AUS DER PRAXIS

Was sich geändert hat, seit das System im Einsatz ist.

Ich berate zu KI, weil ich sie selbst gebaut und betrieben habe. Dies sind Systeme von mir, manche in einem laufenden Unternehmen entstanden, manche in Eigenregie. Jeder Eintrag beginnt damit, was sich für das Unternehmen geändert hat. Die technischen Einzelheiten stehen jeweils am Ende, für Ihr technisches Team.

In einem Unternehmen

Aufgebaut und betrieben bei einem US-amerikanischen Anbieter von Unternehmenssoftware, bei dem ich Chief AI Officer bin.

Das Wissen eines Unternehmens an einem Ort

Ergebnis
Eine Antwort in unter fünf Minuten, mit Angabe des Quelldokuments, wo dieselbe Frage früher etwa eine Stunde gekostet hat. Rund 1.000 Fragen im Monat von etwa 100 Personen. Möglich wurde dieses Tempo durch zwanzig Jahre Kenntnis dieser Dokumente, nicht durch die Werkzeuge.
Vorher
Zehn Schulungshandbücher, ein Videoarchiv, das niemand bis zum Ende angesehen hatte, Support-Tickets und Besprechungsprotokolle. Wer eine Antwort brauchte, musste Kollegen fragen oder auf eine Besprechung warten.
Was das für Ihr Unternehmen zeigt
Dieses System steht hinter der Leistung Firmenwissen. Firmenwissen →
Für Ihr technisches Team
  • Status Im Einsatz
  • Technik Eigenes RAG, Vektordatenbank, Slack-Anbindung
  • Dauer 55 Minuten bis zum funktionierenden Prototyp

Eine Wissensdatenbank für einen internen Zweck: Sie nimmt Dokumente, Abläufe, Entscheidungen und frühere Unterhaltungen auf und antwortet über eine Chat-Oberfläche in Slack. Sie antwortet in normaler Sprache, nennt zu jeder Antwort die Quelldokumente und sagt es, wenn sie etwas nicht weiß, statt plausibel zu raten.

Die interessanten Probleme liegen in der Aufnahme der Inhalte, nicht in der Abfrage. Unterschiedliche Dokumentformate, uneinheitliche Metadaten, sich überschneidende und veraltende Inhalte: All das verlangt bewusste Entscheidungen darüber, wie Texte zerlegt und Suchergebnisse gewichtet werden und wie Widersprüche oder veraltete Inhalte sichtbar werden, ohne die Nutzer zu verwirren.

Das ist das RAG-Muster im Kern der Leistung Firmenwissen: Aufnahme-Pipeline, Abstimmung der Suche, Quellenangaben und Einbindung dort, wo Teams ohnehin arbeiten. Slack als Oberfläche ist Absicht. Ich habe es dort gebaut, weil dort die Fragen gestellt werden.

Achtmal so viele Support-Videos

Ergebnis
80 Videos in einer Woche von drei Personen, wo vorher rund zehn im Monat normal waren. Die Bibliothek wirkt jetzt wie aus einem Guss.
Vorher
Jedes Video brauchte ein Skript, eine Bildschirmaufnahme, den Schnitt und Anmerkungen. Daran arbeiteten drei Personen in Vollzeit.
Was das für Ihr Unternehmen zeigt
Entscheidend sind die Kosten dafür, das Material aktuell zu halten, wenn sich das Produkt ändert. Dort spart das System am meisten.
Für Ihr technisches Team
  • Status In aktiver Entwicklung
  • Technik Browser-Aufnahme, mehrere LLMs, Pipeline zur Videoerstellung
  • Gemessen 80 Videos in einer Woche, produziert von drei Personen mit je 20 Stunden und auf der Support-Website für Kunden veröffentlicht. Die rund zehn Minuten Nachbearbeitung pro Video sind in diesen 60 Stunden enthalten, und die durchschnittliche Videolänge ist vorher und nachher vergleichbar.

Eine Plattform, die Schulungsvideos aus Rohmaterial erzeugt: Browser-Aufnahmen, schriftliche Anleitungen oder vorhandene Dokumentation. Das System fügt gesprochene Schritt-für-Schritt-Anleitungen, Untertitel und Schnitte zusammen, ohne Videoproduktionsteam oder Aufnahmeausstattung.

Das Kernproblem, das es löst, sind die Pflegekosten, nicht die Kosten der ersten Produktion. Schulungsvideos veralten jedes Mal, wenn sich eine Bildschirmansicht oder ein Ablauf ändert. Ein System, das aus der Vorlage neu erzeugt, statt neu aufzunehmen, verändert die Rechnung dafür, Schulungsmedien aktuell zu halten.

Das Muster passt zu jedem Team, das interne Schulungsmedien in großer Zahl produziert: Die Pipeline ersetzt den Großteil der Produktionskosten durch einen strukturierten Ablauf von der Vorlage zum Ergebnis und hält die Ergebnisse aktuell, ohne dass der Aufwand mitwächst, wenn sich die Inhalte ändern.

Softwareänderungen von Menschen ohne Entwicklerhintergrund

Ergebnis
Menschen ohne Programmierhintergrund nehmen kleine Änderungen an der Software jetzt selbst vor. Erfahrene Mitarbeitende müssen deutlich weniger dieser Änderungen nacharbeiten als am Anfang, und während des Pilotprojekts gab es dadurch keine Störungen im laufenden Betrieb.
Vorher
Der Weg von der Idee bis zur freigegebenen Änderung war der Engpass, und jede kleine Änderung musste auf einen Entwickler warten.
Was das für Ihr Unternehmen zeigt
Das Werkzeug funktioniert vom ersten Tag an. Die Monate stecken in den Regeln darum herum. Das gehört zur Arbeit als Fractional CAIO. Fractional CAIO →
Für Ihr technisches Team
  • Status Im Einsatz, wird weiterentwickelt

Aufgebaut auf einem kommerziellen SDK für KI-gestütztes Programmieren. Jede Anfrage wird geplant, bevor irgendetwas geschrieben wird, und die Arbeit läuft innerhalb schriftlich festgelegter Regeln dazu, was geändert werden darf und was nicht. Der größte Teil des Aufwands floss in die Feinabstimmung dieser Regeln, gemeinsam mit den Menschen, die damit arbeiten.

Schulungen, die sich den Lernenden anpassen

Ergebnis
Kunden und Mitarbeitende lernen jetzt auf einer Plattform, und das Unternehmen sieht, wer welchen Kurs abgeschlossen hat. Die Trainer verbringen weniger Stunden damit, immer wieder dasselbe zu erklären, und der Support bekommt weniger Grundlagenfragen.
Vorher
Schulungen für Kunden und für die eigenen Mitarbeitenden liefen als Live-Termine, gestützt auf Handbücher und Videos, die an verschiedenen Orten lagen. Niemand konnte sagen, wer was abgeschlossen hatte.
Was das für Ihr Unternehmen zeigt
Dieselbe Plattform trägt Mitarbeiterschulungen, Kundenschulungen und Zertifizierungen.
Für Ihr technisches Team
  • Status Im Einsatz
  • Technik Eigene Kursauslieferung, KI-gestützte Prüfungen

Eine Plattform für strukturierte digitale Schulungen: Kurse, Module, Prüfungen, Nachverfolgung des Abschlusses. Gebaut für Inhalte, die von Menschen verfasst oder mit KI ergänzt sind, mit einer Prüfungslogik, die sich an die Leistung der Lernenden anpasst, statt feste Fragen der Reihe nach abzufragen.

Das Gestaltungsprinzip: Die KI soll für die Lernenden unsichtbar sein. Es soll sich anfühlen wie ein gut gemachter Kurs, nicht wie ein Chatbot. Die KI-Logik steckt in der Prüfung, im Erkennen von Lücken und in der Reihenfolge der Inhalte, nicht in der Oberfläche.

Die Plattform darunter ist für jeden Einsatz dieselbe, bei dem strukturiertes Lernen vermittelt wird. Nur die Inhalte und die Prüfungsregeln ändern sich.

Eigene Systeme

In meiner freien Zeit gebaut.

Eine Woche Inhalte aus einer Quelle

Ergebnis
Artikel, Beiträge und Kurzvideos aus einem einzigen Ausgangsdokument, nach Zeitplan veröffentlicht, und jedes Stück von einem Menschen freigegeben.
Was das für Ihr Unternehmen zeigt
Die KI erledigt die Masse, ein Mensch gibt frei. Diese Aufteilung funktioniert bei den meisten Arbeiten mit Inhalten.
Für Ihr technisches Team
  • Status Im Einsatz
  • Technik Python, Orchestrierung mehrerer LLMs, zeitgesteuerte Pipelines

Ein System, das längeres Ausgangsmaterial wie Transkripte, Dokumente und Notizen automatisch in Inhalte für mehrere Formate verwandelt: Artikel, Skripte für Kurzvideos, Beiträge für soziale Netzwerke. Die Pipeline läuft nach Zeitplan und nicht auf Abruf, sodass niemand jedes einzelne Stück von Hand anstoßen muss.

Gebaut um menschliche Prüfpunkte herum, nicht für vollautomatisches Veröffentlichen. Die interessante Technik steckt in der Orchestrierung und in den Übergabestellen, nicht in den Prompts.

Das Muster lässt sich auf jede inhaltsintensive Arbeit übertragen: eine verlässliche Quelle mit einem nachgelagerten Veröffentlichungsablauf verbinden, mit menschlichen Kontrollpunkten, gebaut für große Mengen, ohne dass das Personal im gleichen Maß wachsen muss.

Ein Sprachtutor zu jeder Uhrzeit

Ergebnis
Lernende üben mit einem Tutor, wann immer sie wollen, und jede Lektion passt sich an ihre Fehler an. Das System läuft im Echtbetrieb für echte Nutzer, mit Anmeldung und Abrechnung.
Was das für Ihr Unternehmen zeigt
Ich habe KI für zahlende Nutzer betrieben, mit den Kosten und den Ausfällen, die das mit sich bringt.
Für Ihr technisches Team
  • Status Im Einsatz
  • Technik Astro-Frontend, Cloudflare-Backend, multimodale LLMs

Eine Sprachlern-App im Echtbetrieb, die LLMs für adaptive Lektionen, Gesprächsübungen, Feedback zur Aussprache und einen persönlichen Lehrplan nutzt. Keine Hülle um eine Chat-API, sondern ein strukturiertes Lernsystem, in dem sich die KI über mehrere Sitzungen an die Leistung der Lernenden anpasst und Lücken so sichtbar macht, wie es ein fester Lehrplan nicht kann.

Das System kümmert sich um Anmeldung, Abrechnung, Barrierefreiheit und Leistung im Maßstab einer Endkundenanwendung. Ich habe es gebaut, weil es mich zwang, mit dem umzugehen, was interne Unternehmenswerkzeuge oft auslassen: echte Nutzersitzungen in unvorhersehbarer Zahl, strenge Anforderungen an die Antwortzeit, Layout-Entscheidungen zuerst fürs Smartphone und ein geordnetes Weiterlaufen, wenn die Modell-APIs langsam sind.

Dazu gehören die Teile, die niemand in eine Demo packt: Fehlerbehandlung, Ausweichverhalten, Kostenoptimierung unter echter Nutzung und alles, was nötig ist, damit das System zuverlässig läuft.

Verträge online unterschreiben, nach EU-Regeln

Ergebnis
Geschäftsverträge, online unterschrieben, mit der Protokollierung und den Identitätsprüfungen, die die EU-Regeln verlangen, im täglichen Einsatz.
Was das für Ihr Unternehmen zeigt
Der Maßstab für Sicherheit und Nachvollziehbarkeit, den ich an KI-Systeme in regulierten Bereichen anlege.
Für Ihr technisches Team
  • Status Im Einsatz
  • Technik Eigene Unternehmensarchitektur, Prüfpfade und Identitätsprüfung

Eine Plattform für digitale Signaturen in geschäftskritischen Dokumentenabläufen. Auf den ersten Blick kein KI-Projekt, aber ein wichtiger Eintrag an dieser Stelle, weil er den technischen Anspruch hinter der KI-Arbeit zeigt.

Die Architektur sorgt für Prüfpfade, die Unversehrtheit der Dokumente und die Identitätsprüfung. Das sind keine Probleme, die man mit guten Prompts löst. Sie verlangen saubere Technik, Sicherheitsprüfungen und betriebliche Reife.

Die Infrastruktur und das Sicherheitsniveau dieser Plattform prägen direkt, wie ich KI-Systeme in Unternehmensumgebungen angehe. Wenn ich ein KI-System für einen regulierten Ablauf baue, liegt die Messlatte hier.

Kleinere Systeme und Experimente

Zwei kleinere Systeme, für alle, die selbst entwickeln.

Landingpage-Generator mit drei Prompts. Drei Prompts mit je einer Aufgabe ergeben eine bessere Landingpage als ein einziger langer Prompt.
  • Status Funktionierender Prototyp
  • Technik Mehrstufige LLM-Pipeline, Ausgabe als semantisches HTML

Eine Landingpage aus einem einzigen Prompt ergibt HTML, und das HTML ist mittelmäßig: austauschbare Überschriften, schwache Struktur, Texte, die klingen wie jede andere Seite, die auf diese Weise entstanden ist. Längere Prompts halfen kaum. Mehr Kontext, mehr Beispiele und mehr Vorgaben brachten jedes Mal weniger, und das Ergebnis blieb auf eine Weise austauschbar, die ich mit einer einzelnen Anweisung nicht wegbekam.

Die Arbeit auf drei Prompts mit je einer Aufgabe zu verteilen, veränderte das Ergebnis sichtbar. Ein Planer nimmt das Briefing und legt die Strategie fest (Seitentyp, Abschnitte, Reihenfolge, den wichtigsten Handlungsaufruf) und liefert einen strukturierten Plan, keinen Text. Ein Texter nimmt diesen Plan und schreibt nur den Text. Ein Renderer macht aus dem Text semantisches HTML, mit Inline-SVG, wo ein Bild hingehört. Jede Stufe ist so eng gefasst, dass das Modell eine Sache gut macht und nicht drei gegeneinander abwägen muss.

Dieselbe Form gilt über Landingpages hinaus. Artikel und lange Dokumente verhalten sich genauso: Eine einzige Anweisung, das Ganze zu schreiben, ergibt etwas Brauchbares und Farbloses. Ein Planungsdurchgang, ein Schreibdurchgang und ein Überarbeitungsdurchgang nach einer festgelegten Tonalität ergeben etwas, das sich zu veröffentlichen lohnt. Die Qualität folgt der Trennung der Aufgaben im Prompt, nicht seiner Länge.

KI-Plattform zur Erstellung digitaler Produkte. Illustrierte Bücher, Stickersets und Poster, aus einem kurzen Briefing erzeugt, in einem einheitlichen Stil.
  • Status In aktiver Entwicklung
  • Technik Multimodale LLMs, Bildgenerierung, Pipelines mit strukturierter Ausgabe

Eine Plattform, die strukturierte digitale Produkte wie illustrierte Bücher, Stickersets, Poster und Beschäftigungshefte aus groben Vorgaben erzeugt. Die Prompt-Muster sind in den Ablauf eingebettet und werden dem Bediener nicht offengelegt. Das System übernimmt Formatierung, einheitlichen Stil und die Aufbereitung der Ergebnisse automatisch.

Die gestalterische Herausforderung: „Kreative Inhalte erzeugen“ ist so vage, dass die meisten KI-Pipelines uneinheitliche Ergebnisse liefern. Die interessante Arbeit liegt darin, den Spielraum der Generierung so einzugrenzen, dass die Ergebnisse einheitlich und markengerecht sind, ohne dass der Bediener Prompt-Experte sein muss.

Derselbe Ansatz, Generierung nach Vorlagen mit eingebettetem Fachwissen, funktioniert für interne Marketingmaterialien, Vertriebsunterlagen, Schulungsmaterial und Markenvorlagen in jedem Umfang.

Bevor ich etwas empfehle, habe ich es gebaut.

Wenn ich zu einem System rate oder davon abrate, dann weil ich ein ähnliches gebaut habe und weiß, wo es an seine Grenzen kommt.

Gespräch buchen