KI-Lösungen für Unternehmen
UnderStack baut KI in konkrete Geschäftsabläufe ein: Daten aus Dokumenten auslesen, Fragen aus internem Wissen beantworten und wiederkehrende Schritte automatisieren, mit Cloud- oder lokalen Modellen und einem Menschen, der die Kontrolle behält.
Wenn Sie weitere Details besprechen möchten, finden wir gern einen passenden Termin.
01
KI ist dort nützlich, wo Menschen Stunden mit Arbeit verbringen, die sich wiederholt, aber für klassische Regeln nicht regelmäßig genug ist. Eine Buchhaltung tippt Lieferantenrechnungen ab, die in zwanzig Layouts eintreffen. Ein Versicherungs- oder Gutachterbüro liest lange Berichte, um dieselben zehn Angaben zu finden. Ein Supportteam beantwortet dieselben Fragen aus einem Handbuch, das niemand durchsuchen kann. Ein Vertrieb schreibt Angebote aus früheren Angeboten neu. Eine Küche überträgt Lieferscheine von Hand in den Lagerbestand. In all diesen Fällen kann ein Modell den ersten Durchgang übernehmen: lesen, auslesen, einordnen, entwerfen oder suchen. Der Mensch prüft und gibt frei. Wir bauen keine Chatbots, nur um einen zu haben. Wir suchen einen Ablauf mit messbarer Reibung und bauen die kleinste Automatisierung, die sie beseitigt.
02
Die meisten nützlichen KI-Systeme sind gewöhnliche Software mit einem Modell in ein oder zwei Schritten. Erst die Software darum herum, also Berechtigungen, Prüfbildschirme und Protokolle, macht sie im Arbeitsalltag sicher nutzbar.
03
Wo das Modell läuft, ist ebenso eine geschäftliche wie eine technische Entscheidung. Gehostete Modelle sind der schnellste Einstieg und eignen sich, wenn Inhalte Ihre Umgebung im Rahmen eines Auftragsverarbeitungsvertrags verlassen dürfen. Lokale Modelle laufen auf Ihren eigenen Rechnern oder Geräten, sodass Dokumente und Gespräche sie nie verlassen. Wir arbeiten mit beidem. UnderStack Code, unser Assistent für den Mac, führt lokale Modelle über Ollama aus und behält Chats und Dateien auf dem Rechner, und UnderStack Pocket AI ist auf die Ausführung direkt auf dem Android-Gerät ausgelegt. Bevor etwas gebaut wird, benennen wir, welche Daten wohin gesendet würden, damit die Entscheidung bei Ihnen liegt.
04
KI-Projekte scheitern, wenn sie bei der Technologie beginnen. Unsere beginnen bei einem Ablauf und echten Beispielen daraus.
05
Die Anwendung um das Modell herum wird wie unsere übrige Software mit React, TypeScript und Node.js gebaut, sodass eine KI-Funktion in einem bestehenden System leben kann statt in einem separaten Werkzeug. Modelle werden über eine API angesprochen oder laufen lokal mit Ollama. Drei Entscheidungen werden in jedem Projekt ausdrücklich getroffen. Erstens, was das Modell ohne Freigabe tun darf: In unseren eigenen Produkten warten Änderungen, Befehle und andere folgenreiche Aktionen auf den Nutzer. Zweitens, welche Daten es lesen darf: Zugriff wird je Quelle erteilt, nicht pauschal. Drittens, was protokolliert wird, damit ein automatischer Schritt später nachvollzogen werden kann. Das Modell selbst gilt als austauschbare Komponente, weil alle paar Monate bessere und günstigere erscheinen.
06
Sprachmodelle sind gut im Lesen, Zusammenfassen und Entwerfen und unzuverlässig bei exakter Arithmetik, bei Fakten, die ihnen nicht vorliegen, und darin, zu sagen, dass sie etwas nicht wissen. Ein gut entworfenes System arbeitet darum herum. Zahlen berechnet gewöhnlicher Code, Antworten stützen sich auf Ihre eigenen Dokumente mit Quellenangabe, und alles, was Daten ändert oder das Unternehmen verlässt, geht zuerst über einen Menschen. Braucht ein Ablauf eine Antwort, die jedes Mal ohne Prüfung stimmt, ist ein Modell das falsche Werkzeug und herkömmliche Software die bessere Wahl. Das sagen wir im ersten Gespräch und nicht erst nach dem Prototyp.
07
Ein KI-Projekt hat zwei Kostenanteile: den Bau der Automatisierung und den Betrieb des Modells. Der Bau hängt vom Ablauf, den Prüfbildschirmen und den Integrationen ab. Die Betriebskosten hängen vom Volumen ab und davon, ob das Modell gehostet oder lokal läuft. Weil der Prototyp zuerst mit Ihrem eigenen Material läuft, sehen Sie die Qualität und eine Schätzung der Betriebskosten, bevor Sie sich auf die vollständige Umsetzung festlegen. Wir veröffentlichen keine Preisspannen. Der Artikel zur KI-Automatisierung für europäische Unternehmen erklärt, wie man einen ersten Ablauf auswählt, und Sie erhalten ein Angebot, bevor die Arbeit beginnt.
Daten aus Dokumenten lesen und auslesen, eingehende Anfragen sortieren und weiterleiten, Antworten und Zusammenfassungen entwerfen und internes Wissen durchsuchen. Am besten funktioniert sie als erster Durchgang, den ein Mensch freigibt, nicht als unbeaufsichtigte Entscheidungsinstanz.
Nur wenn Sie sich für ein gehostetes Modell entscheiden, und dann wissen Sie vorab, welche Daten an wen gehen. Bei lokalen Modellen bleiben Dokumente und Gespräche auf Ihren eigenen Rechnern.
Nein. Die meisten Automatisierungen nutzen vorhandene Modelle und brauchen eine Reihe echter Beispiele zum Testen, keinen Trainingsdatensatz. Einige Dutzend repräsentative Dokumente reichen für einen ersten Prototyp.
Der Prototyp wird an Ihrem eigenen Material gemessen, einschließlich der Fälle, in denen er scheitert. Im Betrieb prüft ein Mensch das Ergebnis dort, wo ein Fehler Folgen hätte, und Ausnahmen werden protokolliert.
Das hängt vom Ablauf, den Integrationen und davon ab, ob das Modell in der Cloud oder lokal läuft. Wir beginnen mit einem Ablauf und einem Prototyp, was den ersten Schritt klein hält. Sie erhalten ein Angebot, bevor die Arbeit beginnt.
Oft ja. Hat das bestehende System eine API oder eine Datenbank, die wir erreichen können, kann die Automatisierung daraus lesen und dorthin zurückschreiben, sodass das Team im selben Werkzeug weiterarbeitet.
