// technologien
KI
KI-Funktionen sind ein Baustein wie eine Datenbank oder eine Zahlungsanbindung: nützlich für abgegrenzte Aufgaben, ungeeignet als Selbstzweck. Ich baue sie so ein, dass nachvollziehbar bleibt, worauf eine Antwort beruht – und was passiert, wenn das Modell nicht liefert.
// einsatz
Wie ich das einsetze
Antworten auf eigene Inhalte stützen
Statt ein Modell frei formulieren zu lassen, werden zuerst passende Textstellen aus den eigenen Daten gesucht und mitgegeben. Die Antwort lässt sich dann auf eine Quelle zurückführen.
Den Fehlerfall mitbauen
Ein Modell kann langsam sein, ausfallen oder Unsinn liefern. Dafür gibt es Zeitlimits, eine Rückfallebene und eine Darstellung, die nicht so tut, als sei jede Antwort geprüft.
Verbrauch sichtbar machen
Aufrufe werden begrenzt und protokolliert, damit Nutzung und Kosten nicht erst mit der Abrechnung auffallen.
Freigabe durch Menschen
Bei Inhalten, die nach außen gehen, bleibt ein Freigabeschritt bestehen. Automatisch veröffentlichte Modellausgaben sind selten eine gute Idee.
// im detail
Die einzelnen Technologien
RAG
Retrieval-Augmented Generation: erst suchen, dann formulieren. Die Suche liefert Textstellen aus den eigenen Dokumenten, das Modell formuliert daraus eine Antwort. So beantwortet ein System Fragen zu Inhalten, die kein Modell von sich aus kennt.
Model-APIs
Anbindung von Modellen über die Schnittstellen der Anbieter, inklusive Streaming, Zeitlimits und Wiederholungslogik. Die Anbindung wird gekapselt, damit ein Anbieterwechsel keinen Umbau der halben Anwendung bedeutet.
Hugging Face
Plattform für Modelle und Datensätze. Nützlich für Aufgaben, die kein großes Sprachmodell brauchen: Klassifikation, Spracherkennung oder Ähnlichkeitsbestimmung lassen sich oft mit kleinen, spezialisierten Modellen lösen.
Prompt-Workflows
Prompts als versionierte Bausteine statt als Textschnipsel irgendwo im Code – mit festem Aufbau, Beispielen und definierter Ausgabeform. Änderungen bleiben dadurch nachvollziehbar und vergleichbar.
Embeddings
Zahlenrepräsentationen von Texten, mit denen sich Ähnlichkeit berechnen lässt. Grundlage für Vektorsuche, Vorschläge und das Gruppieren von Inhalten – oft die unspektakulärste und zugleich wirksamste KI-Zutat.
// auswahl
Wonach ich auswähle
- 01
Löst ein Modell wirklich das Problem?
Viele Aufgaben sind mit einer Suche, einer Regel oder einem besseren Formular sauberer gelöst. KI lohnt sich dort, wo Sprache im Spiel und die Varianz hoch ist.
- 02
Woher kommt der Inhalt?
Ohne eigene, gepflegte Datenbasis bleibt die Antwortqualität Zufall. Der Aufwand liegt meist in der Aufbereitung, nicht im Modell.
- 03
Was kostet der Betrieb?
Aufrufe kosten pro Anfrage. Wo hohes Volumen absehbar ist, prüfe ich kleinere Modelle oder einen Zwischenspeicher für wiederkehrende Fragen.
// faq
Häufige Fragen
Welche Daten erreichen den Anbieter?
Das lege ich vor der Umsetzung offen: welcher Dienst angebunden wird und welche Felder ihn erreichen. Was übertragen wird, lässt sich einschränken – und was in den Bedingungen des jeweiligen Anbieters steht, gehört mit auf den Tisch, bevor entschieden wird.
Kann das Modell falsche Antworten geben?
Ja. Sprachmodelle erzeugen plausible Formulierungen, keine geprüften Fakten. Deshalb der Umweg über eigene Quellen, sichtbare Herkunftsangaben und – wo es darauf ankommt – ein Freigabeschritt.
Muss es ein großes Modell sein?
Häufig nicht. Für Klassifikation, Erkennung oder Ähnlichkeitssuche reichen kleine Modelle, die günstiger und schneller sind und sich einfacher betreiben lassen.
// passend dazu
Wo das zum Einsatz kommt
Passt das zu deinem Vorhaben?
Welche Technologie sinnvoll ist, ergibt sich aus dem Vorhaben – nicht andersherum. Beschreib kurz, was entstehen soll; du bekommst eine Einschätzung dazu, was dafür passt und was nicht.
// weitere