KI, die im Arbeitsalltag hilft.
MDS entwickelt KI-Prozessautomatisierung für E-Mails, PDFs und Freitexte, damit Ihr Team Inhalte gezielt prüfen kann. Dabei verbinden wir Vorschläge mit klaren Regeln und kontrollierten Übergaben.
Welche Aufgaben kosten Ihr Team heute unnötig Zeit?
Die folgenden Situationen zeigen Ansatzpunkte, wenn unstrukturierte Inhalte viel Handarbeit verursachen. Dabei prüfen wir auch, welche Aufgaben ohne KI lösbar sind.
Unstrukturierte Inhalte
E-Mails und PDFs enthalten wichtige Angaben, sodass Ihr Team Inhalte lesen und übertragen muss. Deshalb prüfen wir, welche Werte strukturiert vorgeschlagen werden können.
KI ohne klaren Prozess
Einzelne Tests liefern Antworten, obwohl der spätere Ablauf noch offen ist. Deshalb klären wir Rollen, Quellen und Freigaben vor dem produktiven Einsatz.
Unsicherheit bleibt unsichtbar
Ein Vorschlag kann eindeutig wirken, obwohl Quellen fehlen oder mehrere Deutungen möglich sind. Deshalb sollen Hinweise auf solche Fälle sichtbar bleiben.
Datenschutz und Betrieb ungeklärt
Bevor die Lösung startet, brauchen Daten und Modellzugriff klare Regeln. Außerdem muss feststehen, wer Ergebnisse prüft und Fehler bearbeitet.
Was sich im Arbeitsalltag konkret verbessert
Weniger manuelle Sichtung
Inhalte werden vorstrukturiert, damit Mitarbeitende Ausnahmen und Entscheidungen bearbeiten können. Dabei hängt der Nutzen von Qualität und Art der Eingänge ab.
Nachvollziehbare Vorschläge
Quellen und erkannte Werte werden angezeigt, damit Vorschläge nachvollziehbar sind. Außerdem machen Prüfhinweise offene Fragen sichtbar.
Kontrollierte Freigabe
Wichtige Ergebnisse werden erst nach vereinbarter menschlicher Prüfung weitergegeben, damit Freigaben nachvollziehbar bleiben.
Belastbarer Betrieb
Wir planen Rechte, Datenschutz und laufende Prüfung gemeinsam, damit der Betrieb betreut werden kann. Außerdem legen wir einen Ersatzweg für Fehler fest.
Was wir konkret für Sie umsetzen
Zuerst verstehen wir Ihren Ablauf und die gewünschte Ausgabe. Danach wählen wir Technik, damit die Lösung zu Ihrer Umgebung und dem Betrieb passt.
AI Fit Check
Wir prüfen zunächst Nutzen, Daten und mögliche Fehler. Daraus ergeben sich geeignete Kontrollpunkte, bevor die Technik ausgewählt wird.
Dokumente und Texte erschließen
Inhalte werden zum Beispiel geordnet oder in feste Felder übertragen. Dabei legen wir fest, wie ein brauchbares Ergebnis aussieht.
Regeln und KI kombinieren
Feste Prüfregeln kontrollieren Pflichtfelder und Grenzwerte, damit bekannte Fachregeln geprüft werden können.
Human-in-the-Loop entwickeln
Unsichere oder wichtige Fälle gelangen in eine Prüfoberfläche, damit Menschen anhand von Quellen und Kontext entscheiden können.
Qualität und Governance sichern
Wir halten Testfälle und Prüfkriterien fest, damit die Qualität messbar wird. Außerdem dokumentieren wir Datenschutz und Zuständigkeiten im Betrieb.
Technologien und Schnittstellen
Je nach Aufgabe prüfen wir Azure OpenAI oder passende Microsoft-Dienste nach Ihrer Freigabe. Dabei können Microsoft Graph, Power Platform und APIs geeignete Quellen verbinden. Strukturierte Ausgaben und Retrieval helfen, wenn Werte oder Wissensquellen benötigt werden. Feste Prüfregeln bleiben außerdem Teil des Ablaufs. Wo eindeutige Regeln reichen, kann klassische Logik sinnvoller sein, weil sie Ergebnisse direkt nach diesen Regeln erzeugt.
Konkrete Aufgaben statt abstrakter Funktionslisten
Zuerst klären wir die Ausgangslage an einem konkreten Fall. Danach entwickeln wir den Ablauf, damit das Ergebnis fachlich geprüft werden kann.
Beleg- und Dokumentklassifizierung
Eingänge werden eingeordnet und Werte vorgeschlagen, bevor feste Regeln diese prüfen. Danach können Mitarbeitende offene Fälle bearbeiten.
Anfragen vorsortieren
Die Lösung schlägt Kategorien und zuständige Teams vor, damit Anfragen gezielt geprüft werden. Dabei gelten Freigaben nach dem vereinbarten Ablauf.
Antwortentwürfe mit Quellen
Freigegebene Wissensquellen unterstützen einen Antwortentwurf, damit die Herkunft nachvollziehbar bleibt. Danach prüft ein Mensch Inhalt und Verwendung.
Vertrags- und Richtlinienprüfung
Auffällige Klauseln und fehlende Angaben werden markiert, damit Verantwortliche sie prüfen können. Dabei werden Entscheidungen nicht durch solche Hinweise ersetzt.
Datenabgleich und Plausibilisierung
Die Lösung schlägt erkannte Werte vor, bevor sie mit Stammdaten oder Fachregeln verglichen werden. Abweichungen werden dabei für die Prüfung sichtbar.
Wissenszugriff für Fachbereiche
Relevante Abschnitte erhalten Quellenhinweise, damit Fachanwender Aussagen nachlesen können. Dabei müssen die freigegebenen Inhalte zur Frage passen.
So kann eine umgesetzte Lösung aussehen
Die Ansichten verwenden synthetische oder anonymisierte Daten, damit keine vertraulichen Kundenangaben gezeigt werden. Markierungen erläutern dabei die Funktion.
Weniger manuelle Sichtung
Die Beispielansicht ordnet Inhalte und schlägt strukturierte Werte vor. Danach kann Ihr Team diese anhand der Quellen prüfen.
- Die KI macht zunächst Vorschläge, bevor ein Ergebnis übernommen wird.
- Quellen und Prüfhinweise sind sichtbar, damit offene Fragen eingeordnet werden können.
- Danach prüft ein Mensch den Fall und entscheidet über die Freigabe.
Nachvollziehbare Vorschläge
E-Mails und PDFs liefern Angaben, die Ihr Team heute von Hand überträgt. Deshalb zeigt die Beispielansicht erkannte Werte samt Quelle und Prüfhilfe.
- Die Ausgangslage wird festgehalten, damit das Ergebnis daran geprüft werden kann.
- Außerdem zeigen feste Prüfregeln, welche Angaben noch fehlen.
- Vergleichbare Prüffälle werden wiederholt genutzt, damit Änderungen am Modell eingeordnet werden können.
Belastbarer Betrieb
Testfälle und Prüfkriterien werden dokumentiert, damit Qualität und Fehlerarten nachvollziehbar bleiben. Außerdem klären wir Zuständigkeiten für den Betrieb.
- Tests und Kontrollwerte zeigen Abweichungen, bevor Ergebnisse freigegeben werden.
- Unterlagen und Einweisung unterstützen Ihr Team, damit Prüfungen im Alltag nutzbar bleiben.
- Bei Bedarf vereinbaren wir außerdem Wartung und weitere Entwicklung.
Wenige klare Bausteine statt einer unlesbaren Architektur
Wir verbinden geeignete KI-Funktionen mit Ihrer freigegebenen Microsoft-Umgebung, damit Daten und Abläufe zusammenpassen. Dabei bleiben klare Schnittstellen und Zuständigkeiten Teil des Aufbaus.
Belastbar für Fachbereich und IT
- Zuerst nehmen wir Anforderungen auf, damit fachliche Prüfkriterien feststehen.
- Projektleitung und Entwicklung stimmen sich ab, sodass Fachfragen und Technik gemeinsam betrachtet werden.
- Tests werden dokumentiert, bevor der Fachbereich freigibt.
- Außerdem stimmen wir Rechte, Datenschutz und Betriebsumgebung ab.
- Quellcode und Unterlagen werden übergeben, damit die weitere Betreuung nachvollziehbar bleibt.
Machbarkeitsanalyse für automatisierte Datenextraktion
- Ausgangslage
- Große Mengen unstrukturierter Quellen sollten auf relevante Hinweise geprüft werden, ohne vorschnell eine produktive KI-Lösung zu versprechen.
- Umsetzung
- Abgegrenzte Machbarkeitsanalyse mit Beispieldaten, Qualitätskriterien, technischen Optionen und klaren Grenzen.
- Ergebnis
- Der Fachbereich erhielt eine belastbare Entscheidungsgrundlage für Nutzen, Risiken und nächste Umsetzungsschritte.
Passende Projekte in jeder Größenordnung
KI-Vorhaben werden klar eingegrenzt, damit Nutzen und Risiken geprüft werden können. Die folgenden dokumentierten Projekte zeigen klassische Automatisierung in verschiedenen Größen. Dabei sind sie keine Behauptung über tatsächlich eingesetzte KI.
Normkonforme Auswertung von Labor-Messwerten (EBV)
Regelbasierte Automatisierung: 33 Messparameter werden automatisch normkonform bewertet und als versandfertiges Ergebnisdokument ausgegeben.
Fallbeispiel ansehen ≈ 11 ProjekttageBefundbericht-Tool mit CSV-Import und zweisprachiger PDF-Ausgabe
Ein geführter Dokumentprozess in sechs Schritten: CSV-Import der Stückliste, Befundung mit Fotos per Drag-and-drop und automatische PDF-Berichte in Deutsch oder Englisch – klassische Automatisierung als belastbare Prozessgrundlage.
Fallbeispiel ansehen Laufend nach BacklogLaufende Entwicklungspartnerschaft im Backlog-Modell
Statt eines einmaligen Festprojekts eine dauerhafte Entwicklungspartnerschaft: Automatisierungsaufgaben werden laufend priorisiert und abgearbeitet – mit Budget-Checkpoint bei 70 %, monatlichem Leistungsnachweis und Abrechnung nach tatsächlichem Aufwand. So lassen sich auch KI-Bausteine schrittweise und kontrolliert einführen.
Fallbeispiel ansehenHäufige Fragen zu KI- und Microsoft-365-Automatisierung
Wann ist KI sinnvoller als klassische Automatisierung?
KI kann passen, wenn Inhalte unstrukturiert sind oder viele sprachliche Varianten enthalten. Deshalb prüfen wir zunächst Beispiele und Fehlerrisiken. Wenn eindeutige Regeln genügen, bleibt klassische Logik oft die passendere Grundlage.
Entscheidet die KI selbstständig?
Für geschäftlich wichtige Vorgänge planen wir in der Regel eine menschliche Prüfung, damit Verantwortliche freigeben können. Dabei werden Grenzen und Ausnahmen bewusst festgelegt. Der passende Automatisierungsgrad hängt deshalb vom Risiko und dem konkreten Ablauf ab.
Wie wird die Qualität gemessen?
Zuerst stellen wir einen passenden Testdatensatz zusammen, damit typische Fälle und Fehler sichtbar werden. Danach messen wir fachlich relevante Kennzahlen. Dabei unterscheiden wir etwa fehlende Werte und falsche Zuordnungen, statt nur einzelne gute Antworten zu betrachten.
Werden unsere Daten zum Training verwendet?
Das hängt vom gewählten Dienst und Vertrag ab. Deshalb prüfen wir vor der Umsetzung Datenverwendung, Speicherung und Modellzugriff. Danach werden die freigegebenen Bedingungen dokumentiert, damit der Betrieb darauf aufgebaut werden kann.
Können Quellen und Unsicherheiten angezeigt werden?
Ja, wenn die Quelle und passende Hinweise verfügbar sind. Dafür gestalten wir Ergebnisse mit Herkunft und erkannten Werten. Außerdem können Prüfhinweise offene Fälle markieren; eine Konfidenzangabe allein ist jedoch kein Beleg für die Richtigkeit.
Kann mit einem kleinen Pilotprojekt begonnen werden?
Ja, ein begrenzter Pilot kann helfen, bevor weitere Abläufe folgen. Dafür werden Qualitätskriterien und typische Fälle festgelegt. Danach prüfen wir Nutzen und Fehler, damit die Entscheidung über eine breitere Einführung auf nachvollziehbaren Ergebnissen beruht.
Zeigen Sie uns, was heute unnötig Zeit kostet
Beschreiben Sie zuerst einen Ablauf, der Ihrem Team viel Zeit kostet. Danach klären wir im kostenfreien Erstgespräch, welche Schritte mit Regeln oder KI sinnvoll unterstützt werden können. Dabei besprechen wir Voraussetzungen, Aufwand und den nächsten passenden Schritt.
Dr. Matthias Dünnweber
Geschäftsführer und Projektleitung
Je nach Aufgabe werden Beratung und Entwicklung passend ergänzt, damit Fachfragen und Technik zusammenpassen. Außerdem unterstützen Spezialisten für Datenbanken und Prüfung, wenn der Bedarf dies erfordert.