Ein KI-Produkt kaufen oder um Ihre vorhandenen Systeme herum bauen

Meist gibt es drei Optionen

Die Frage lautet meist kaufen oder bauen, doch die meisten Teams wählen zwischen drei Dingen. Ein fertiges Produkt bringt eigene Oberfläche, eigenen Ablauf und eigenes Modell mit. Eine zusammengesetzte Lösung kauft Modellzugang und Plattformbausteine und baut nur die Prozessschicht, die sie mit Ihren Systemen verbindet. Ein tieferer Eigenbau ergänzt eigene Modelle oder eigene Inferenz-Infrastruktur. Bei Prozessautomatisierung verdient die mittlere Option einen Test, weil mehrere Anbieter vergleichbaren Modellzugang verkaufen, die Anbindung an Ihr Schaden-, ERP- oder Ticketsystem aber nirgendwo sonst existiert.

Die Fragen, die entscheiden

• Passt der Ablauf des Produkts zu Ihrem? Den Prozess eines Anbieters zu übernehmen ist bei Standardarbeit wie Besprechungsnotizen unproblematisch. Teuer wird es, wenn Ihr Prozess Regeln enthält, die das Produkt nicht abbilden kann.
• Erreicht es die Daten ohne Kopien? Ein Produkt, das Exporte Ihrer Datensätze braucht, fügt einen Datenfluss hinzu, der genehmigt und synchron gehalten werden muss. Das AWS Generative AI Lens fordert, bei der Modellauswahl die Datennutzungsrichtlinien der Modellanbieter zu verstehen.
• Wer entscheidet, was bei einem Fehler passiert? Prüfen Sie, ob und wie weit das Produkt Konfidenzschwellen und Eskalationswege einstellen lässt. Muss Ihre Fehlerbehandlung Regeln folgen, die das Produkt nicht abbilden kann, brauchen Sie die Kontrolle über diese Schicht.
• Wozu verpflichtet sich der Anbieter tatsächlich? Das Google-SRE-Buch bietet einen schnellen Test: Hat das Verfehlen eines Zielwerts keine Folgen, ist er ein Ziel, keine Vereinbarung.
• Lässt der Anbieter Ihre zurückgehaltenen Fälle vor der Unterschrift laufen? Ohne das vergleichen Sie Demos.
• Was kostet ein bearbeiteter Fall bei Ihrem Volumen? Die FinOps Foundation beschreibt reife Unit Economics als den Punkt, an dem Kosten pro Einheit Kauf- oder Bauentscheidungen prägen, statt erst nach Eingang der Rechnung berichtet zu werden.

Was Sie nach der Vertragsunterschrift pflegen

Sculley und Kollegen bei Google beschrieben 2015, wie Systeme mit maschinellem Lernen laufende Wartungskosten ansammeln, durch Datenabhängigkeiten, Veränderungen in der Außenwelt und nicht deklarierte Nutzer. Wie viel dieser Arbeit zum Anbieter wandert, hängt von Produkt und Vertrag ab. Behandeln Sie die folgende Liste daher als Fragen, die Sie für jeden Kandidaten beantworten.

• Modell und Prompts: Prüfen Sie beim Kauf, wer sie kontrolliert und ob der Vertrag eine Ankündigung verlangt, bevor der Anbieter sie ändert. Beim Eigenbau gehören sie Ihnen, einschließlich der Umstellung, wenn ein Modell abgekündigt wird.
• Integration: Prüfen Sie, ob der Anbieter die Konnektoren zu Ihren Systemen pflegt oder Sie selbst. So oder so muss jemand sie am Laufen halten, wenn sich diese Systeme ändern.
• Testsatz: in beiden Fällen Ihrer. Beim Kauf prüfen Sie damit, ob ein Update des Anbieters die Ergebnisse verschlechtert hat.
• Prüfprozess und Fehlerbehandlung: in beiden Fällen Ihre. Prüfen Sie vor der Zusage, wie weit das Produkt Ihnen erlaubt, sie zu gestalten.

Eine hypothetische Entscheidung in der Schadenaufnahme

Angenommen, ein Versicherer erhält Schadenmeldungen per E-Mail und Portal. Bei jeder müssen Dokumente klassifiziert, wichtige Felder extrahiert, die Vollständigkeit gegen die Police geprüft und der Fall in einem Schadensystem mit API angelegt werden. Angenommen, das getestete Produkt zur Dokumentenverarbeitung extrahiert Felder gut, aber seine Prüf-Queue liegt außerhalb des Schadensystems, und die Policenbedingungen sieht es nicht. Die Sachbearbeitung würde in zwei Werkzeugen arbeiten, und die Vollständigkeit würde weiter von Hand geprüft.

Eine sinnvolle Aufteilung ist, die Extraktion zu kaufen, weil sie generisch ist, und die Prozessschicht zu bauen: die Vollständigkeitsprüfung gegen Policendaten, die Weiterleitung und die Prüfung im Schadensystem, in dem die Sachbearbeitung ohnehin arbeitet. Der Versicherer pflegt dann Prozessschicht und Testsatz, der Anbieter die Extraktion. Ob das besser ist als jede der reinen Optionen, hängt von Volumen und Preisen ab, die der Versicherer messen und nicht annehmen sollte.

Wie jede Wahl scheitern kann

Ein gekauftes Produkt, das nicht zum Prozess passt, scheitert oft leise über Umgehungslösungen: Mitarbeitende kopieren Ergebnisse zwischen Werkzeugen, führen Nebentabellen, und niemand sieht, warum ein Fall schiefging. Ein Eigenbau scheitert an ungeplanter Pflege oder an Framework-Schichten, die Prompts und Antworten verbergen, ein Risiko, vor dem Anthropics Artikel über Agenten aus dem Jahr 2024 warnt. Beide scheitern, wenn das Projektteam geht und niemand für das System verantwortlich ist.

Ein zeitlich begrenzter Vergleich vor der Unterschrift

Lassen Sie für einen vorab vereinbarten Zeitraum dieselben zurückgehaltenen Fälle durch die Testversion des Anbieters und durch einen schlanken Prototyp auf einem gehosteten Modell und Ihrer eigenen API laufen. Vergleichen Sie Qualität, Prüfaufwand, Kosten pro bearbeitetem Fall und die Liste dessen, was Sie pflegen müssten. Gewinnt das Produkt in allen vier Punkten, kaufen Sie es und behalten Sie den Testsatz. Unsere Arbeit im Bereich KI-Engineering deckt die Bauseite ab, mit einer Prozessschicht, die in Ihrer Umgebung läuft.

Den Ausstieg bei einem KI-Anbieter planenWer nach dem Piloten für ein KI-System verantwortlich ist