KI Wissensdatenbank
Technologie verstehen. Fundiert entscheiden.

Entscheidend ist nicht die Mitarbeiterzahl, sondern das Volumen wiederkehrender, textlastiger Arbeit. Ein Unternehmen mit 30 Beschäftigten, das täglich hunderte Dokumente bearbeitet, hat einen deutlich klareren Business Case als ein Betrieb mit 300 Beschäftigten ohne solche Prozesse. Als Faustregel gilt: Sobald eine Aufgabe strukturiert beschreibbar ist und mehrere Stunden pro Woche bindet, lohnt sich die Prüfung.

Ja, unter Bedingungen. Erforderlich sind ein Auftragsverarbeitungsvertrag mit dem Anbieter, die Wahl einer Verarbeitung innerhalb der EU wo verfügbar, der Ausschluss der Nutzung Ihrer Daten für Modelltraining sowie eine Aufnahme in das Verarbeitungsverzeichnis. Bei besonders sensiblen Daten nach Artikel 9 DSGVO empfehlen wir grundsätzlich lokale Verarbeitung. Diese Einschätzung ersetzt keine Rechtsberatung.

Das hängt von der Modellgröße ab. Kleinere Modelle laufen bereits auf einer aktuellen Workstation mit leistungsfähiger Grafikkarte. Für Modelle, die in der Qualität an Cloud-Angebote heranreichen, ist deutlich mehr Grafikspeicher nötig. Wir empfehlen, den Bedarf am tatsächlichen Anwendungsfall zu bemessen statt an der maximal verfügbaren Modellgröße.

Ein abgegrenzter Proof of Concept liefert in der Regel nach sechs bis zwölf Wochen belastbare Aussagen. Der produktive Rollout inklusive Integration in bestehende Systeme, Rechtevergabe und Mitarbeiterschulung benötigt je nach Komplexität drei bis neun Monate. Wir arbeiten iterativ, sodass erste nutzbare Ergebnisse deutlich vor dem Projektende vorliegen.

Deshalb bauen wir Anwendungen mit einer Abstraktionsschicht zwischen Ihrer Software und dem Modell. Der Wechsel des Anbieters oder Modells wird damit zu einer Konfigurationsänderung statt zu einem Neuentwicklungsprojekt. Bei lokalen Modellen entfällt das Risiko ohnehin, da die eingesetzte Version dauerhaft verfügbar bleibt.

In klar abgegrenzten Bereichen ja. Bei Recherche, Datenaufbereitung und der Bearbeitung strukturierter Vorgänge erreichen Agenten praxistaugliche Ergebnisse. Bei offenen Aufgaben mit vielen Zwischenschritten sinkt die Zuverlässigkeit deutlich. Unsere Empfehlung lautet: klare Aufgabengrenzen, definierte Werkzeugrechte und ein menschlicher Prüfschritt vor jeder Handlung mit Außenwirkung.

Das erste Gespräch ist unverbindlich und kostenfrei. Ein strukturierter Scoping-Workshop, in dem wir Anwendungsfälle bewerten und priorisieren, liegt bei 1.500 Euro und wird bei anschließender Beauftragung verrechnet. Umsetzungsprojekte bewegen sich je nach Umfang üblicherweise zwischen 10.000 und 150.000 Euro, kleinere Pilotvorhaben sind ab etwa 5.000 Euro möglich.

Künstliche Intelligenz ist der Oberbegriff. Machine Learning ist der Teilbereich, in dem ein System seine Regeln aus Beispielen ableitet, statt sie vorgeschrieben zu bekommen. Ein Sprachmodell ist eine bestimmte Bauform daraus, trainiert darauf, den jeweils wahrscheinlichsten nächsten Textbaustein vorherzusagen. Jedes Sprachmodell ist Machine Learning, umgekehrt gilt das nicht: Eine Bedarfsprognose aus Verkaufszahlen kommt ohne Sprache aus.

In Betrieben mit Betriebsrat ja, und früher als meist angenommen. Die Mitbestimmung nach Paragraf 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz greift bereits, wenn ein System zur Überwachung von Verhalten oder Leistung objektiv geeignet ist; eine solche Absicht muss nicht vorliegen. Planbar wird das über eine Rahmenvereinbarung, die den Umgang mit KI allgemein regelt, statt jedes Werkzeug einzeln zu verhandeln. Ohne Betriebsrat entfällt die Mitbestimmung, die Pflichten aus Datenschutz und AI Act bleiben bestehen.

An der Eindeutigkeit. Die aussagekräftigste Prüfung ist die Frage, welcher Bestand führend ist: Steht jede Angabe an genau einer gepflegten Stelle, ist die Grundlage gut. Für Aufgaben wie das Auslesen von Belegen oder das Einordnen von Anfragen genügen Beispiele zur Prüfung, Trainingsdaten sind dafür nicht nötig. Mehr Vorbereitung brauchen Vorhersagen aus eigenen Zahlen, weil sie auf einer sauberen Historie über Jahre aufbauen.