Jede Firma sitzt auf tausenden Rechnungen, Aufträgen und Kundendaten. Wer eine einfache Frage dazu hat, sucht von Hand oder lädt die eigenen Zahlen in eine Cloud hoch. Beides fand ich falsch. Also habe ich Souprise gebaut.
Bevor ich erkläre was es tut, muss ich über das Scheitern reden.
Woran KI-Projekte im Unternehmen wirklich scheitern
Ich habe in den letzten Jahren viele KI-Projekte gesehen. Die wenigsten scheitern an der Technik. Sie scheitern an dem Tag, an dem das Werkzeug zum ersten Mal eine Zahl erfindet und jemand es merkt. Ein Sprachmodell rät im Zweifel einen Betrag, der gut aussieht. Die Antwort klingt völlig sicher. Beim dritten Vorfall dieser Art fragt niemand mehr das Werkzeug. Man fragt wieder den Kollegen mit der Excel-Liste. Das Projekt lebt dann noch sechs Monate auf einer Folie und stirbt leise.
Ich habe diesen Effekt in meinen eigenen Tests reproduziert. Das Modell nannte einen Rechnungsbetrag, der in keinem einzigen Datensatz stand. Wortwörtlich in keinem.
Dazu kommt eine zweite Ebene, über die kaum jemand spricht. Die rechtliche. Wer haftet, wenn ein Mitarbeiter auf Basis einer erfundenen Zahl eine Gutschrift ausstellt oder eine Mahnung verschickt. Die Versicherungswirtschaft hat hier schneller gelernt als viele IT-Abteilungen. In neueren Policen finden sich zunehmend Ausschlüsse für Schäden aus KI-generierten Inhalten. Das heißt im Klartext, dass der Schaden aus einer halluzinierten Zahl am Ende beim Unternehmen hängen bleibt. Ein Werkzeug, dessen Fehler nicht versicherbar sind, ist ein Betriebsrisiko.
Und es gibt einen dritten Grund, der mit Technik gar nichts zu tun hat. Die Projekte werden falsch eingeführt. Viele Unternehmen glauben, dass KI sofort wirkt und beachten nicht, dass die Mitarbeitenden erstmal geschult und abgeholt werden müssen. Ein Werkzeug, das über die Köpfe hinweg eingeführt wird, wird nicht genutzt, egal wie gut es ist. Die Akzeptanz entscheidet sich in der Einführung, nicht im Funktionsumfang. Dazu schreibe ich einen eigenen Beitrag.
Was Souprise dagegen tut
Souprise ist ein kostenloses Open-Source-Werkzeug. Man stellt seine Frage in normaler Sprache. Welche Rechnungen sind überfällig. Was wissen wir über diesen Kunden. Die Antwort kommt in Sekunden, mit Quellenangabe, und alles läuft auf dem eigenen Rechner. Kein Konto, keine Cloud.
Der entscheidende Unterschied steckt aber tiefer. Souprise nimmt dem Sprachmodell die Zahlen weg.
Im Standardmodus wird jeder Wert wörtlich aus dem Datensatz kopiert, nie generiert. Summen und Durchschnitte rechnet der Code, nicht das Modell. Kennt das System einen Kunden nicht, verweigert es die Antwort, statt den ähnlichsten anderen Kunden zu nehmen. Das Sprachmodell darf nur noch formulieren. Jede Zahl im fertigen Text wird gegen die Datensätze geprüft. Weicht eine ab, wird der Text verworfen.
Das ist keine Behauptung, sondern gemessen. Alle Messlatten wurden vor den Tests festgelegt und eingefroren. Wertgenauigkeit 1,000 auf sechzig Testfragen. Null falsche Werte bei widersprüchlichen Daten. Null durchgerutschte Fantasiezahlen im Sprachmodus. Auch die Ergebnisse, die weh tun, stehen im Projekt. Das Fine-Tuning brachte für Faktenwissen nachweislich nichts. Steht so im Bericht.
Für die Versicherungsfrage bedeutet dieser Ansatz etwas Konkretes. Ein System, das Werte nachweislich nur kopiert, Quellen mitliefert und im Zweifel schweigt, verschiebt das Risiko. Aus einer unkalkulierbaren KI-Aussage wird ein prüfbarer Datenbankauszug mit Beleg.
Was noch fehlt, und zwar öffentlich
Für den Unternehmenseinsatz fehlen heute noch drei Dinge. Sie stehen als nächste Ausbaustufe fest im Plan. Eine Rechteverwaltung auf Datensatzebene, damit der Vertrieb andere Daten sieht als die Buchhaltung. Ein lückenloses Prüfprotokoll, das jede Frage, jede Quelle und jede Antwort revisionssicher festhält. Und die Verschlüsselung der Indexdateien im Ruhezustand. Wer den Fortschritt sehen will, kann das auf GitHub verfolgen. Jede dieser Aufgaben hat dort ein offenes Ticket mit Messkriterien, die vor der Umsetzung festgelegt werden.
Die Bedenken der Unternehmen bei KI sind berechtigt. Souprise nimmt sie ernst und antwortet mit Werkzeugen, die man prüfen kann.
Ausprobieren kostet einen Nachmittag und einen CSV-Export.
Souprise verkauft keine Antworten. Es verkauft die Gewissheit, dass die Antwort korrekt ist.