KI-Anwendung anbinden
KI-Assistenten mit den eigenen Unternehmens
Die Oberfläche bleibt dieselbe, die Arbeitsweise nicht: die KI nimmt einen Auftrag an, zerlegt ihn in Teilfragen und stellt sie einzeln an Ihre Systeme. Was dabei entsteht, ist keine Chatantwort über Allgemeinwissen, sondern eine Untersuchung an Ihren Aufträgen, Kunden und Rechnungen.
| Kunde | Aufträge |
|---|---|
| Kunde A | 4 |
| Kunde B | 3 |
| Kunde C | 2 |
Beispiel mit erfundenen Zahlen · keine Kundendaten
Was dabei entsteht
Ein zweiter Mitarbeiter, der Ihre Systeme kennt.
Der Nutzen dieser Anbindung liegt nicht darin, dass eine Frage schneller beantwortet wird. Er liegt darin, was überhaupt gefragt werden kann: nicht „Wie hoch war der offene Bestand?“, sondern „Unser Forderungsbestand ist gestiegen – finden Sie heraus, wo er steckt.“
Die KI arbeitet einen solchen Auftrag in Schritten ab. Sie zerlegt ihn in Teilfragen, stellt sie einzeln, bewertet jedes Zwischenergebnis, zieht einen weiteren Fachbereich hinzu und verwirft, was sich nicht bestätigt. Das ist die Arbeit, für die es heute jemanden braucht, der die Systeme kennt, weiß, welche Abteilung welche Zahl führt, und dafür eine Woche Zeit hat.
Was das Protokoll dahinter leistet und wo seine Grenzen liegen, steht auf der Seite was MCP für Unternehmensdaten bedeutet.
Das Fachwissen kommt nicht aus dem Modell, sondern aus Ihrem Haus. Das Modell bringt das Vorgehen mit.
Diese Trennung ist wichtig, damit die Erwartung stimmt: Ein Sprachmodell versteht Ihr Unternehmen nicht. Es kann zerlegen, bewerten und verknüpfen – was „Bestandskunde“, „abgewandert“ oder „offen“ bei Ihnen bedeutet, steht in der semantischen Schicht, die Ihr Fachbereich bestätigt hat. Fehlt ein Begriff, bricht die Untersuchung an dieser Stelle ab und benennt die Lücke, statt sie mit einer Annahme zu überbrücken.
Jede einzelne Teilfrage läuft dabei durch dieselbe Prüfung wie eine Einzelfrage: gegen das beschriebene Fachmodell und gegen die Rechte der Rolle, bevor die Datenbank angesprochen wird. Ein Auftrag mit sechs Teilfragen wird sechsmal geprüft, nicht einmal.
Beispiel einer Zerlegung
„Wir verlieren Bestandskunden. Prüfen Sie, ob es ein Muster gibt.“
Ein branchentypischer Auftrag und die Teilfragen, in die er zerfällt. Welche Schritte nötig sind, steht vorher nicht fest – jeder folgt aus dem Ergebnis des vorherigen.
- 1
Wer ist überhaupt gemeint? (Vertrieb)
Welche Bestandskunden haben ihre Bestellfrequenz halbiert oder eingestellt? „Abgewandert“ ist keine Spalte, sondern eine Festlegung – ohne sie zählt jede Auswertung eine andere Menge.
- 2
Ging etwas voraus? (Service)
Hatten diese Kunden vor dem Abbruch Reklamationen, und wie lange blieben sie offen? Hier zeigt sich, ob dem Abbruch regelmäßig ein ungelöster Vorgang vorausgeht.
- 3
Wurden sie schlechter bedient? (Logistik)
Wie waren ihre Lieferzeiten im Jahr davor, verglichen mit allen anderen? Die Teilfrage prüft eine Vermutung – und kann sie auch entkräften.
- 4
War es eine eigene Entscheidung? (Finanzen)
Fiel eine Preisanpassung oder das Ende einer Konditionsvereinbarung in denselben Zeitraum? Ein Effekt aus dem eigenen Haus sieht in der Kundenliste genauso aus wie Unzufriedenheit.
- 5
Wo überschneidet es sich? (Verknüpfung)
Verteilen sich die Fälle auf Gebiete, Betreuer, Produktgruppen – oder auf keines davon? Dieser Schritt ist der eigentliche Befund: Er liegt in der Überschneidung und in keiner der vier Einzellisten.
Transparenz
Was das Modell dabei sieht – und was nicht.
Diese Aufstellung ist der Grund, warum die Wahl des Betriebsmodus vor der Einführung getroffen werden muss.
- Beschreibung des Fachmodells
- Ja. Begriffe, Beziehungen und Regeln Ihres Modells werden übermittelt – das Modell braucht sie, um überhaupt einen sinnvollen Plan zu bilden.
- Abfrageergebnisse
- Ja, bei Anbindung einer externen KI-Anwendung. Das Modell übernimmt das Reasoning und muss Zwischenergebnisse bewerten können. Das ist keine Nebenwirkung, sondern die Funktionsweise dieses Modus.
- Zugangsdaten zur Datenbank
- Nein. Das Sprachmodell erhält keine Zugangsdaten und keine Netzwerkverbindung zur Datenbank.
- Ihre Tabellenstruktur
- Das Modell plant in Fachbegriffen und erzeugt kein SQL. Die ausgeführte Abfrage wird zur Nachvollziehbarkeit mitgeliefert; dabei können Tabellen- und Spaltennamen sichtbar werden.
- Ihr Datenbestand insgesamt
- Nein. Es wird nichts replikiert, synchronisiert oder importiert. Übermittelt wird nur, was eine konkrete Abfrage als Ergebnis liefert.
Die Entscheidung davor
Ob Abfrageergebnisse Ihr Netz verlassen, entscheiden Sie – nicht das Werkzeug.
Es gibt zwei Betriebsmodi. Bei der Anbindung einer externen KI-Anwendung liegt das Reasoning beim Modell des Anbieters; dessen Modell sieht dabei auch Abfrageergebnisse. Bei der eigenen Oberfläche erhält das Sprachmodell Ihre Frage und die Beschreibung des Fachmodells; Abfrageergebnisse werden nicht übermittelt.
Beides ist umgesetzt; in der Alpha erprobt ist der Weg über einen KI-Assistenten am Desktop. Die Wahl ist deshalb keine technische Einschränkung, sondern eine Datenschutzentscheidung – und sie gehört vor die Einführung, nicht danach.
Wenn Abfrageergebnisse das Unternehmen nicht verlassen dürfen, ist die eigene Oberfläche der Weg.
Der Unterschied betrifft dabei nicht nur den Datenschutz, sondern die Analysetiefe – und das gehört auf dieselbe Seite. Eine Untersuchung, die Zwischenergebnisse bewertet und die nächste Teilfrage daraus ableitet, setzt voraus, dass das Modell diese Zwischenergebnisse sieht. In der eigenen Oberfläche sieht es sie nicht: Dort bleibt es bei Einzelfragen und Folgefragen, die ein Mensch stellt. Der Auftrag, den ein Modell selbst zerlegt, ist an den Weg über die angebundene KI-Anwendung gebunden.
Was ein Modellanbieter mit übermittelten Daten vertraglich darf, steht in seinen Bedingungen. Diese Seite benennt die Verantwortung, statt sie zu übernehmen: Wer eine externe KI-Anwendung anbindet, sollte die Vertragslage seines Anbieters kennen und seine Datenschutzfolgenabschätzung darauf aufbauen.
Wie das mit der KI aussieht – Frage, Antwort und Herleitung: Beispiele ansehen →
Eine einzelne Teilfrage
So sieht ein Schritt einer solchen Untersuchung aus.
Schematische Darstellung. Begriffe, Regeln und Werte sind Beispiele; in Ihrem System stehen dort Ihre eigenen Definitionen.
| Kunde | Rückgang | Offen |
|---|---|---|
| Kunde A | −38,6 % | 18.400 € |
| Kunde B | −23,0 % | — |
| Kunde F | −11,4 % | 7.150 € |
- Begriffe
- Kunde, Bestellung, Rechnung, offen – aufgelöst über das semantische Modell.
- Zeiträume
- Letztes abgeschlossenes Quartal gegen dasselbe Quartal des Vorjahres.
- Rechnung gilt als offen
- Gestellt, nicht storniert, Zahlungseingang kleiner als Rechnungsbetrag – bewertet zum Stichtag.
- Bestellwert
- Summe der Auftragspositionen ohne Stornopositionen, bewertet zum Auftragsdatum.
Beispiel mit erfundenen Zahlen · keine Kundendaten
Andere Werkzeuge
Was in der Alpha erprobt ist – und was nur möglich ist.
Getrennt aufgeführt, weil der Unterschied für eine Einführungsentscheidung zählt.
- KI-Assistent
- In der Alpha erprobt. Dieser Weg ist getestet.
- Weitere MCP-fähige Clients
- Durch den offenen Standard technisch angelegt. Für einen bestimmten Client prüfen wir es gemeinsam, bevor wir es zusagen – welche Clients MCP unterstützen, entscheidet der jeweilige Anbieter.
- ChatGPT
- Gemeinsam noch nicht erprobt. Wenn die Anbindung über eine externe KI-Anwendung für Sie an ein bestimmtes Produkt gebunden ist, nehmen wir das in die technische Sichtung und probieren es dort zusammen aus – statt es hier zuzusagen.
- Eigene Oberfläche
- Umgesetzt. Der Weg ohne externen Client, wenn Abfrageergebnisse nicht an ein Sprachmodell gehen sollen.
Klarstellung
Nowl trainiert kein Modell mit Ihren Daten.
Gerling Solutions trainiert keine Modelle – weder mit Ihren Daten noch mit Ihrem Sourcecode. Ob ein externer Modellanbieter übermittelte Daten verwenden darf, regeln dessen Vertragsbedingungen; wir klären das mit Ihnen vor dem Einsatz. Was im Betrieb wächst, ist die Beschreibung Ihres Fachmodells – als lesbare, überprüfbare Definition, nicht als Modellgewicht.
Das ist auch der Grund, warum Verbesserungen nachvollziehbar sind: Jeder Zugewinn geht auf eine benannte Lücke und eine dokumentierte fachliche Entscheidung zurück, nicht auf einen Trainingslauf, dessen Wirkung niemand belegen kann.
Häufige Fragen
Fehlt Ihnen eine Frage? Ausführliche Antworten zu Betrieb und Datenzugriff stehen auf der Sicherheitsseite.
- Unsere Mitarbeiter nutzen die KI im Unternehmen schon. Ändert das etwas?
Es verschiebt die Frage. Wenn Mitarbeiter KI im Unternehmen ohnehin nutzen, ist der Bedarf belegt – gedeckt wird er heute nur auf einem Weg, den niemand sieht: mit Tabellenauszügen, die aus einem System kopiert und in ein Chatfenster gestellt werden. Genau dieser Fall ist der, den eine Freigabe eigentlich verhindern soll.
Eine Anbindung dreht das um. Dieselbe Anwendung fragt dann die Systeme über eine Prüfschicht in Ihrem Netz: mit Rollenrechten, mit Filterung vor der Übermittlung und mit Protokoll – und ohne dass jemand Daten von Hand herauskopieren muss, um eine Antwort zu bekommen.
Das ist ein organisatorisches Thema so gut wie ein technisches. Wer die Nutzung im Haus kennt, sollte sie früh benennen: Ein kontrollierter Zugang ist in der Praxis wirksamer als ein Verbot, das umgangen wird.
- Sieht der Anbieter der KI-Anwendung unsere Daten?
Bei Anbindung einer externen KI-Anwendung sieht dessen Modell die Abfrageergebnisse, weil es sie für das Reasoning bewerten muss – und mit der mitgelieferten Abfrage auch Tabellen- und Spaltennamen. Nicht übermittelt werden Zugangsdaten oder der Datenbestand als Ganzes.
Was der Anbieter mit übermittelten Daten vertraglich darf, steht in seinen Bedingungen – dazu wird hier bewusst keine Zusage gemacht. Wenn Abfrageergebnisse das Unternehmen nicht verlassen dürfen, ist die eigene Oberfläche der richtige Modus.
- Brauchen wir dafür Lizenzen der KI-Anwendung?
Für den Weg über eine externe KI-Anwendung ja: Der Client und das dahinterliegende Sprachmodell werden vom jeweiligen Anbieter bezogen, mit dessen Konditionen.
Für den Weg über die eigene Oberfläche entfällt der Client. Ein Sprachmodell mit ausreichender Reasoning-Fähigkeit wird weiterhin benötigt; ein vollständig lokal betriebenes Modell ist in Arbeit und heute nicht Teil des Leistungsstands.
- Kann jeder Mitarbeiter dann alles abfragen?
Nein. Rollen und Rechte sind im semantischen Modell abgebildet und werden bei der Prüfung des Abfrageplans ausgewertet – nicht erst beim Anzeigen des Ergebnisses. Was eine Rolle nicht sehen darf, wird nicht abgefragt.
Ihre bestehende Benutzerverwaltung bleibt davon unberührt. Die Rechte für die Abfrage werden zusätzlich vergeben, nicht aus Ihrem System übernommen.
- Welches Sprachmodell wird benötigt?
Beschrieben wird hier die Leistungsklasse und nicht die Version: Für mehrstufige Fragen wird ein aktuelles Reasoning-Modell benötigt, das eine Frage in Schritten abarbeiten und Zwischenergebnisse bewerten kann.
Konkrete Versionsangaben wechseln schneller, als eine Website gepflegt wird – eine veraltete Angabe wäre irreführend. Welche Modelle im konkreten Setup geprüft sind, gehört ins Gespräch.
Verwandte Themen
Angrenzende Fragen, jeweils auf einer eigenen Seite beantwortet.
MCP für Unternehmens
Warum ein MCP-Server für Unternehmensdaten mehr können muss, als eine Datenbank durchzureichen.
ChatGPT für die Unternehmens
Warum ein Sprachmodell keinen Datenbankzugang braucht – und welcher Zugang heute erprobt ist.
Sicherer KI-Datenbank
Warum das Sprachmodell keine Zugangsdaten erhält und die Grenze in der Architektur liegt.
Self-hosted KI für Unternehmens
Welche Komponente wo läuft – und welcher Teil heute noch extern ist.
Privacy Layer
Was aus einem Abfrageergebnis entfernt wird, bevor es ein externes Modell sieht – und was der Filter nicht leistet.
Wenn Ihre Fachabteilung bereits mit einer KI-Anwendung arbeitet, ist der Weg dorthin kurz.
Oder direkt anrufen: 0151 235 331 19 · oder schreiben Sie uns: