Zum Inhalt springen
Strategion GmbH

Aus einer KI-Produktvision Business Cases und einen Demonstrator entwickeln

Die Aufgabe

Eine gute Produktidee mit Mockups und Anforderungs­liste. Und keine Antwort auf die Frage, ob und womit man anfängt.

Kunde
Beratung für Baumanagement
Branche
Bauwirtschaft
Dauer
rund fünf Monate
Aus einer KI-Produktvision Business Cases und einen Demonstrator entwickeln KI-generiert
umgesetzt

ist der Demonstrator für die KI-gestützte Nachtrags­prüfung — ein technischer Durchstich von der Wissensbasis bis zur Oberfläche

semantisch

wird verglichen: Nachtragspositionen gegen das Haupt-Leistungs­verzeichnis und frühere Nachträge, auch bei abweichender Formulierung

vom Kunden

kam die Produktvision — unsere Aufgabe war, sie umsetzungs­reif zu machen

Kurz zum Kunden

Ein Dienstleister rund um eine im Bauwesen weit verbreitete Software für Kalkulation, Ausschreibung und Projekt­steuerung. Das Haus kennt diese Software aus der Anwendersicht und aus der Beratungs­sicht und weiß deshalb genau, woran Anwender hängenbleiben. Aus dieser Kenntnis entsteht die Idee, ein eigenes KI-Produkt für diese Anwender zu entwickeln — und die Erkenntnis, dass dafür Erfahrung fehlt, die man nicht aus der Domäne mitbringt.

Unsere Lösung

Der Kunde hatte die Idee und die Domäne. Was fehlte, war die Antwort auf die Frage, was davon zuerst entwickelt werden kann — und der Beweis, dass es geht.

Die Aufgabe

Eine Digitalisierungs­beratung für Planung, Bau und Betrieb hat eine eigene Produktidee. Das Haus führt bei seinen Kunden die Fachsoftware ein, mit der im Bauwesen kalkuliert, ausgeschrieben und gesteuert wird, schult die Anwender darauf und begleitet sie im Betrieb — und kennt deshalb jede Stelle, an der diese Anwender hängenbleiben. Daraus entsteht der Gedanke, ihnen KI-gestützte Assistenz zur Seite zu stellen. Vorgearbeitet ist beachtlich viel — ein Zielbild, erste Nutzerrollen und Anwendungs­fälle, Oberflächenentwürfe, eine Anforderungs­analyse mit funktionalen und nicht-funktionalen Aspekten, dazu Präsentationen, mit denen die Idee bereits gegenüber einem Großkunden vorgestellt worden ist. Alles davon liegt auf konzeptioneller Ebene. Was fehlt, ist die Brücke zur Umsetzung: eine technisch realisierbare Ziel­architektur, eine Entscheidung darüber, mit welchem Anwendungs­fall man anfängt und wo dessen Grenze liegt, ein Vorgehens­modell mit Rollen und Takten, eine Aufwandsschätzung — und etwas, das man Kunden zeigen kann, statt es ihnen zu beschreiben.

Unser Ansatz

Die Nachtrags­prüfung ist die Aufgabe, die klassische Software nicht kann. Geprüft wird, ob eine Nachtragsposition im ursprünglichen Leistungs­verzeichnis oder in einem früheren Nachtrag schon einmal vorkam — vollständig, teilweise, oder mit anderer Formulierung und anderem Preis. Genau dieser letzte Fall ist der Punkt: Zwei Positions­texte, die dasselbe Gewerk beschreiben, stimmen selten wörtlich überein. Ein Zeichenvergleich findet sie nicht, ein Sprachmodell schon. Deshalb wurde dieser Fall für den Demonstrator ausgewählt und nicht der einfachere.

Ein Demonstrator ist ein Verkaufsargument, kein Produkt. Das Ziel war ausdrücklich ein technischer Durchstich entlang eines eng umrissenen Szenarios, nicht die Auslieferung eines fertigen Systems. Diese Abgrenzung gehört in den Auftrag, weil sie sonst im Projekt­verlauf verrutscht: Ein Prototyp, an den nach und nach Produkt­anforderungen gehängt werden, wird weder ein guter Prototyp noch ein gutes Produkt. Was der Durchstich beweist, ist die Machbarkeit der Kette — und die kann man Kunden zeigen.

Zu jedem Anwendungs­fall gehört ein Hinweis für die Entwicklung. Im Konzept steht bei jedem Fall nicht nur, was er leisten soll, sondern auch, was technisch dafür nötig ist: ob eine Anbindung an die Projekt­daten­bank gebraucht wird oder eine Wissensbasis aus Handbüchern genügt, ob Regel­prüfungen ausreichen oder ein Modell nötig ist, ob ein Schwellenwert die Auslösung steuert. Solche Sätze verhindern die teuerste Sorte Miss­verständnis: dass ein Anwendungs­fall für einfach gehalten wird, weil er sich einfach beschreiben lässt.

Nicht jeder Anwendungs­fall braucht ein Sprachmodell, und das steht auch so drin. Die Qualitäts­prüfung von Projektdaten — fehlende Mengen, Positionen ohne Einheit, unlogische Terminfolgen — ist ein Regelwerk und kein Modellproblem. Das Projekt­controlling ist eine Schwellenwertlogik. Diese Fälle als KI zu verkaufen wäre bequem gewesen und hätte sich in der Umsetzung gerächt. In einem Konzept, das die Grundlage für Investitionen ist, ist die ehrliche Zuordnung mehr wert als die vollständige.

Zwei Fälle wurden vertieft, weil sie ineinandergreifen. Der Assistent öffnet den Zugang zum Wissen über die Software, die Nachtrags­prüfung liefert nachvoll­ziehbare Ergebnisse im kaufmännischen und technischen Controlling. Zusammen sind sie der Anfang einer Plattform und nicht zwei Einzel­produkte — und genau diese Zusammengehörigkeit macht den Unterschied zwischen einer Roadmap und einer Wunschliste.

Die Vision kam vom Kunden, die Umsetzungs­reife von uns. Wer die Domäne kennt, hat die besseren Ideen; wer KI-Systeme entwickelt hat, weiß, welche davon in welcher Reihenfolge umsetzbar sind. Diese Arbeits­teilung war hier ausdrücklich der Auftrag — und sie ist der Grund, warum das Konzept Anwendungs­fälle enthält, die niemand von außen erfunden hätte, und zugleich eine Architektur, die sich umsetzen lässt.

Das Ergebnis

Ein Konzept­dokument mit Management­zusammenfassung und ein lauffähiger Demonstrator.

Im Konzept sind die Anwendungs­fälle systematisch beschrieben und bewertet — vom Assistenten für Anwenderfragen über die Prüfung von Nachträgen und die Qualitäts­sicherung von Projektdaten bis zum Abgleich zwischen Leistungs­verzeichnis und Bauwerks­modell, jeweils mit einem ausdrücklichen Hinweis für die Entwicklung, was dafür nötig ist und was nicht. Zwei davon sind zu Business Cases ausgearbeitet: der Assistent für den täglichen Systemgebrauch und die KI-gestützte Nachtrags­prüfung, jeder mit Problemstellung, Zielsetzung, Ist-Zustand, Nutzen, Lösungsansatz, betroffenen Prozessen, Zeithorizont und Ertragsperspektive.

Dazu die Ziel­architektur mit Sprachmodell, wissens­gestützter Antwortgenerierung, Datenquellen und Schnittstellen, ein Vorgehens­modell mit Phasen, Rollen und Takten, eine Roadmap und eine Aufwandsschätzung mit Risikoblick. Und schließlich der Demonstrator: Die Nachtrags­prüfung ist als technischer Durchstich umgesetzt worden — Wissensbasis, Sprach­verarbeitung, Modell­anbindung und Oberfläche entlang eines eng umrissenen Szenarios.

Diese Leistungen steckten im Projekt

Weitere Projekte

Alle Referenzen ansehen

Kontakt

Sprechen Sie uns an

Schreiben Sie uns eine Zeile. Wir ordnen Ihre Frage ein und melden uns.

Gespräch vereinbaren

Schreiben Sie uns, worum es geht. Wir melden uns zeitnah.

Lieber zur Kontaktseite