KI unter fremder Kontrolle?

Wenn man nur wenig oder keine Ahnung hat, den Zug aber nicht verpassen will, hört man auf die Unternehmensberatungen und ihre best-practice-Empfehlungen und landet bei Microsoft und seinem derzeit noch Copilot genannten Produkt. Viele Unternehmen haben anfangs gezögert, weil sie keine Gewissheit hatten, dass die eingegebenen Daten nicht zum Training der Systeme verwendet würden. Bedenken zerstreut, denn Microsoft hat versprochen, die Daten nur in seiner Azure-Cloud zu speichern, DSGVO-gerecht auf Servern im EU-Raum.

Mit anderen Anbietern fährt man kaum besser. SAP z.B. ist dabei, sein System mit KI-Elementen zu durchsetzen, Stand Anfang 2025 allerdings nur für HANA-Cloud-Benutzer und das meiste davon erst in der Phase Anküngigung. Salesforce, Workday und andere sind vergleichbar aufgestellt.

KI unter eigener Kontrolle

Es ist hinreichend bekannt, wie schwer es ist, sich aus den Abhängigkeiten von den großen Systemanbietern zu lösen, und vor allem wie teuer das ist.

Inzwischen gibt es aber Möglichkeiten, sich - zumindest teilweise - aus dieser Abhängigkeit zu lösen.

Firmenspezifische Chatbots

Inzwischen gibt es - Gott sei's gedankt - eine ganze Reihe generativer KI-Modelle, größtenteils sogar kostenfrei als open source und einige davon sogar auf eigener Hardware betreibbarer. Sie zu finden, erfordert ein bisschen Recherche (Produkte und Tools hier aufzuzählen würde es erforderlich machen, anbetracht der rasanten Entwicklung die Liste nahezu im Wochentakt zu aktualisieren).

Diese Chatbots lassen sich mit firmenspezifischen Daten zusätzlich trainieren. Bevor mit dem Training begonnen wird, sollten die spezifischen Ziele und Anwendungsfälle klar definiert sein. Das Training benötigt eine strukturierte Vorgehensweise mit Daten, die natürlich für die speziellen Aufgaben gezielt ausgewählt wurden. Als Methode bietet sich ein modifiziertes Reinforcement Training an, mit Nachtrainings bevorzugt mit Daten von zwischenzeitlichen Neuerungen und echten Interaktionen der Mitarbeitenden. Die Nützlichkeit des Tools lässt sich in regelmäßigem Erfahrungsaustausch mit Benutzerinnen und Benutzern testen. So lässt sich auch regeelmäßiges Feedback für das Nachtraining gewinnen.

Der Nutzen besteht je nacch Anwendungsbreich hauptsächlich in

• schnellen - ergänzenden oder begleitenden - Information zu aktuellen Aufgaben, die nich unbedingt im Zentrum der Tagesroutine stehen,
• assoziativen Anregungen bei Aufgaben, die Nachdenken oder Kreativität erfordern und
• Unterstützung bei Supervisionsaufgaben und zur Überprüfung von computerunterstützen Entscheidungsvorschlägen.

Der Fokus liegt eindeutig bei der qualitativen Verbesserung der Arbeit.

Eigene Agenten

Die großen Sprachmodelle (LLMs) bieten alle Programmschnittstellen, sog, APIs (Application Programming Interfaces) an, die es ermöglichen, ihre Leistungenin eigene Anwendungen, insbesondere Workflows zu integrieren. Solche Konzepte sind unter dem Namen KI-Agenten bekannt. Insbesondere die großen Chatbot-Anbieter arbeiten fieberhaft an solchen Lösungen. Mit ihrer Hilfe lassen sich insbesondere verkettete Routine-Abläufe automatisieren.

Hier ist eine kritische Anmerkung angebracht. Maschinell verkettete Abläufe sollten innerhalb eines solchen Arbeitsschrittes und zwischen ihnen keine manuellen Eingriffe erfordern. Geschieht dies, so hat man es mit technisch erzwungener Kooperation zu tun, vergleichbar mit dem Fließband in der industriellen Produktion. Dort gehört diese Produktionsart inzwischen zu den immer seltener werdenden Formen, eine Entwicklung, die weniger mit ausgebrochener humanitärer Gesinnung zu tun hat, sondern eher den Martanforderungen nach gestiegener Flexibilität in der Produktion geschuldet ist.