Eigene Abläufe und das Produkt mit KI ausbauen
Die Aufgabe
Daten in guter Qualität sind reichlich vorhanden, Ideen für ihren Einsatz nicht. Und Kanzleidaten dürfen das Haus nicht verlassen.
Arbeitspakete als durchgehende Linie — Daten- und Systemanalyse, Anwendungsfälle, Strategie und Governance, Infrastruktur, Implementierung
Richtungen gleichzeitig: ein Hilfebot für die eigenen Abläufe und KI-Funktionen im Produkt für die Kanzleien
eigenes Rechenzentrum als Betriebsort der Sprachmodelle — die Daten der Mandanten verlassen das Haus nicht
Kurz zum Kunden
Softwarehaus, das seit den achtziger Jahren Lösungen für Steuerkanzleien, Buchhaltungsdienstleister und Unternehmen entwickelt — eine Komplettlösung von der über Kanzleiorganisation und Lohnabrechnung bis zu Personen- und Betriebssteuern. Zwei Dinge prägen ein solches Haus: Jede Funktion muss eine Vielzahl gesetzlicher Pflichten korrekt abbilden, und die Daten der Mandanten laufen durch das eigene Rechenzentrum. Wer hier Künstliche Intelligenz einsetzt, hat deshalb reichlich Daten in guter Qualität — und keinen Spielraum bei Datenschutz und Richtigkeit.
Unsere Lösung
Ein Softwarehaus kann KI nach innen oder ins Produkt bringen. Wer beides trennt, entwickelt zweimal dieselbe Grundlage.
Die Aufgabe
Das Softwarehaus will Künstliche Intelligenz nicht als Einzelprojekt, sondern als durchgehende Linie von der Strategie bis zur Implementierung — ausdrücklich ganzheitlich. Die Voraussetzungen sind gut und die Richtung offen: Daten liegen in großer Menge und guter Qualität vor, ein eigenes Rechenzentrum ist vorhanden, in dem bereits Sprachmodelle betrieben werden, und in der Softwarearchitektur werden gerade neue Standards geschaffen, in denen sich die Voraussetzungen für KI mitdenken lassen. Was fehlt, ist die Verbindung: welche Anwendungsfälle sich lohnen, in welcher Reihenfolge, unter welchen Regeln, und wie sie in ein Produkt kommen, über das Zehntausende von Kanzleiabläufen laufen. Verlangt ist außerdem etwas, das über die Technik hinausgeht — dass die Organisation lernt, mit KI umzugehen, statt auf die nächste Beratung zu warten.
Unser Ansatz
Zwei Richtungen, eine Grundlage. Nach innen ein Hilfebot für die eigenen Abläufe, nach außen KI-Funktionen im Produkt. Das klingt nach zwei Projekten und ist bewusst eines: Datenbasis, Infrastruktur, Governance und Betriebsmodell sind für beides dieselben. Wer erst intern anfängt und später das Produkt angeht, entwickelt die Grundlage zweimal — und muss beim zweiten Mal begründen, warum das erste nicht passt.
Der interne Anwendungsfall war der klügere Anfang. Das Wissen, das in der Hotline entsteht, ist der am besten dokumentierte Datenbestand eines Softwarehauses: echte Fragen echter Anwender, mit den Antworten daneben. Daraus eine Selbsthilfe zu entwickeln, hat drei Vorteile — der Nutzen ist sofort messbar, der Datenschutzrahmen ist eng und beherrschbar, und ein Fehler kostet einen unzufriedenen Anrufer und nicht eine falsche Buchung.
Governance heißt hier ein Satz: nur eigene Inhalte. Diese Festlegung stand früh und ist bei einem Anbieter, dessen Software gesetzliche Pflichten abbildet, keine Vorsichtsmaßnahme, sondern die Geschäftsgrundlage. Ein Assistent, der plausibel klingende, aber falsche Formulierungen liefert, ist in einer Steuerkanzlei nicht unpraktisch, sondern haftungsrelevant. Die Frage nach fehlerhaften Texten und falschen Wortlauten wurde deshalb im Projekt ausdrücklich als Risiko behandelt und nicht als Reifefrage der Technologie.
Das eigene Rechenzentrum ist ein Vorteil und wurde als solcher genutzt. Sprachmodelle liefen dort bereits. Damit entfällt die Frage, die viele vergleichbare Vorhaben aufhält — ob Mandantendaten zu einem externen Anbieter dürfen —, und die Infrastrukturkonzeption konnte sich auf die Fragen konzentrieren, die tatsächlich offen waren: Auswahl, Betrieb, Skalierung und die Einbindung in die gerade entstehenden Architekturstandards des Hauses.
Kleine Anwendungsfälle zuerst, weil Akzeptanz an der Zeit hängt. Im Projekt war ausdrücklich gefordert, früh sichtbare Ergebnisse zu liefern — die Frage, ab wann man erkennt, dass etwas funktioniert, wurde vor Projektbeginn gestellt. Deshalb standen ein Use-Case-Workshop am Anfang und kleinere Anwendungsfälle vor den großen. Bei einem Vorhaben, das die Organisation mitnehmen soll, ist der erste sichtbare Erfolg wichtiger als der größte.
Workshops, damit die Fähigkeit im Haus bleibt. Zum Auftrag gehörte das kontinuierliche Lernen in der Organisation, nicht nur die Lieferung von Anwendungsfällen. Für ein Softwarehaus ist das der entscheidende Unterschied: Es entwickelt selbst Software. Was es über KI lernt, geht in jedes künftige Modul ein — und was es nicht lernt, muss es bei jedem Modul erneut einkaufen.
Das Ergebnis
Fünf Arbeitspakete als durchgehende Linie.
Erstens die Daten- und Systemanalyse: Bestandsaufnahme der Ist-Situation einschließlich der Ergebnisse aus bestehenden Forschungskooperationen, Analyse von Datenbasis, Software und Schnittstellen, Bewertung der IT-Infrastruktur als Grundlage für den KI-Einsatz. Zweitens die Anwendungsfälle: erhoben, bewertet und priorisiert, in zwei Richtungen — nach innen die eigenen Abläufe, etwa ein Hilfebot, der das in der Hotline entstehende Wissen den Kunden zur Selbsthilfe zugänglich macht; nach außen das Produkt, etwa ein Assistent für Buchungsvorfälle.
Drittens Strategie und Governance, mit der Festlegung, dass ausschließlich eigene Inhalte verwendet werden. Viertens die Infrastruktur: Konzeption und Technologieauswahl auf dem eigenen Rechenzentrum. Fünftens Implementierung und Integration der Anwendungsfälle in den laufenden Betrieb. Begleitend Workshops in der Organisation, damit die Fähigkeit im Haus bleibt. Durchgeführt wie geplant.
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.
