Praktische KI-Integration

Die vier Teile einer brauchbaren Anweisung?

Rolle, Aufgabe, Kontext (Daten, Beispiele), gewünschtes Format – wer eines weglässt, bekommt Beliebiges.

Warum Beispiele in die Anweisung?

Ein gutes Beispiel wirkt stärker als zehn Regeln – das Modell trifft Ton und Form viel sicherer.

Was tun bei schwankenden Ergebnissen?

Anweisung präzisieren statt Modell wechseln: Format festlegen, Verbotenes benennen, Grenzfälle mit Beispielen abdecken.

Warum klingen falsche Antworten überzeugend?

Modelle erzeugen wahrscheinlichen Text, nicht geprüften – Sicherheit im Ton sagt nichts über Richtigkeit.

Was wird immer geprüft?

Zahlen, Namen, Daten, Gesetze, Quellen – an der Originalstelle, nicht durch Nachfragen beim Modell.

Wie prüft man wirtschaftlich?

Stichproben nach Risiko: Was Kunden erreicht oder Geld bewegt, vollständig; interne Entwürfe stichprobenartig.

Was gehört nie ins Chatfenster?

Personenbezogene Daten, Zugangsdaten, Geschäftsgeheimnisse, Kundenverträge – bei Anbietern ohne vertragliche Zusicherung zur Nichtnutzung.

Wie arbeitet man trotzdem mit echten Fällen?

Anonymisieren oder pseudonymisieren, bevor der Text das Haus verlässt – Namen, Adressen, IDs ersetzen.

Was ändert ein Unternehmensvertrag (AVV)?

Daten werden nicht zum Training genutzt und nur im vereinbarten Rahmen verarbeitet – dann sind auch Kundendaten möglich.

Was ist eine API im KI-Kontext?

Die Schnittstelle, über die eigene Programme Anfragen an ein Modell senden und Antworten erhalten – ohne Chatfenster.

Wo gehört der API-Schlüssel hin?

In eine Umgebungsvariable oder einen Tresor auf dem Server – nie in den Code, nie in den Browser.

Wie hält man Kosten im Griff?

Tokens zählen, Antwortlänge begrenzen, kleines Modell für einfache Aufgaben, Ergebnisse zwischenspeichern.

Was macht RAG?

Findet zur Frage passende Abschnitte aus eigenen Dokumenten und gibt sie dem Modell als Kontext – Antworten aus dem eigenen Wissen statt aus dem Training.

Warum Dokumente in Abschnitte teilen?

Nur passende Stücke landen im Kontext – kleiner, günstiger, treffsicherer als ganze Dokumente.

Häufigste Ursache schlechter RAG-Antworten?

Nicht das Modell, sondern die Suche: falsche oder zu wenige Abschnitte gefunden. Zuerst die Treffer prüfen.

Was unterscheidet einen Agenten vom Chat?

Er darf Werkzeuge aufrufen (Suche, Datenbank, E-Mail) und entscheidet selbst, welche Schritte nötig sind.

Wie beschreibt man ein Werkzeug?

Name, Zweck und Parameter so klar wie für einen neuen Kollegen – das Modell wählt Werkzeuge nur nach dieser Beschreibung.

Wo braucht ein Agent eine Grenze?

Bei allem, das Geld bewegt oder nach außen geht: Bestätigung durch einen Menschen vor der Ausführung.

Was unterscheidet einen Coding-Agenten von einem Chat?

Er arbeitet in einer Schleife: plant, ruft Werkzeuge wie Terminal oder APIs auf, liest das Ergebnis und macht weiter, bis die Aufgabe erledigt ist.

Was ist ein MCP-Server?

Ein Dienst nach dem Model Context Protocol, der einem Agenten fest definierte Werkzeuge bereitstellt – statt einer offenen Kommandozeile.

Wie bindet man WordPress für einen Agenten sicher an?

Eigener Benutzer mit Redakteursrolle und Anwendungspasswort für die REST-API – einzeln widerrufbar.

Welche Rolle bekommt ein Google-Dienstkonto für Auswertungen?

Eine rein lesende: eingeschränkter Nutzer in der Search Console, Betrachter in GA4.

Nennen Sie die drei Rechte-Stufen für Agenten.

Lesen · Schreiben mit menschlicher Freigabe · automatisch nur bei erprobten, umkehrbaren Abläufen mit Backup.

Was ist Prompt-Injection?

Anweisungen, die in gelesenen Inhalten versteckt sind und den Agenten zu ungewollten Aktionen verleiten sollen – z. B. Geheimnisse auszugeben.

Was ist n8n?

Ein Werkzeug, das Abläufe aus Bausteinen zusammensetzt: Auslöser → Schritte → Ergebnis, ohne alles selbst zu programmieren.

Wo passt KI in einen Ablauf?

An Stellen, wo unstrukturierter Text verstanden oder erzeugt werden muss – etwa E-Mails einordnen oder Antworten entwerfen.

Was gehört zu jedem Ablauf dazu?

Fehlerpfad und Benachrichtigung: Was passiert, wenn ein Schritt scheitert, und wer erfährt es?

Wo entstehen KI-Kosten wirklich?

Nicht beim Test, sondern im Betrieb: lange Kontexte, viele Aufrufe, große Modelle für kleine Aufgaben.

Was ist Prompt Injection?

Fremder Text (E-Mail, Webseite) enthält Anweisungen, die das Modell befolgt – Eingaben sind Daten, nie Befehle.

Was gehört zum Betrieb dazu?

Protokolle, Kostenlimits, Ausfallverhalten und regelmäßige Stichproben der Antworten.

Woran erkennt man einen guten KI-Anwendungsfall?

Häufig, textlastig, mit klaren Regeln und einem Menschen, der das Ergebnis prüfen kann.

Womit anfangen?

Mit dem kleinsten Fall, der jede Woche vorkommt – nicht mit dem beeindruckendsten.

Wann ist KI die falsche Lösung?

Wenn eine feste Regel reicht: Was sich in drei Wenn-dann-Sätzen beschreiben lässt, braucht kein Modell.