KI-Proof-of-Concept für Unternehmen in Deutschland

Was ein KI-Proof-of-Concept beantwortet

Ein KI-Proof-of-Concept beantwortet eine Frage: Erledigt eine KI eine bestimmte Aufgabe mit Ihren Daten gut genug, um ein Budget zu rechtfertigen? Er ist ein kleiner, funktionierender Test mit einer Zahl am Ende.

Die Geschäftsführung hat KI-Demos gesehen, und Mitarbeiter nutzen ChatGPT auf eigene Faust. Niemand im Unternehmen weiß bisher, ob die KI Ihre Lieferscheine oder Ihre Support-Tickets so zuverlässig liest wie den Text in der Demo. Ein Proof of Concept findet es an echten Fällen aus Ihrem Unternehmen heraus, bevor jemand ein Projekt um die Idee herum plant.

Wie ich den Test baue und messe

Der Test beginnt mit den Antworten. Ihre Fachabteilung wählt die Fälle aus, und eine Person, die die Arbeit kennt, schreibt für jeden Fall die richtige Antwort auf, bevor die KI ihn sieht. Dann baue ich den KI-Schritt auf einem Entwicklungssystem, mit Claude oder Codex als Coding-Agenten, und lasse ihn über dieselben Fälle laufen. Ein Skript vergleicht jede Antwort der KI mit der Antwort Ihrer Fachabteilung und zählt die Treffer.

Ich messe mit einem Skript, weil der Bericht einer KI falsch sein kann, während ihre Arbeit stimmt. Im Juni 2026 ordnete ein Agent im Projekt eines Kunden 1.831 von 1.832 Datensätzen richtig zu und meldete dann 10.481 Datensätze, weil er ein größeres Gebiet gezählt hatte, als die Aufgabe nannte. Details: Ein Unternehmen aus KI-Agenten mit Paperclip führen.

Die KI im Test arbeitet unter den Regeln, die ich für Coding-Agenten verwende. Sie bekommt die Rechte, die ein neuer Kollege am ersten Tag hat: Sie liest Kopien von Daten und kann in Ihren Live-Systemen nichts ändern. Details: KI-Agenten unter denselben Regeln wie Menschen.

Der Testbogen: sieben Entscheidungen vor dem Bau

Füllen Sie den Bogen vor unserem ersten Gespräch mit Ihrem Team aus, oder wir füllen ihn gemeinsam in der Bestandsaufnahme aus. Die Beispiele zeigen eine mögliche Aufgabe.

Entscheidung	Beispiel	Wer entscheidet
Die Aufgabe	Bestellnummer und Lieferdatum aus den Lieferscheinen von Lieferanten lesen	Die Abteilung, die die Arbeit heute erledigt
Die Fälle	100 Lieferscheine aus dem letzten Quartal, schlechte Scans eingeschlossen	Die Fachabteilung
Die richtigen Antworten	Von einem Sachbearbeiter für jeden Fall aufgeschrieben, bevor die KI läuft	Die Fachabteilung
Der Zielwert	95 von 100 richtig, und kein falsches Lieferdatum ohne Warnung weitergegeben	Die Geschäftsführung
Die Datenregeln	Kopien ohne personenbezogene Daten, auf einem Entwicklungssystem	Ihr Datenschutzbeauftragter
Das Modell	Ein Cloud-Modell über seine API oder ein Open-Weight-Modell auf Ihrem eigenen Server	Die IT
Der nächste Schritt nach dem Bestehen	Eine Produktivversion mit Benutzerrechten und Protokollierung oder eine zweite Aufgabe	Die Geschäftsführung

Ein Test ohne die dritte Zeile misst nichts: Ohne richtige Antworten, die vorher aufgeschrieben wurden, ist das Ergebnis nur ein Eindruck.

Wer ich bin

Ich bin Michael Wutzke aus Frankfurt. Seit mehr als zwanzig Jahren arbeite ich in IT und Medien, unter anderem als CIO beim Frankfurter Unternehmen Blocksize Capital. Heute arbeite ich als AI Engineer mit Claude und Codex an der Plattform eines Kunden, und im Claude Hacker House unterrichte ich die praktische Arbeit mit Claude. Außerdem interessieren mich Open-Source-KI-Modelle, die ein Unternehmen auf eigenen Servern betreibt. Details: Berufliche Stationen.