Kurz zusammengefasst
- Klassische Software ist stark, wenn Regeln, Datenfelder und erwartete Ergebnisse eindeutig sind.
- Generative KI hilft bei Sprache, Bildern und variablen Aufgaben, für die nicht jede Formulierung vorab programmiert werden kann.
- Dieselbe Eingabe kann bei generativer KI unterschiedliche plausible Ausgaben erzeugen.
- Produktive Lösungen verbinden häufig feste Prozesslogik mit klar begrenzten KI-Schritten.
Wie entstehen die Ergebnisse?
Bei klassischer Software legen Entwickler Regeln und Berechnungen fest. Stimmen Eingangsdaten und Systemzustand überein, ist auch das Ergebnis grundsätzlich reproduzierbar. Ein Lohnsystem berechnet einen Abzug nach hinterlegten Tarifen; eine Datenbank liefert den gespeicherten Wert.
Ein generatives Modell hat dagegen Muster aus vielen Beispielen gelernt. Es berechnet eine wahrscheinliche passende Ausgabe für den aktuellen Kontext. Das ermöglicht freie Sprache und flexible Verarbeitung, bedeutet aber auch, dass ein Ergebnis plausibel wirken kann, ohne fachlich richtig zu sein.
- Regelbasierte Software: definierte Logik und erwartbare Ausgaben
- Generative KI: probabilistische Ausgabe aus Modell, Eingabe und Kontext
- Unternehmensanwendung: zusätzliche Rechte, Daten, Prüfungen und Prozessregeln
Welche Aufgaben passen zu welchem Ansatz?
Die Aufgabe entscheidet, nicht der Neuheitswert der Technologie. Exakte Berechnungen, Buchungen und verbindliche Prüfregeln gehören in deterministische Software. Generative KI eignet sich dort, wo Sprache oder andere unstrukturierte Inhalte verstanden, verdichtet oder neu formuliert werden sollen. Viele reale Lösungen sind hybrid: Die KI bearbeitet den variablen Teil, während klassische Software das Ergebnis prüft und die verbindliche Aktion steuert.
| Prüffrage | Klassische Software | Generative KI | Hybride Lösung |
|---|---|---|---|
| Ergebnis | Ein festgelegter Wert, Status oder Prozessschritt | Ein variabler Entwurf, eine Einordnung oder Zusammenfassung | Die KI schlägt vor; Software übernimmt nur geprüfte Felder oder Aktionen |
| Vorhersagbarkeit | Bei gleichem Zustand grundsätzlich reproduzierbar | Kann bei gleicher Eingabe unterschiedlich formulieren oder gewichten | Variabilität ist erlaubt, verbindliche Grenzen bleiben deterministisch |
| Tests | Erwarteter Wert pro Regel, Zustand und Grenzfall | Qualität über repräsentative Fälle, Fehlertypen und Bandbreiten | End-to-End-Test vom Eingang bis zur tatsächlich ausgeführten Wirkung |
| Fehlerbehandlung | Ausnahme, Fehlercode oder definierter Rückfallpfad | Unsicherheit, unbelegte Aussage oder ungeeignete Ausgabe erkennen | Software blockiert, fragt nach oder übergibt an eine verantwortliche Person |
| Typische Aufgabe | Preis berechnen, Pflichtfeld prüfen, Berechtigung durchsetzen | Text zusammenfassen, Anfrage klassifizieren, Entwurf formulieren | Rechnung lesen, Werte validieren und nur nach Freigabe verbuchen |
Warum braucht generative KI andere Qualitätskontrollen?
Bei klassischer Software werden bekannte Regeln und Zustände getestet. Bei generativer KI muss zusätzlich geprüft werden, wie das System über viele unterschiedlich formulierte, unvollständige oder widersprüchliche Fälle hinweg reagiert. Ein einzelner erfolgreicher Demo-Fall sagt wenig über die Zuverlässigkeit im Alltag aus.
- Repräsentative Testfälle statt nur einer erwarteten Eingabe prüfen
- Falsche, unbelegte und unerlaubte Ausgaben getrennt messen
- Folgen eines Fehlers bestimmen und angemessene Freigaben einbauen
- Modell-, Prompt- und Datenänderungen mit denselben Tests erneut prüfen
Wie sieht eine robuste Kombination aus?
Eine robuste Architektur lässt die KI nur dort entscheiden, wo sprachliche Flexibilität nötig ist. Identität, Rechte, Grenzwerte, Berechnungen und irreversible Aktionen bleiben in kontrollierter Software. So kann ein Modell variabel formulieren, ohne die verbindlichen Geschäftsregeln zu ersetzen.
- Schritt 1
Aufgabe zerlegen
Sprachliche Interpretation von exakten Regeln und Aktionen trennen.
- Schritt 2
KI begrenzen
Erlaubte Eingaben, Quellen und Ausgabeformate festlegen.
- Schritt 3
Software kontrollieren lassen
Rechte, Zahlen, Freigaben und Systemänderungen deterministisch prüfen.
- Schritt 4
Gesamtsystem testen
Nicht nur das Modell, sondern den vollständigen Arbeitsablauf evaluieren.
Beispiel: Bearbeitung einer Lieferantenrechnung
Generative KI liest eine unterschiedlich aufgebaute Rechnung und schlägt die Zuordnung von Positionen vor. Klassische Software prüft Lieferantennummer, Mehrwertsteuer, Bestellbezug und Betragsgrenzen. Bei einer Abweichung wird nicht automatisch gebucht, sondern ein definierter Freigabeprozess gestartet. Die KI übernimmt die variable Dokumentinterpretation; verbindliche Finanzlogik bleibt deterministisch.
Was Sie mitnehmen sollten
Setzen Sie generative KI für Variabilität ein und klassische Software für Verbindlichkeit. Der grösste Nutzen entsteht oft an der klar kontrollierten Schnittstelle zwischen beiden.
Quellen und Vertiefung
Diese Primärquellen vertiefen Definitionen, technische Grundlagen oder verantwortlichen Einsatz.
Inhaltlich geprüft