Wie man Künstliche Intelligenz (KI) in Sprachprozesse integriert – eine blc Success Story.
Ausgangssituation
Ich sehe den KI-Wald vor lauter Bäumen nicht
Künstliche Intelligenz verspricht Effizienzsprünge, die Ablösung mühsamer manueller Workflows – und wirft gleichzeitig viele Fragen auf. Welche KI-Lösungen zahlen sich wirklich aus? Was bedeutet der Einsatz von LLMs, genAI und KI-Agenten konkret für meine Prozesse und mein Unternehmen?
Unsere Kundin, Managerin eines Sprachenteams in einem großen deutschen Industrieunternehmen, hatte das Gefühl, dass die KI-Welt sich unerbittlich weiterdreht… und sie sich entweder mit drehen muss, oder mit ihren Prozessen und Systemen auf der Strecke bleiben wird. Ihr großer Wunsch: KI in ihren Prozessen einsetzen, aber nachhaltig und mit Verstand!
Herangehensweise
Die Spreu vom KI-Weizen trennen
Um hier die sprichwörtliche Spreu vom KI-Weizen zu trennen, hilft eine strategische Analyse mit Blick auf die Meta-Ebene:
- Was macht das eigene Unternehmen grundsätzlich aus? Wohin geht die strategische Reise? Was sind die strategischen Unternehmensziele?
- Gibt es bereits eine Unternehmensstrategie in Bezug auf KI, auf die man aufsetzen kann und sollte?
Denn idealerweise schließt sich der KI-Einsatz an die vom Unternehmen beschriebene KI-Strategie und die übergeordneten Unternehmensziele an und zahlt darauf ein. Bedauerlicherweise gibt es in vielen Unternehmen, wenn überhaupt, eher eine schwammige Strategie in Bezug auf den Einsatz von KI und die Ziele, die hiermit verfolgt werden.
Was dann weiter hilft, ist ein Blick über den eigenen Tellerrand:
- Was machen andere Teams im Unternehmen bereits mit KI?
- Gibt es Sparringpartner, mit denen man mich zusammentun kann?
- Welche KI-Systeme stehen bereits zur Verfügung?
- Sind das interne Lösungen oder externe – Stichwort Datensicherheit!
Und natürlich sollten die eigenen Ziele genauer unter die Lupe genommen werden: Gibt es Ziele, die zu erfüllen sind? Gibt es eine Bereichs- oder Teamstrategie? Oftmals sind auch neue Prozesse oder Produkte in der Pipeline, die andere Anforderungen mit sich bringen.
Schnell konkret werden - aber im Zielbild bleiben
Die Analyse ergab (hier stark verkürzt), dass es zwar keine übergeordnete, klare KI-Strategie auf Unternehmensebene gab, aber eine informierte IT, die LLM-Varianten in einer Sandbox zur Verfügung stellen konnte. Darüber hinaus war man auf sich alleine gestellt.
Die Ziele im Team waren relativ klar gesteckt: Unter anderem gab es einen Stakeholder mit einem neuen Prozess und extrem hohem Zeitdruck in Bezug auf Übersetzungslaufzeiten. Dieser Prozess war für das Unternehmen von hoher strategischer Wichtigkeit.
In der Detailanalyse für unsere Kundin haben wir uns angeschaut, für welche konkreten Einsatzfälle KI sinnhaft, wirkungsvoll, sicher und bezahlbar eingesetzt werden könnte.
Unter Berücksichtigung der Gegebenheiten und der Zielrichtung im Team hat sich hier der Einsatz eines KI-Modells zur automatischen Einschätzung der Qualität maschineller Übersetzung (Quality Risk Estimation, QRE) als KI-Use-Case herauskristallisiert.
Gute Gründe
Warum haben wir uns dafür entschieden?
Ein guter Grund: Unsere Kundin hat bereits einen gut automatisierten, funktionierenden Übersetzungsprozess inklusive trainierter NMT. Um für das neue Stakeholder-Projekt sehr kurze Übersetzungszyklen zu erreichen, mit einem möglichst geringen Qualitätsrisiko, kann ein KI-Modell zur automatischen Beurteilung der Übersetzungsqualität eingesetzt werden. Je nach Ergebnisscore werden Übersetzungen dann entweder ins Review oder in die produktive Umgebung eingesteuert.
Der zweite gute Grund: Darüber hinaus gab es im Unternehmen die Möglichkeit, Modelle mit internen Daten feinzutunen, zu vertesten und die Ergebnisse in eine Pipeline produktiv einzubauen.
Diese Übersetzungspipeline mit QRE führt dazu, dass die Stakeholder-Ziele zur Effizienzsteigerung erreicht werden, bei gleichbleibender Qualität. Das hat so gut funktioniert, das aktuell darüber nachgedacht wird, diesen Prozess auf weitere Übersetzungsprojekte auszurollen.
Ergebnis und Fazit
Auch wenn der vielfältige Einsatz von KI atemberaubend erscheint: Es funktioniert nur, wenn die Ergebnisqualität und Datensicherheit gewährleistet ist und es sich unterm Strich für Kund:innen lohnt.
Da wir für schlanke Sprachprozesse stehen, haben wir Machbarkeit, Qualität und Kosten stets im Blick und helfen dabei, die Sprachtechnologie auszuwählen mit der die Anforderungen unserer Kund:innen auch wirklich erfüllt werden.
Last but not least: Solche Umsetzungen sind am nachhaltigsten, wenn sie ganz konkret in strategische Ziele im Unternehmen einzahlen. Wir plädieren dafür, dass in Unternehmen klare strategische KI-Frameworks aufgezogen werden, in denen Mitarbeiter und Teams sich mit ihren eigenen Themen sicher bewegen können.
Unser Ziel ist es, Klarheit zu schaffen, was mit KI im Sprachbereich möglich und sinnvoll ist – und worauf es ankommt, um KI nicht nur zu vertesten, sondern auch effizient produktiv einzusetzen.
Möchten Sie mit uns eine klare KI-Strategie entwickeln – effizient, kostensparend und nachhaltig? Dann kontaktieren Sie uns jetzt – wir helfen Ihnen gerne weiter!
