1. Prozess-Audit und Datenklassifizierung
Bevor der erste Code geschrieben wird, muss der Prozess-Audit abgeschlossen sein. Dieser Audit identifiziert die Workflows, die sich für die Automatisierung eignen, und klassifiziert die Daten nach Sensitivität. Für ein E-Commerce-Unternehmen mit 2000+ Mitarbeitern in der Schweiz bedeutet das: Die Retourenbearbeitung, die Kundenanfragen und die interne Wissenssuche werden auf ihre Zykluszeit und Fehlerquote gemessen. Die Ergebnisse fließen in die Architektur-Planung ein. Ohne diesen Audit fehlt die Baseline, an der der Erfolg des Piloten gemessen wird. Der Audit dauert 2-3 Wochen und wird von Forfis als Teil des fixen Scopes durchgeführt.
2. Modell-Auswahl und Architektur-Planung
Die Architektur muss model-agnostic sein, um die Compliance-Anforderungen zu erfüllen. Für Workflows mit regulierten Daten, die nicht das Gebäude verlassen dürfen, werden Open-Weight-Modelle auf der eigenen Hardware des Kunden betrieben. Für Workflows, bei denen die Qualität entscheidend ist, werden die APIs von OpenAI oder Anthropic genutzt. Die Entscheidung fällt auf Basis der Datenklassifizierung aus dem Prozess-Audit. Diese Trennung ist im EU AI Act vorgeschrieben und wird bei Forfis standardmäßig implementiert. Die Architektur wird in der Planungsphase dokumentiert und vom Kunden freigegeben.
3. pgvector-Installation und Embedding-Erstellung
pgvector wird auf der bestehenden PostgreSQL-Instanz oder einem separaten Cluster installiert. Die Embeddings werden für alle Dokumente in der internen Wissensdatenbank erstellt, einschließlich Handbücher, Vertragsklauseln und CRM-Notizen. Die Embeddings werden in der Sprache der Dokumente erstellt, um die Mehrsprachigkeit zu gewährleisten. Die Installation dauert 1-2 Tage und wird von Forfis durchgeführt. Die Qualität der Embeddings wird in einem Testlauf mit 50 zufällig ausgewählten Anfragen geprüft.
4. REST-API und Webhook-Integration
Die REST-APIs und Webhooks werden für das CRM, das ERP und den Helpdesk konfiguriert. Die Webhooks werden so eingerichtet, dass sie bei neuen Kundenanfragen, Retouren oder Dokumenten ausgelöst werden. Die REST-APIs werden für den Zugriff auf die bestehenden Daten genutzt. Die Konfiguration dauert 3-5 Tage und setzt voraus, dass die API-Zugänge vor Projektstart bereitstehen. Die Integration wird in einem Testlauf mit 20 zufällig ausgewählten Anfragen geprüft.
5. Predictive Scoring-Modelle trainieren
Die Predictive Scoring-Modelle werden für die Klassifizierung von Kundenanfragen und die Vorhersage von Retouren trainiert. Die Modelle werden auf den historischen Daten aus dem CRM und dem ERP trainiert. Die Qualität der Modelle wird in einem Testlauf mit 100 zufällig ausgewählten Anfragen geprüft. Das Training dauert 1-2 Wochen und wird von Forfis durchgeführt. Die Modelle werden in der Planungsphase dokumentiert und vom Kunden freigegeben.
6. Human-in-the-Loop-Schleife konfigurieren
Die Human-in-the-Loop-Schleife wird für alle Workflows konfiguriert, die Geld, Gesundheitsdaten oder Verträge betreffen. Die KI erstellt den Vorschlag, ein Mensch prüft ihn gegen die Vertragsklauseln und gibt ihn frei. Die Freigabe wird im System protokolliert. Diese Schleife ist im EU AI Act für Hochrisiko-Systeme vorgeschrieben und wird bei Forfis standardmäßig implementiert. Die Konfiguration dauert 2-3 Tage und wird in der Planungsphase dokumentiert.
7. EU AI Act-Compliance prüfen
Die Compliance-Prüfung wird parallel zum Pilot durchgeführt. Die Prüfung umfasst die Klassifizierung der KI-Systeme, die Dokumentation der Risikobewertung und die Überprüfung der Datenschutzbestimmungen. Die Ergebnisse werden in einem Compliance-Report dokumentiert. Die Prüfung dauert 2-3 Wochen und wird von Forfis in Zusammenarbeit mit einem externen Compliance-Berater durchgeführt. Der Report wird dem Kunden vor dem Rollout übergeben.
Leave a Reply