Verstehen

Was ist KI – ohne Marketing?

Eine generative künstliche Intelligenz ist eine statistische Maschine, die darauf trainiert ist, die wahrscheinlichste Fortsetzung eines Textes, eines Bildes oder einer Argumentation zu erzeugen. Sie versteht nicht, sie prüft nicht, sie entscheidet nicht. Sie ist sehr stark bei allem, was Arbeit ähnelt, die schon tausendfach erledigt wurde, und schwach, sobald man jedes Mal exakt sein muss.

Was tatsächlich passiert, wenn Sie eine Frage stellen

Der Text, den Sie schreiben, wird in Einheiten zerlegt und dann in Zahlen umgewandelt. Das Modell wendet auf diese Zahlen eine sehr große Zahl von Rechenoperationen an, die es im Training gelernt hat, und erhält daraus eine Wahrscheinlichkeit für jedes mögliche Wort. Es wählt, schreibt, beginnt von vorn. Dabei wird weder eine Wissensdatenbank abgefragt, noch gibt es ein Schlussfolgern im logischen Sinn, noch ein Bewusstsein dafür, ob es Wahres oder Falsches sagt.

Dieser Mechanismus erklärt alles Weitere: warum das Ergebnis bei einem Geschäftsbrief hervorragend und bei einer Addition zweifelhaft ist, warum es von Mal zu Mal schwankt, und warum Sie ihm Ihre Dokumente geben müssen, wenn es über Ihr Unternehmen sprechen soll und nicht über ein durchschnittliches Unternehmen.

Was KI heute gut kann

Umformulieren, zusammenfassen, übersetzen, den Ton an einen Empfänger anpassen.
Eine strukturierte Information aus einem schlecht formatierten Dokument herausziehen.
Eine große Menge uneinheitlicher Eingänge sortieren, einordnen und weiterleiten.
Einen ersten Entwurf erstellen, den ein kompetenter Mensch schneller korrigiert, als er ihn selbst geschrieben hätte.
Eine Dokumentation, die niemand liest, in Alltagssprache abfragbar machen.

Was sie schlecht kann und was man ihr nicht anvertrauen sollte

Alles, was zu 100 % exakt sein muss: regulatorische Berechnungen, Lohnabrechnung, Buchhaltung.
Jede Entscheidung, für die das Unternehmen einstehen muss, ohne menschliches Gegenlesen.
Alles, was die Kenntnis einer aktuellen Tatsache erfordert, die ihr nicht mitgegeben wurde.
Alles, was verlangt, „Ich weiß es nicht“ zu sagen, statt eine Antwort zu erzeugen.

Kurze Antwort

Braucht man intern ein technisches Profil, um sie zu nutzen?

Für die tägliche Nutzung nicht: Die Werkzeuge lassen sich auf Deutsch bedienen. Um KI an Ihre Daten und Prozesse anzubinden, ja – jemand muss verstehen, wo die Informationen hinfließen und wer sie sehen darf. Diese Rolle muss nicht unbedingt eine neue Stelle sein, aber sie muss einer namentlich benannten Person zugewiesen werden.

Begriffe

Die acht Begriffe, mit denen Sie in einer Besprechung mitreden können

Mehr müssen Sie nicht kennen, um zu entscheiden. Ein Dienstleister, der Ihnen mehr aufzwingt, verkauft Ihnen wahrscheinlich Komplexität.

Sprachmodell: Ein Programm, das auf riesigen Textmengen trainiert wurde, um die wahrscheinlichste Fortsetzung eines Satzes vorherzusagen. Es ist der Motor hinter den Chat-Assistenten.
Generative KI: Eine Familie von Systemen, die neue Inhalte erzeugen – Text, Bild, Code, Ton –, statt einen Wert einzuordnen oder vorherzusagen.
Halluzination: Eine falsche Antwort, vorgetragen mit derselben Selbstsicherheit wie eine richtige. Das ist kein Fehler, den man behebt, sondern eine Eigenschaft des Verfahrens, die man eingrenzt.
Prompt: Die Anweisung an das Modell. Ihre Formulierung verändert die Qualität des Ergebnisses erheblich und ist damit eine eigenständige Kompetenz.
RAG: Retrieval-Augmented Generation: Man sucht die relevanten Dokumente in Ihren eigenen Beständen und lässt das Modell dann auf dieser Grundlage antworten. So kann KI über Ihr Unternehmen sprechen.
Fine-Tuning: Teilweises Nachtrainieren eines Modells mit Ihren Daten, um es an einen Ton oder ein Format anzupassen. Teuer und selten der erste Hebel, den man ansetzen sollte.
Agent: Ein Modell, das Aktionen auslösen darf: eine E-Mail senden, in eine Datenbank schreiben, eine API aufrufen. Hier beginnt das operative Risiko wirklich.
Token: Die Einheit, in die Text zerlegt wird, und die Abrechnungseinheit. Die Kosten einer Nutzung berechnen sich nach verbrauchten Tokens, nicht nach der Zahl der Nutzer.

Schnelllebiges Umfeld

Wie man entscheidet, wenn sich jedes Quartal alles ändert

Kurze Antwort

Worauf kann man sich stützen, wenn sich die Modelle ständig ändern?

Auf das, was sich nicht ändert. Ihre Daten, Ihre Prozesse und die Kompetenzen Ihrer Teams haben eine Lebensdauer von mehreren Jahren. Das jeweils aktuelle Modell hat eine Lebensdauer von wenigen Monaten. Eine saubere Architektur behandelt das Modell als austauschbares Bauteil, sodass Sie es an einem Tag wechseln können, statt das Werkzeug neu zu bauen.

Konkret genügen drei Grundsätze, um die Zyklen zu überstehen. Erstens: Programmieren Sie den Namen eines Anbieters nie fest in Ihre Werkzeuge ein; der Zugang zum Modell muss ein isoliertes, austauschbares Bauteil sein. Zweitens: Behalten Sie bei sich, was Wert hat – die bereinigten Daten, die Geschäftsregeln, die bestätigten Beispiele. Drittens: Messen Sie die Qualität mit Ihren eigenen Testfällen, nicht mit öffentlichen Ranglisten, die sich jeden Monat ändern und nichts über Ihre Branche aussagen.

Teuer wird es nicht, weil Sie das falsche Modell gewählt haben. Teuer wird es, wenn Sie eine Architektur gebaut haben, die Ihnen einen Wechsel verbietet.

Häufige Fragen

Die Einwände, die man uns am häufigsten entgegenhält

Ist künstliche Intelligenz wirklich intelligent?

Nein, nicht in dem Sinn, in dem man es von einem Menschen sagt. Ein Sprachmodell versteht nicht, was es schreibt: Es berechnet die wahrscheinlichste Fortsetzung anhand von Regelmäßigkeiten, die in seinen Trainingsdaten beobachtet wurden. Diese Vorhersage ist gut genug, um nützlich zu sein, setzt aber weder Verständnis noch Absicht voraus.

Warum erfindet KI falsche Antworten?

Weil sie darauf ausgelegt ist, eine plausible Antwort zu erzeugen, nicht darauf, ihr Nichtwissen anzuzeigen. Eine Information, die in ihrem Training fehlt, wird durch etwas ersetzt, das statistisch wie eine gute Antwort aussieht. Deshalb erfordert ein ernsthafter Einsatz im Unternehmen, das Modell an Ihre Dokumente anzubinden und Ergebnisse mit Tragweite weiterhin von Menschen prüfen zu lassen.

Was unterscheidet generative KI von klassischer Automatisierung?

Klassische Automatisierung ist deterministisch: Dieselbe Eingabe erzeugt immer dieselbe Ausgabe, und das Verhalten lässt sich Zeile für Zeile prüfen. Generative KI ist probabilistisch: Dieselbe Eingabe kann zwei verschiedene Ausgaben liefern. Das macht sie geeignet für unscharfe Aufgaben und ungeeignet für Aufgaben, die durchgehende Genauigkeit verlangen, etwa eine Lohnabrechnung.

Sollte man warten, bis sich die Technologie stabilisiert, bevor man startet?

Warten verringert das Risiko nicht, es verlagert es. Ihre Beschäftigten nutzen diese Werkzeuge bereits, und Ihre Wettbewerber strukturieren in der Zwischenzeit ihre Daten. Die richtige Antwort ist nicht zu warten, sondern in das zu investieren, was nicht veraltet: die Qualität Ihrer Daten, die Klarheit Ihrer Prozesse und die Kompetenz Ihrer Teams.

KI-Einführung der GeschäftsleitungZwei Stunden, um mit denselben Worten über KI zu sprechen.Risiken und KontrolleWas wirklich schiefgehen kann, und wie man es eingrenzt.ChancenDieses Verständnis in messbaren Nutzen übersetzen.

Nächster Schritt

Eine Einführungssitzung für Ihre Geschäftsleitung

Zwei Stunden, damit alle über dasselbe sprechen, mit dem Vokabular Ihrer Branche und konkreten Fällen aus Ihrem Unternehmen. Sie ist ein eigener Auftrag, unabhängig von der Diagnose, mit schriftlichem Bericht und einer Bewertung vorher und nachher.

Sitzung anfragen Schreiben Sie uns