Was KI im Betrieb wirklich abnimmt — zwei Beispiele

Über KI wird viel geredet und wenig gezeigt. Deshalb hier keine Aufzählung von Möglichkeiten, sondern zwei Abläufe, die wir beim Richemont Kompetenzzentrum in Luzern übernommen haben — einem Aus- und Weiterbildungszentrum für die Branche Bäckerei-Konditorei-Confiserie mit rund 80 Mitarbeitenden.

Beispiel 1: Tausende Bilder, die niemand beschriftet

Eine Organisation, die seit Jahrzehnten Kurse gibt, Fachartikel veröffentlicht und Wettbewerbe begleitet, sammelt Bilder an. Sehr viele. Das Problem ist nie das Speichern — Speicher ist billig. Das Problem ist das Wiederfinden.

Ein Bild ist für den Computer erst dann auffindbar, wenn jemand beschreibt, was darauf zu sehen ist. Genau diese Arbeit macht niemand gern, und bei einem gewachsenen Bestand macht sie niemand mehr nach. Die Folge kennt jeder Betrieb: Man weiss, dass es das Foto gibt, findet es aber nicht, und macht am Ende ein neues.

Heute läuft die Verschlagwortung automatisch: Neue Aufnahmen werden erkannt und beschrieben, ohne dass jemand tippt. Der Bestand ist damit nicht nur abgelegt, sondern durchsuchbar.

Beispiel 2: Rezepte, die zweimal erfasst wurden

Der zweite Fall ist noch handfester. Im Fachblatt erscheinen Rezepte — gesetzt, gestaltet, für den Druck gedacht. Dieselben Rezepte sollen anschliessend in der Rezeptdatenbank stehen, wo sich nach Zutaten filtern und Mengen umrechnen lassen.

Zwischen diesen beiden Zuständen lag Abtippen. Jemand las den gesetzten Text und übertrug Zutaten, Mengen und Arbeitsschritte in Felder. Nicht schwierig, aber langwierig — und fehleranfällig, weil sich bei einer Zahl schnell eine Stelle verschiebt.

Genau das ist eine Aufgabe, die eine KI gut kann: Aus fliessendem Text strukturierte Daten machen. Aus dem Rezept im Fachblatt werden Felder, die direkt in die Datenbank wandern.

Was die beiden Fälle gemeinsam haben

Es ist kein Zufall, dass ausgerechnet diese zwei Abläufe funktionieren. Sie teilen vier Eigenschaften — und wenn du in deinem Betrieb nach Kandidaten suchst, ist das die Liste, an der du prüfen kannst:

• Die Arbeit wiederholt sich und folgt jedes Mal demselben Muster.
• Sie ist nicht schwierig, sondern langwierig — es fehlt an Zeit, nicht an Können.
• Das Ergebnis lässt sich prüfen: Ob ein Rezept richtig übertragen wurde, sieht man auf einen Blick.
• Ein Fehler ist ärgerlich, aber nicht gefährlich. Niemand haftet dafür, dass ein Bild falsch verschlagwortet wurde.

Der letzte Punkt ist der wichtigste. Eine KI liegt gelegentlich daneben — das lässt sich nicht wegkonfigurieren. Wo ein Fehler teuer oder rechtlich heikel wäre, gehört sie deshalb nicht hin, oder nur mit einem Menschen, der gegenzeichnet.

Wovon wir abraten

Von allem, was mit «die KI könnte doch auch gleich…» anfängt und in einem Bereich landet, in dem eine falsche Antwort Geld oder Vertrauen kostet: Offerten kalkulieren, Rechnungen freigeben, verbindliche Auskünfte an Kunden geben. Nicht, weil es technisch unmöglich wäre, sondern weil der Prüfaufwand dann grösser ist als die eingesparte Arbeit.

Ebenso von Projekten, die mit dem Werkzeug beginnen statt mit dem Problem. «Wir wollen etwas mit KI machen» führt zuverlässig zu einer Lösung, die niemand benutzt. «Diese eine Sache nervt uns jede Woche» führt zu etwas, das nach zwei Wochen niemand mehr missen will.

Wie wir vorgehen

Wir suchen zuerst den Ablauf, nicht die Technik. Meist findet man ihn, indem man fragt, worüber sich jemand regelmässig ärgert — die Antwort kommt schnell und ist selten die, die man erwartet hat.

Dann wird klein angefangen: ein Ablauf, ein überschaubarer Umfang, ein Ergebnis, das sich vergleichen lässt. Bringt es nichts, hat es wenig gekostet. Bringt es etwas, ist der nächste Schritt offensichtlich — und wir bauen ihn dorthin, wo die Daten ohnehin liegen, statt ein weiteres System danebenzustellen.