Vier Schichten eines praktischen KI-Stacks

Ein praktischer technologischer Stack, also eine Reihe zusammenarbeitender Tools, lässt sich in vier Schichten unterteilen. Jede löst ein anderes Problem. Schwierigkeiten entstehen, wenn man einer einzelnen Schicht alle Aufgaben überträgt.

Tabelle 1  Aufteilung der Verantwortlichkeiten zwischen den Tools

Quellsysteme

Ein Quellsystem speichert die Daten, auf deren Grundlage das Unternehmen tatsächlich arbeitet. Im Onlinehandel sind das unter anderem Bestellungen, Lagerbestände, Preise, Zahlungen, Dokumente und Wettbewerbsdaten.

In unserem Beispiel liefert ZYNQ Informationen über Produkte, Bestellungen, Bestände, Sendungen und Dokumente. Dealavo überwacht den Markt und führt kontrollierte Preisanpassung durch. GA4 zeigt Traffic und Konversion. Der Agent sollte keinen dieser Werte raten oder ohne klaren Bedarf eine alternative Kopie davon anlegen.

Automatisierung

Die Automatisierung ist für den Datentransport und das Auslösen vorhersehbarer Prozesse zuständig. Wenn sich eine Regel als eindeutige Anweisung formulieren lässt, ist ein klassischer Workflow in der Regel günstiger und einfacher zu kontrollieren als ein Agent.

• Nach einer Statusänderung der Bestellung eine Nachricht an den Kunden senden.
• Täglich morgens den Verkaufsbericht abrufen und am festgelegten Ort speichern.
• Automatischer Alarm bei Bestand unter einem festgelegten Niveau.
• Nach Freigabe einer Empfehlung den neuen Preis an das System übergeben.
• Das Ergebnis jeder Operation protokollieren und den Prozessverantwortlichen über Fehler informieren.

KI-Agent

Ein Agent ist dann sinnvoll, wenn eine einfache Regel nicht ausreicht. Er kann Informationen aus mehreren Systemen zusammenstellen, einen untypischen Zusammenhang erkennen, die Situation zusammenfassen und nächste Schritte vorschlagen. Er sollte sich jedoch auf Daten aus den richtigen Systemen stützen und nicht auf sein eigenes Gedächtnis oder zufällige Suchergebnisse.

In Prozessen, die Marge, Bestand oder Kunden betreffen, sind Limits und Freigaben erforderlich. Der Mensch setzt das Ziel, der Agent analysiert die Lage, die Automatisierung überträgt die Daten, und die spezialisierte SaaS-Lösung führt die Operation aus.

Eigene Anwendungen

Plattformen zur schnellen App-Entwicklung eignen sich gut als letzte Schicht des Systems. Darin lässt sich ein Freigabebildschirm für Empfehlungen, ein Margenrechner, ein Bericht für eine bestimmte Abteilung, ein Lieferantenportal oder ein Tool zur Bestandsanalyse erstellen.

Das Problem beginnt, wenn ein solches Panel schrittweise zum neuen ERP wird. Zuerst zeigt es nur Daten an, dann beginnt es, sie zu bearbeiten, und schließlich speichert es eigene Status. Nach einiger Zeit weiß das Team nicht mehr, welches System die wahre Information enthält.

Wie man das richtige Werkzeug auswählt

Die Werkzeugauswahl sollte mit der Art der Verantwortung beginnen. Je höher die Kosten eines Fehlers und je mehr Abhängigkeiten bestehen, desto stärker spricht es für den Einsatz eines ausgereiften Systems.

Tabelle 2  Schnelle Entscheidungsmatrix

Baue die Elemente, die sich aus der einzigartigen Arbeitsweise des Unternehmens ergeben. Standard- und kritische Prozesse übergibst du ausgereiften Systemen.

Operatives Beispiel mit Restposten

Angenommen, ein Produkt verkauft sich seit 90 Tagen kaum. Der Manager muss Bestand, Kosten, Verkauf, GA4-Daten und Wettbewerbspreise prüfen, dann einen Rabatt berechnen, den Preis ändern und das Ergebnis nachverfolgen.

In einem gut gestalteten Stack hat jedes Prozesselement seinen eigenen Verantwortlichen:

• ZYNQ liefert Lagerbestand, Kosten, Bestellhistorie und Verkaufstempo und zeigt später die Auswirkung der Entscheidung auf die Lagerumschlagshäufigkeit.
• Dealavo zeigt die Preissituation, die Verfügbarkeit bei Wettbewerbern und den sicheren Preisanpassungsbereich.
• GA4 liefert Daten zu Traffic und Konversion, während n8n oder Make zyklisch die benötigten Signale sammelt und die Analyse auslöst.
• Der KI-Agent verknüpft die Informationen und bereitet eine Empfehlung mit Begründung vor.
• Eine leichtgewichtige Anwendung zeigt dem Manager die vorgeschlagene Änderung, und nach seiner Freigabe führt das zuständige Preissystem sie innerhalb der festgelegten Grenzen aus.

Im Lager sind noch 120 Stück des Produkts X. In den letzten 30 Tagen wurden 4 Stück verkauft. Der Preis liegt 12 Prozent über dem Marktmedian, und das Mindestmargenniveau erlaubt eine Senkung um 9 Prozent. Ich schlage einen Test des neuen Preises für 14 Tage vor. Die Änderung erfordert eine Freigabe.

Wichtig ist nicht nur, dass der Agent eine Empfehlung vorbereitet hat. Entscheidend sind die Herkunft der Daten, die Art der Limitberechnung und das System, das die Änderung sicher ausführt.

Regeln, die außerhalb des Prompts bleiben sollten

Sprachmodelle interpretieren mehrdeutige Informationen gut. Sie sollten jedoch nicht der einzige Mechanismus für Regeln sein, die das Unternehmen stets einhalten muss. Außerhalb des Prompts sollten bleiben:

• die minimal zulässige Marge und der maximale Rabatt
• Steuerregeln und die Ausstellung von Dokumenten
• Kontrolle des verfügbaren Bestands
• Einschränkungen der Berechtigungen von Nutzern und Agenten
• eindeutige Bedingungen für Statusänderungen
• Schutz vor erneuter Ausführung derselben Operation
• Limits für Anzahl und Wert von Änderungen in einem bestimmten Zeitraum

Ein Prompt kann helfen, eine Strategie auszuwählen und eine Entscheidung zu erklären. Wenn eine Regel absolut einzuhalten ist, sollte sie als deterministische Regel im System wirken.

Die häufigsten Fehler beim Bau eigener Tools

Zu großer Umfang der ersten Version

Ein erster erfolgreicher Prototyp verleitet dazu, Funktionen hinzuzufügen. Der Rechner wird zum Panel, das Panel zum Bestellsystem und das Bestellsystem zum eigenen ERP-System. Die erste Implementierung sollte ein konkretes Problem für eine gezielte Nutzergruppe lösen.

Keine einzige Quelle der Wahrheit

Wenn Bestand, Preis oder Status an mehreren Stellen gespeichert sind, treten früher oder später Abweichungen auf. Für jeden Datentyp muss ein führendes System festgelegt werden.

Zu früher Schreibzugriff

Der Agent sollte zunächst Daten lesen und Empfehlungen vorbereiten. Die Berechtigung, begrenzte Operationen auszuführen, sollte erst nach Prüfung der Qualität seiner Arbeit schrittweise erteilt werden.

Automatisierung eines ungeordneten Prozesses

Wenn das Team die Regeln eines Prozesses nicht beschreiben kann, wird die KI dessen Unklarheiten reproduzieren. Zuerst müssen Rollen, Bedingungen und das erwartete Ergebnis festgelegt werden.

Fehlender Verantwortlicher und kein detaillierter Verlauf

Jedes Mikro-Tool braucht einen Verantwortlichen. Das Unternehmen sollte auch wissen, welche Daten der Agent genutzt hat, wer die Empfehlung freigegeben hat, was ausgeführt wurde und mit welchem Ergebnis.

Wie man ohne großes Projekt startet

Das erste Projekt sollte kein Agent sein, der den gesamten E-Commerce verwaltet. Ein besserer Anfang ist eine tägliche Liste von Produkten, die eine Preisentscheidung erfordern, oder ein Bericht über Bestellungen, bei denen eine Verzögerung droht.

1. Wähle eine wiederkehrende Entscheidung, die heute Arbeit in mehreren Systemen erfordert.
2. Lege die Quelle der Wahrheit für jeden benötigten Parameter fest.
3. Prüfe die Verfügbarkeit von API, Exporten und Webhooks.
4. Baue den ersten Workflow ausschließlich schreibgeschützt.
5. Bitte den Agenten, Empfehlungen mit Begründung vorzubereiten.
6. Füge einen einfachen Freigabebildschirm sowie Operationslimits hinzu.
7. Messe Zeitersparnis, Qualität der Empfehlungen und das Geschäftsergebnis.
8. Erst nach gelungener Prüfung des Prozesses den Autonomiegrad erhöhen.

Wie sich SaaS verändern sollte

SaaS-Anbieter müssen sich auf eine Situation vorbereiten, in der nicht nur Menschen ihr System nutzen. Immer mehr Operationen werden von einem Agenten im Namen des Nutzers initiiert.

Eine moderne Plattform sollte Folgendes bereitstellen:

• vollständige und gut dokumentierte API
• Webhooks, die über Ereignisse informieren
• präzise Berechtigungen für Daten und Operationen
• Limits für Anzahl und Wert von Änderungen
• Test- und Simulationsumgebung
• Verlauf der Aktionen und Begründung der durchgeführten Operationen
• Freigabemechanismus und Möglichkeit zur sicheren Rücknahme einer Änderung
• Daten, die für die Nutzung durch externe Anwendungen und Agenten aufbereitet sind

SaaS sollte nicht gegen die von Kunden gebauten Anwendungen kämpfen. Es sollte ihr stabiles Fundament werden. Dann baut der Kunde selbst die letzte, am stärksten individualisierte Prozessschicht, übernimmt jedoch nicht die Verantwortung für die gesamte Infrastruktur.

Baue das, was einzigartig für das Unternehmen ist

KI-Tools erlauben heute die Erstellung von Anwendungen, die vor Kurzem noch die Arbeit eines ganzen Teams erfordert hätten. Diese Möglichkeit lohnt sich zu nutzen, insbesondere bei Berichten, internen Oberflächen und organisationsspezifischen Prozessen.

Das bedeutet nicht, dass jedes Unternehmen Preis-Scraping, ein Lagerverwaltungssystem, die Auftragsbearbeitung oder Finanzmechanismen selbst bauen sollte. Diese Bereiche erfordern kontinuierliche Wartung, Branchenwissen und Verantwortung für Fehler.

Das vernünftigste Modell ist hybrid. Die Grenze lässt sich einfach ziehen:

Dieselben KI-Modelle stehen vielen Unternehmen zur Verfügung. Den Wettbewerbsvorteil schafft die Art ihrer Verknüpfung mit guten Daten, klaren Regeln und einem Prozess mit definierten Grenzen. Es lohnt sich nicht, ein eigenes ERP zu bauen, nur weil es technisch möglich geworden ist. Es lohnt sich, diesen Teil des Systems zu bauen, der sich nicht kaufen lässt, weil er aus der einzigartigen Arbeitsweise des Unternehmens entsteht.

Zusammenfassung

Aus Sicht des Risikos, durch mit KI erstellte Anwendungen ersetzt zu werden, bleibt die Position von ZYNQ und Dealavo unbedroht. ZYNQ ist für die Konsistenz der operativen Prozesse und Unternehmensdaten verantwortlich, Dealavo hingegen für verlässliche Marktdaten, Produkt-Matching und kontrollierte Preisanpassung. Diese Kompetenzen nachzubauen erfordert deutlich mehr als eine schnell eigenentwickelte App.

KI kann aber die Effektivität beider Plattformen erheblich steigern. Ein Agent kann Daten aus ZYNQ und Dealavo verknüpfen, Ausnahmen erkennen, Empfehlungen vorbereiten und passende Workflows auslösen. Eigene Berichte, Freigabebildschirme und Regeln erlauben es, ZYNQ und Dealavo an sehr individuelle Bedürfnisse des Unternehmens anzupassen, ohne dabei auf ein sicheres und bewährtes Fundament zu verzichten.