Bestellungen prüfen: Regeln statt KI

Bestellungen für konfigurierbare technische Produkte liefen über Papierformulare, PDFs und Excel-Listen. Welche Kombinationen zulässig sind, wussten nur die Fachleute. Fehler fielen oft erst spät auf und kosteten Rückfragen.

Ich habe dafür einen Konfigurator gebaut. Das Wissen der Fachleute steckt darin als Regeln. Wer bestellt, kann nur auswählen, was zusammenpasst. Die Bestellung kommt vollständig an. Der Papiervorgang ist abgelöst, es gibt weniger Fehler, und die Bearbeitung geht schneller.

KI war dafür nicht nötig. Welche Kombination zulässig ist, lässt sich eindeutig festlegen. Und bei einer Bestellung muss jedes einzelne Ergebnis stimmen.

Support-Wissen nutzen: hier passt KI

Beim Support war es umgekehrt. Das Wissen aus vielen Jahren steckte in abgeschlossenen Tickets, Mails, Anhängen, Produktdokumentation und Kundenakten, verteilt auf mehrere Systeme. Eine Regel lässt sich hier nicht aufschreiben, denn jede Störung wird anders beschrieben. Dafür gibt es sehr viel Material.

Genau dafür eignen sich Sprachmodelle. Sie verdichten die alten Fälle zu Lösungskarten. Kommt eine neue Anfrage, sucht das System passende frühere Fälle und macht daraus einen Lösungsvorschlag mit Quellenangabe. Knapp 40.000 Tickets sind so aufbereitet, das Modul ist im Support im Einsatz.

Die KI beantwortet dabei keinen Kunden selbst. Sie legt dem Mitarbeiter einen Vorschlag vor, und die Quellenangabe zeigt, woher er stammt. Entscheiden muss der Mitarbeiter. So bleibt ein Fehler der KI ein Vorschlag, den jemand verwirft, und wird nicht zur falschen Auskunft.

Ob sich für einen Dokumentenbestand eine eigene Wissensdatenbank lohnt oder die KI allein reicht, steht in Wann lohnt sich RAG.

Schulungsvideos: Der Mensch schreibt das Drehbuch

Die Schulungsvideos einer Unternehmenssoftware waren veraltet und lückenhaft. Neue Videos von Hand zu produzieren, wäre aufwendig gewesen. Bei jeder Programmänderung hätte es von vorn begonnen.

Heute entstehen die Videos KI-gestützt aus der echten Anwendung heraus. Gesteuert wird das über ein Drehbuch in Textform. Der Mensch schreibt das Drehbuch und legt fest, was gezeigt wird. Die Produktion übernimmt die Maschine. Ändert sich das Programm, wird nur das Drehbuch angepasst. Die Plattform ist im Pilotbetrieb.

Die Aufteilung ist dieselbe wie beim Support, nur andersherum. Dort prüft der Mensch hinterher, hier gibt er vorher vor. Was richtig ist, entscheidet in beiden Fällen der Mensch.

Bevor die KI Daten sieht

Beim Support-Beispiel gab es eine Voraussetzung, bevor überhaupt ein Sprachmodell mitlesen durfte. Tickets enthalten Namen, Telefonnummern und Adressen. Die Daten werden deshalb pseudonymisiert, bevor die KI sie verarbeitet.

Pseudonymisieren heißt, Namen und Kontaktdaten durch Platzhalter zu ersetzen. Das fachliche Wissen bleibt erhalten, denn für die Lösung einer Störung ist unerheblich, wer sie gemeldet hat.

Im Pilot wurden außerdem mehrere Sprachmodelle verglichen, darunter lokal betriebene, bei denen die Daten im Haus bleiben. Was dabei datenschutzrechtlich gilt, steht in KI und Datenschutz. Was ein eigener Betrieb technisch verlangt, steht in KI on-premise betreiben.

Woran Sie das bei Ihrer eigenen Aufgabe erkennen

Aus den drei Projekten ergeben sich drei Fragen, die Sie vor jedem Vorhaben stellen können:

• Lässt sich die richtige Antwort eindeutig festlegen? Dann eine Regel bauen, keine KI.
• Gibt es genug Material, aus dem eine KI schöpfen kann? Wenn nicht, zuerst das Wissen aufschreiben. Wie das gelingt, bevor es mit einem erfahrenen Mitarbeiter in Rente geht, steht in Wissen sichern.
• Prüft ein Mensch das Ergebnis, bevor es wirkt? Wenn nicht, die KI nur Vorschläge machen lassen.

Sprechen alle drei Antworten für KI, ist es eine gute KI-Aufgabe. Welche Aufgaben im Büroalltag dafür in Frage kommen, etwa das Vorsortieren von Anfragen oder das Vorbereiten von Angeboten, habe ich in KI im Handwerksbüro beschrieben.