Ein industrietauglicher KI-Prozess hält den Ablauf algorithmisch und bindet das Sprachmodell nur als kognitiven Schritt ein. Das ist das Prinzip. Dieser Beitrag geht die Frage an, wie man die Grenze zieht: An welchen konkreten Stellen darf die KI entscheiden, und an welchen besser nicht?
Das Kernprinzip: kompilierter Ablauf mit chirurgischer KI
Der häufigste Fehler in KI-Projekten ist, den Anteil zu überschätzen, den die KI an der Lösung tatsächlich hat. Sieht man genau hin, ist der kognitive Kern einer Aufgabe oft klein; der größere Teil besteht aus Ablaufsteuerung, Datenzugriff, Formatierung und Prüfung. Diese Dinge erledigt die klassische Programmierung zuverlässiger und reproduzierbarer.
APL, die AI Pattern Language von PROSTEP, zieht daraus eine klare Konsequenz: Der Ablauf wird kompiliert und kontrolliert: Reihenfolge, Schleifen, Terminierung und Fehlerbehandlung werden vorab festgelegt, nicht improvisiert. Die KI wird nicht breit über den Prozess gelegt, sondern punktuell dort eingesetzt, wo ihr kognitiver Mehrwert gebraucht wird, mit klar definierter Eingabe und Ausgabe für einen scharf umrissenen Schritt.
Der Prozess läuft dann, weil der Ablauf so beschrieben ist und nicht, weil das Modell ihn zur Laufzeit neu erfindet. Ob eine Schleife weiterläuft, sollte nicht frei vom Modell improvisiert werden, sondern einer expliziten Bedingung folgen, idealerweise deterministisch. So bleiben Irrtümer lokal: Ein schlechter KI-Schritt liefert ein schlechtes Zwischenergebnis, lässt aber nicht den ganzen Ablauf entgleisen. Das ist der Unterschied zwischen einem Prozess, der einen KI-Schritt enthält, und einem, den die KI steuert.
Ein Beispiel aus der Vertragsanalyse
Vertragsanalyse verträgt keine ungefähren Antworten. Damit ein KI-Prozess einen Vertrag verlässlich durchleuchtet, muss er präzise gesteuert werden. Das beginnt mit einem Kriterienkatalog: Einer strukturierten Sammlung von Prüffragen, die einen Vertrag in relevanten Aspekten wie Haftung, Kündigung, Gewährleistung oder Datenschutz untersucht. Der Katalog kann je nach Vertragsart angepasst werden. Die eigentliche Arbeit ist aber die Analyse einer einzelnen Frage gegen den Vertrag.
Nehmen wir eine Frage aus dem Katalog:
„Enthält der Vertrag eine Haftungsbegrenzung, und wie ist sie ausgestaltet?“
Bevor eine solche Frage beantwortet werden kann, ist Vorarbeit zu leisten. Der Vertrag muss in einzelne Klauseln zerlegt und jede einzelne als eigene Informationseinheit gespeichert werden. Jede Klausel muss fachlich eingeordnet und in einen semantischen und einen lexikalischen Index aufgenommen werden.
Dieser Analyseschritt kann bereits durch ein Sprachmodell sinnvoll unterstützt werden, indem es Schlagworte und Extrakte erzeugt. Auf dieser Grundlage wird eine effektive hybride Suche möglich: Sie findet relevante Paragraphen mit Hilfe der Indexe sowohl nach Begriffen als auch nach Bedeutung und leitet daraus eine konsolidierte, gerankte Treffermenge ab. Das arbeitet zuverlässiger als jede direkte Textanalyse eines LLM. Beide Suchpfade greifen auf klar abgegrenzte, benannte Einheiten zu statt auf unstrukturierten Fließtext.
Die Form der Daten entscheidet hier über die Qualität des Prozesses, noch bevor die KI mit der eigentlichen Beantwortung der Frage beauftragt wurde. Das Finden der Antwort erfolgt nun in drei Phasen:
Suche: Zuerst werden die zur Frage passenden Klauseln gefunden. Die KI kann dabei eng umrissen helfen, Suchbegriffe oder Suchvarianten auf die konkrete Frage zuzuschneiden. Das Finden, Zusammenführen und Ranking der Treffer bleiben aber deterministisch. Falls das deterministische Ranking nicht ausreicht, um eine kleine Menge von Top-Treffern zu qualifizieren, kann die KI das als nachgelagerte Aufgabe übernehmen.
Bewertung: Das Sprachmodell erhält nur die als relevant identifizierten Klauseln und beantwortet die Frage daran: Ob eine Haftungsbegrenzung vorhanden ist, wie sie formuliert ist, welche Ausnahmen gelten und welche Wirkung sie hat. Text verstehen und auf eine konkrete Fragestellung beziehen ist der Teil, den die KI gut kann. Entscheidend ist, dass klar angewiesen wird, nur über die vorgelegten Klauseln zu urteilen und nicht aus freiem Gedächtnis.
Ablage: Die Antwort wird strukturiert festgehalten, mit Verweis auf die Quell-Klauseln, aus denen sie erzeugt wurde. Danach kann sie in einen Bericht, eine Gesamtauswertung oder einen Vergleich einfließen.
Über diese Einzelanalyse legt sich die Schleife: Der Prozess arbeitet den Katalog Frage für Frage ab, mit sichtbaren und reproduzierbaren Zwischenergebnissen. Die KI trägt dabei pro Frage nur wenige, scharf umrissene Handgriffe bei: Suchvarianten schärfen, Klauseln final auf Relevanz bewerten, Antworten formulieren. Doch welche Frage als Nächstes kommt und wann der Katalog vollständig ist, bestimmt der Ablauf, nicht das Modell.
Dass jede Antwort auf ihre Quell-Klauseln verweist, macht den Prozess nachprüfbar. Wirkt eine Antwort fragwürdig, sieht man auf einen Blick, ob schon die Suche die falschen Klauseln lieferte oder erst die Bewertung danebenlag, ohne einen undurchsichtigen Chatverlauf nachvollziehen zu müssen.
Aber genügt nicht ein Agent mit genug Werkzeugen?
Ein naheliegender Einwand ist, wozu der kompilierte Ablauf überhaupt nötig ist. Man könnte einem autonomen Agenten doch einfach genug deterministische Werkzeuge für Suche, Ablage und Berichtserzeugung geben und ihn selbst entscheiden lassen, wann er was aufruft. Der Haken daran ist, dass deterministische Werkzeuge noch keinen deterministischen Prozess ergeben.
Deterministische Werkzeuge machen einzelne Handgriffe verlässlich. Offen bleibt aber die Orchestrierung, d.h. welches Werkzeug wann aufgerufen wird, wie oft ein Schritt wiederholt wird, welche Zwischenergebnisse zählen und wann der Prozess fertig ist. Überlässt man diese Steuerung dem Sprachmodell, entsteht der Ablauf jedes Mal neu zur Laufzeit. Das leistet ein Sprachmodell am wenigsten zuverlässig.
Daraus folgen drei praktische Probleme:
Reproduzierbarkeit: Die gleiche Frage und der gleiche Vertrag können beim frei orchestrierenden Agenten zwei verschiedene Wege und zwei verschiedene Antworten ergeben. Ein beschriebener Ablauf nimmt jedes Mal denselben Pfad. Für eine juristische Prüfung ist „meistens richtig“ nicht genug.
Prüfbarkeit vor der Ausführung: Einen beschriebenen Ablauf kann man lesen und freigeben, bevor er läuft. Beim frei orchestrierenden Agenten entsteht der Weg erst zur Laufzeit und bei jedem Lauf neu. Es gibt nichts vorab zu reviewen, nur hinterher eine Spur.
Lokale, statt globale Fehler: Ein Fehlurteil über eine einzelne Klausel bleibt im beschriebenen Ablauf lokal. Ein Fehlurteil über die Reihenfolge, z.B. eine Bewertung ohne vorherige Suche, ist ein globaler Fehler, der das gesamte Ergebnis entwertet.
Das heißt nicht, dass der frei orchestrierende Agent nie die richtige Wahl ist. Für offene, explorative Aufgaben ist er genau die richtige Wahl (dazu ein späterer Beitrag). Aber für Prozesse, die verlässlich, prüfbar und wiederholbar dasselbe tun müssen, gehört die Kontrolle über den Ablauf in ein deterministisches Rückgrat, nicht in die Hände des Modells.
Wo die Linie verläuft, findet man empirisch
Bleibt die Frage, woher weiß man, welche Stelle ein KI-Schritt sein soll und welche ein deterministischer? Die Frage lässt sich leider nicht theoretisch beantworten. Die Grenze muss für jeden Anwendungsfall empirisch gefunden werden.
Ein Schritt, den man zunächst dem Modell überlässt, entpuppt sich als deterministisch lösbar, sobald man das Muster verstanden hat, und wird zuverlässiger, wenn man ihn umbaut. Umgekehrt kann ein vermeintlich einfacher Regel-Schritt bei variableren Eingabedaten an Grenzen stoßen und doch KI brauchen. Im Vertragsbeispiel kann die Auswahl relevanter Klauseln bei sauber strukturierten Verträgen weitgehend über Suche und Ranking gelingen; bei uneinheitlicheren Verträgen kann ein zusätzlicher KI-Schritt nötig werden, der die Trefferliste gegen die Frage kuratiert — oder umgekehrt.
Genau deshalb zahlt sich die saubere Trennung aus. Weil APL die Prozesslogik, kognitive Schritte und deterministische Aktionen nicht vermischt, lässt sich diese Grenze kontrolliert verschieben, ohne den Prozess neu zu bauen. Man justiert eine Stelle, nicht das Ganze. Das ist der praktische Kern industrietauglicher KI: Industrietauglich wird ein Prozess nicht dadurch, dass das Modell möglichst viele Entscheidungen übernimmt, sondern dadurch, dass jede Entscheidung an der richtigen Stelle liegt.
Der nächste Teil dieses Kapitels verlässt die Innensicht des Prozesses und zeigt, wie APL die Agenten nicht neben eine Anwendung stellt, sondern in die Anwendung einbezieht.
