KI-Glossar

Ein Unternehmens-Cockpit bildet die Struktur eines Unternehmens ab und bündelt Telefon, E-Mail, Postfach und Formulare an einer Stelle. Darin übernehmen KI-Agenten wiederkehrende Aufgaben wie Anfragen, Angebote, Belege, Termine und Wissensfragen; das Team sieht alles auf einen Blick, steuert die Agenten und gibt frei. mysoftwarelab baut das Cockpit individuell und betreibt es als externes KI-Department.

Ein KI-Agent ist eine KI, die eine Aufgabe eigenständig von Anfang bis Ende bearbeitet – z. B. eine Kundenanfrage erfassen, ein Angebot vorbereiten oder einen Beleg zuordnen – statt nur Text zu generieren. Im Unternehmens-Cockpit arbeiten Agenten mit klaren Aufgaben, Übergaben und Freigaben: Agenten übernehmen Aufgaben, nicht Menschen.

Der KI-Reifegrad beschreibt, wie weit ein Unternehmen bei der Einführung und Nutzung von Künstlicher Intelligenz fortgeschritten ist. Typisch sind 5 Stufen: (1) Bewusstsein, (2) Experimente, (3) Piloten, (4) Skalierung, (5) KI-natives Unternehmen. Der Reifegrad bestimmt die richtige Einstiegsstrategie.

Eine KI-Roadmap ist ein strukturierter Zeitplan für die schrittweise Einführung von KI-Lösungen im Unternehmen. Sie umfasst Use-Case-Priorisierung, Ressourcenplanung, Meilensteine und KPIs. Eine typische KI-Roadmap für KMU hat einen Horizont von 12–24 Monaten.

KMU sind Unternehmen mit weniger als 250 Mitarbeitenden und einem Jahresumsatz unter 50 Millionen Euro (EU-Definition). In Deutschland zählen ca. 99 % aller Unternehmen zum Mittelstand. mysoftwarelab arbeitet mit Betrieben ab 20 Mitarbeitenden: Dort übernehmen KI-Agenten im Unternehmens-Cockpit die wiederkehrenden Aufgaben.

Prompt Engineering ist die Kunst, Anweisungen (Prompts) für KI-Systeme wie ChatGPT oder Claude so zu formulieren, dass sie konsistent hochwertige Ergebnisse liefern. Gut gestaltete Prompts können 80% der Qualitätsprobleme bei KI-Outputs lösen. Eine Schlüsselkompetenz für die KI-Einführung.

LLMs sind KI-Modelle, die auf riesigen Textmengen trainiert wurden und natürliche Sprache verstehen und generieren können. Bekannte LLMs: GPT-4 (OpenAI), Claude (Anthropic), Gemini (Google). Sie sind die technische Grundlage für Chatbots, Texterstellung, Code-Generierung und viele Automatisierungsprozesse.

Generative KI bezeichnet KI-Systeme, die neue Inhalte erstellen können — Text, Bilder, Audio, Video oder Code. Im Unternehmenskontext wird sie für Textautomatisierung, Bildgenerierung, Kundenkommunikation und Softwareentwicklung eingesetzt. Unterschied zu klassischer KI: erstellt statt nur analysiert.

Ein KI-Use-Case ist ein spezifischer Geschäftsprozess, der durch KI verbessert oder automatisiert werden kann. Beispiele: automatische Rechnungsverarbeitung, KI-Kundensupport, Predictive Maintenance, KI-gestützte Angebotserstellung. Die Identifikation geeigneter Use Cases ist der erste Schritt jeder KI-Einführung.

Der ROI misst das Verhältnis von Gewinn zu Investitionskosten. Bei KI-Projekten typisch: initiale Investition (Beratung + Implementierung) vs. laufende Einsparungen (Zeitersparnis, Fehlerreduktion, höhere Conversion). Unsere Kunden erzielen typisch 60–80% Kosteneinsparung in automatisierten Bereichen bei ROI-Realisierung nach 6–14 Monaten.

Ein KI-Pilotprojekt ist ein zeitlich begrenzter, kontrollierter Ersttests einer KI-Lösung in einem Unternehmen. Ziel: Machbarkeit prüfen, ROI messen und Akzeptanz testen — bevor die vollständige Skalierung startet. Typische Laufzeit: 4–8 Wochen. Wichtig: klare Erfolgskriterien definieren.

Change Management beschreibt alle Maßnahmen, die Mitarbeitende bei der Einführung neuer Technologien begleiten. Bei KI-Projekten besonders wichtig: Angstabbau ("KI nimmt meinen Job"), Schulung, klare Kommunikation und frühzeitige Einbindung. 70% aller KI-Projekte scheitern nicht an der Technik, sondern am Change Management.

Prozessautomatisierung bedeutet, wiederkehrende manuelle Aufgaben durch Software oder KI zu ersetzen. KI-Automatisierung geht über klassische RPA hinaus: sie kann unstrukturierte Daten verarbeiten, natürliche Sprache verstehen und kontextabhängig entscheiden. Typische Einsparung: 60–80% der manuellen Bearbeitungszeit.

Der EU AI Act ist die weltweit erste umfassende KI-Regulierung, die im August 2024 in Kraft trat. Er klassifiziert KI-Systeme nach Risikostufen (unakzeptabel, hoch, begrenzt, minimal) und schreibt Anforderungen für Transparenz, Dokumentation und menschliche Aufsicht vor. Für KMU ab 2025 relevant.

KI-Governance umfasst alle Regeln, Prozesse und Strukturen, die den verantwortungsvollen Einsatz von KI im Unternehmen sicherstellen. Dazu gehören: Datenqualitätssicherung, Bias-Erkennung, Audit-Trails, Compliance mit EU AI Act und interne KI-Richtlinien. Grundlage für vertrauenswürdige KI.

Predictive Maintenance nutzt KI und Sensordaten, um Maschinenausfälle vorherzusagen, bevor sie eintreten. Typisch in der Fertigung: Reduktion ungeplanter Stillstände um 40–60%, Verlängerung der Maschinenlebensdauer um 20–30%. Besonders relevant für Maschinenbau-KMU.

RAG ist eine KI-Architektur, die LLMs mit einer eigenen Wissensdatenbank verbindet. Das Ergebnis: ein KI-System, das auf Basis Ihrer eigenen Dokumente, Handbücher oder Produktdaten antwortet — ohne Halluzinationen. Häufig genutzt für interne Wissensdatenbanken und Kunden-Chatbots.