Lösung in unsere bestehende Software eingebunden werden?
Ja, wenn die benötigten Schnittstellen und Zugriffsrechte vorhanden sind. Möglich sind beispielsweise Anbindungen an CRM, ERP, DMS, Microsoft 365, Confluence, Jira oder individuell entwickelte Software. Der Dienstleister prüft, welche Daten gelesen oder verändert werden dürfen und welche technischen Grenzen bestehen. Klären Sie auch, wie Fehler behandelt werden und ob Mitarbeitende Aktionen vor der Ausführung freigeben sollen.
Brauchen wir ein eigenes KI-Modell?
Nicht für jedes Projekt. Für viele Aufgaben kommen bestehende Modelle infrage, die mit Ihren Anwendungen oder Wissensquellen verbunden werden. Ein Wissensassistent kann beispielsweise relevante Dokumente für seine Antworten abrufen, ohne dass dafür ein eigenes Modell trainiert werden muss. Eine spezielle Modellanpassung kann bei besonderen Anforderungen sinnvoll sein. Lassen Sie sich die Wahl des Ansatzes anhand von Qualität, Datenanforderungen und Betriebskosten begründen.
Brauchen wir dafür bereits aufbereitete Daten?
Ihre Daten müssen für die erste Projektklärung noch nicht vollständig aufbereitet sein. Wichtig ist zunächst zu wissen, welche Dokumente, Tabellen oder Systemdaten vorhanden sind, wie aktuell sie sind und wer darauf zugreifen darf. Die Sichtung, Bereinigung und Strukturierung kann Teil des Auftrags sein. Fehlen wesentliche Informationen oder sind sie nicht zugänglich, muss das vor dem Pilot geklärt und bei Aufwand und Budget berücksichtigt werden.
Wie lassen sich KI-Lösungen mit unseren Datenschutzanforderungen vereinbaren?
Klären Sie vor dem Einsatz, welche Daten verarbeitet werden, welche Anbieter beteiligt sind und wo Verarbeitung und Speicherung stattfinden. Ebenso wichtig sind Zugriffsrechte, Löschmöglichkeiten und die Frage, ob Daten für das Training von Modellen verwendet werden. Geben Sie Anforderungen wie EU-Hosting oder den Betrieb auf eigenen Servern früh an. Der Dienstleister sollte die vorgesehenen Datenflüsse und Schutzmaßnahmen nachvollziehbar beschreiben; Ihre zuständigen Datenschutz- und IT-Verantwortlichen prüfen die konkrete Ausgestaltung. Ein Hosting-Standort allein beantwortet diese Fragen nicht vollständig.
Wie prüfen wir die Zuverlässigkeit – und was passiert bei falschen Ergebnissen?
Vereinbaren Sie vor dem Pilot typische Testfälle und messbare Anforderungen, etwa an Antwortqualität, Bearbeitungszeit oder den Anteil nötiger Korrekturen. Prüfen Sie auch unvollständige Eingaben und Fälle, für die keine passende Information vorliegt. Je nach Aufgabe sollten Quellen angezeigt, unsichere Ergebnisse zur Prüfung weitergegeben oder Aktionen erst nach menschlicher Freigabe ausgeführt werden. Legen Sie fest, wer Fehler bearbeitet und wie Vorgänge bei einem Ausfall manuell weiterlaufen. Diese Prüfungen sollten nach Änderungen an Daten oder Modellen wiederholt werden.
Was passiert nach dem Pilotprojekt?
Sie vergleichen die Ergebnisse mit den zuvor vereinbarten Zielen: Reichen Qualität und Nutzen aus, ist der Aufwand für Korrekturen vertretbar und sind die Betriebskosten tragbar? Danach entscheiden Sie, ob Sie die Lösung erweitern, zunächst überarbeiten oder das Vorhaben beenden. Bei einer Fortsetzung gehören Systemanbindungen, Zuständigkeiten, Schulung, Dokumentation und laufende Betreuung in den nächsten Auftrag. Klären Sie mit dem Dienstleister bereits vor dem Pilot, welche Ergebnisse und Zugänge Sie erhalten und ob sich die getestete Lösung weiterverwenden lässt.
