Der schwierige Teil einer KI-Funktion ist nie das Modell, sondern die Brücke zu den eigenen Daten. Ein Assistent, der nichts über Lagerbestände, Preislisten oder die Auftragshistorie weiß, formuliert schöne Sätze ohne Substanz. JFconcept baut deshalb nicht die KI selbst, sondern ihre Anbindung an ERP, CRM, Shop, Warenwirtschaft und interne Datenbanken.
Ein Modell ohne Zugriff auf den Betrieb entscheidet nichts
Ein Zugang zu einem KI-Anbieter ist schnell eingerichtet. Danach beginnt die Arbeit, und dort bleiben die meisten Vorhaben stehen: Das Modell kennt das Internet, aber nicht den Betrieb. Es weiß nicht, welche Artikelnummer welchem Kunden zu welchem Sonderpreis verkauft wird, und es weiß auch nicht, dass der Bestand von gestern längst überholt ist.
Das Ergebnis kennt jeder, der es einmal ausprobiert hat: freundliche Auskünfte, die nichts entscheiden. Die Frage wandert danach trotzdem ins ERP, und das Werkzeug wird bald nicht mehr geöffnet. Nicht weil KI nicht funktioniert, sondern weil sie von der Wirklichkeit des Unternehmens abgeschnitten war.
Dazu kommt die Frage, die in fast jedem Erstgespräch als erste fällt: Wo landen die Daten? Sie ist berechtigt und muss beantwortet sein, bevor irgendetwas gebaut wird. Wer sie erst nach dem Prototyp stellt, baut zweimal.
Der Zuschnitt der Daten entscheidet, nicht die Wahl des Anbieters
JFconcept beginnt jedes KI-Vorhaben an der Datenseite, nicht beim Modell. Welche Systeme die Wahrheit halten und wie man sie technisch herausbekommt, ist dabei die gleiche Vorarbeit wie bei jeder anderen Anbindung von Schnittstellen und APIs. Der Unterschied beginnt eine Ebene später, bei der Frage, welchen Ausschnitt dieser Daten ein Modell überhaupt sehen darf.
Meist ist das weniger, als am Anfang gedacht. Wir schneiden zu, anonymisieren, wo es geht, und übergeben nur den Teil, der für die konkrete Frage nötig ist. Datensparsamkeit ist hier kein Formalismus: Was nie übertragen wird, muss auch nicht abgesichert werden. Genauso gehört festgelegt, was protokolliert wird und wie lange.
Erst danach fällt die Entscheidung über das Modell selbst. Sie hängt an der Aufgabe und am gewünschten Verarbeitungsort, nicht an der Marke. Für sensible Bestände kann ein kleineres Modell auf europäischer Infrastruktur die richtige Wahl sein, für freie Textarbeit ein großes. JFconcept betreibt eine eigene Serverumgebung und kann die Verarbeitung dort nah am Betrieb halten, wenn das Projekt es verlangt. Wo am Ende gehostet wird, entscheidet aber der Kunde, nicht wir. Diese Reihenfolge ist Absicht, denn ein Anbieter lässt sich später tauschen, ein schlecht gewählter Datenzuschnitt nicht.
Was aus einer angebundenen KI im Alltag entsteht
Die Anbindung ist die Grundlage, die Anwendung darauf variiert stark. Typisch sind:
Suche, die Fragen versteht statt einer Volltextsuche, die an einem falsch geschriebenen Bauteilnamen scheitert
Interne Assistenten, die Angebote, Verträge oder Dokumentationen durchsuchbar machen, mit Quellenangabe zur Nachprüfung
Vorqualifizierung von Anfragen: eingehende Nachrichten werden gelesen, eingeordnet und der richtigen Person zugewiesen
Dokumente auslesen, etwa Lieferscheine oder Bestellungen, deren Werte sonst jemand abtippt
Eigene Werkzeuge für Abläufe, für die es schlicht kein Standardprodukt gibt
Solche Funktionen entstehen mit dem gewohnten Handwerk der individuellen Webentwicklung: Laravel im Backend, React und TypeScript in der Oberfläche, automatisierte Tests und eine Staging-Umgebung vor dem Launch, alles versioniert in Git. Eine KI-Funktion ist für uns kein Sonderfall, sondern ein Feature mit denselben Qualitätsanforderungen wie ein Konfigurator.
Wichtig ist dabei die Grenze nach unten. Nicht jede Aufgabe braucht ein Sprachmodell. Wo eine feste Regel reicht, bauen wir eine feste Regel, weil sie billiger, schneller und nachvollziehbar ist. KI kommt dort zum Einsatz, wo Sprache, Unschärfe oder unstrukturierte Dokumente im Spiel sind.
Woran sich der Erfolg einer KI-Anbindung ablesen lässt
Eine KI-Anbindung ist erfolgreich, wenn sie im Alltag benutzt wird, ohne dass jemand daran erinnert. Das erste belastbare Zeichen ist Nutzung nach der Neugier-Phase: Wenn ein Werkzeug auch dann noch täglich geöffnet wird, wenn der Reiz des Neuen weg ist, löst es ein echtes Problem.
Das zweite Zeichen ist die verschwundene Handarbeit. Vor dem Start halten wir fest, was heute von Hand passiert, etwa Anfragen sortieren, Werte abtippen, im Archiv suchen. Nach dem Launch lässt sich derselbe Ablauf wieder ansehen. Wo vorher jemand gesucht hat und jetzt eine Antwort dasteht, ist der Nutzen greifbar, auch ohne Dashboard. Diese Haltung ist dieselbe wie im Marketing, wo wir Abschlüsse messen und nicht Klicks.
Das dritte Zeichen ist Vertrauen in die Antworten. Deshalb bauen wir in Menden im Sauerland Quellenangaben ein, wo es geht: Wer sehen kann, aus welchem Dokument oder Datensatz eine Auskunft stammt, prüft einmal nach und verlässt sich danach darauf. Ohne diese Nachvollziehbarkeit bleibt jede KI-Antwort ein Vorschlag, den ohnehin jemand von Hand kontrolliert. Und dann hätte man sich die Anbindung sparen können.
Wenn Standard nicht reicht
Fabian führt JFconcept, dessen Ursprünge bis 2005 zurückgehen, und verantwortet das Webengineering. Wir bauen, was ein Baukasten nicht hergibt: Konfiguratoren, Datenbanken, Verzeichnisse und Schnittstellen, die deine Systeme miteinander reden lassen. Auch KI gehört dazu, vom Chat-Assistenten bis zum eigenen Tool, wenn es einen Prozess wirklich löst.
