Gebaut wird nur, was sich prüfen lässt.

Ein Verfahren ist nicht fertig, wenn es einmal ein gutes Ergebnis liefert, sondern wenn man weiß, wann es versagt. Und der interessante Teil ist selten das Modell selbst, sondern alles daneben: Datenqualität, Randbedingungen, Schnittstellen, Betrieb.

Beides fehlt in vielen Projekten. Gebaut wird eine überzeugende Demo, die im Alltag an Sonderfällen scheitert, und hinterher kann niemand erklären, warum. Hier wird andersherum vorgegangen: kleiner Anfang, echte Daten, ein messbares Ergebnis und eine klare Aussage dazu, was das System nicht kann.

Nicht alles ist ein KI-Problem. Das Fundament bilden bewährte, nachvollziehbare Verfahren. Ein Modell kommt dort dazu, wo es messbar etwas beiträgt, und bleibt draußen, wo eine Regel, eine Abfrage oder ein sauber beschriebener Ablauf die Aufgabe besser löst.

Lokal zu arbeiten ist eine Konsequenz aus der Praxis, kein Dogma. Wer mit Produktionsdaten oder mit Messdaten umgeht, kann sie nicht an eine fremde Schnittstelle schicken. Dass sich heute sehr gute offene Modelle auf überschaubarer eigener Hardware betreiben lassen, macht aus dieser Einschränkung ein lösbares technisches Problem. Wo die Daten eines Vorgangs es zulassen, läuft dasselbe System auch in Ihrer eigenen Cloud.

Am Ende soll das System Ihnen gehören: dokumentierter Code, nachvollziehbare Entscheidungen, Übergabe mit Schulung. Etwas, das nur der Erbauer warten kann, ist gemietet und nicht gebaut.