Generative KI im Unternehmen: wo anfangen, von Dakar aus.

Generative KI hat ein seltenes Verdienst: Sie hat Geschäftsführung, IT-Leitung und operative Teams vor denselben Bildschirm gebracht. Alle haben getestet, alle waren überrascht, alle haben erlebt, wie das Werkzeug sich mit voller Überzeugung irrt. Der falsche Reflex wäre, daraus zu schließen, man brauche zuerst „eine KI-Strategie“, bevor überhaupt etwas läuft. Der richtige Reflex besteht darin, einen bescheidenen ersten Anwendungsfall zu wählen, ihn einigen Personen in die Hand zu geben und zu messen, was er an ihrem Arbeitstag ändert.

Was generative KI tatsächlich verändert

Diese Modelle erzeugen Text aus einer Anweisung und einem Kontext. So einfach das klingt, es berührt fünf alltägliche Handgriffe im Unternehmen.

• Das Schreiben. Ein Antwortschreiben, eine Zusammenfassung, ein Protokoll, die erste Fassung eines Lastenhefts. Das Modell ersetzt die Autorin nicht; es erspart ihr das leere Blatt und gibt ihr die Zeit zum Prüfen zurück.
• Das Zusammenfassen. Eine Kreditakte, einen Vertrag, einen Einsatzbericht, eine wochenlange E-Mail-Kette verdichten. Der Nutzen ist unmittelbar für alle, die auf langen Dokumenten schnell entscheiden müssen.
• Die Suche in Dokumenten. Eine Frage in Alltagssprache stellen und eine Antwort erhalten, die sich auf die interne Dokumentation stützt, mit Quellenangabe. Der am meisten unterschätzte Fall, weil er in der Vorführung nicht glänzt und im Alltag alles verändert.
• Fachassistenten. Ein Assistent, der Verfahren, Preise und Regeln einer Kasse oder eines Kundendienstes kennt und im Kontext der fragenden Person antwortet.
• Der Code. Erzeugen, prüfen, bestehende Programme erklären, einschließlich der Eigenentwicklungen eines ERP, die niemand mehr zu lesen weiß. Ein echter Gewinn, sofern Review und Tests bleiben.

Was sie nicht verändert

Ein generatives Modell weiß nichts über Ihr Unternehmen, solange man ihm nicht Ihre Dokumente, Ihre Daten und Ihre Regeln gibt. Es schließt nicht auf eine Wahrheit, es erzeugt den wahrscheinlichsten Text. Es kann daher eine Klausel behaupten, die es nicht gibt, oder einen überholten Preis nennen, im selben Ton wie dann, wenn es recht hat. Es ersetzt weder den Kundenstamm noch den Kontenplan noch den Freigabeweg. Es macht kein Datum sauber, das es nicht ist. Und es entscheidet nicht anstelle derer, die für die Entscheidung geradestehen. Das sind keine Kinderkrankheiten: Das ist die Natur des Werkzeugs.

Die guten ersten Anwendungsfälle

Ein guter erster Fall ist häufig, lässt sich leicht überprüfen und behält einen Menschen im Ablauf. Vier begegnen uns fast überall, vom öffentlichen Sektor über die Bank bis zum Handel.

Der Assistent auf der internen Dokumentation

Verfahren, Dienstanweisungen, ERP-Handbücher, Produktkonditionen. Diese Dokumente existieren, verstreut zwischen einem Dateiserver, einem Postfach und einigen Köpfen. Ein Assistent, der antwortet und dabei die genaue Stelle zitiert, spart neuen Mitarbeitenden, entfernten Filialen und den Supportfunktionen Zeit. Er legt zugleich schonungslos widersprüchliche oder überholte Dokumente offen. Idealer erster Fall: Eine falsche Antwort fällt schnell auf und bindet das Unternehmen nicht nach außen.

Die Bearbeitung von Schreiben und Reklamationen

Ein eingehendes Schreiben lesen, erkennen worum es geht, die nützlichen Angaben herausziehen, einen Antwortentwurf vorschlagen und an die richtige Stelle leiten. Das Volumen ist da, der Handgriff ist repetitiv, und wer freigibt, behält die Kontrolle über das, was hinausgeht. Für eine Verwaltung, eine Versicherung oder einen Kundendienst ist das oft der Fall mit dem höchsten Zeitgewinn für die Teams.

Die Unterstützung des Kundendienstes in den Sprachen des Alltags

Kundinnen und Kunden schreiben und sprechen Französisch, Wolof, andere Nationalsprachen, manchmal alle drei gemischt in derselben Sprachnachricht. Ein gut gewähltes Modell versteht diese Nachrichten, fasst sie für die Beraterin zusammen und hilft ihr, in der Sprache der Kundschaft zu antworten. Dieser Fall ist unserem Kontext eigen und lässt sich aus der Ferne schlecht entwerfen: Man muss mit echten Nachrichten und echten Akzenten testen und akzeptieren, dass manche Sprachen noch schlechter bedient werden als andere.

Die Dokumentenextraktion

Rechnungen, Lieferscheine, Ausweisdokumente, Konnossemente, handschriftlich ausgefüllte Formulare. Generative KI ergänzt die klassischen Extraktionsverfahren, vor allem bei Dokumenten mit wechselndem Layout. Das Ergebnis geht nach Prüfung ins ERP oder CRM, und der Abstand zwischen dem Gelesenen und dem Korrigierten ergibt ein ehrliches Maß für die Qualität. Wir sprechen darüber in unserer Lesart der KI-Anwendungsfälle, die wirklich Wert schaffen.

Die schlechten ersten Anwendungsfälle

Der häufigste und gefährlichste besteht darin, eine Entscheidung ohne Kontrolle zu automatisieren: einen Kredit gewähren oder ablehnen, eine Reklamation schließen, im Namen des Unternehmens ohne Prüfung antworten. Das Modell tut es mit Selbstsicherheit, auch wenn es sich irrt, und niemand kann erklären warum. Sobald die Entscheidung eine Person betrifft, fällt sie zudem unter das Gesetz Nr. 2008-12 und den Blick der CDP: erklärter Zweck, Information der Betroffenen, Möglichkeit des Widerspruchs. Ein weiterer Fehlstart ist der „allgemeine“ Assistent, dem ganzen Unternehmen geöffnet, ohne Abgrenzung und ohne Referenzdokumente. Er unterhält zwei Wochen und fällt dann ab, weil er nichts Genaues kennt.

Der erste Anwendungsfall wird nicht gewählt, um ein Gremium zu beeindrucken. Er wird gewählt, um einem bestimmten Team Zeit zurückzugeben, bei einem Handgriff, den es jeden Tag macht.

Die Bedingungen, über die nicht verhandelt wird

Saubere Daten und Dokumente

Ein Dokumentenassistent ist so viel wert wie seine Dokumente. Existieren drei Fassungen eines Verfahrens nebeneinander, zitiert er eine davon zufällig. Die erste Arbeit ist deshalb oft eine Sichtung: welche Dokumente gelten, wer sie pflegt, wo sie liegen. Dieselbe Logik gilt für die Daten aus ERP und CRM, Thema unseres Angebots Data & Analytics.

Die Wahl des Modells und seines Betriebsorts

Das ist die prägendste Entscheidung, und sie fällt selten auf der richtigen Ebene. Wohin gehen die Daten: Ein bei einem ausländischen Anbieter aufgerufenes Modell erhält Ihre Dokumente, und enthalten diese personenbezogene Daten, fällt diese Übermittlung unter das Gesetz Nr. 2008-12 und die Formalitäten bei der CDP. Welche Souveränität: Manche Fälle rechtfertigen ein offenes Modell in Ihrer Cloud oder auf Ihren Servern, andere kommen mit einem Onlinedienst aus. Welche Kosten in Devisen: Ein nutzungsabhängig in Dollar oder Euro abgerechneter Dienst wird bei jeder Anfrage bezahlt und folgt den Schwankungen des FCFA gegenüber diesen Währungen, was für kleinere, gut zugeschnittene Modelle spricht, wo sie genügen. Es gibt keine allgemeingültige Antwort; es gibt eine Antwort je Anwendungsfall, schriftlich. Unsere Angebote Cloud und IT-Sicherheit & Risiken behandeln diese Abwägungen gemeinsam.

Die menschliche Aufsicht

Jemand prüft, korrigiert, und diese Korrekturen verbessern das System. Das ist kein vorläufiges Netz, das man entfernt, sobald das Werkzeug „reif“ ist. Es ist die normale Betriebsweise generativer KI im Unternehmen. Die nützliche Frage lautet nicht „Können wir den Menschen herausnehmen?“, sondern „An welcher Stelle des Prozesses ist sein Blick am meisten wert?“.

Die Messung

Gewonnene Zeit je bearbeitetem Schreiben, Anteil der als nützlich bewerteten Antworten, Korrekturquote bei den Extraktionen, Antwortzeit gegenüber der Kundschaft. Diese Kennzahlen werden vor dem Start mit dem betroffenen Team festgelegt und während des Pilotbetriebs wöchentlich gelesen. Ohne sie lebt das Projekt von der Begeisterung und stirbt mit ihr.

Der Vorteil, in Dakar zu konzipieren

Unsere Überzeugung aus unseren Projekten: Ein Anwendungsfall generativer KI entsteht neben seinen Nutzerinnen und Nutzern, nicht Tausende Kilometer entfernt. Die Teams, die Schreiben bearbeiten oder die Dokumentation befragen, sitzen in Dakar, in Thiès, in Saint-Louis, in Filialen, deren Verbindung nicht die der Zentrale ist. Sie wöchentlich zu testen, in ihrer Sprache und auf ihren Dokumenten, verändert die Qualität des Ergebnisses. Die Kompetenzen sind hier vorhanden: Profile, die zugleich die Modelle, die Unternehmensdaten und das Terrain kennen. Die Konzeptionskosten erlauben häufigere Iterationen, also schnelleres Lernen. Und ein in Dakar entworfener Fall berücksichtigt von Anfang an Konnektivität, Sprachen, den Rahmen der CDP und die Kosten in Devisen, statt sie im Produktivbetrieb zu entdecken. Das ist der Sinn unserer Data- und KI-Teams in Dakar und unseres Angebots KI & Automatisierung.

Und die großen Plattformen?

SAP integriert generative KI in seine Produkte, mit Joule und SAP Business AI; Salesforce tut dasselbe mit Einstein und Agentforce. Diese Fähigkeiten leben dort, wo Daten und Prozesse ohnehin sind, mit der Sicherheit und den Berechtigungen der Plattform. Sie haben auch ihre Bedingungen, angefangen beim Betriebsort der Dienste und beim Abrechnungsmodell, die mit derselben Sorgfalt zu prüfen sind wie bei jedem anderen Modell. Unsere Position ist einfach: Lebt der Anwendungsfall in SAP oder in Salesforce, schaut man zuerst, was die Plattform anbietet; lebt er zwischen den Systemen oder auf Dokumenten, die dort nicht liegen, baut man ihn mit den passenden Werkzeugen. Zwei Plattformen, ein Team.

Wo anfangen, praktisch

1. Ein Team und einen Handgriff wählen. Ein williges Team, ein häufiger Handgriff, eine Person, die für das Ergebnis geradesteht. Kein Gremium, kein Programm.
2. Die Dokumente dieses Handgriffs sammeln und sichten. Was der Assistent lesen darf, was gilt, was personenbezogen ist und geschützt werden muss.
3. Modell und Betriebsort für diesen Fall entscheiden. Personenbezogene Daten, Souveränität, Kosten in Devisen, Konnektivität der Nutzenden. Die Entscheidung und ihre Gründe aufschreiben.
4. In wenigen Wochen einen Piloten bauen, mit den Nutzenden. Ihn früh in ihre Hände geben und aus ihren Korrekturen verbessern.
5. Messen, dann entscheiden. Ausweiten, korrigieren oder beenden, anhand der zu Beginn festgelegten Kennzahlen. Ein rechtzeitig beendeter Pilot ist ein methodischer Erfolg.
6. Die Governance vor dem zweiten Fall festlegen. Wer einen neuen Fall genehmigt, wer die Konformität prüft, wie die Betroffenen informiert werden, wie man die Abweichung über die Zeit überwacht.

Generative KI verlangt keine Revolution, um zu beginnen. Sie verlangt einen gut gewählten ersten Fall, saubere Dokumente, einen bewusst entschiedenen Betriebsort und Menschen, die prüfen. Genau das können wir, von Dakar aus, für die Region.