Angewandte KI im Unternehmen: Agenten, Dokumentintelligenz, Content-Systeme

Einordnung

Warum angewandte KI jetzt ein anderes Problem ist

Angewandte KI im Unternehmen war früher ein Forschungsprojekt. Ein Team identifizierte einen Anwendungsfall, stellte Spezialisten ein, baute ein Modell, integrierte es und führte einen Pilot durch. Das Ergebnis, wenn es funktionierte, war ein kundenspezifisches System, das das Team verstand und der Rest der Organisation nicht. Das Ergebnis, wenn es nicht funktionierte, waren versunkene Kosten, die die Organisation abschrieb und es erneut versuchte.

Dieses Modell ist beendet. Die Technologie, die es ersetzt, ist der Vier-Schicht-Stack für angewandte KI: Experience (wo Menschen dem System begegnen), Orchestration (wie Arbeit durch es fließt), Intelligence (welche Modelle denken, gewählt nach Qualität, Sprache, Geschwindigkeit, Kosten und Kontrolle) und Infrastructure (wo es läuft — Managed Cloud, Private Cloud oder Self-Hosted). Wir liefern angewandte KI auf dieser Architektur, in bis zu 12 Sprachen, über 8 Service-Linien, mit denselben Engineering-Standards wie der Rest des vernetzten Ökosystems.

Die 8 Service-Linien sind: KI-Agenten, Chatbots und Copilots, Workflow-Automatisierung, Private-Knowledge-KI, Voice- und Call-Assistenten, Dokumentintelligenz, Content-Systeme und KI-Beratung. Jede ist eine echte Praxis, keine Broschüre-Position. Jede wird auf derselben Architektur geliefert. Jede verbindet sich mit dem Rest des vernetzten Ökosystems: der Website, der E-Mail, dem Dokumentenspeicher, dem CRM, dem Helpdesk, dem ERP, den APIs.

Die Engineering-Prinzipien sind sechs: Datenminimierung, expliziter Zugriff, menschliche Kontrollpunkte, Bereitstellungswahl (Managed, Private, Self-Hosted, offene Modelle — pragmatisch), nachvollziehbare Arbeit und Kostengrenzen. Das sind keine Slogans. Das sind die architektonischen Verpflichtungen, auf denen die Plattform aufgebaut ist, diejenigen, die ein Käufer verifizieren kann, indem er die Dokumentation liest und das Deployment prüft.

Dieser Artikel beschreibt die Architektur, das Betriebsmodell und die Wirtschaftlichkeit angewandter KI. Er ist für Organisationen geschrieben, die das Forschungsprojekt-Problem erlebt haben und bereit für die Produktions-Architektur sind.

Die Verschiebung ist nicht nur eine technologische Verbesserung. Sie ist eine strukturelle Veränderung in der Beziehung zwischen Organisation und KI-Fähigkeit. Wo die alte Beziehung an Spezialisten, an proprietäre Modelle und an einmalige Projekte gebunden war, ist die neue Beziehung an offene Standards, an wählbare Modelle und an eine kontinuierliche Betriebs-Disziplin gebunden. Das verschiebt die Verhandlungsmacht vom Anbieter zum Kunden und macht die KI-Fähigkeit zu einem inspizierbaren, auditierbaren, portablen Asset.

Der Wechsel zur Produktions-Architektur für KI ist derselbe Wechsel, den das Cloud-Computing vor einem Jahrzehnt gemacht hat: der Wechsel von kundenspezifischen, On-Premise-, Einmal-Implementierungen zu standardisierten, Multi-Tenant-, operativ ausgereiften Plattformen. Das Forschungsprojekt ist der kundenspezifische Build. Die Produktions-Architektur ist die standardisierte Plattform. Der kundenspezifische Build hat seinen Platz, aber die standardisierte Plattform ist das, was skaliert, und die standardisierte Plattform ist das, was sich Organisationen jeder Größe leisten können.

Die KI-Fähigkeit ist auch der Test, ob das vernetzte Ökosystem tatsächlich vernetzt ist. Ein KI-Dienst, der sich nicht in den Rest der Plattform integriert, ist ein separates Produkt. Ein KI-Dienst, der sich in die Website, die E-Mail, den Dokumentenspeicher, das CRM, den Helpdesk, das ERP, die APIs, das Hosting, die Voice, die eSIM und die Cybersecurity-Praxis integriert, ist eine Schicht in einer Architektur. Das vernetzte Ökosystem liefert die KI als Schicht, und die Schicht ist der Unterschied zwischen einem Feature und einer Fähigkeit.

Architektur

Das Vier-Schicht-Modell und was prüfbar ist

Das Vier-Schicht-Modell ist die Architektur jedes angewandten KI-Engagements. Die Experience-Schicht ist, wo Menschen dem System begegnen: ein Website-Chat, ein Team-Copilot, ein Telefon-Assistent, ein privates Portal, eine Inbox-Integration oder ein Hintergrund-Workflow. Die Orchestration-Schicht ist, wie Arbeit durch das System fließt: Agenten, Tools, Regeln, Gedächtnis, Hand-offs, Budgets, menschliche Freigabepunkte. Die Intelligence-Schicht ist, welche Modelle denken: kommerziell oder offen, gewählt für den Anwendungsfall nach Qualität, Sprache, Geschwindigkeit, Kosten und Kontrolle. Die Infrastructure-Schicht ist, wo es läuft: Managed Cloud, Private Cloud oder Self-Hosted.

Jede Schicht ist austauschbar. Der Käufer kann die Experience ändern, ohne die Orchestration zu ändern. Der Käufer kann die Orchestration ändern, ohne das Modell zu ändern. Der Käufer kann das Modell ändern, ohne die Infrastruktur zu ändern. Der Käufer kann die Infrastruktur ändern, ohne die Arbeit zu verlieren. Das ist die architektonische Eigenschaft, die die Plattform zu einem Ökosystem und nicht zu einem Produkt macht.

Die 8 Service-Linien mappen auf die Architektur. KI-Agenten operieren in der Orchestration-Schicht, nutzen Tools, rufen APIs auf, geben an Menschen ab an sensiblen Schritten. Chatbots und Copilots sitzen in der Experience-Schicht, mit dem Modell und der Orchestration darunter. Workflow-Automatisierung ist das Bindegewebe, das Daten zwischen Systemen bewegt und Aktionen auslöst. Private-Knowledge-KI ist eine Schicht auf den eigenen Dokumenten des Kunden, mit expliziten Zugriffsregeln. Voice- und Call-Assistenten sind eine Schicht auf der Voice-Plattform. Dokumentintelligenz extrahiert, klassifiziert, vergleicht und draftet aus PDFs, Formularen, Rechnungen und Wissensdatenbanken. Content-Systeme recherchieren, planen und adaptieren Inhalte über Kanäle. KI-Beratung ist die menschengeführte Praxis, die den Anwendungsfall scopt, die Architektur wählt und den Rollout führt.

Die Architektur ist prüfbar. Der Käufer kann die Konfiguration prüfen, sehen, welche Modelle laufen, den Datenfluss sehen, die menschlichen Freigabepunkte sehen, die Kosten sehen. Der Käufer kann jede Schicht ändern, ohne den Rest neu zu implementieren. Der Käufer kann die Konfiguration mitnehmen und auf einer anderen Infrastruktur, mit einem anderen Modell, auf einer anderen Experience-Oberfläche betreiben.

Die Plattform ist in bis zu 12 Sprachen veröffentlicht: EN, DE, FR, ES, IT, PT, NL, PL, CS, SV, DA, RO. Der Rechtstext ist in der bevorzugten Sprache des Nutzers. Die kommerziellen Bedingungen sind in der bevorzugten Währung des Nutzers. Die Auslieferung ist in der bevorzugten Zeitzone des Nutzers. Die Plattform ist international by design, nicht by retrofit.

Die Compliance-Architektur folgt den Engineering-Prinzipien. Datenminimierung bedeutet, dass das Modell nur die Daten erhält, die es für die spezifische Aufgabe benötigt, nicht den gesamten Datenbestand des Kunden. Expliziter Zugriff bedeutet, dass jede Modell-Aktion gegen eine dokumentierte Zugriffsregel läuft. Menschliche Kontrollpunkte bedeuten, dass jede Aktion mit definierten Kostengrenzen oder sensiblen Auswirkungen eine menschliche Freigabe erfordert. Nachvollziehbare Arbeit bedeutet, dass jede Modell-Entscheidung mit ihren Quellen und Begründungen protokolliert wird. Kostengrenzen bedeuten, dass jede Modell-Nutzung gegen ein Budget läuft, mit Alerts und Kill-Switches bei Überschreitung.

Das Vier-Schicht-Modell ist eine Separation-of-Concerns-Architektur, und die Trennung ist die Eigenschaft, die die Plattform auf jeder Schicht austauschbar macht. Der Käufer kann die Experience-Oberfläche ändern (ein Website-Chat wird zu einer Mobile-App, eine Mobile-App wird zu einem Voice-Assistenten), ohne die Orchestration zu ändern. Der Käufer kann die Orchestration ändern (ein Single-Agent-Workflow wird zu einem Multi-Agent-System), ohne das Modell zu ändern. Der Käufer kann das Modell ändern (ein kommerzielles Modell wird zu einem offenen Modell), ohne die Infrastruktur zu ändern. Der Käufer kann die Infrastruktur ändern (Managed Cloud wird zu Private Cloud), ohne die Arbeit zu verlieren. Das ist die Eigenschaft, die das Forschungsprojekt-Modell nicht hat: die Eigenschaft unabhängigen Ersatzes auf jeder Schicht.

Die acht Service-Linien sind kein Produktkatalog. Sie sind eine Abdeckungs-Karte des KI-Fähigkeitsraums. Der Käufer kauft keinen Chatbot; der Käufer kauft die Chatbot-Fähigkeit, die Dokumentintelligenz-Fähigkeit, die Workflow-Automatisierungs-Fähigkeit und so weiter, jeweils als Schicht in derselben Architektur. Der Käufer kann mit einer Fähigkeit beginnen, auf andere erweitern und jede Fähigkeit ersetzen, ohne den Rest zu verlieren. Die Abdeckungs-Karte ist die architektonische Verpflichtung, und die architektonische Verpflichtung ist das Recht des Käufers, sich weiterzuentwickeln.

Betriebsmodell

Discover, Design, Prototype, Integrate, Improve

Angewandte KI wird in fünf Stufen geliefert. Discover kartiert das Ergebnis, die Menschen, die Daten, die Risiken und die wiederkehrende Arbeit — bevor ein Modell oder eine Plattform gewählt wird. Design definiert den Assistenten, den Workflow, die Wissensquellen, die Integrationen und die Freigabepunkte. Prototype baut eine fokussierte Arbeitsversion und testet sie mit realistischen Eingaben. Integrate verbindet das System mit den Werkzeugen, die bereits bestimmen, wie Arbeit geschieht. Improve überwacht Qualität, Kosten und Akzeptanz und aktualisiert das System, wenn sich die Arbeit ändert.

Discover ist die wichtigste Stufe. Das Ergebnis ist ein schriftliches Dokument, das der Käufer prüfen kann. Das Dokument kartiert die bestehende Arbeit, die Menschen, die Daten, die Systeme, die regulatorischen Grenzen, die wiederkehrenden Aufgaben und die höchstwertigen Opportunitäten. An den bestehenden Systemen ändert sich während Discover nichts. Das Ziel ist zu verstehen, bevor geändert wird.

Design produziert eine fokussierte Arbeitsversion: einen einzigen Assistenten, einen einzigen Workflow, eine einzige Wissensquelle, einen einzigen Satz Integrationen, einen einzigen Satz Freigabepunkte. Das Design ist dokumentiert. Die Entscheidung ist dokumentiert. Die bestehenden Systeme des Käufers werden nicht am ersten Tag ersetzt; sie werden erweitert.

Prototype produziert eine Arbeitsversion, die der Käufer in der Produktion für die erste Lieferung verwenden kann. Die Lieferung kann ein einzelner kundenorientierter Service, ein einzelner interner Prozess oder ein einzelner Compliance-Workflow sein. Der Punkt ist, dass die Arbeitsversion real ist, dass sie die realen Daten des Käufers mit der realen Identität des Käufers verwendet, und dass sie an den realen Metriken des Käufers bewertet werden kann.

Integrate verbindet die Arbeitsversion mit den Werkzeugen, die der Käufer bereits verwendet: E-Mail, Dokumentenspeicher, Kalender, CRM, Helpdesk, ERP, Ticketing. Jede Integration ist dokumentiert, umkehrbar und hat einen menschlichen Freigabepunkt. Improve ist die Betriebsphase: Monitoring, Dokumentation, menschliche Freigabe, Kostenverfolgung, Akzeptanz-Messung und kontinuierliche Verbesserung.

Über alle fünf Stufen hinweg bleibt der Käufer der Betreiber. Der Anbieter liefert die Plattform, das Engineering und die Disziplin; der Käufer entscheidet, was gebaut wird, wann es gebaut wird und wie es gemessen wird. Die Grenze ist dokumentiert, und die Dokumentation wird aktualisiert, wenn das Engagement fortschreitet.

Der Fünf-Stufen-Lieferprozess ist keine Methodik, die dem Käufer auferlegt wird. Es ist das operative Muster, das aus der Architektur hervorgeht, und das Muster ist dasselbe unabhängig vom Anwendungsfall. Discover kartiert die Arbeit, die Menschen, die Daten, die Risiken und die wiederkehrenden Aufgaben. Design definiert den Assistenten, den Workflow, die Wissensquellen, die Integrationen und die Freigabepunkte. Prototype baut eine Arbeitsversion gegen realistische Eingaben. Integrate verbindet die Arbeitsversion mit den Werkzeugen, die der Käufer bereits verwendet. Improve überwacht Qualität, Kosten und Akzeptanz und aktualisiert das System, wenn sich die Arbeit ändert. Das Muster ist die operative Disziplin, die die Vier-Schicht-Architektur in ein Produktionssystem verwandelt.

Die menschlichen Kontrollpunkte sind die Eigenschaft, die die KI-Fähigkeit sicher einsetzbar macht. Das Modell erhält nur Zugriff auf die Daten, die es benötigt. Das Modell muss seine Quellen offenlegen. Das Modell muss an jedem sensiblen Schritt an einen Menschen eskalieren. Das Modell darf keine Aktion mit definierten Kostengrenzen ohne Freigabe durchführen. Die menschlichen Kontrollpunkte sind dokumentiert, auditiert und überprüft. Die Kontrollpunkte sind keine Einschränkung; sie sind die architektonische Eigenschaft, die die KI-Fähigkeit für den Käufer vertrauenswürdig macht.

Wirtschaftlichkeit

Das Argument für Produktions-Architektur gegenüber Forschungsprojekt

Die wirtschaftliche Logik für Produktions-KI ist der Unterschied zwischen einem System, das läuft, und einem System, das demonstriert. Ein Forschungsprojekt produziert ein einmaliges Artefakt, mit einem kundenspezifischen Modell, einer kundenspezifischen Integration und einem kundenspezifischen Support-Modell. Das Artefakt ist nicht wiederverwendbar, das Modell ist nicht wartbar, die Integration ist nicht portabel. Die Gesamtbetriebskosten sind das initiale Projekt plus die laufende Wartung plus der eventuelle Ersatz.

Eine Produktions-Architektur produziert ein System, das der Käufer prüfen, replizieren, weiterentwickeln und letztlich besitzen kann. Das Vier-Schicht-Modell bedeutet, dass jede Schicht austauschbar ist. Die Engineering-Prinzipien bedeuten, dass das System prüfbar ist. Die Bereitstellungswahl bedeutet, dass das System portabel ist. Die Gesamtbetriebskosten sind das initiale Projekt plus der laufende Betrieb, wobei die Kosten der Weiterentwicklung über die Architektur amortisiert werden statt in einer einzelnen Komponente konzentriert zu sein.

Die Pro-Engagement-Kosten sind auf den Anwendungsfall gescopt. Es gibt keine Pro-Sitz-Lizenz, keine gebündelte undurchsichtige Preisgestaltung. Der Käufer weiß, was gebaut wird, was es kostet zu bauen, was es kostet zu betreiben, was es kostet weiterzuentwickeln. Die Preisgestaltung ist veröffentlicht, nicht hinter einem Kontaktformular versteckt.

Die wirtschaftliche Logik verstärkt sich über die Zeit. Ein Forschungsprojekt hat eine wirtschaftliche Lebensdauer von einer oder zwei Iterationen, nach denen es ersetzt wird. Eine Produktions-Architektur hat eine wirtschaftliche Lebensdauer, die in Jahren gemessen wird, wobei jede Jahresverbesserung auf der vorherigen aufbaut. Die Architektur ist der Unterschied. Die Architektur ist die Ersparnis.

Die wirtschaftliche Logik ist besonders stark für regulierte Anwendungsfälle. Wo die Anforderungen DSGVO, BFSG, ISO 27001 oder branchenspezifische Regulierung einschließen, ist die Fähigkeit, das Modell zu wechseln, die Datenresidenz zu wählen und die Audit-Trails zu exportieren, nicht ein zusätzlicher Service, sondern eine Voraussetzung. Eine Produktions-Architektur liefert diese Fähigkeiten als architektonische Eigenschaften; ein Forschungsprojekt liefert sie als nachträgliche Ergänzungen.

Die wirtschaftliche Logik für Produktions-KI ist der Unterschied zwischen einem System, das läuft, und einem System, das demonstriert. Ein Forschungsprojekt demonstriert gut und läuft schlecht. Eine Produktions-Architektur läuft gut und demonstriert gut, weil die Produktions-Architektur die Demonstration ist. Der Käufer braucht keinen separaten Proof of Concept; das Produktions-Deployment ist der Proof of Concept. Die wirtschaftliche Ersparnis sind die Kosten des Proof of Concept, den der Käufer nicht bauen muss, und die Ersparnis ist wiederkehrend, weil jeder zukünftige Anwendungsfall mit der Produktions-Architektur beginnt, nicht mit einem neuen Forschungsprojekt.

Die Pro-Engagement-Kosten sind die Kosten der Arbeit, nicht die Kosten einer Pro-Sitz-Lizenz. Der Käufer zahlt für das Design, den Prototyp, die Integration und die Verbesserung, und die Kosten sind auf den Anwendungsfall gescopt. Es gibt keine gebündelte Pro-Sitz-Preisgestaltung, keine undurchsichtige Tier-Struktur, keine versteckte Eskalation. Die Kosten sind veröffentlicht, der Umfang ist dokumentiert, und die Erfolgskriterien sind vor dem ersten Engagement vereinbart. Das Kostenmodell ist das architektonische Modell: transparent, prüfbar und am Ergebnis des Käufers ausgerichtet.

Risiko

Architektonische Fragen, keine Verkaufsbehauptungen

Das Risiko angewandter KI ist Halluzination — das Modell generiert plausible, aber falsche Ausgaben. Die Minderung sind explizite Zugriffsregeln, menschliche Kontrollpunkte, nachvollziehbare Arbeit und Kostengrenzen. Das Modell erhält nur Zugriff auf die Daten, die es benötigt. Das Modell muss seine Quellen offenlegen. Das Modell muss an jedem sensiblen Schritt an einen Menschen eskalieren. Das Modell darf keine Aktion mit definierten Kostengrenzen ohne Freigabe durchführen.

Das Risiko von Daten-Leakage ist, dass das Modell Daten an einen Dritten sendet, ohne Wissen des Käufers. Die Minderung ist die Bereitstellungswahl: Managed Cloud, Private Cloud oder Self-Hosted. Der Käufer wählt, wo die Daten leben. Der Käufer wählt, welche Modelle laufen. Der Käufer wählt, ob die Daten jemals die Infrastruktur des Käufers verlassen.

Das Risiko von Lock-in ist, dass der Käufer abhängig wird von einem bestimmten Modell, einem bestimmten Anbieter, einer bestimmten Plattform. Die Minderung ist das Vier-Schicht-Modell: jede Schicht ist austauschbar, die Konfiguration ist portabel, die Daten sind exportierbar, die Architektur ist offen. Ein Käufer, der gehen will, kann die Konfiguration, die Daten und die Integrationen mitnehmen und das System auf einer anderen Plattform betreiben.

Das Risiko von Kosten-Überschreitung ist unkontrollierte Modell-Nutzung. Die Minderung sind Kostengrenzen: pro Engagement, pro Workflow, pro Anfrage Budgets, mit Alerts und Kill-Switches. Der Käufer sieht die Kosten in Echtzeit. Der Käufer setzt die Grenzen. Der Käufer zahlt für das, was genutzt wird, innerhalb der Grenzen, die er setzt.

Die architektonischen Fragen, die ein Käufer stellen sollte, sind diese. Kann ich sehen, welches Modell läuft? Kann ich sehen, wo die Daten leben? Kann ich meine Konfiguration exportieren? Kann ich gehen, ohne die Arbeit zu verlieren? Die Antwort auf alle vier ist ja.

Es gibt ein sechstes Risiko, das es wert ist, benannt zu werden: das Risiko der unsichtbaren Drift. Modelle ändern sich über die Zeit, Daten ändern sich über die Zeit, und die Übereinstimmung zwischen Modell-Ausgabe und realer Welt kann driften, ohne dass eine einzelne Komponente sichtbar versagt. Die Minderung ist kontinuierliches Monitoring mit definierten Qualitäts-Metriken, periodische Re-Evaluierung gegen reale Eingaben, und eine dokumentierte Eskalations-Kette, wenn Drift erkannt wird. Die Plattform ist so gebaut, dass Drift sichtbar wird, bevor sie zu einem Vorfall wird.

Es gibt ein fünftes Risiko, das es wert ist, benannt zu werden: das Risiko der Daten-Drift. Die Daten, mit denen das Modell trainiert wird, ändern sich über die Zeit, und die Änderung kann die Genauigkeit des Modells erodieren, ohne dass die Änderung für den Nutzer sichtbar ist. Die Minderung ist kontinuierliches Monitoring mit definierten Qualitäts-Metriken, periodische Re-Evaluierung gegen reale Eingaben und eine dokumentierte Eskalations-Kette, wenn Drift erkannt wird. Die Plattform ist so gebaut, dass Drift sichtbar wird, bevor sie zu einem Vorfall wird, und das Sichtbar-Machen ist Teil des Betriebsmodells, kein separater Service.

Es gibt ein sechstes Risiko, das es wert ist, benannt zu werden: das Risiko eines Modells, das nicht mehr verfügbar ist. Ein kommerzielles Modell kann vom Anbieter deprecate werden, und ein deprecates Modell erzwingt eine Migration. Die Minderung ist die Bereitstellungswahl: der Käufer kann ein offenes Modell verwenden, es auf privater Infrastruktur bereitstellen und den Modell-Lebenszyklus besitzen. Der Käufer ist nicht an einen einzigen Modell-Anbieter gebunden, und der Käufer kann Modelle wechseln, ohne den Rest der Architektur zu ändern. Die Portabilität ist die Eigenschaft, die den Käufer vor den Deprecation-Entscheidungen des Anbieters schützt.

Implementierung

Eine Woche-für-Woche-Sequenz

Woche 1-3: Discover. Wir kartieren das Ergebnis, die Menschen, die Daten, die Risiken, die wiederkehrende Arbeit. Das Ergebnis ist ein schriftliches Dokument, das der Käufer prüfen kann.

Woche 4-6: Design. Wir definieren den Assistenten, den Workflow, die Wissensquellen, die Integrationen, die Freigabepunkte. Das Design ist dokumentiert und prüfbar.

Woche 7-10: Prototype. Wir bauen eine fokussierte Arbeitsversion und testen sie mit realistischen Eingaben. Der Prototyp verwendet die realen Daten des Käufers mit der realen Identität des Käufers.

Woche 11-14: Integrate. Wir verbinden die Arbeitsversion mit den Werkzeugen, die der Käufer bereits verwendet. Jede Integration ist dokumentiert, umkehrbar und hat einen menschlichen Freigabepunkt.

Woche 15 und danach: Improve. Das System ist live. Das Monitoring ist aktiv. Die Kosten werden verfolgt. Die menschlichen Freigabepunkte werden ausgeübt. Das System wird aktualisiert, wenn sich die Arbeit ändert.

Die Sequenz ist nicht starr. Ein Käufer kann mit einem einzelnen Anwendungsfall beginnen, die Architektur validieren und expandieren. Die Plattform ist für inkrementelle Einführung konzipiert, nicht für eine erzwungene Gesamtbereitstellung.

Die Umsetzungs-Sequenz ist darauf ausgelegt, früh Wert zu liefern. Die ersten drei Wochen (Discover) produzieren ein schriftliches Dokument, das der Käufer prüfen kann. Das Dokument kartiert die Arbeit, die Menschen, die Daten, die Systeme, die regulatorischen Grenzen und die höchstwertigen Opportunitäten. Das Dokument ist kein Verkaufsartefakt; es ist die eigene Analyse des Käufers, und der Käufer kann es zu einem anderen Anbieter mitnehmen, gegen eine andere Methodologie validieren oder als Grundlage für einen Beschaffungsprozess verwenden. Das Dokument ist das erste Lieferergebnis des Käufers.

Die verbleibenden Wochen (Design, Prototype, Integrate, Improve) bauen das System in Stufen, wobei jede Stufe ein Arbeitsartefakt produziert, das der Käufer bewerten kann. Design produziert die Architektur. Prototype produziert eine fokussierte Arbeitsversion, die mit realistischen Eingaben getestet wird. Integrate verbindet die Arbeitsversion mit den Werkzeugen, die der Käufer bereits verwendet. Improve überwacht Qualität, Kosten und Akzeptanz und aktualisiert das System, wenn sich die Arbeit ändert. Jede Stufe ist ein Meilenstein, jeder Meilenstein ist ein Entscheidungspunkt, und jeder Entscheidungspunkt ist der des Käufers, nicht der des Anbieters.

FAQ

Fünf Fragen in klarer Sprache

Welches Modell wird meine KI betreiben? Das Modell wird für den Anwendungsfall nach Qualität, Sprache, Geschwindigkeit, Kosten und Kontrolle gewählt. Kommerzielle und offene Modelle sind beide Optionen. Die Wahl ist Teil des Designs, keine strategische Verpflichtung.

Wo leben meine Daten? Sie wählen: Managed Cloud, Private Cloud oder Self-Hosted. Die Daten bleiben in der von Ihnen gewählten Infrastruktur. Die Daten verlassen die von Ihnen gewählte Infrastruktur nicht, es sei denn, Sie weisen explizit darauf hin.

Wie verhindern Sie Halluzination? Explizite Zugriffsregeln, menschliche Kontrollpunkte, nachvollziehbare Arbeit, Kostengrenzen. Das Modell erhält nur Zugriff auf die Daten, die es benötigt. Das Modell muss seine Quellen offenlegen. Das Modell eskaliert an sensiblen Schritten an einen Menschen.

Kann ich die Plattform verlassen? Ja. Das Vier-Schicht-Modell bedeutet, dass jede Schicht austauschbar ist. Die Konfiguration ist portabel. Die Daten sind exportierbar. Sie können die Arbeit mitnehmen und auf einer anderen Plattform betreiben.

Wie funktioniert die Preisgestaltung? Pro Engagement, gescopt auf den Anwendungsfall. Es gibt keine Pro-Sitz-Lizenz, keine gebündelte undurchsichtige Preisgestaltung. Der Käufer weiß, was gebaut wird, was es kostet zu bauen, was es kostet zu betreiben, was es kostet weiterzuentwickeln.

Für Organisationen, die Produktions-KI noch nicht adoptiert haben, ist die häufigste Frage zum ersten Anwendungsfall. Der erste Anwendungsfall ist der, der den meisten Wert mit dem geringsten Risiko produziert. Er ist normalerweise ein umrissener Workflow mit einer klaren Eingabe, einer klaren Ausgabe und einer klaren Erfolgsmetrik. Dokumentintelligenz ist ein häufiger erster Anwendungsfall. Workflow-Automatisierung ist ein anderer. Kundenservice-Automatisierung ist ein anderer. Der erste Anwendungsfall ist keine Plattform; er ist ein Beweis der Architektur, und die Architektur ist das, was auf den Rest skaliert.

Für Organisationen, die Produktions-KI bereits adoptiert haben, ist die häufigste Frage zum nächsten Anwendungsfall. Der nächste Anwendungsfall wird durch den ersten informiert: was funktionierte, was nicht, was das Team lernte, was die Daten zeigten. Die Plattform ist dieselbe; der Anwendungsfall ist anders. Der Käufer kann mit Dokumentintelligenz beginnen und zu Kundenservice-Automatisierung wechseln, mit derselben Architektur, demselben Team, demselben Support-Modell und derselben Option zu gehen. Die Plattform ist die Konstante; der Anwendungsfall ist die Variable.

Praxisbeispiel

Ein konkreter Fall mit Zahlen

Betrachten Sie eine mittelgroße Kanzlei mit 40 Honorarträgern, die ungefähr 1.200 Verträge pro Jahr verarbeitet. Der aktuelle Prozess ist manuell: ein Paralegal liest jeden Vertrag, identifiziert die Schlüsselklauseln, fasst die Bedingungen zusammen und gibt die Daten in das Praxis-Management-System ein. Der Prozess dauert ungefähr 90 Minuten pro Vertrag, mit einer Spitze von 4 Stunden für komplexe Vereinbarungen. Die Jahreskosten in Paralegal-Zeit betragen ungefähr EUR 270.000.

Im Rahmen eines angewandten KI-Engagements kartiert Discover die Vertragstypen, die Schlüsselklauseln, die Datenfelder, die bestehenden Systeme und die regulatorischen Grenzen. Design definiert einen Dokumentintelligenz-Assistenten, der die Schlüsselklauseln extrahiert, den Vertragstyp klassifiziert und das Praxis-Management-System befüllt. Prototype baut eine Arbeitsversion, die die 12 häufigsten Vertragstypen mit 92% Genauigkeit und einem menschlichen Review-Schritt für die restlichen 8% bearbeitet. Integrate verbindet den Assistenten mit dem Dokumentenspeicher, dem Praxis-Management-System und dem E-Mail-System. Das System geht live.

Die jährliche Paralegal-Zeit sinkt von ungefähr EUR 270.000 auf ungefähr EUR 90.000, wobei die verbleibende Zeit für den menschlichen Review-Schritt und die komplexen Vereinbarungen verwendet wird. Die jährlichen Laufzeitkosten des KI-Systems, einschließlich Infrastruktur, Modelle und Support, betragen ungefähr EUR 36.000. Die Netto-Jahresersparnis beträgt ungefähr EUR 144.000. Die Amortisationszeit beträgt ungefähr 4 Monate.

Das Vertrauensargument ist nicht nur die Ersparnis. Es ist die Architektur: die Kanzlei kann das Modell-Verhalten prüfen, das Modell wechseln, die Infrastruktur wechseln und die Plattform jederzeit verlassen. Die Konfiguration ist portabel. Die Daten sind exportierbar. Das System gehört der Kanzlei, nicht dem Anbieter. Die angewandte KI ist eine Schicht in einem vernetzten Ökosystem, das Hosting, Voice, eSIM und Cybersecurity einschließt. Das Anbieter-Stack-Problem ist auch für KI gelöst.

Die Zahlen sind illustrativ, kein Angebot. Jeder Anwendungsfall ist anders. Das Prinzip gilt: angewandte KI, geliefert auf einer Produktions-Architektur mit menschlichen Kontrollpunkten, Bereitstellungswahl und der Option zu gehen, kostet insgesamt weniger als manuelle Verarbeitung — und produziert konsistentere, auditierbarere, skalierbarere Arbeit.

Betrachten Sie ein zweites Praxisbeispiel: eine 500-Personen-Finanzdienstleistungsfirma mit einem Kundenservice-Team von 80 Personen, die 4.000 Kundenanfragen pro Tag bearbeiten. Der aktuelle Prozess ist ein manueller Triage-Workflow: ein Agent liest die Anfrage, klassifiziert sie, leitet sie an den richtigen Spezialisten weiter und folgt nach. Die durchschnittliche Bearbeitungszeit beträgt 18 Minuten pro Anfrage, und das Team ist an der Kapazitätsgrenze. Die Jahreskosten in Agent-Zeit betragen ungefähr EUR 4,2 Millionen, mit flachen Kundenzufriedenheitswerten und steigender Lösungszeit.

Im Rahmen eines Produktions-KI-Engagements kartiert Discover die Anfrage-Typen, die Lösungs-Pfade, die Integrationspunkte mit dem CRM und dem Helpdesk sowie die regulatorischen Grenzen. Design definiert einen KI-Assistenten, der die Anfrage triagiert, klassifiziert, das relevante Wissen verfügbar macht und sie mit dem Kontext an den richtigen Spezialisten weiterleitet. Prototype baut eine Arbeitsversion, die 60% der Anfragen end-to-end bearbeitet und 40% mit dem richtigen Kontext an einen Menschen eskaliert. Integrate verbindet den Assistenten mit der E-Mail, dem CRM, dem Helpdesk und der Wissensdatenbank. Das System geht live. Die jährliche Agent-Zeit sinkt um ungefähr EUR 1,4 Millionen, mit steigenden Kundenzufriedenheitswerten und fallender Lösungszeit.