KI-Implementierung: Ablauf von der Analyse bis zum Betrieb

Die KI-Implementierung – Ablauf in fünf Phasen – beginnt nicht mit dem Modell, sondern mit dem Prozess: Analyse, Prototyp mit echten Daten, Schattenbetrieb mit Messung, Einführung mit Freigabestufen, Betrieb mit Pflege. Der Unterschied zum klassischen Softwareprojekt liegt in Phase drei, in der gemessen wird, wie oft das System richtig liegt.

KI-Implementierung: Ablauf im Überblick

• Analyse: Welcher Prozess, welche Daten, welche Fehlerkosten. Ergebnis ist ein Anwendungsfall mit messbarem Ziel.
• Prototyp: Ein Modell wird an echten Beispielen erprobt. Ergebnis ist der Nachweis, dass die Aufgabe lösbar ist – oder dass sie es nicht ist.
• Schattenbetrieb: Das System läuft mit, seine Ergebnisse werden mit den Entscheidungen der Mitarbeiter verglichen. Ergebnis sind eine Trefferquote und eine Liste der Fehlerarten.
• Einführung: Das System übernimmt schrittweise, zunächst mit Freigabe durch Menschen. Ergebnis ist ein produktiver Prozess mit klaren Grenzen.
• Betrieb: Überwachung, Kostenkontrolle, Pflege von Anweisungen und Wissensbasis. Ergebnis ist ein System, das auch nach einem Jahr noch trägt.

Phase 1: Prozessanalyse und Auswahl

Der häufigste Fehler steht am Anfang: mit der Technik zu beginnen statt mit dem Prozess. Die Analyse geht deshalb von der täglichen Arbeit aus. Wo lesen, sortieren, übertragen oder beantworten Mitarbeiter immer wieder das Gleiche? Wie viele Vorgänge sind das pro Woche? Was kostet ein Fehler? Liegen die Daten digital vor, oder stecken sie in Papier, PDF-Dateien und Postfächern?

Aus dieser Bestandsaufnahme entsteht eine kurze Liste von Kandidaten, bewertet nach Volumen, Regelmäßigkeit, Datenlage und Fehlerkosten. Ein Vorgang mit hohem Volumen, unstrukturierter Eingabe und begrenztem Schaden bei Fehlern – etwa die Vorsortierung des Posteingangs – ist ein guter Startpunkt. Ein Vorgang mit wenigen, aber folgenschweren Entscheidungen ist es nicht. Ob überhaupt ein Sprachmodell nötig ist oder eine klassische Regel reicht, klärt die Gegenüberstellung in RPA oder KI-Automatisierung. Am Ende der Phase steht ein Ziel mit einer Zahl: der Anteil der Belege ohne manuelle Nacharbeit, die Zeit bis zum Antwortentwurf.

Phase 2: Prototyp mit echten Daten

Der Prototyp beantwortet eine Frage: Kann ein Modell diese Aufgabe mit diesen Daten lösen? Dafür werden einige Dutzend echte Fälle gesammelt – Belege, Anfragen, Tickets –, wo nötig anonymisiert und mit der bekannten richtigen Antwort versehen. Dann wird ein Modell mit einer ersten Anweisung darauf angesetzt. Das Ergebnis ist selten perfekt, aber es zeigt, wo die Schwierigkeiten liegen: unleserliche Scans, Fachbegriffe, Sonderfälle. Diese Erkenntnis ist der eigentliche Wert der Phase.

Sie entscheidet auch über die Architektur: Reicht eine gute Anweisung, braucht es eine Wissensbasis über Retrieval-Augmented Generation, oder muss ein Agent mehrere Schritte nacheinander ausführen? Parallel werden die Datenschutzfragen geklärt – welche Daten gehen an das Modell, wo läuft es, welcher Vertrag deckt den Anbieter ab. Das gehört in diese Phase, nicht ans Ende.

Phase 3: Schattenbetrieb und Messung

Im Schattenbetrieb läuft das System im echten Prozess mit, ohne etwas zu verändern. Es erzeugt für jeden Vorgang seinen Vorschlag; die Mitarbeiter arbeiten wie bisher. Danach wird verglichen: Wie oft stimmt der Vorschlag mit der menschlichen Entscheidung überein? Wo weicht er ab, und wer hatte recht? Welche Fehlerarten wiederholen sich?

Die Phase liefert zwei Dinge. Erstens eine belastbare Trefferquote statt eines Bauchgefühls. Zweitens die Fehlerliste, aus der die Freigabestufen abgeleitet werden: Fälle, die das System zuverlässig trifft, dürfen später automatisch laufen; Fälle mit erkennbarer Unsicherheit gehen zur Freigabe; alles andere bleibt beim Menschen. In eigenen Vorhaben gilt dabei eine feste Regel: Ein Ergebnis ist erst fertig, wenn ein Mensch es bestätigt hat, und nichts landet ohne diese Bestätigung in einem produktiven System.

Phase 4: Einführung mit Freigabestufen

Die Einführung geschieht schrittweise. Zuerst übernimmt das System die Vorarbeit – Entwurf, Vorsortierung, Datenextraktion –, und der Mensch entscheidet. Dann werden die zuverlässigen Fallgruppen freigeschaltet, mit Stichproben. Zuletzt bleibt nur die Ausnahmebehandlung beim Menschen. Jede Stufe hat einen Rückweg: einen Schalter, der den Prozess in die vorherige Stufe zurücksetzt, ohne dass jemand nachts einen Entwickler anrufen muss.

Zur Einführung gehört die Anbindung an bestehende Systeme – Warenwirtschaft, Kundenverwaltung, Ticketsystem, Buchhaltung. Hier liegt oft mehr Aufwand als im Modell selbst, weil Schnittstellen fehlen oder Datenformate abweichen. Diesen Teil deckt die Softwareentwicklung ab.

KI-Implementierung: Ablauf, Betrieb, Vertragsform

Ein KI-System verändert sich, auch wenn niemand daran arbeitet: Der Anbieter aktualisiert das Modell, neue Lieferanten schicken neue Belegformate, Kunden fragen anders als im Vorjahr. Der Betrieb braucht deshalb drei Dinge: eine Überwachung der Trefferquote mit Alarm bei Abfall, eine Kostenkontrolle je Vorgang und einen Weg, Anweisungen und Wissensbasis nachzuführen. Der Testfallkatalog aus Phase zwei bleibt das Werkzeug dafür – jede Änderung wird dagegen geprüft, bevor sie produktiv geht.

Vertraglich lassen sich die Phasen sauber trennen: Analyse und Prototyp nach Aufwand, Einführung und Anbindung als Werkvertrag mit abnehmbarem Ergebnis, Betrieb als laufende Betreuung. Wir schneiden Vorhaben genau so und sagen offen, wo unsere Geschwindigkeit herkommt: bei umfangreicher, gleichförmiger Arbeit aus KI-gestützten Werkzeugen, bei Architektur und Altsystemen aus der Erfahrung des Entwicklers. Die Leistung selbst beschreibt die Seite KI-Implementierung für den Mittelstand.