KI für Entscheider | Teil 5: Nein, Ihre KI lernt nicht von selbst

Ein Sprachmodell lernt nichts aus seiner Nutzung: Es wird einmal trainiert, dann ausgeliefert, und danach verändert sich sein Wissen nicht mehr. Wer glaubt, ChatGPT lerne das eigene Geschäft kennen, wenn nur genug Mitarbeiter damit arbeiten, verschenkt Monate, in denen das Firmenwissen längst in ein System hätte fließen können.

Der Satz, der in fast jedem Gespräch fällt

„Wir lassen unsere Mitarbeiter ChatGPT nutzen. Damit lernt das System ja auch unser Geschäft kennen." Der Satz klingt plausibel. Er ist falsch, und das Missverständnis dahinter kostet Unternehmen Zeit, die sie nicht zurückbekommen.

In Teil 4 dieser Serie haben wir gezeigt, dass ein Sprachmodell zustandslos ist: Es merkt sich innerhalb eines Gesprächs nichts, die Software um das Modell herum reicht den Verlauf jedes Mal neu mit. Die häufigste Reaktion darauf lautete: „Gut, in einem einzelnen Gespräch merkt sie sich nichts. Aber im Großen lernt sie doch dazu, je mehr wir sie nutzen?"

Nein. Sie wird nicht besser. Sie kann nicht besser werden. Warum das so ist und was Sie stattdessen tun, wenn Ihr Unternehmenswissen in einer KI-Anwendung landen soll, klärt dieser Artikel.

Die Analogie: Lucy aus „50 erste Dates"

In der Komödie „50 erste Dates" hat Lucy Whitmore nach einem Autounfall eine besondere Form von Gedächtnisverlust. Tagsüber erlebt und lernt sie alles Mögliche. Sobald sie einschläft, ist es weg. Am nächsten Morgen wacht sie mit dem Wissensstand vom Tag des Unfalls auf, jeden Tag aufs Neue.

Ihr Freund Henry findet eine Lösung von entwaffnender Einfachheit. Er dreht ein Video, in dem alles Wichtige steht: wer sie ist, was passiert ist, wer zur Familie gehört, dass er ihr Freund ist. Jeden Morgen schaut Lucy das Video. Dann weiß sie, wo sie steht, und kann ihren Tag beginnen.

Das ist Ihre KI. Sie ist zwischen zwei Anfragen zustandslos, das war Teil 4. Sie ist außerdem über die Zeit eingefroren. Egal wie viele Menschen sie nutzen, wie oft sie korrigiert wird, wie viele Gespräche sie führt: Ihr inneres Wissen bleibt auf dem Stand, mit dem sie ausgeliefert wurde. Aber wie Lucy kann sie ihren Tag bestreiten, wenn ihr jemand das richtige Video zeigt.

Lernen und Trainieren sind zwei verschiedene Dinge

Das Wort „lernen" führt in die Irre. Ein Kind lernt nebenbei, durch Erfahrung, ständig. Ein Student lernt für eine Prüfung: konzentriert, zeitlich begrenzt, mit klarem Anfang und Ende. Bei KI ist die zweite Bedeutung gemeint, in einer extremen Form. Was dort „lernen" heißt, nennt sich technisch Training, und Training ist kein Hintergrundprozess. Es ist ein industrieller Großakt.

Rechenzentren voller Hochleistungs-Grafikkarten arbeiten wochen- oder monatelang an einer einzigen Aufgabe: Sie lesen einen riesigen Datensatz, bei den großen Modellen weite Teile des öffentlichen Internets, und stellen dabei die internen Parameter des Modells so ein, dass es statistisch sinnvolle Vorhersagen über Text trifft. Das ist keine Software, die etwas dazulernt. Das ist der Bauakt, der das Modell überhaupt erst entstehen lässt. Ist er abgeschlossen, wird das Modell versiegelt und ausgeliefert. Ab diesem Moment verändert sich nichts mehr.

Die Hersteller veröffentlichen die Kosten solcher Trainingsläufe nur bruchstückhaft. Sicher ist: Die Größenordnung entspricht einer Industrieanlage, nicht einer Softwarelizenz. Die Vorstellung, so etwas passiere nebenbei, weil Ihre Buchhaltung Rechnungen zusammenfassen lässt, ist damit erledigt.

Praktisch heißt das: Sie können ChatGPT beliebig oft erklären, dass ein Auftrag bei Ihnen „Order" heißt und die Marge anders berechnet wird. Das nächste Modell des Herstellers weiß davon nichts. Die nächste Person, die dasselbe fragt, bekommt die ursprüngliche Antwort.

„Aber Custom GPTs und Fine-Tuning?"

Technisch versierte Leser wenden hier ein, es gebe doch Custom GPTs und Fine-Tuning. Stimmt. Es lohnt sich aber, genau hinzusehen, was diese Mechanismen tun.

Custom GPTs und Assistenten verändern das Modell nicht. Sie geben ihm bei jeder Anfrage eine Anweisung mit: in diesem Stil antworten, diese Regeln einhalten, diese Dokumente nutzen. Das Modell bekommt einen besseren Notizzettel, sonst nichts.

Fine-Tuning ist tatsächlich eine Anpassung, aber kein Lernen durch Nutzung. Es ist ein kleines, gezieltes Nachtraining mit sorgfältig ausgewählten Beispieldaten. Es kostet Geld, dauert, verlangt technisches Können und liefert ein eigenes Modell, das danach wieder eingefroren ist. Für die meisten Aufgaben im Mittelstand ist es weder nötig noch der richtige Weg.

Retrieval-Augmented Generation (RAG) ist die heute übliche Methode, ein Modell mit Firmenwissen zu versorgen, und sie ist genau das, was Henry für Lucy macht. Das Modell lernt nichts. Stattdessen sucht die Anwendung bei jeder Anfrage in Ihrem Firmenwissen und gibt dem Modell die passenden Auszüge mit. Das Video, das die KI vor jeder Antwort schaut.

Keine dieser Methoden funktioniert nebenbei. Alle verlangen eine bewusst gebaute Anwendung mit Daten, Struktur und Pflege.

KI im Mittelstand konkret umsetzen heißt: Sie müssen Henry sein

Henry produziert das Video, und er pflegt es jeden Tag. Ein Geburtstag, ein neuer Nachbar, ein wichtiges Gespräch: Es kommt ins Video. Nicht Lucy lernt. Das Video wächst. Genau das ist Applied AI.

Ihr Video besteht aus strukturierten Daten, dokumentiertem Wissen und klaren Prozessen: die Kundendatenbank, der Produktkatalog, die interne Dokumentation, die Vertragsbedingungen, die Prozesshandbücher. Roh sind diese Daten so unbrauchbar wie ein ungeordneter Aktenschrank. Sie müssen aufbereitet, verknüpft und durchsuchbar gemacht werden, und es braucht eine Logik, die bei jeder Anfrage entscheidet, welche Auszüge gerade relevant sind. Das Modell bekommt dann Ihre Frage plus die passenden Stellen aus Ihrem Wissen und formuliert daraus eine Antwort, die zu Ihrem Unternehmen passt. Auf Basis Ihres aktuellen Stands, nicht des eingefrorenen Stands des Modells.

Was bringt KI meinem Unternehmen wirklich? Vier Konsequenzen

Die Hoffnung, ChatGPT lerne Sie kennen, ist eine Illusion. Das Modell wird Ihr Unternehmen nie kennenlernen, egal wie viele Mitarbeiter es wie lange nutzen. Das ist keine Frage von Geduld oder Datenmenge, sondern technisch ausgeschlossen.

Wenn eine KI Ihr Geschäft kennen soll, müssen Sie es ihr geben. Daten zugänglich machen, Wissen aufschreiben, Prozesse beschreiben. Was bisher im Kopf einer langjährigen Sachbearbeiterin steckt, muss in eine Form, die ein System nutzen kann.

Die Qualität Ihres Videos entscheidet über die Qualität der Anwendung. Das Modell selbst ist Massenware geworden. Den Unterschied machen die Daten und Strukturen, die Sie ihm zur Verfügung stellen. Wer das ernst nimmt, gewinnt einen Vorsprung, den kein Wettbewerber einfach lizenzieren kann.

Wissensaufbau ist eine Daueraufgabe. Neue Produkte, neue Kunden, neue Erkenntnisse müssen laufend eingepflegt werden. Wer einmal aufsetzt und liegen lässt, hat in kurzer Zeit ein veraltetes System, und eine KI mit veralteten Daten ist gefährlicher als gar keine.

Damit wird Wissensmanagement, das viele Unternehmen jahrelang vernachlässigt haben, plötzlich zur Datenquelle, aus der Ihre KI-Anwendungen ihre Qualität ziehen.

Fragen zur Selbstprüfung Ihrer KI-Strategie

Wo soll das Wissen Ihres Unternehmens für die KI liegen, und wer ist dafür verantwortlich, es dorthin zu bringen? Lautet die Antwort „die KI lernt das schon", haben Sie ein Problem. Lautet sie „wir bauen eine Wissensbasis, betreut von dieser Person, gespeist aus diesen Quellen", sind Sie auf dem richtigen Weg.

Wenn Sie einen Mitarbeiter mit jahrzehntelanger Erfahrung verlieren: Ist sein Wissen dokumentiert? „Wir arbeiten daran" und „wir machen ein Übergabeprojekt" sind gute Antworten. „Geht verloren" ist kein KI-Problem, sondern ein Geschäftsproblem.

Wie oft wird Ihr Firmenwissen aktualisiert, und nach welchem Prozess? Ohne klaren Pflegeprozess bauen Sie auf Sand.

Wie dataso Wissen für KI strukturiert

Wir bauen keine „KI-Anwendungen", sondern Wissenssysteme, in denen KI ein Baustein ist. Am Anfang steht deshalb nicht das Modell, sondern die Frage: Welches Wissen muss verfügbar sein, damit eine KI bei Ihnen sinnvoll arbeiten kann? Wo liegt es heute, wer pflegt es, wie kommt es in nutzbare Form? Erst danach kommt das Modell ins Spiel, austauschbar, auf europäischer Infrastruktur, mit klaren Zuständigkeiten für die Pflege.

Nehmen Sie sich Ihre wichtigste Wissensquelle vor, etwa die Angebotskalkulation oder das Servicewissen, und beantworten Sie die drei Fragen oben schriftlich. Wenn Sie dann wissen wollen, wie daraus ein Video für Ihre KI wird, bringen Sie das Blatt in den Potenzial-Check: eine halbe Stunde, kostenlos, und wir sagen Ihnen auch, wenn Ihr Wissen dafür noch nicht bereit ist. Potenzial-Check buchen