Was ein Auftraggeber eines KI-Expertensystems wissen muss.

Die Arbeit mit Text und der Semantik von Sprache ist heute auch die Aufgabe eines IT-Ingenieurs. Denn wir sind in den Bereich intelligenter Technologien eingetreten. Und nun gibt es ingenieurwissenschaftliche Methoden sowohl für die Arbeit mit Sprache als auch mit kognitiven Operationen des Menschen.

25 Jul 2026 6 Minuten Lesezeit aktualisiert am: 26 Jul 2026

Was ein Auftraggeber eines KI-Expertensystems wissen muss.

English version of this publication.

Русская версия этой публикации.

Es ist offensichtlich, dass diese Art der Arbeit mit Geschäftsprozessen diese stärker "aufdeckt" als jede Stellenbeschreibung. Es werden zur Diskussion und Einsicht gebracht, welche Optimierungen sich aus den Prozessen ergeben, immer wieder. Manchmal werden sogar Dienstdokumente erstellt, die Prozesse und Daten beschreiben, die zuvor nur im Kopf des Personals existierten.

Es ist kein großes Geheimnis, dass alle Unternehmen eine Vorstellung von einem "wünschenswerten" und einem "unerwünschten" Kunden haben. Für Softwareentwickler mit innovativen Komponenten gibt es auch eine besondere Vorstellung: vom "besten Kunden". Wir haben ihn aus der Tatsache abgeleitet, dass unsere Branche schwer verständlich ist. Denn genau deshalb haben wir uns verpflichtet, für alles verständliche Erklärungen zu finden und vor allem sicherzustellen, dass diese Erklärungen sinnvoll mit den realen Problemen von Auftraggebern und Nutzern verbunden sind. Dann werden nicht nur die Verwaltung und Kontrolle der eigenen Software im eigentlichen Sinne des Eigentümers zugänglich sein, sondern auch die Frage der Verantwortungsaufteilung für das Ergebnis wird automatisch gelöst: Es wird klar, wie genau die Lösungen ausgewählt wurden und wie sie sich auf das Geschäft auswirken, und welche ihre "Kosten" in allen Bereichen sind.

Einer dieser "besten" Kunden befasste sich intensiv mit dem Entwicklungsprozess eines KI-Expertensystems für sein Unternehmen. Für ihn war die Perspektive, nicht nur Routineaufgaben zu automatisieren, sondern auch den Entscheidungsprozess auf Expertenebene an den Computer zu delegieren, sehr interessant, da sie zahlreiche Vorteile bietet und seinen Experten im Bereich Bildungslösungen Zeit verschafft, um an der Entwicklung neuer Ansätze in untypischen Situationen zu arbeiten.

Wir haben dem Kunden eine Beschreibung des Entwicklungsprozesses des KI-Expertensystems zugesandt. Wir haben versucht, den Interaktionsprozess unseres Teams mit den Experten des Kundenunternehmens detailliert und so einfach wie möglich zu beschreiben.

Was sind denn diese starke KI - Experten Systeme?

Ingenieure verfügen nicht nur über Technologien und Werkzeuge für die Programmierung, sondern auch über ein vollständiges Set an Technologien und Werkzeugen, um komplexe kognitive Prozesse im Kopf eines Experten explizit darzustellen, wenn er eine Entscheidung in seinem Fachgebiet trifft. Gerade diese Arbeit mit Sprache und Denken unter Verwendung leistungsstarker KI-Werkzeuge ermöglicht es, die kognitiven Prozesse im menschlichen Gehirn präzise an die Maschine zu übertragen. Es wirkt wie Magie, wenn die Maschine dasselbe tut und ohne die Halluzinationen, die uns derzeit von neuronalen Netzen "erfreuen". Der menschliche Experte trifft seine Entscheidungen nicht nur auf der Grundlage von Überlegungen, sondern sammelt auch sofort alle wichtigen situativen Kontexte in eine ganzheitliche, umfassend abgewogene Entscheidung. Aber um diesen kognitiven Prozess bis ins kleinste Detail zu zerlegen und auf der Basis maschineller Logik und einer Hierarchie kleiner, oft widersprüchlicher Beiträge zusammenzustellen, ist viel Arbeit erforderlich. Das haben wir beschrieben, um dem Kunden zu zeigen, wie es funktioniert. Dabei funktioniert es präzise, fehlerfrei und es besteht jederzeit die Bereitschaft zur Anpassung durch den menschlichen Experten, falls sich etwas in der Zusammensetzung der Lösung selbst oder unter den aktuellen Umständen ändert.

Sie wissen, dass unser Motto nicht nur darin besteht, die geschäftlichen Implikationen technischer Lösungen darzulegen, sondern auch IT zu demystifizieren. Und zu unserer Überraschung sagte unser bester Kunde, er sei "nicht ausreichend vorbereitet", um das zu tun, was wir beschreiben, weil ihm... die Qualifikation fehle!

Das war unser epischer Fehlschlag! Und unser Kunde bestätigte im Wesentlichen einmal mehr seine "Qualifikation" als bester Kunde. Er wollte vor der Entwicklung von Software genau verstehen, was in dem Prozess von ihm erwartet wird.

Wir holten tief Luft und erkannten, wo das Missverständnis lag. In unserer Zeit ist es üblich, dass Entwickler über Datenbanken, Speicher, Dateisysteme, UX usw. sprechen, und viele Softwarekunden sind mit branchenspezifischen Begriffen gut vertraut, aber noch niemand ist daran gewöhnt, dass auch Sprache, Denken und Entscheidungsfindung Dinge sind, an denen ein Ingenieur arbeitet. Er findet Muster, konstruiert den Pfad der Operationen mit Konzepten, die Logik des Denkens, das Modell des "Verstehens" der Situation. Unser Kunde schrieb diese Dinge automatisch in seine Verantwortungszone. Er dachte, er und seine Mitarbeiter müssten diese Arbeit selbst leisten und uns Ergebnisse liefern, die wir dann programmieren würden.

Wir sind in eine neue technologische KI-Realität eingetreten, aber unsere Einstellungen haben sich noch nicht geändert. Wie zuvor wird von menschlichen Experten jedoch nichts erwartet, was über ihr eigenes Wissen und ihre Ausbildung hinausgeht. Alle Methoden zur Erforschung kognitiver Prozesse liegen in den Händen von IT-Ingenieuren. Und tatsächlich sind Programmiersprachen auch... Sprachen. Mit ihren eigenen eingebauten Regeln und Kontexten. Man kann mit menschlichen Sprachen genauso arbeiten. Aber das Wichtigste ist, dass der sprachliche Inhalt nicht nur verständlich gemacht wird, sondern auch in zuverlässige ingenieurwissenschaftliche Lösungen zur Bearbeitung einbettet.

Welchen Datensatz benötigt man bei der Entwicklung eines KI-Expertensystems?

Alle, die KI in ihrem Unternehmen einsetzen möchten, sind mit dem Problem großer Datenmengen über lange Zeiträume konfrontiert, die für das Training von KI-Modellen erforderlich sind.

Die gute Nachricht ist, dass die Entwicklung von Expertensystemen, die auf Ansätzen einer starken KI basieren und bei denen Sprachmodelle lediglich eine unterstützende Rolle spielen, keine großen Datenmengen erfordert.

Benötigt werden aktuelle Daten, die im Zuge der Entwicklung des Expertensystems (ES) erhoben werden. Die Datenerfassung folgt dabei anderen Prinzipien als das Training herkömmlicher KI, da die Priorität auf den kontextuellen Zusammenhängen liegt, die für die Lösung der spezifischen Aufgaben dieses Expertensystems entscheidend sind.

Das Ziel der Datenerfassung für ein ES besteht darin, die am häufigsten auftretenden Situationen abzudecken, die eine Expertenentscheidung erfordern. In der Testphase wird lediglich ein kleiner Datensatz für etwaige Optimierungen benötigt.

Sie müssen keine Daten über zehn Jahre hinweg sammeln und speichern. Zudem stellen die Prinzipien der Datenorganisation oft selbst ein Hindernis bei der Lösung konkreter Fragestellungen in realen Prozessen dar.

Nicht unerheblich ist zudem, dass die Gewährleistung der Sicherheit sensibler Daten in großen Datensätzen einen erheblichen Aufwand an Ressourcen erfordert. Daten zur Erstellung von Expertensystemen lassen sich hingegen leicht anonymisieren.

Wie sammelt man Daten für die Arbeit eines KI-Expertensystems?

Wird der Arbeitsplatz des Experten leiden, wenn ein KI-Expertensystem implementiert wird?

Wie wählt man aus, welche Entscheidungen einem KI-Expertensystem übergeben werden sollen?

Wie viel Zeit wird das Expertenpersonal des Auftraggebers aufwenden müssen, um seine kognitiven Prozesse an die Entwickler des KI-Expertensystems zu übertragen?

Tags: businessanalyse technologie ingenieurwesen lösungen business entscheidungsgrundlagen ki markt trends expertise geschäft geschäftsanalyse künstliche intelligenz experten automatisierung expertensysteme marktphasen software