DataInsight · Context Engineering · Agent Academy

Das große Ganze.

Künstliche Intelligenz ist in jedem Unternehmen angekommen. Ihre Wirkung oft nicht. Der Grund liegt selten im Modell, sondern fast immer davor: in den Daten, die fehlen, und im Kontext, der nicht gebaut wurde. Diese Seite zeigt den ganzen Weg, von der ersten Buchungszeile bis zur Entscheidung mit Euro-Wirkung.

DataInsight erfasst die Daten in Tabellen und markiert die Lücken. Context Engineering beschreibt sie dem LLM, in sieben Schichten.
Weiter zum Problem ↓
01Das Problem

Die KI sieht nur, was gebucht wurde.

Ein Wiener Kaffeehaus ist fast immer voll, und trotzdem fiel der Gewinn 2028 um ein Viertel. Die Kassa kennt jeden Bon. Aber wer an der Theke umdrehte, weil die einzige Siebträgermaschine nicht nachkam, steht in keiner Tabelle. Genau dort liegt die Antwort.

Nachfrage je Stunde: bedient und abgewiesen
0 Bestellungen blieben 2028 unbedient. Sie stehen in keiner Kassa, keinem Hauptbuch, keinem Bericht.
Schematischer Tagesverlauf von 7 bis 22 Uhr. Jahressumme aus dem digitalen Zwilling des Café Melange (simuliertes Unternehmen).

Was fehlt, wird erfunden.

Kennt die KI eine Lücke nicht, füllt sie sie mit etwas Plausiblem. Die Antwort klingt richtig und ist falsch.

Mehr Daten sind nicht mehr Wissen.

Wer alles ins Kontextfenster kippt, verdünnt das Signal. Kosten und Fehler steigen, die Antwort wird nicht besser.

Ohne Regeln kein Vertrauen.

Ein Agent, der handelt, ohne Grenzen und ohne Freigabe, wird nicht eingesetzt. Zu Recht.

01·bDieselbe Frage, zwei Antworten

Gleiches Modell. Anderer Kontext.

Frage der Geschäftsführung Warum ist unser Gewinn 2028 gesunken, obwohl wir fast immer voll sind?

Ohne Kontext · nur Rohdaten

plausibelohne Quelleverschärft das Problem
Mit vollem Kontext · Daten, Zwilling, Regeln

belegtmit QuelleWirkung in Euro

Illustration auf Basis des Falls Café Melange. Die rechte Antwort entspricht dem Urteil des Advisor-Agenten im Beraterbericht.

02Die Lösung

Drei Schritte. Eine Kette.

Jeder Schritt liefert den Rohstoff des nächsten. Wer einen auslässt, baut auf Sand: ohne saubere Daten kein guter Kontext, ohne guten Kontext kein verlässlicher Agent.

1

DataInsight · Verstehen

Daten verstehen und Lücken finden.

Welche Daten entstehen, wo liegen sie, wie kommen sie rechtzeitig und korrekt an? Und vor allem: Was wird nirgends erfasst? Im Café Melange sind es die abgewiesenen Gäste. Wer die Lücke kennt, stellt die richtige Frage.

  • Fünf Schichten: Architektur, Engineering, Data Science, Machine Learning, KI
  • Datensystem im Budget, mit Leitplanken
  • Ergebnis: die Datenlücke ist benannt
Im Data Builder ausprobieren →
2

Context Engineering · Übersetzen

Aus Erkenntnis einen Kontext bauen.

Was nicht im Kontext steht, weiß die KI nicht. Was falsch drinsteht, hält sie für wahr. Deshalb wird gekürzt, belegt und geordnet: Rauschen fliegt raus, jeder Fakt bekommt eine Quelle, Widersprüche werden markiert, nicht versteckt.

  • Sieben Schichten, jede mit Token-Budget
  • Sechs Schritte: kartieren, destillieren, strukturieren, zusammenstellen, prüfen, pflegen
  • Ergebnis: ein Kontext, der das System getreu abbildet
Das Beispiel Café Melange ansehen →
3

Agent Academy · Anwenden

Agenten urteilen lassen, Menschen entscheiden.

Ein digitaler Zwilling simuliert, was im Betrieb fehlt. Auf diesem vollständigen Bild arbeiten Agenten wie erfahrene Berater: Sie finden den Engpass, rechnen Maßnahmen durch und nennen die Wirkung in Euro. Freigegeben wird von Menschen.

  • Zwilling füllt die Datenlücken, Monat für Monat
  • Beraterbericht, Dashboard und Diorama aus denselben Daten
  • Ergebnis: eine Entscheidung mit Zahl und Begründung
Zu Agent Academy →
03Am Beispiel

Von 736.352 Zeilen zu einem Satz.

0Datensätze in der ERP-Datenbank des Café Melange, zwei Geschäftsjahre
0Bestellungen, die nur der Zwilling kennt
0Datenbereiche im vollständigen Unternehmenskontext
0Schichten im Kontext für den Advisor-Agenten
0Urteil: „Die Siebträgermaschine ist der Engpass. Höhere Preise und angepasstes Personal bringen über 100 T€.“

Balkenlängen logarithmisch. Café Melange ist ein simuliertes Unternehmen; alle Zahlen stammen aus seiner ERP-Datenbank und dem Beraterbericht.

04Der Nutzen

Sie lesen keine Tabellen mehr. Sie lesen Antworten.

Datenbasis
Was gebucht wurde
Gebucht und simuliert: das ganze Bild
Antwort
Plausibel, aber unbelegt
Belegt, jede Zahl mit Quelle
Wirkung
„Großes Potenzial“
In Euro, im Zwilling durchgerechnet
Kontrolle
Agent handelt oder wird nicht genutzt
Agent schlägt vor, Mensch gibt frei
Kosten
Volles Kontextfenster, jedes Mal
Budget je Schicht, nur was zählt
Wissen
In Köpfen und Chatverläufen
Versioniert, geprüft, wiederverwendbar
01

Geschäftsführung

Entscheidet mit Zahl und Begründung statt nach Bauchgefühl. Jede Empfehlung nennt ihre Wirkung in Euro und lässt sich vorher durchspielen.

02

Fachabteilungen

Bekommen Antworten statt Exporte. Controlling, Einkauf und Vertrieb fragen in ihrer Sprache und sehen die Quelle jeder Zahl.

03

IT und KI-Teams

Bauen Kontext statt Prompts zu basteln. Weniger Halluzinationen, planbare Kosten, Ergebnisse, die sich prüfen und wiederholen lassen.

04

Ausbildung

Übt am simulierten Betrieb, der Fehler verzeiht. Von der Buchungszeile bis zum Agenten, an einem durchgehenden Fall.

05KI wirksam einsetzen

Vom Chatfenster zur Wirkung.

Die meisten Unternehmen nutzen KI schon. Wirksam wird sie, wenn sie auf den eigenen Daten arbeitet, einen gebauten Kontext hat und in Entscheidungen eingebunden ist, mit Menschen, die freigeben. Jede Stufe baut auf der vorigen auf. Klicken Sie eine Stufe an.

Fünf Stufen der KI-Nutzung im Unternehmen

Fünf Regeln für KI, die wirkt

  1. Erst die Frage, dann das Modell.Welche Entscheidung soll besser werden? Daraus folgt, welche Daten und welcher Kontext nötig sind.
  2. Lücken schließen, nicht zuschütten.Fehlende Daten werden erhoben oder simuliert und als simuliert gekennzeichnet, nie stillschweigend geschätzt.
  3. Kontext ist ein Produkt.Er hat einen Verantwortlichen, eine Version und Testfragen. Wie Code wird er gepflegt, wenn sich das System ändert.
  4. Menschen geben frei.Agenten schlagen vor und rechnen durch. Wer die Folgen trägt, entscheidet.
  5. Wirkung in Euro messen.Jede Empfehlung nennt ihren Effekt und eine Messgröße. So wird aus einem KI-Projekt eine Investition mit Ergebnis.
06Wo Sie anfangen

Beginnen Sie dort, wo Sie stehen.