Vom sinnvollen Anwendungsfall zum überprüfbaren Agenten.
Aktive Entwicklung & Evaluation
Ich entwickle und prüfe KI-Agenten in der Praxis. Ein Vorgehensmodell verbindet die Auswahl sinnvoller Anwendungsfälle mit benötigten Fähigkeiten, Datenfindung, Infrastruktur, Datenbereinigung und Restrukturierung. Grundlage sind unter anderem 250 dokumentierte Interviews zur Einführung von KI in Unternehmen.
Praxis als Ausgangspunkt
250 offizielle, dokumentierte Interviews zur Vorgehensweise und Einführung von KI in Unternehmen bilden eine Grundlage meiner Arbeit (Stand: Oktober 2026). Ich verbinde qualitative Auswertung und Literatur mit der Entwicklung und Prüfung konkreter Agenten. Die Interviews sind von den 400 Fachgesprächen zur KI-Transformation zu unterscheiden.
Von der Datenbasis zur überprüfbaren Anwendung
Mein Vorgehensmodell beginnt beim Nutzen eines Anwendungsfalls. Daraus leite ich benötigte Fähigkeiten, verfügbare Daten und Infrastruktur ab. Daten werden bereinigt, neu strukturiert und für den konkreten Arbeitsablauf nutzbar gemacht. Qualitative Interviews helfen, Anforderungen und Probleme zu verstehen; quantitative Prüfungen sollen zeigen, wie verlässlich ein Agent unter definierten Bedingungen arbeitet.
Evaluation für Produktentscheidungen
Die Kernfrage lautet: Wie lassen sich Agenten sinnvoll evaluieren? Für mich gehört dazu, vorab festzulegen, was eine gute Antwort oder Handlung ausmacht, typische Fehlerfälle zu prüfen und Ergebnisse mit dem tatsächlichen Nutzen im Arbeitsprozess abzugleichen. Evidenz soll Entscheidungen über Produkte und ihren Einsatz tragen.
Wissenschaftliche Weiterentwicklung
Mein Dissertationsexposé untersucht die verantwortbare Einführung autonomer KI-Agenten in Organisationen. Es verbindet Designkriterien, Governance und Auditierbarkeit mit Einführungswegen und Ziel-Betriebsmodellen. Qualifizierung und neue Aufgabenverteilungen gehören dazu. Das Exposé beschreibt ein geplantes Forschungsprogramm; die praktische Produktentwicklung läuft bereits.