IKVision kombiniert RAG, Law as Code, relationale Datenbanken, Vektordatenbanken und LLM-Agenten zu kontrollierbaren Entscheidungs- und Handlungssystemen.
Ein LLM-Agent analysiert eingehende Anträge, erkennt die beantragte Leistung, gleicht Angaben mit gesetzlichen Voraussetzungen ab und erstellt eine nachvollziehbare Empfehlung.
Strukturierte Vorprüfung statt manueller Dokumentensichtung
Behörden, Versicherungen und Organisationen erhalten täglich eine Vielzahl von Anträgen. Jeder Antrag muss geprüft, eingeordnet und mit gesetzlichen Regelungen abgeglichen werden.
Diese Arbeit ist hochgradig repetitiv – aber zugleich kritisch. Fehlerhafte Einschätzungen, übersehene Ausschlussgründe oder fehlende Angaben führen zu Verzögerungen, Rückfragen und Unzufriedenheit.
Der LLM-Agent übernimmt deshalb die strukturierte Vorprüfung: Er erkennt die beantragte Leistung, ruft die passenden gesetzlichen Grundlagen aus der Datenbank ab und prüft die Angaben des Antragstellers systematisch gegen diese Voraussetzungen.
Das Ergebnis ist keine automatische Entscheidung, sondern eine fundierte, nachvollziehbare Empfehlung – inklusive Begründung und Verweis auf relevante Paragraphen.
Unternehmenswissen liegt verteilt in Dokumenten, E-Mails, Datenbanken und Fachsystemen. RAG erschließt diese Inhalte semantisch und stellt sie kontextbezogen bereit.
Antworten mit Kontext statt generischer KI-Ausgabe
Ohne Zugriff auf freigegebene interne Quellen bleiben KI-Antworten riskant. RAG reduziert Halluzinationen, erhöht Nachvollziehbarkeit und macht Wissen verantwortbar.
Ein Techniker stellt eine scheinbar einfache Frage: „Können wir die Wartung dieses Systems um einen Monat verschieben?“
Eine generische KI würde pauschal antworten – basierend auf allgemeinen Annahmen. Das RAG-System hingegen bezieht freigegebene Wartungshandbücher, Service-Bulletins und interne Betriebsdokumentation ein.
Dabei erkennt das System: Für eine verbaute Komponente ist bei Überschreitung des Wartungsintervalls ein erhöhtes Ausfallrisiko dokumentiert. Zusätzlich läuft das System in einer produktiven Umgebung.
Die erzeugte Antwort lautet daher nicht „wahrscheinlich unkritisch“, sondern:
RAG erzeugt keine plausiblen Antworten – sondern kontextbasierte, verantwortbare Entscheidungen.
Ein LLM-Agent erstellt personalisierte Einladungstexte auf Basis von Kundendaten, Veranstaltungsinformationen und freigegebenen Textbausteinen.
Kommunikation benötigt Kontext, Tonalität und Freigabe
Automatisierung ohne Freigabe kann Vertrauen beschädigen. Der Agent erstellt den Entwurf, aber der Versand erfolgt erst nach menschlicher Kontrolle.
Ein Unternehmen plant ein exklusives Kundenevent. Kundendaten, Agenda und Textbausteine liegen bereits vor. Ein vollautomatischer Versand wäre technisch möglich – aber kommunikativ riskant.
Der LLM-Agent erstellt deshalb zunächst einen personalisierten Einladungstext. Er berücksichtigt Rolle, Beziehung und Kontext des Empfängers und markiert sensible Stellen wie Tonfall und Timing.
Erst nach expliziter Freigabe durch Marketing oder Vertrieb wird die Einladung versendet. So entsteht kontrollierte, hochwertige Kommunikation statt unreflektierter Automatisierung.
Agenten analysieren interne Informationen, erkennen Abhängigkeiten und bereiten fundierte Empfehlungen vor. Die Entscheidung bleibt beim Menschen.
Der Agent verbessert Entscheidungen, ersetzt sie aber nicht
Ein Agent kann Informationen sammeln, Risiken erkennen und Optionen bewerten. Die Verantwortung bleibt dort, wo sie hingehört: beim Menschen.
Ein Kunde fragt den Support: „Ist die neueste Firmware für mein Storage-System geeignet?“ Was einfach klingt, ist technisch hochkomplex.
Der LLM-Agent antwortet nicht pauschal. Er strukturiert die Anfrage neu, ergänzt fehlende Informationen und greift gezielt auf freigegebene Wissensquellen wie Release Notes und Upgrade-Guides zu.
Nach dem Abgleich erkennt der Agent: Die neue Firmware ist kompatibel – erfordert jedoch zuvor ein Update der Festplatten-Firmware. Ein direktes Upgrade wäre riskant.
Statt einer Vermutung liefert der Agent eine begründete Empfehlung: mit klarer Reihenfolge, Absicherungshinweisen und Wartungsempfehlung.
Die Entscheidung bleibt beim Menschen – aber sie basiert auf vollständigem Kontext, geprüften Regeln und dokumentierter Expertise.
Agenten lösen auf Basis von Ereignissen, Kontexten und Regeln konkrete Aktionen aus – kontrolliert, dokumentiert und bei Bedarf mit Freigabe.
Regeln allein verstehen keinen Kontext
Klassische Automatisierung löst Aktionen starr aus. Agenten prüfen zusätzlich Kontext, Abhängigkeiten und Risiken, bevor sie handeln oder eine Freigabe einholen.
Ein Lagerbestand unterschreitet eine definierte Mindestmenge. Klassische Automatisierung würde sofort eine Nachbestellung auslösen.
Der LLM-Agent analysiert jedoch den Kontext: offene Lieferungen, Produktionsplanung, Lieferantenstatus und historische Verbrauchsdaten.
Statt automatisch zu bestellen, erstellt der Agent eine Empfehlung, schlägt Alternativen vor und legt die Entscheidung kontrolliert zur Freigabe vor.
Agentische Prozesse reduzieren Kosten, ohne die Kontrolle zu verlieren.
Analyse von Prozessen, Daten und Rahmenbedingungen. Entwicklung realistischer KI-Roadmaps mit Fokus auf Nutzen, Datenschutz und Umsetzbarkeit.
Semantische Erschließung von Dokumenten, Datenbanken und Fachwissen. Antworten auf Basis kontrollierter Unternehmensdaten.
Transformation von Gesetzen, Richtlinien und Regelwerken in nachvollziehbare, maschinenlesbare Entscheidungslogik.
Agenten zur Analyse von Informationen, Vorbereitung von Entscheidungen und kontrollierten Ausführung von Prozessschritten.
Wir sprechen gern mit Ihnen über Ihre Prozesse, Ihre Daten und Ihre Ziele.
Kontakt IKVision