Seit Sprachmodelle allgemein verfügbar sind, wandert erstaunlich viel Arbeit dorthin, die dort nicht hingehört. Eine E-Mail nach Absenderdomain einsortieren braucht kein Modell mit Milliarden Parametern. Umgekehrt versuchen Unternehmen weiterhin, mit Regelwerken Bedeutung zu erfassen, was Regeln naturgemäß nicht können.
01Der entscheidende Unterschied: Regel oder Bedeutung
Klassische Automatisierung ist deterministisch: gleiche Eingabe, gleiche Ausgabe, jederzeit nachvollziehbar. Sprachmodelle sind probabilistisch: Sie erfassen Bedeutung auch dann, wenn die Formulierung neu ist – dafür ist das Ergebnis nicht exakt reproduzierbar. Die Frage lautet also nicht „was ist moderner“, sondern: Braucht die Aufgabe Exaktheit oder Verständnis?
| Aufgabe | Passendes Werkzeug | Begründung |
|---|---|---|
| Rechnungsbetrag summieren | Klassischer Code | Muss exakt und reproduzierbar sein |
| Freitext-Reklamation kategorisieren | Sprachmodell | Formulierungen sind unvorhersehbar |
| Datei nach Dateiendung ablegen | Regel / Workflow-Tool | Eindeutiges Kriterium, keine Deutung nötig |
| Angebotstext aus Stichpunkten erzeugen | Sprachmodell | Sprachliche Variation ist gewollt |
| Termin bei Konflikt ablehnen | Klassischer Code | Klare Logik, harte Konsequenz |
| Lieferantenmail auf Preisänderung prüfen | Sprachmodell + Regel | Deutung plus exakte Zahlenprüfung |
02Kosten realistisch vergleichen
Ein Modellaufruf kostet Bruchteile eines Cents. Das verleitet dazu, Kosten zu ignorieren – und übersieht, dass die eigentlichen Kosten woanders liegen: in der Integration, in der Qualitätssicherung und in der Pflege. Eine Regel, die zehn Jahre unverändert läuft, ist am Ende oft günstiger als ein Modellaufruf, der jährlich neu evaluiert werden muss.
- Entwicklungsaufwand: Regelwerke wachsen mit jedem Sonderfall, Modelle mit jeder Qualitätsanforderung.
- Betriebskosten: Token- und API-Kosten skalieren mit dem Volumen, Regeln nicht.
- Wartung: Modelle brauchen Evaluations-Sets, Regeln brauchen Dokumentation.
- Risiko: Ein falsches Modellergebnis muss abgefangen werden – das kostet Design, nicht Rechenzeit.
03Ein Beispiel aus der Praxis
Ein Handelsunternehmen erhält täglich rund 300 Bestellungen per E-Mail – als PDF, als Tabelle, als Fließtext. Die reine Regelautomatisierung scheiterte an der Formatvielfalt, ein reines Sprachmodell an falsch übernommenen Mengen.
- Sprachmodell extrahiert Positionen, Mengen und Artikelbezeichnungen als strukturierte Daten.
- Deterministischer Abgleich mit dem Artikelstamm: Nur existierende Artikelnummern werden akzeptiert.
- Regel prüft Mengen gegen Lagerbestand und Mindestbestellmenge.
- Alles unterhalb einer Konfidenzschwelle oder mit unbekanntem Artikel landet in einer Prüfliste.
Ergebnis: 78 Prozent der Bestellungen laufen ohne manuellen Eingriff, der Rest wird gezielt geprüft statt vollständig abgetippt. Weder Regel noch Modell allein hätten dieses Ergebnis erreicht.
Häufige Fragen
- Ist KI immer teurer als eine klassische Automatisierung?
- Im laufenden Betrieb ja, in der Entwicklung häufig nein. Ein Sprachmodell ersetzt oft hunderte Sonderfallregeln, die sonst programmiert und gepflegt werden müssten. Die Gesamtkosten entscheiden, nicht der Preis pro Aufruf.
- Kann ein Sprachmodell exakte Berechnungen übernehmen?
- Nein. Rechnen, Summieren und Vergleichen gehören in deterministischen Code. Das Modell extrahiert die Werte, die Berechnung übernimmt das Programm – so bleibt das Ergebnis reproduzierbar.
Aus dem Ratgeber in Ihren Betrieb
Wir prüfen Ihre Prozesse, schätzen Aufwand und Wirkung realistisch ein und bauen den ersten Anwendungsfall bis zur Produktionsreife.