KI auf den eigenen Daten: Warum ein öffentlicher Assistent nicht reicht

Was ein öffentlicher Assistent kann, und was nicht

Die Einführung generativer KI in deutschen Unternehmen verlief ungewöhnlich schnell, weil sie ohne Projekt auskam. Es genügte, eine Website zu öffnen. Innerhalb weniger Monate wurde aus einer Neuheit ein Alltagswerkzeug: für Textentwürfe, Übersetzungen, Zusammenfassungen, erste Ideen.

Diese Werkzeuge sind gut in dem, wofür sie gebaut sind. Sie beherrschen Sprache und allgemeines Weltwissen. Was sie nicht haben, ist der Zugriff auf das, worauf im Unternehmen tatsächlich Entscheidungen beruhen: Aufträge, Kalkulationen, Verträge, Bestände, Kundenhistorien, Reklamationen.

Der Unterschied wird an der Art der Fragen deutlich. „Formuliere eine Absage an einen Lieferanten“ beantwortet ein öffentlicher Assistent gut. „Welche unserer Projekte im letzten Halbjahr lagen mehr als zehn Prozent über der kalkulierten Zeit, und was hatten sie gemeinsam?“ kann er nicht beantworten. Nicht, weil das Modell zu schwach wäre, sondern weil ihm die Daten fehlen.

Genau diese zweite Sorte Fragen ist die geschäftlich relevante. Und genau dort beginnt der Unterschied zwischen einem allgemeinen Werkzeug und einem, das im eigenen Betrieb etwas bewegt.

Wie ein Assistent auf eigenen Daten arbeitet

Hier hält sich ein Missverständnis, das viele Diskussionen unnötig kompliziert macht. Verbreitet ist die Vorstellung, man müsse einer KI die Firmendokumente „beibringen“, also das Modell mit den eigenen Daten trainieren.

So funktioniert es in der Praxis nicht, und zwar aus guten Gründen. Antrainiertes Wissen veraltet mit jeder Preisänderung. Es liefert keine Quellenangabe, die Antwort bleibt also unüberprüfbar. Und es lässt sich nicht nach Personen einschränken: Was einmal im Modell steckt, steckt für alle darin.

Der übliche Weg ist ein anderer und lässt sich in einem Bild fassen. Der Assistent lernt nicht auswendig vor der Prüfung. Er schreibt die Prüfung mit aufgeschlagenem Handbuch.

Praktisch heißt das: Zu jeder Frage sucht das System zuerst in den Systemen des Unternehmens die passenden Stellen heraus, in Tabellen, Dokumenten, Kennzahlen. Diese Stellen legt es dem Sprachmodell zusammen mit der Frage vor. Das Modell formuliert die Antwort ausschließlich daraus und nennt, worauf sie beruht.

Zwei Konsequenzen folgen daraus, und beide wiegen schwerer als jede technische Einzelheit.

Erstens ist jede Antwort überprüfbar. Wer der Zahl nicht traut, klickt auf die Quelle. Das ist der Unterschied zwischen einem interessanten Werkzeug und einem, auf dessen Basis jemand einen Preis verhandelt.

Zweitens ist die Qualität der Antwort eine Frage der Datenbasis, nicht des Modells. Wenn dieselbe Kennzahl in drei Systemen unterschiedlich definiert ist, kann kein Assistent der Welt eine verbindliche Antwort geben. Er wird dann eine der drei Varianten wählen und plausibel formulieren. Geordnete, vereinheitlichte Daten sind deshalb keine Vorstufe des KI-Vorhabens. Sie sind sein Inhalt.

Jeder sieht genau das, was er sehen darf

Ein Punkt entscheidet darüber, ob ein Assistent auf Unternehmensdaten breit eingesetzt werden kann: Er muss denselben Regeln folgen, die im Unternehmen ohnehin gelten.

Das Prinzip ist einfach. Der Assistent arbeitet immer im Namen der Person, die gerade fragt. Er sieht genau das, was diese Person auch sonst sehen darf, und nichts darüber hinaus. Eine Vertriebsleitung fragt nach den Zahlen und bekommt ihren Bereich. Die Geschäftsführung stellt dieselbe Frage und bekommt das Gesamtbild. Beide nutzen dieselbe Anwendung, dieselbe Datenbasis und dieselbe Kennzahlendefinition.

Damit das verlässlich funktioniert, liegen die Berechtigungen an einer Stelle und nicht in jedem System einzeln. Sie werden aus der bestehenden Benutzerverwaltung übernommen, wirken bis auf die einzelne Datenzeile und greifen unabhängig davon, ob jemand einen Bericht öffnet, ein Dashboard aufruft oder eine Frage in normaler Sprache stellt. Wer die Rolle wechselt, sieht ab dem nächsten Tag den passenden Ausschnitt. Niemand muss daran denken, und niemand muss dafür eine zweite Auswertung pflegen.

Das ist der Grund, warum geregelte Zugriffe und KI zusammengehören. Sie sind keine Bremse für den Einsatz, sondern die Bedingung dafür, dass ein Assistent überhaupt allen Fachbereichen zur Verfügung gestellt werden kann. Wo die Rechte sauber hinterlegt sind, muss der Kreis der Nutzer nicht klein gehalten werden, und Daten können im ganzen Unternehmen verfügbar sein, ohne dass jemand die Kontrolle darüber verliert.

Was es bringt

Der Nutzen zeigt sich an zwei Stellen, und beide sind im Mittelstand gut bekannt.

Die erste ist der Wissenstransfer. In vielen Unternehmen hängt entscheidendes Wissen an einzelnen Personen: Der Controller, der die Fallstricke eines Auftragstyps kennt. Die Disponentin, die weiß, welcher Lieferant im Sommer unzuverlässig wird. Der Servicetechniker, der eine Störung an drei Sätzen im Protokoll erkennt. Dieses Wissen steckt zu großen Teilen bereits in den eigenen Systemen, in alten Aufträgen, Angeboten und Einsatzberichten. Es ist nur nicht auffindbar. Ein Assistent auf diesen Daten macht es abrufbar, und zwar besonders für die, die es am dringendsten brauchen: Neue Mitarbeitende und Vertretungen.

Die zweite ist der Zugang. Heute führt der Weg zu einer Auswertung meist über eine Anfrage an die IT oder das Controlling, über einen Export und über einige Tage Wartezeit. Nicht selten ist die Frage bis dahin nicht mehr aktuell. Wird sie stattdessen in normaler Sprache gestellt und in Sekunden beantwortet, verändert das nicht nur die Geschwindigkeit, sondern die Art der Fragen. Es wird nachgehakt. Es wird ausprobiert. Wer eine Vermutung hat, prüft sie, statt sie zu behalten.

Das ist der eigentliche Effekt: Datenarbeit verlässt den Kreis weniger Spezialisten und wird zum Werkzeug für weite Teile des Unternehmens.

Fazit

Die Frage ist nicht mehr, ob im Unternehmen mit KI gearbeitet wird. Sie wird bereits genutzt, in vielen Unternehmen jedoch ohne jeden Bezug zu den eigenen Daten.

Die eigentliche Frage lautet, ob diese Nutzung auf einer Datenbasis stattfindet, die dem Unternehmen gehört, geordnet ist und deren Zugriffe geregelt sind. Erst dann beantwortet ein Assistent die Fragen, die im Betrieb wirklich zählen, und erst dann sind seine Antworten belastbar genug, um Entscheidungen darauf zu stützen.

Der Weg dorthin führt nicht über das Modell, sondern über die Daten. Das ist die unbequeme und zugleich beruhigende Nachricht: Die Arbeit, die dafür nötig ist, zahlt auf Berichtswesen, Datenqualität und geregelte Zugriffe ohnehin ein. Sie wäre auch ohne KI richtig gewesen.