RomanUnterstögerVerantwortbare KI-Systeme · öffentlich gedacht
Ich arbeite an Enterprise-KI-Systemen, deren Antworten sich fachlich und technisch prüfen lassen. Dazu gehört auch, Unklarheiten zu erkennen und Entscheidungen an Menschen zurückzugeben.
Die Prämisse
Unternehmen haben Daten, Modelle und Plattformen. Trotzdem bleibt bei einer KI-Antwort oft offen: Welche Definition gilt? Wie wurde gerechnet? Welche Daten durfte das System sehen?
Genau dort arbeite ich. Ich übersetze fachliche Begriffe in Regeln, Kennzahlen und Zugriffskontrollen, damit eine Antwort später noch erklärbar ist.
The Responsible No
Manchmal fehlen Belege. Manchmal ist die Frage nicht eindeutig oder der Zugriff nicht erlaubt. Ein gutes System erkennt diese Fälle, bevor es eine überzeugende Antwort formuliert.
Der Begriff ist klar, die Berechnung freigegeben und der Zugriff erlaubt. Das System kann zeigen, woher jede Aussage stammt.
Das System fragt, welche Bedeutung gilt. Es wählt nicht einfach die Variante, die wahrscheinlicher klingt.
Das System nennt, was die Belege hergeben, und sagt offen, was fehlt oder unsicher ist.
Berechtigungen und Geschäftsregeln stoppen die Anfrage, bevor geschützte Daten das Modell erreichen.
Konflikte und Fälle mit grosser Tragweite gehen an die Person, die für die Regel oder Entscheidung zuständig ist.
Accountability Stack
Bevor das Modell formuliert, müssen Bedeutung, Berechnung, Berechtigung und Belege feststehen. Sonst entscheidet das Modell still über Dinge, für die es kein Mandat hat.
Ausgewählte Artikel
Warum Zweck, Konsument, Grenze, Vertrag und Lifecycle aus einem technischen Asset ein belastbares Produkt machen.
↗Unternehmenswissen braucht ein explizites, versioniertes und prüfbares Modell — nicht mehr Text im System Prompt.
↗Evidence first. Compose second. Critic last. Eine Architektur für Antworten, die ihre Beleggrundlage zeigen können.
↗Die rote Linie
«Mein Thema ist seit Jahren dasselbe: Wie wird aus einer fachlichen Absicht ein System, dem Menschen bei einer echten Entscheidung vertrauen?»
Als Software Engineer musste ich Verhalten präzise beschreiben. Später ging es um Prozesse, Reporting und Kennzahlen. Dort zeigte sich dasselbe Problem in anderer Form: Ein System kann technisch korrekt sein und fachlich trotzdem danebenliegen.
Bei Enterprise KI treffen diese Erfahrungen zusammen. Besonders interessiert mich, wie SAP-geprägte Unternehmen ihre Begriffe, Regeln und Zugriffsrechte so abbilden, dass KI damit verlässlich arbeiten kann.
beyond chaotic analytics
Bei beyond chaotic analytics bringe ich diese Perspektive in gemeinsame Kundenprojekte ein — rund um Daten, SAP, KI und Entscheidungsarchitektur.
Mehr über beyond chaotic analytics ↗