Der wertvollste Satz, den ein technischer Partner sagen kann, lautet oft: „Dafür brauchen Sie keine KI." Er wird selten ausgesprochen, denn ihn zu sagen bedeutet, Arbeit abzulehnen. Wir halten ihn für genau den Satz, für den es sich zu zahlen lohnt, also lohnt es sich zu erklären, wann er gilt.
Die Demo ist nicht das Problem
Eine überzeugende Demo beweist, dass ein Modell einmal, unter von Ihnen gewählten Bedingungen, eine plausible Ausgabe erzeugen kann. Sie sagt fast nichts darüber aus, ob derselbe Ansatz gegen echte Eingaben, echte Grenzfälle und ein Unternehmen bestehen wird, das die Antwort meistens richtig braucht. Diese beiden zu verwechseln ist der teuerste Fehler, den wir sehen.
Drei Anzeichen, dass Sie zum falschen Werkzeug greifen
KI ist meist die falsche Antwort, wenn eines davon zutrifft:
- Das Problem ist deterministisch. Wenn es eine korrekte Antwort gibt, die eine Regel, eine Abfrage oder eine Formel liefern kann, fügt ein probabilistisches Modell nur Kosten und Unsicherheit hinzu.
- Sie können falsche Antworten nicht tolerieren und nicht prüfen. Wenn ein Fehler teuer ist und Sie keine günstige Möglichkeit haben, die Ausgabe zu überprüfen, kaufen Sie Risiko, keinen Hebel.
- Sie haben weder die Daten noch die Rückkopplungsschleife. Ein Modell, aus dem es nichts zu lernen gibt und das kein Signal liefert, wenn es abdriftet, ist eine als Vermögenswert verkleidete Verbindlichkeit.
Was stattdessen zu tun ist
Manchmal ist die ehrliche Empfehlung eine langweilige: eine gut platzierte Regel, eine sauberere Datenpipeline, eine bessere Schnittstelle oder schlicht die Korrektur des Prozesses, der das Problem erzeugt. Diese lassen sich weniger spektakulär verkünden und weitaus zuverlässiger betreiben. Wenn KI wirklich das richtige Werkzeug ist — und oft ist sie es —, übersteht ihr Nutzen diese Art der Prüfung mühelos.
Gutes Engineering beginnt damit, das Einfachste zu wählen, das das Problem löst. Genau darum geht es beim Discovery-Workshop: herauszufinden, wo sich KI lohnt, und dort klar zu sagen, wo nicht.