KI im Mittelstand: Welche Anwendungsfälle lohnen einen Test?

Informationen aus Dokumenten übernehmen

KI-gestützte Dokumentenverarbeitung kann vorgegebene Felder oder Tabelleninhalte aus Unterlagen auslesen. Microsoft beschreibt diese Möglichkeit etwa für AI Builder. Der praktische Nutzen liegt darin, vorhandene Angaben nicht erneut abzutippen. Bereits strukturierte Daten sollten Sie allerdings direkt übernehmen: Eine bestehende Feldzuordnung lässt sich mit festen Regeln prüfen und benötigt dafür kein Sprachmodell.

Definieren Sie vor einem Test genau, welche Felder gebraucht werden und was bei fehlenden Angaben geschieht. Prüfen Sie die Ergebnisse am Original. Eine falsch zugeordnete Artikelnummer kann schwerer wiegen als ein Schreibfehler im Beschreibungstext. Für den Einstieg bietet sich deshalb eine Erfassungsmaske mit Vorschlägen an, die ein Mensch bestätigt. Messen Sie auch, wie viel Aufwand das Prüfen unterschiedlicher Dokumentlayouts verursacht.

Quelle: Microsoft Learn: Document processing model overview

Anfragen vorsortieren und an die passende Stelle geben

Freitextanfragen können mehrere Themen enthalten, uneinheitliche Begriffe verwenden oder nur knapp beschreiben, worum es geht. Ein KI-System lässt sich darauf testen, einen Themenbereich vorzuschlagen und die Angaben für die nächste Person zusammenzustellen. Beginnen Sie mit wenigen, fachlich klar getrennten Kategorien. Wenn Beschäftigte dieselbe Anfrage unterschiedlich zuordnen, müssen zuerst die Kategorien präziser werden.

Sehen Sie eine Kategorie für unklare Fälle vor. Die automatisch vorgeschlagene Zuständigkeit darf eine dringende Anfrage nicht aus dem Blick nehmen. Prüfen Sie deshalb neben der Trefferquote auch die Fehlerverteilung: Welche Themen landen besonders häufig falsch? Ist eine Fehlzuordnung rasch erkennbar? Ein hoher Durchschnittswert kann verdecken, dass gerade seltene, aber zeitkritische Anliegen schlecht behandelt werden.

Antworten und Zusammenfassungen vorbereiten

Ein Sprachmodell kann aus vorgegebenen Stichpunkten einen Antwortentwurf erstellen oder einen längeren Text verdichten. Die prüfende Person braucht dafür weiterhin Zugriff auf die Ausgangsinformation. Das BSI behandelt faktische Fehler generativer Modelle als Risiko. Ein flüssig geschriebener Satz ist deshalb kein Beleg dafür, dass ein Liefertermin, eine Zahl oder eine technische Aussage stimmt.

Grenzen Sie die Aufgabe ein: nur die bereitgestellten Informationen verwenden, offene Angaben kenntlich machen und keine Zusagen ergänzen. Testen Sie, ob diese Grenzen im Ergebnis eingehalten werden. Für Zusammenfassungen sollte feststehen, welche Informationen keinesfalls fehlen dürfen. Bei einem Servicevorgang können das die gemeldete Störung und bereits durchgeführte Schritte sein. Planen Sie die fachliche Prüfung als festen Arbeitsschritt vor Versand oder Weiterverwendung ein.

Quelle: BSI: Generative KI-Modelle, Chancen und Risiken

Interne Informationen gezielt wiederfinden

Eine weitere mögliche Aufgabe ist eine Suche in freigegebenen Handbüchern oder Arbeitsanweisungen. Mit Retrieval Augmented Generation, kurz RAG, sucht die Anwendung passende Inhalte und gibt sie dem Sprachmodell als Grundlage für eine Antwort. Microsoft erläutert dieses Zusammenspiel von Suche und Antworterzeugung in seinem RAG-Grundlagenmodul. Das Verfahren setzt eine geeignete, gepflegte Informationsquelle voraus.

Für die Auswahl eines solchen Vorhabens zählen konkrete Fragen aus dem Arbeitsalltag. Sind die Antworten überhaupt dokumentiert? Ist klar, welche Fassung gilt? Dürfen alle vorgesehenen Nutzer auf die Unterlagen zugreifen? Wenn diese Punkte fehlen, beginnen Sie mit der Ablage und den Verantwortlichkeiten. Eine Suche kann unbekannte Dateinamen überbrücken; einen ungeklärten Widerspruch zwischen zwei Arbeitsanweisungen muss weiterhin jemand fachlich auflösen.

Quelle: Microsoft Learn: Grundlagen von Retrieval Augmented Generation

Hypothetisches Beispiel: Drei Ideen für ein Serviceteam vergleichen

Angenommen, ein Serviceteam prüft drei Ideen: Anfragen vorsortieren, Antworten entwerfen und technische Unterlagen durchsuchen. Das Beispiel ist hypothetisch. Für die Sortierung liegen abgeschlossene Vorgänge mit nachvollziehbaren Zuständigkeiten vor. Antwortvorlagen enthalten dagegen veraltete Zusagen, und bei den Handbüchern ist der Versionsstand ungeklärt. Damit lässt sich zunächst die Sortierung am besten untersuchen.

Das Team legt bekannte Anfragen erneut vor und vergleicht den KI-Vorschlag mit der fachlich geprüften Zuordnung. Mehrdeutige Fälle bleiben in einer gemeinsamen Sichtung. Anschließend bearbeitet das Team neue Anfragen mit Vorschlägen und erfasst die nötigen Korrekturen. Erst wenn sich dabei eine Entlastung zeigt, wäre eine automatische Weiterleitung zu prüfen. Das Aufräumen der Antwortvorlagen kann unabhängig davon beginnen und bereits ohne KI helfen.

Einen Anwendungsfall mit klaren Grenzen auswählen

Mittelstand-Digital empfiehlt, KI-Anwendungsfälle abgegrenzt zu beginnen und Daten sowie betroffene Beschäftigte einzubeziehen. Für Ihre Entscheidung sollte pro Idee eine kurze Aufgabenbeschreibung reichen: Was geht hinein, welches Ergebnis wird erwartet und wer prüft es? Ergänzen Sie Häufigkeit, heutigen Zeitaufwand und die Folgen eines Fehlers. Die Auswahl wird so mit den vorhandenen Aufgaben und Daten begründet.

Bevor echte Unternehmensdaten eingesetzt werden, klären Sie deren zulässige Verwendung und die freigegebene technische Umgebung. Die folgenden Fragen helfen beim Vergleich. Fehlt eine Antwort, ist das eine konkrete Vorarbeit für den jeweiligen Kandidaten.

• Gibt es genügend geeignete Beispiele, an denen ein Fachkundiger richtige und falsche Ergebnisse unterscheiden kann?
• Bleibt nach Eingabe, Prüfung und Korrektur tatsächlich Arbeitszeit übrig?
• Kann der Ablauf bei einem Fehler oder Ausfall ohne ungeprüfte KI-Ergebnisse fortgesetzt werden?

Quelle: Mittelstand-Digital: KI-Anwendungen in den Unternehmensalltag integrieren