Die Entwicklung von KI schreitet rasch voran und immer mehr Schweizer Unternehmen integrieren KI-Technologien in ihre bestehenden internen Prozesse.
Gemäss einer Umfrage der Handelszeitung, gaben 97% der befragten Führungskräfte an, dass die Integration von KI in Geschäftsprozesse unerlässlich sei.
Mit dem Fortschritt der KI wachsen auch die Fähigkeiten von KI-Assistenten. Sie übernehmen komplexe Aufgaben und werden für Unternehmen zu wertvollen Tools, um Prozesse zu optimieren und datenbasierte Entscheidungen zu treffen.
So leistungsfähig ChatGPT, Gemini, Meta AI, und Claude auch sind – für unternehmensspezifische Herausforderungen, sensible Daten und massgeschneiderte Workflows sind sie oft nicht ausgelegt. Eine Marktstudie der HWZ bestätigt, dass häufig unternehmensspezifische Lösungen fehlen, die auf selbst trainierten Modellen und eigenen Daten basieren.
Deshalb werden firmenspezifische KI-Lösungen immer interessanter. Sie sind genau auf die Herausforderungen, Daten und Ziele eines bestimmten Unternehmens zugeschnitten. Das klingt vielversprechend, oder? Ist es auch. Sie eröffnen nämlich enorme Chancen, die von Effizienzsteigerungen bis hin zu neuen, innovativen Kundenangeboten reichen.
Für Entscheidungsträger und Führungskräfte im IT-Bereich stellt sich damit nicht nur die Frage nach dem Ob, sondern vor allem nach dem Wie. Wie lassen sich solche Lösungen strategisch sinnvoll verankern, technologisch sauber umsetzen und nachhaltig weiterentwickeln?
In diesem Artikel zeigen wir, wie wir bei Panter die individuelle KI-Lösung Pantobot selbst realisiert haben und welche wichtigen Learnings wir dabei gewonnen haben.
Eine KI, die unser Unternehmen wirklich versteht
Die Idee für eine eigene KI-Lösung entstand aus mehreren Bedürfnissen und Zielen:
- Interne Innovation: Der Prozess begann mit einem Entwurf, der Claudio Romano entwickelt hat. Dieser Prototyp diente als Grundlage, auf der weitere Mitarbeitende aufbauen konnten.
- Nutzerfreundliche Interaktion: Ein Conversational Interface, wie man es von ChatGPT kennt, eignet sich hervorragend, um intuitiv mit Daten zu interagieren. Daher entschieden wir uns für eine auf Panter zugeschnittene Chat-Lösung.
- Strategische Neuausrichtung: Wir wollten unsere Positionierung im Bereich der KI-Entwicklung stärken, insbesondere im Hinblick auf die bevorstehenden Swiss {ai} Weeks.
Die zentralen Herausforderungen, die wir mit dem Pantobot angehen wollten, waren:
- Wissensmanagement optimieren: Verstreutes oder schlecht dokumentiertes Wissen sollte zentral und einfach zugänglich gemacht werden.
- Systemzugriffe vereinfachen: Der Zugriff auf verschiedene interne Systeme sollte über eine einzige Schnittstelle möglich sein.
- Daten verknüpfen: Der Bot sollte in der Lage sein, Informationen aus unterschiedlichen Quellen zu ziehen und miteinander zu verbinden.
So funktioniert der Pantobot
Für die Entwicklung des Pantobots haben wir auf einen modernen und flexiblen Technologie-Stack gesetzt:
- Fundament: Als Basis dient eine Next.js-Applikation, die eine moderne und solide Grundlage für Webanwendungen bietet.
- Herzstück der KI: Mit dem AI SDK von Vercel können verschiedene KI-Modelle flexibel eingebunden werden. Unser Pantobot arbeitet aktuell je nach Anforderung mit ChatGPT, Llama 3, DeepSeek und Google Gemini.
- Datenquellen: Aktuell ist der Pantobot mit unserem GitLab und unserem internen Zeiterfassungssystem verbunden. Zukünftig sollen weitere Quellen wie Google Chats, Google Drive, Notion und unsere Website integriert werden. Als kleine, aber unterhaltsame Spielerei haben wir auch Spotify angebunden: Der Bot kann auf Zuruf Songs suchen, abspielen oder pausieren.
Flexible Integration in bestehende IT-Systeme
Darüber hinaus lässt sich der Pantobot als eigenständiges Chat-Interface nahtlos in bestehende Systemlandschaften integrieren. Die Architektur ist so konzipiert, dass Chatoberfläche und Dateninteraktion voneinander entkoppelt sind. Dadurch können unternehmensspezifische Datenquellen, semantische Suchsysteme oder RAG-Pipelines modular angebunden werden.
Im Gegensatz zu vielen herkömmlichen Lösungen ermöglicht unsere KI-Lösung eine besonders enge Verzahnung mit den eingebundenen Daten. Zudem können interaktive Widgets direkt in die Benutzeroberfläche integriert werden: Dokumente lassen sich so im Chat nicht nur anzeigen, sondern auch unmittelbar bearbeiten oder kommentieren.
Der Pantobot ist somit ein Beispiel dafür, wie wir mithilfe der flexiblen, interaktiven und erweiterbaren Architektur massgeschneiderte, KI-gestützte Systeme realisieren können.
Was du vor deinem nächsten KI-Projekt wissen solltest
Die Entwicklung des Pantobots war ein lehrreicher Prozess. Unsere wichtigsten Erkenntnisse, die sich auch auf andere KI-Projekte übertragen lassen, haben wir hier zusammengefasst:
Learning 1: Eine gute Idee ist schnell validiert, der Teufel steckt im Detail
Ein initialer Proof of Concept (PoC) ist dank moderner KI-Frameworks oft schnell umgesetzt. Unsere Erfahrung zeigt jedoch eine klare 80/20-Regel:
- 20% der Zeit fliessen in den ersten PoC, um die Machbarkeit zu beweisen
- 80% der Zeit sind jedoch für das eigentliche Projekt notwendig, das nach dem PoC folgt. Diese Phase umfasst Schritte, wie die robuste Implementierung, die Anbindung an Live-Daten, Testing und die Sicherstellung der Stabilität.
Learning 2: KI lebt von hochwertigen Daten
Ohne qualitativ hochwertige und relevante Daten kann auch die beste KI-Lösung ihr Potenzial nicht entfalten. Zwei Aspekte sind hier entscheidend:
- Datenqualität: Die Genauigkeit, Vollständigkeit und Konsistenz der Daten sind fundamental.
- Datenverfügbarkeit: Die benötigten Daten müssen zugänglich sein. Oft müssen zuerst Datensilos im Unternehmen aufgebrochen werden.
Learning 3: Ein agiles Vorgehen und kontinuierliche Wartung sind Pflicht
KI-Projekte sind keine Einmal-Projekte. Wir setzen konsequent auf agile Entwicklung:
- Iteratives Vorgehen: Wir beginnen mit einem Prototypen oder einem Minimum Viable Product (MVP) und erweitern die Funktionalität schrittweise basierend auf Nutzerfeedback.
- Monitoring und Wartung: KI-Modelle müssen kontinuierlich überwacht werden, da sich Daten ändern und die Performance verändern kann. Regelmässiges Retraining und die Anpassungen an neue Modellversionen (z.B. ein Upgrade von GPT-4 auf ein mögliches GPT-5) sind unerlässlich. Hierfür braucht es automatisierte Tests, um sicherzustellen, dass der Bot weiterhin korrekte und konsistente Antworten liefert.
Auf Basis der Entwicklung von Pantobot haben wir ein umfassendes Leistungsangebot erstellt, mit dem wir Unternehmen beim Einstieg in die produktive Nutzung von KI unterstützen.
Was bringt eine firmenspezifische KI-Lösung?
Massgeschneiderte KI-Lösungen wie der Pantobot schaffen in zahlreichen Unternehmensbereichen einen konkreten Mehrwert:
- Zentralisiertes Wissensmanagement: KI-gestützte Chatbots können verstreutes Wissen zugänglich machen und das Know-how über einzelne Mitarbeitende hinaus im Unternehmen bewahren.
- Effiziente Prozessautomatisierung: Durch die Automatisierung von Routineaufgaben und Workflows werden Betriebskosten gesenkt und Mitarbeitende entlastet.
- Gezielte Innovationsförderung: Der Einsatz moderner Technologien schafft nicht nur Wettbewerbsvorteile, sondern motiviert auch Teams, kontinuierlich an neuen, kreativen Ideen zu arbeiten.
Fazit: Der Weg zur eigenen KI-Lösung ist machbar und lohnenswert
Die Entwicklung einer firmenspezifischen KI-Lösung ist eine strategische Investition, die weit über eine technologische Spielerei hinausgeht. Unser Pantobot zeigt, wie durch die intelligente Verknüpfung von internen Daten und modernen Sprachmodellen echte Mehrwerte geschaffen werden – von optimiertem Wissensmanagement bis hin zur Effizienzsteigerung.
Der Weg dorthin erfordert eine klare Strategie, ein agiles Vorgehen und einen starken Fokus auf die Qualität und Verfügbarkeit von Daten.
Haben Sie ein eigenes KI-Projekt im Kopf oder möchten Sie herausfinden, wie eine massgeschneiderte KI-Lösung Ihr Unternehmen voranbringen kann? Kontaktieren Sie uns für eine unverbindliche Beratung.
