Wir entwickeln Ihre individuelle KI-Lösung

Die Zahlen sind tatsächlich ernüchternd: Studien der RAND Corporation zufolge liefern rund 80 Prozent der KI-Projekte nicht den erwarteten Geschäftswert, ein Drittel wird vor der Produktivsetzung abgebrochen. Die Gründe sind selten technischer Natur. Meist ist unklar, welches Problem eigentlich gelöst werden soll, die benötigten Daten sind nicht zugänglich, nach dem Pilot fühlt sich niemand zuständig, oder die Anbindung an die bestehende Systemlandschaft wurde erst nach dem Prototyp mitgedacht. Wir drehen die Reihenfolge um: zuerst das Problem und eine messbare Zielgröße, dann die Machbarkeitsprüfung an echten Daten, erst danach Software. Betrieb und Integration planen wir von Anfang an mit ein.

In den meisten Fällen ja. Perfekte Daten braucht niemand, zweckmäßige schon. Entscheidend sind drei Fragen: Kommt man programmatisch an die Daten heran, sind sie für diesen einen Anwendungsfall konsistent genug, und gibt es genug Beispiele? Für viele Geschäftsprozesse reichen einige hundert Fälle aus, für industrielle Bilderkennung braucht es deutlich mehr. Was Sie nicht brauchen, ist ein zwei Jahre langes Datenprojekt, bevor der erste Nutzen entsteht. Wir prüfen die Datenlage für Ihren konkreten Anwendungsfall, bevor etwas gebaut wird – mangelnde Datenqualität ist laut Gartner der häufigste Abbruchgrund für KI-Projekte.

Indem Sie nicht mit der technisch spannendsten anfangen. Eine Routineautomatisierung mit 80 Prozent Trefferquote bringt oft mehr als die perfekte Endkontrolle mit 98 Prozent. Wir bewerten Ihre Ideen entlang von vier Kriterien: Wie oft läuft der Prozess, was kostet er heute, wie eindeutig lässt sich der Erfolg messen, und sind die nötigen Daten vorhanden? Aus dieser Bewertung entsteht eine Priorisierung. Zu jedem Kandidaten legen wir eine konkrete Kennzahl mit Ausgangswert und Zielwert fest, bevor entwickelt wird – sonst lässt sich hinterher nicht beurteilen, ob es funktioniert hat.

Sprachmodelle erzeugen gelegentlich falsche Ergebnisse. Das ist keine Kinderkrankheit, die der nächste Modellwechsel behebt, sondern eine Eigenschaft der Technologie – und deshalb eine Frage der Architektur. Wir bauen keine Systeme, die auf das Gedächtnis des Modells vertrauen. Fakten kommen aus geprüften Quellen wie Ihrer Datenbank oder Ihrem ERP, das Modell interpretiert und formuliert. Jede Ausgabe wird gegen eine feste Struktur validiert, bevor sie weiterverarbeitet wird. Und wenn die Datenlage unklar ist, übergibt das System an einen Menschen, statt zu raten. Aktionen mit Außenwirkung bekommen einen Freigabeschritt.

Das hängt vom Anwendungsfall ab. Prozessoptimierung, Dokumentenverarbeitung oder Predictive Maintenance außerhalb sicherheitsrelevanter Steuerketten fallen in der Regel nicht unter die strengen Hochrisiko-Pflichten. Anders sieht es aus, sobald KI eine Schutzfunktion in einer Maschine mitbestimmt: Ab Januar 2027 gilt sie dann nach der EU-Maschinenverordnung als Sicherheitskomponente, für KI in regulierten Produkten greifen die Hochrisiko-Anforderungen des AI Act ab August 2028. Die rechtliche Einstufung nimmt Ihre Rechtsabteilung oder eine benannte Stelle vor, nicht wir. Was wir liefern, ist die technische Grundlage dafür: dokumentierte Datenherkunft, lückenlose Protokollierung und nachweisbare menschliche Aufsicht.

Das entscheiden Sie, wir zeigen Ihnen die Konsequenzen jeder Variante. Möglich ist der Betrieb über europäische Rechenzentren, der Betrieb offener Modelle in Ihrer eigenen Infrastruktur oder eine Kombination aus beidem – je nachdem, wie sensibel die verarbeiteten Daten sind und welche Antwortqualität Sie brauchen. Bei den Enterprise-Konditionen der etablierten Anbieter ist ausgeschlossen, dass Ihre Daten zum Training verwendet werden; das lässt sich vertraglich belegen. Wir dokumentieren, welche Daten wohin fließen und auf welcher Grundlage, die Aufstellung brauchen Sie für Ihr Verarbeitungsverzeichnis ohnehin.

Damit rechnen wir von Anfang an. KI-Modelle werden im Abstand von Monaten abgelöst, nicht von Jahren, und Preise ändern sich mit ihnen. Deshalb schreiben wir die Anwendungslogik nicht direkt gegen die Schnittstelle eines einzelnen Anbieters, sondern gegen eine Zwischenschicht. Ein Modellwechsel ist damit eine Konfigurationsänderung und kein Umbau. Genauso wichtig ist eine Sammlung echter Testfälle aus Ihrem Betrieb: Nur damit lässt sich vor der Umstellung prüfen, ob das neue Modell mindestens so gute Ergebnisse liefert wie das alte. Ohne diese Testfälle ist jeder Wechsel ein Blindflug.

Für vieles brauchen Sie keine Individualentwicklung. Texte erstellen, recherchieren, allgemeine Assistenz. Individuelle Entwicklung lohnt sich, wenn drei Dinge zusammenkommen: Der Prozess ist Ihnen eigen, die relevanten Daten liegen in Ihren Systemen, und es geht um Menge. Ein Standardwerkzeug macht einzelne Mitarbeiter produktiver, verändert den Prozess aber nicht. Wenn Ihr Team Woche für Woche Stunden in denselben Ablauf steckt, ist die allgemeine Chatoberfläche auf Dauer die teurere Lösung.

Der Einstieg ist bewusst klein gehalten: Ein Evaluierungsprojekt über zwei bis drei Wochen zeigt an einem Prototyp, ob der Anwendungsfall trägt. Erst danach fällt die Entscheidung über eine Umsetzung, deren Aufwand sich wie bei jedem Softwareprojekt nach Umfang und Integrationstiefe richtet. Regelmäßig unterschätzt werden die laufenden Kosten: Nutzungsentgelte pro Anfrage, Betrieb und Überwachung, Pflege der Datenanbindungen und die regelmäßige Prüfung, ob die Ergebnisqualität noch stimmt.