Die wichtigste Frage bei einem KI-Projekt ist nicht, welches Modell eingesetzt wird. Entscheidend ist, welche konkrete Aufgabe unterstützt werden soll und was bei einem falschen Ergebnis passiert.
Geeignete Aufgaben erkennen
Dokumente klassifizieren, Inhalte zusammenfassen, Wissen auffindbar machen oder strukturierte Vorschläge erzeugen sind typische Ansatzpunkte. Besonders geeignet sind Aufgaben, bei denen Ergebnisse geprüft werden können und Fachkräfte heute viel wiederkehrende Sichtungsarbeit leisten.
Datenzugriff und Berechtigungen erhalten
Ein Wissensassistent darf nicht mehr Informationen preisgeben als der jeweilige Nutzer in den Quellsystemen sehen dürfte. Berechtigungen, Mandantentrennung und Protokollierung müssen deshalb Teil der Architektur sein.
Unsicherheit sichtbar machen
Quellenbelege, klare Hinweise auf generierte Inhalte und definierte Prüfprozesse helfen Nutzern, Ergebnisse einzuordnen. Bei hohen Fehlerfolgen bleibt die menschliche Freigabe verbindlich.
Klein anfangen, systematisch lernen
Ein begrenzter Prozess mit klaren Qualitätskriterien liefert schneller belastbare Erkenntnisse als ein unternehmensweiter Assistent ohne präzise Aufgabe.