KI-Automatisierung für Installationsbetriebe

Das hängt vom Anwendungsfall ab, und wir messen es, bevor etwas live geht. Bei Klassifikation eingehender Nachrichten liegen gut gebaute Systeme regelmäßig über neunzig Prozent. Entscheidend ist nicht die Quote allein, sondern was bei einem Fehler passiert — deshalb bauen wir immer eine Prüfschwelle ein.

Nein. Anders als beim klassischen maschinellen Lernen reichen für die meisten Anwendungsfälle ein paar Dutzend gute Beispiele, weil das Sprachmodell die Sprachkompetenz schon mitbringt.

Normale Automatisierung folgt festen Regeln: Wenn Feld A gefüllt ist, mach B. KI-Automatisierung kommt dort ins Spiel, wo es keine festen Felder gibt — freier Text, Bilder, wechselnde Dokumentformate. Beides zusammen ist meist die richtige Antwort, nicht eines von beiden.

Das ist der einzige sinnvolle Weg. Ein Anwendungsfall, acht Wochen, messbares Ergebnis. Was danach kommt, entscheidet ihr auf Basis dessen, was ihr gesehen habt.

Die meisten betrieblichen Anwendungsfälle fallen in die Kategorie mit geringem Risiko und lösen vor allem Transparenzpflichten aus. Wo Kunden direkt mit dem System sprechen oder KI-generierte Inhalte veröffentlicht werden, kennzeichnen wir das. Bei Anwendungen im Personalbereich schauen wir genauer hin, dort gelten strengere Regeln.

Über definierte Stichwörter und gezielte Rückfragen: Wasseraustritt, kein Warmwasser bei Familien mit Kleinkindern, Gasgeruch. Gasgeruch führt immer zur sofortigen Ansage, die Notrufnummer zu wählen — das gehört fest eingebaut.

Das ist der Fall mit dem klarsten Ergebnis. Wartungsverträge mit automatischer Terminanfrage sechs Wochen vorher erhöhen die Auslastung in der ruhigen Zeit und senken den Telefonaufwand deutlich.

Das hängt an drei Zahlen: wie oft der betroffene Ablauf vorkommt, wie lange er dauert und was eine Stunde bei euch kostet. Bei Installationsbetrieben ist der Ansatzpunkt meist Notfallerkennung und Weiterleitung. Wir rechnen das vor dem Angebot mit euren Zahlen durch — und sagen es, wenn es sich nicht lohnt.