KI-Systeme

Die meisten Vorhaben scheitern nicht an der Technik, sondern an der Reihenfolge. Wer zuerst ein Werkzeug kauft und danach fragt, wofür es gut ist, hat eine Lösung ohne Aufgabe. KI-Systeme gehen dort in Betrieb, wo vorher klar war, welche Arbeit sie abnehmen sollen.

Vier Schritte, die aufeinander aufbauen – jeder mit einer eigenen Seite.

Der Weg in vier Schritten

KI-Anwendungsfälle im Mittelstand – wofür sich der Einsatz zuerst lohnt. Die schnellsten Hebel sind selten die spektakulärsten.
KI-Tools auswählen und beschaffen – worauf es bei der Auswahl ankommt, und welche Fragen vor dem Vertrag zu stellen sind.
Integration und Automatisierung – das Vier-Stufen-Modell, mit dem aus einem Werkzeug ein Ablauf wird.
Custom KI-Lösungen – wenn nichts Fertiges passt und eine eigene Lösung günstiger ist als der Umweg.

Was bei jedem Schritt rechtlich mitläuft

Die Rolle entscheidet über die Pflichten. Wer ein System nur einsetzt, ist Betreiber. Wer es wesentlich verändert oder unter eigenem Namen anbietet, wird zum Anbieter – mit erheblich größerem Pflichtenkreis. Bei eigenen Lösungen ist das keine theoretische Frage. Die Begriffe stehen im KI-Glossar.

Die Risikoklasse steht vor dem Betrieb, nicht danach. Welche Anforderungen gelten, ergibt sich aus der Einordnung des Systems – siehe KI-Risikoanalyse.

Jeder Dienst ist ein Auftragsverarbeiter. Sobald personenbezogene Daten in ein fremdes System fließen, braucht es einen Auftragsverarbeitungsvertrag und eine Antwort auf die Frage, wo verarbeitet wird. Was das für gängige Werkzeuge bedeutet, steht unter KI-Tools DSGVO-konform einsetzen.

Erzeugte Inhalte können kennzeichnungspflichtig sein. Das betrifft nicht jedes System, aber mehr, als gemeinhin angenommen – siehe Kennzeichnungspflicht.

Die drei Fehler, die den Zeitplan kosten

Das Werkzeug vor dem Anwendungsfall. Eine Lizenz ist schnell gekauft, der Nutzen stellt sich davon nicht ein. Wer nicht benennen kann, welche Arbeit in welcher Abteilung wie oft anfällt, kann hinterher auch nicht sagen, ob sich etwas verbessert hat. Der Anwendungsfall braucht deshalb eine Messgröße, bevor das System kommt – Bearbeitungszeit, Durchlaufzeit, Fehlerquote.

Die Datengrundlage zu spät prüfen. KI-Systeme sind so gut wie das, was sie zu sehen bekommen. Wo Daten in fünf Ablagen liegen, uneinheitlich benannt sind und niemand weiß, welche Fassung gilt, entsteht kein brauchbares Ergebnis – sondern eine plausibel klingende Ausgabe auf falscher Grundlage. Der unangenehme Teil eines KI-Vorhabens liegt fast immer vor dem KI-Teil.

Die stille Einführung. Werkzeuge kommen selten über die Beschaffung ins Haus, sondern über einzelne Beschäftigte, die sie ausprobieren. Das ist nicht per se schlecht – problematisch wird es, wenn dabei Unternehmens- oder Kundendaten in fremde Systeme fließen, ohne dass jemand davon weiß. Eine Bestandsaufnahme der tatsächlich genutzten Werkzeuge ist deshalb regelmäßig der erste Schritt, nicht der letzte.

Was am Anfang steht: das Inventar

Bevor irgendetwas eingeordnet, bewertet oder abgesichert werden kann, muss feststehen, was es überhaupt gibt. Ein KI-Inventar hält je System fest: wer es einsetzt, wofür, mit welchen Daten, auf welcher vertraglichen Grundlage und in welcher Rolle Ihr Unternehmen dabei steht. Aus diesem Inventar ergeben sich anschließend die Risikoklasse, der Schulungsbedarf nach Art. 4 KI-VO und die Einträge im Verarbeitungsverzeichnis.

Geführt werden kann es in einer Tabelle. Ab einer gewissen Zahl von Systemen wird das mühsam – dafür gibt es das Modul KI-Governance.

Bevor Sie anfangen

Ohne eine Vorstellung davon, wohin es gehen soll, wird aus Einzelwerkzeugen kein System: KI-Strategie. Und ohne Menschen, die damit umgehen können, bleibt auch das beste System ungenutzt: KI-Schulung.

Wo die Einführung an Gewohnheiten scheitert und nicht an der Technik, hilft Change-Management für KI.