Nachrichtenarchiv

Ein Kundenservice-Assistent läuft seit einem halben Jahr zuverlässig. Niemand im Unternehmen hat etwas verändert, weder am Programmcode noch an den Anweisungen für das Modell. Trotzdem häufen sich die Beschwerden. Die Antworten sind nicht falsch, aber sie treffen den Ton nicht mehr, lassen Details aus und verweisen gelegentlich auf Regelungen, die es so nicht gibt. Der Grund liegt nicht im Betrieb, sondern beim Anbieter, der das zugrundeliegende Modell im Hintergrund aktualisiert hat. Aufgefallen ist die Verschlechterung erst über die Beschwerden. Gemessen hat sie niemand. In der klassischen Softwareentwicklung wäre das schwer vorstellbar. Dort gibt es Testsuiten, die bei jeder Änderung durchlaufen und Alarm schlagen, bevor ein Fehler den Kunden erreicht. Bei KI-Anwendungen fehlt dieses Sicherheitsnetz in den meisten Betrieben noch vollständig. Genau diese Lücke schließt das, was man als semi-automatische Evaluation beschreiben kann und was in der Fachliteratur meist unter hybrider Evaluation oder Human-in-the-Loop-Evaluation läuft.

Ihr möchtet bei der UIG-Tagung 2026 dabei sein, könnt am 24. September aber nicht nach Karlsruhe kommen? Ab sofort gibt es auch Online-Tickets für die Tagung. Damit könnt Ihr die Beiträge des Konferenztags auch aus der Ferne verfolgen.

Die meisten KI-Werkzeuge der vergangenen Monate hatten ein gemeinsames Versprechen: Sie erledigen Arbeit. Die Projekte, die diese Woche auf GitHub im Trend liegen, verschieben den Schwerpunkt – sie machen Wissen zugänglich. Ein Werkzeug zeichnet aus einem gewachsenen Softwaresystem eine nachprüfbare Architekturkarte, ein zweites verwandelt Fachinhalte in einen interaktiven Kurs mit sprechenden KI-Dozenten, ein drittes sagt aus historischen Zahlen die Zukunft voraus, ohne trainiert werden zu müssen, und ein viertes zeigt Schritt für Schritt, wie ein Sprachmodell überhaupt entsteht.

Die Diskussion um Künstliche Intelligenz (KI) wird oft von großen Tech-Konzernen und deren Cloud-Anwendungen dominiert. Doch auch kleine und mittelständische Unternehmen (KMU) in Deutschland stehen vor einer sehr praktischen Frage. Wo landen eigentlich unsere Daten, wenn wir KI im Arbeitsalltag einsetzen?