Mit Daten sprechen statt suchen – so hilft KI Ihrer Organisation

Man sucht zwar im Intranet, findet aber vielfach eine lange Liste von Resultaten, die wenig aussagekräftig sind. Die Folge? Wichtige Entscheidungen werden nach Bauchgefühl getroffen, statt faktenbasiert.

Der CEO macht Druck und sagt, das sei doch alles ganz einfach. Man müsse nur das CRM an die LinkedIn-Seite koppeln und mit den E-Mails von Ruedi abgleichen, dann wüsste man alles. Die Welt ist doch vielfach etwas komplexer, und wimmelt von unterschiedlichen Berechtigungen, Dateiformaten und dem Mangel an APIs.

Hier bietet sich nun eine einmalige Chance mit dem Einsatz von KI. Mittels einem KI-Layer können verschiedene, sehr heterogene Datenquellen einfach integriert werden. Ähnlich wie ein Mensch, schafft man es sowohl semantische wie auch syntaktische Unterschiede unterschiedlicher Systeme gut zu überbrücken. Die Kunst bei solchen Lösungen besteht in der Auswahl der passenden KI-Modelle (bspw. das neue Schweizer Modell versus eines bekannten Internationalen). Der KI-Layer abstrahiert diese komplexen Architekturen und stellt ein einfaches API intern zur Verfügung.

Die zweite Stärke von KI ist, dass Mitarbeitende mittels Chatbot in natürlicher Sprache ihre Anliegen, einfachen Aufgaben und Abfragen formulieren können. Was früher spezielle Kenntnisse in Datenbanksprachen wie SQL oder Expertensysteme wie BI-Lösungen bedingte, ermöglicht nun jedermann die Interaktion mit spezialisierten Quellsystemen.

Das ist wirklich ein wenig so, als würde man mit KI direkt mit Daten sprechen. Statt sich langwierig mit Formaten und speziellen Queries abzumühen, formuliert man nun ganz direkt im Chatbot – kurz statt “SELECT * FROM kunden INNER JOIN verkauf” fragt man “Wer hat in den letzten 12 Monaten Produkt X gekauft?”. ChatGPT macht’s vor, statt wie bei einer Google Suche zig Links zu erhalten, wird einem direkt auf eine spezifische Fragestellung geantwortet. Der grosse Unterschied ist, dass mit der Lösung von Panter auch firmeninterne Daten sicher, konform mit dem Schweizer Datenschutz und rechtlich abgesichert verwendet werden.

Technisch geschieht dies durch eine Wahl einer KI-Architektur, welche auf die Vorgaben und Gegebenheiten der jeweiligen Organisation Rücksicht nimmt. Mit der Wahl eines (oder mehreren) KI-Modellen steuert man die Genauigkeit der Antwort (man baut damit den Kontext auf, für den spezifischen KI-Einsatz). Wie in anderen Gebieten ist es stets ein Trade-Off zwischen Genauigkeit und Aufwand. In den meisten Fällen genügt bereits die Qualität zu erreichen, die man von einem Praktikanten erwarten darf.

Ein Proof-of-Concept (PoC) dauert oft nur eine Woche. Danach weiss man, was möglich ist, kann die Komplexität aller Datenquellen gut abschätzen und hat bereits erste Fragestellung «geprompted» (und getestet). Vor allem wird klar, wo der Mehrwert für die Organisation liegt und wie aufwändig die technisch und rechtlich korrekte Anbindung der wichtigsten Datenquellen ist. Innerhalb von zwei Monaten steht dann ein MVP, der bereit ist für den produktiven Einsatz und von Mitarbeiter*innen ohne Schulung genutzt werden kann. So lange dauert sonst nur der Rollout und die Schulungsphase einer gesamten BI-Lösung. Weitere Datenquellen lassen sich modular zuführen.

Im Pantobot haben wir genau diese Architektur selber umgesetzt und verwenden interne wie auch externe Datenquellen. Alle Mitarbeitenden haben darauf Zugriff und können dies in ihrer täglichen Arbeit einsetzen. Gerade im Projektmanagement, sehen wir hier grosse Erleichterungen der täglichen Arbeit, so sind z.B. Details der Zeiterfassung, Projektreporting und Requirements Engineering deutlich einfacher geworden. Das Feedback der Mitarbeiter*innen lässt sich grob wie folgt zusammenfassen: