Flache Illustration eines Laptops mit Videokonferenz, daneben ein Prozess aus drei Schritten mit einer Person als Prüfstation und einem Schild mit Häkchen
Zurück zum Blog
Generative KIProzessautomatisierungHuman in the Loop

MDZ-Panel-Rückblick: KI ohne Hemmschwelle einsetzen

Sven HennessenEvents

TL;DR

  • Die Grundlage kommt zuerst: KI repariert keine kaputten Prozesse und ist nur so gut wie die Daten, auf denen sie arbeitet.
  • Steht das Fundament, gilt: Hemmschwelle verlieren, Compliance first, Human in the Loop. Sichere KI-Lösungen sind heute praxistauglich, auf eigener Hardware oder bei europäischen Anbietern.
  • Was ein Modell kostet, hängt vom Fall ab: Häufigkeit des Use Cases, Größe von Kontext und Anfrage. Modelle in der EU sind bezahlbar buchbar, lokale Installationen können sie ergänzen.

Im April war ich als Experte beim Online-Panel des Mittelstand-Digital Zentrums Saarbrücken zu Prozessautomatisierung mit generativer KI. Ein Rückblick auf zwei Live-Demos aus echten Kundenprojekten, eine Frage nach den Kosten, ehrliches Feedback und warum Daten und Prozesse vor jedem KI-Projekt stehen.

Mitte April war ich beim Mittelstand-Digital Zentrum Saarbrücken zu Gast, allerdings nur virtuell. Das Online-Expertenpanel hieß „Prozessautomatisierung unterstützt durch generative KI“, und der Experte war in diesem Fall ich allein. Auf dem Plan standen Chancen, Risiken und die Frage, wie sich generative KI sicher in Unternehmensprozessen einsetzen lässt.

Ein Publikum mit allen Ausgangslagen

Im Publikum saß so ziemlich jede Ausgangslage, die es im Mittelstand gibt: Unternehmen ohne konkrete Pläne für KI, Unternehmen mitten in der Planung oder in ersten Tests, und solche, die KI schon im Einsatz haben. Dazu ein bunter Mix aus Dienstleistern, Fertigung, Handel und Handwerk, viele davon kleine Firmen.

Remote zu präsentieren hat seine eigenen Regeln. Der Chat blieb ruhig, Reaktionen aus dem Raum gibt es nicht.

Zwei Live-Demos aus echten Projekten

Statt nur Folien zu zeigen, habe ich zwei Lösungen live vorgeführt. Beide kommen aus der Praxis.

Die erste Demo, der 8D-Report, entstand aus einem Kundengespräch. In der Fertigung zieht eine Toleranzabweichung oft einen 8D-Report nach sich, ein mehrseitiges Dokument mit acht Pflichtkapiteln. Die Messdaten liegen digital vor. In der Demo prüft eine einfache Schwellenwertlogik die Messungen, und am Ende einer Charge schreibt ein LLM aus den Abweichungen einen Entwurf des Reports. Das Qualitätsmanagement prüft und unterschreibt.

Die zweite Demo zur Disposition ist die Weiterentwicklung eines Kundenprojekts. Hinter jedem Bestellvorschlag steckt eine komplexe Berechnung aus Verbrauch, Wiederbeschaffungszeit, Bestand und Sicherheitsbestand. Das Ergebnis ist eine Zahl, und auf dem Bildschirm ist wenig Platz, um zu erklären, wie sie zustande kommt. Ein LLM fasst das in wenigen Sätzen zusammen. Die Menge selbst rechnet weiterhin der Algorithmus, das Modell erklärt nur.

Ausschnitt aus Visposition: vorgeschlagene Bestellmenge 120 mit einer KI-Erklärung, die Verbrauch, Wiederbeschaffungszeit, Bestand und Sicherheitsziel als Grund nennt

Streng genommen war das übrigens keine Explainable AI, auch wenn sie auf meiner Folie so hieß. Erklärt wird nicht, wie ein KI-Modell zu seiner Entscheidung kommt, sondern was ein klassischer Algorithmus berechnet hat. Eher eine „Explaining AI“. Diese Erklärung ist heute Teil von Visposition, dem Produkt, das aus dem Projekt entstanden ist. Wie aus solchen Erklärungen Schritt für Schritt Vertrauen und später Automatisierung wird, beschreibt der Beitrag Erklärbare KI im Mittelstand.

Die Frage nach den Kosten

Am Ende kam die Frage, die in fast jeder Runde kommt: Was kostet so ein Modell eigentlich?

Meine Antwort war ehrlich: Das hängt vom konkreten Fall ab. Wie oft läuft der Use Case? Wie groß sind Kontext und Anfrage? Gute Nachricht für den Mittelstand: Modelle bei europäischen Anbietern sind in einem erschwinglichen Bereich buchbar. Lokale Installationen können eine Ergänzung sein. Wann sich eigene Hardware rechnet, haben wir in Lohnt sich ein lokales KI-Setup? durchgerechnet.

Was das Feedback gezeigt hat

Das Mittelstand-Digital Zentrum hat nach dem Panel eine Umfrage verschickt. Das Feedback war insgesamt positiv. Besonders gut kamen die Live-Demos und die praxisnahen Beispiele an, auch als guter Einstieg für Leute, die gerade erst anfangen.

Es gab aber auch Kritik, und die war berechtigt. Die Anwendungen in den Demos waren auf dem geteilten Bildschirm teilweise schlecht zu erkennen. Auf die Größe achte ich bei Remote-Vorträgen jetzt noch mehr. Außerdem waren beide Beispiele aus der Fertigung, und wer zum Beispiel in einer öffentlichen Einrichtung arbeitet, kann sie nicht eins zu eins übertragen.

Was ich jedem Mittelständler mitgeben will

Vor jedem KI-Projekt steht eine Grundlage, ohne die nichts davon trägt: Daten und Prozesse.

KI repariert keine kaputten Prozesse. Wer Chaos digitalisiert, bekommt digitales Chaos und keinen Return on Investment. Und eine KI-Entscheidung ist nur so gut wie die Daten, auf denen sie beruht: Müll rein, Müll raus.

Beide Demos funktionieren nur, weil diese Grundlage da ist. Beim 8D-Report liegen die Messdaten bereits digital vor, und die Prüfung gegen die Toleranzen ist klar geregelt. In der Disposition rechnet ein Algorithmus auf den Daten aus dem ERP, das LLM erklärt nur das Ergebnis. Wo Daten lückenhaft sind oder niemand den Ablauf sauber beschreiben kann, hilft auch das beste Modell nicht. Wie du herausfindest, ob deine Daten reichen, steht in Sind deine Daten gut genug?.

Steht das Fundament, kommen drei Gedanken dazu:

Hemmschwelle verlieren. Der sichere Betrieb von LLMs ist heute praxistauglich, auf eigener Hardware im Unternehmensnetz oder bei europäischen Anbietern ohne US-Mutterkonzern.

Compliance first. Wer Prozessdaten an US-Dienste schickt, riskiert Geschäftsgeheimnisse und gerät mit der DSGVO in Konflikt. CLOUD Act und FISA 702 gelten auch dann, wenn das Rechenzentrum in Europa steht. Das lässt sich mit der richtigen Wahl von Anbieter und Betriebsmodell vermeiden, und es gehört an den Anfang eines Projekts, nicht ans Ende.

Human in the Loop. In beiden Demos bereitet die KI vor und erklärt, der Mensch prüft und entscheidet. So entsteht Vertrauen. Erst wenn das da ist, lassen sich Aufgaben mit geringem Risiko schrittweise voll automatisieren.

Quellen

Brauchst du Unterstützung?

Du hast einen Prozess, in dem Daten aus mehreren Systemen zusammenkommen und jemand viel Zeit mit Standardtexten oder Erklärungen verbringt? Wir schauen uns den Ablauf gemeinsam an und bauen Software, die generative KI dort einsetzt, wo sie wirklich hilft. Datenschutzkonform und mit dem Menschen als letzter Instanz.

Prozess digitalisieren