Kontextbasierte KI statt lose generativer KI: Der Unterschied, der zählt

Viele Schulen, Sportvereine und Unternehmen haben in den letzten Jahren generative KI ausprobiert – meist in Form von Chatbots, die auf breitem, öffentlichem Wissen basieren. Die Ergebnisse sind oft beeindruckend und ernüchternd zugleich: Die Antworten klingen kompetent, haben aber wenig mit der eigenen Lernplattform, dem eigenen Trainingsprogramm oder den eigenen Kundendaten zu tun.

Genau hier setzt SteP-met an: mit kontextbasierter KI statt lose generativer KI.

Das Problem mit loser generativer KI

Generative KI-Modelle sind darauf ausgerichtet, plausible Antworten zu formulieren. Ohne Zugriff auf die tatsächlichen Informationen einer Schule, eines Vereins oder eines Unternehmens bleiben Empfehlungen jedoch zwangsläufig allgemein.

Eine KI kennt beispielsweise nicht automatisch den Lernfortschritt einer Schülerin, die Leistungsdaten eines Teams oder die internen Produkt- und Supportinformationen eines Unternehmens.

Gerade dort, wo mit Lern-, Leistungs-, Trainings- oder Kundeninformationen gearbeitet wird, ist dieser Unterschied entscheidend. Allgemeines Wissen allein liefert noch keinen institutionellen Kontext.

SteP-met verfolgt deshalb einen Ansatz, bei dem die KI nicht isoliert im Mittelpunkt steht. Entscheidend ist die Verbindung zwischen den vorhandenen Daten, einer geeigneten Integration und der konkreten Aufgabe.

Was „kontextbasiert“ bei SteP-met bedeutet

Statt KI lose auf allgemeinem Wissen arbeiten zu lassen, verbindet SteP-met sie gezielt mit vorhandenen und autorisierten Informationen aus dem jeweiligen Anwendungskontext.

Das Grundprinzip folgt fünf Schritten:

Datenquelle

Den Ausgangspunkt bilden bereits vorhandene Informationen. Je nach Anwendungsbereich können das Lern-, Leistungs-, Support- oder Unternehmensdaten sein.

Sichere Schnittstelle

Die Datenquelle wird über eine geeignete Integration angebunden. Dafür kommen beispielsweise LTI 1.3, LMS-Integrationen, APIs, Datenprovider oder kundenspezifische Schnittstellen infrage.

SteP-met ist dabei nicht an eine einzelne Plattform gebunden. Auf der internen Seite „Integration“ werden die möglichen Verbindungen zu bestehenden Systemen näher erläutert.

Kontextaufbereitung

Nicht jede verfügbare Information muss der KI bereitgestellt werden. Stattdessen werden jene Informationen ausgewählt und aufbereitet, die für den definierten Anwendungsfall relevant und autorisiert sind.

KI-Analyse

Die KI arbeitet anschliessend mit diesem konkreten Kontext. Im Mittelpunkt steht damit die kontextbezogene Auswertung statt einer rein allgemeinen Generierung.

Konkretes Ergebnis

Aus dem bereitgestellten Kontext können je nach Einsatzgebiet Analysen, Empfehlungen, individuelle Lernunterstützung, Trainings-Challenges oder Assistenzfunktionen entstehen.

Kurz zusammengefasst:

Daten & Systeme → sichere Integration → Kontext → KI → konkrete Unterstützung

Ein Prinzip, vier Anwendungsbereiche

Dieses Grundprinzip lässt sich auf unterschiedliche Bereiche übertragen.

In der Bildung können Lernfortschritt, Aufgaben und Lernpfade als Kontext für individuelle Lernunterstützung, Feedback, Analysen und Empfehlungen dienen. Bestehende Lernplattformen können dabei über geeignete Schnittstellen eingebunden werden.

Im Corporate Training stehen bestehende Trainingsdaten, Kompetenzmodelle und Lernpfade im Mittelpunkt. Sie können die Grundlage für individuellere Weiterbildungsunterstützung bilden.

Im Sport können Daten von Sport- oder Leistungsdaten-Providern einbezogen werden. Auf Basis von Match-, Trainings- und Leistungsdaten sind beispielsweise Analysen, Trainerempfehlungen oder individuelle Trainings-Challenges denkbar.

Im Unternehmens- und Kundensupport können wiederum Wissensbestände, Produkte, interne Prozesse sowie Support- und Kundenkontexte genutzt werden, um Mitarbeitende gezielter zu unterstützen.

Die konkreten Möglichkeiten dieser vier Bereiche werden auf der internen Seite „Lösungen“ näher beschrieben.

Sie verfügen bereits über relevante Daten und Systeme und möchten herausfinden, ob daraus ein sinnvoller KI-Anwendungsfall entstehen kann? Mit einem klar abgegrenzten Pilotprojekt lässt sich ein definierter Use Case gezielt prüfen, ohne daraus ein unbegrenztes Experiment zu machen.

Warum kontextbasierte KI für Institutionen zählt

Kontextbasierte KI bedeutet bei SteP-met nicht, einer KI wahllosen Zugriff auf möglichst viele Informationen zu geben.

Im Gegenteil: Die Architektur ist auf kontrollierte Datenverarbeitung ausgerichtet. Welche Informationen als Kontext bereitgestellt werden, hängt vom konkreten Anwendungsfall und den jeweiligen Berechtigungen ab.

Wo es möglich und für die jeweilige Funktion geeignet ist, können Informationen pseudonymisiert beziehungsweise ohne Klarnamen im KI-Kontext verarbeitet werden. Die konkrete Umsetzung orientiert sich an den Datenschutz-, Sicherheits- und Governance-Anforderungen der jeweiligen Institution oder des Unternehmens.

Mehr zu diesem Ansatz bietet die interne Seite „Sicherheit & IP“.

Für den Betrieb seiner Systeme setzt SteP-met zudem auf Microsoft Azure als skalierbare Betriebs- und Bereitstellungsumgebung.

Die entscheidende Frage ist nicht, was KI allgemein weiss

Für Schulen, Sportvereine und Unternehmen ist deshalb weniger entscheidend, wie überzeugend ein allgemeiner Chatbot formulieren kann.

Die relevantere Frage lautet:

Welche Unterstützung kann KI leisten, wenn sie die richtigen, autorisierten Informationen aus unserem tatsächlichen Kontext erhält?

Genau darin liegt der Unterschied zwischen einer losgelösten generativen Anwendung und dem SteP-met-Ansatz.

Bestehende Daten und Systeme werden nicht zur Nebensache der KI. Sie bilden ihre Grundlage.

Kontextbasierte KI verschiebt den Fokus von allgemeiner Generierung hin zu einer konkreten Aufgabe im tatsächlichen Anwendungskontext.

SteP-met verbindet vorhandene und autorisierte Informationen über geeignete Schnittstellen mit KI. Daraus können gezielte Analysen, Empfehlungen und Assistenzfunktionen für Bildung, Corporate Training, Sport sowie Unternehmens- und Kundensupport entstehen.

Das Prinzip bleibt dabei nachvollziehbar:

Daten & Systeme → sichere Integration → Kontext → KI → konkrete Unterstützung

Sie möchten prüfen, ob sich ein konkreter Anwendungsfall in Ihrer Institution oder Ihrem Unternehmen eignet?

Fragen Sie ein Pilotprojekt bei SteP-met an. Gemeinsam prüfen wir einen klar definierten Use Case mit vorhandenen Daten und Systemen – mit festgelegter Datenquelle, Nutzergruppe, Funktion und Laufzeit.