KI soll nicht nur überzeugende Antworten liefern, sondern zeigen, wie belastbar eine Entscheidung ist. Das europäische Unternehmen predictores.ai hat seine Plattform für KI-gestützte Managementanalysen fertiggestellt. Sie verbindet Unternehmensperspektiven und macht Unsicherheiten sichtbar. Was hinter dem Ansatz steckt, wie spezialisierte KI-Agenten zusammenarbeiten und warum menschliches Urteilsvermögen zentral bleibt, zeigt der Blick auf die neue Lösung.
Während sich ein grosser Teil der KI-Diskussion weiterhin darum dreht, wie leistungsfähig Large Language Models bei der Generierung von Antworten sind, verfolgt das europäische Technologieunternehmen predictores.ai einen anderen Ansatz: Nicht mehr Antworten, sondern bessere und nachvollziehbarere Entscheidungen sollen im Mittelpunkt stehen. Nun erreicht das Unternehmen einen wesentlichen Meilenstein deutlich früher als geplant: Die nächste Generation der «Human-Supervised Decision-Intelligence-Plattform» ist fertiggestellt und unmittelbar als Decision Intelligence as a Service (DIaaS) verfügbar.
Ein Jahr früher als geplant
Ursprünglich sollten die unterschiedlichen Unternehmensfunktionen schrittweise bis 2027 in die Plattform integriert werden. Dieser Entwicklungsschritt konnte bereits 2026 abgeschlossen werden. Die Architektur orientiert sich dabei an der funktionalen Logik der betrieblichen Wertschöpfung: Unterschiedliche Unternehmensbereiche werden nicht isoliert betrachtet, sondern können bei komplexen Managementfragen gemeinsam in die Analyse einbezogen werden. «Eine Marketingentscheidung ist eben selten nur eine Marketingentscheidung. Sie betrifft möglicherweise Vertrieb, Kunden, Marke, Wettbewerb, Technologie, Ressourcen und Finanzen gleichzeitig», erklärt Prof. Dr. Uwe Seebacher, CEO und Mitgründer von predictores.ai. «Genau diese Zusammenhänge wollen wir technologisch abbilden. Dass uns dieser Entwicklungsschritt rund ein Jahr früher gelingt, verändert nun auch unsere Unternehmensstrategie: Der Schwerpunkt verschiebt sich von Forschung und Entwicklung klar in Richtung Skalierung.»
Bis zu 30 Agents und 30 Millionen Token Analysekontext
Eine komplexe Managementfrage wird zunächst in fachlich prüfbare Teilfragen zerlegt. Je nach Aufgabenstellung können bis zu 30 spezialisierte Agents unterschiedliche Perspektiven parallel bearbeiten. Dabei können Analysekontexte von bis zu 30 Millionen Token verarbeitet werden. Interne Unternehmensinformationen können ebenso einbezogen werden wie externe Markt-, Wettbewerbs-, Medien-, Research- oder weitere relevante Daten. Anschliessend werden die Analysepfade wieder zusammengeführt und auf Übereinstimmungen, Abweichungen und Widersprüche geprüft. Das Ziel: Das System soll nicht nur eine plausible Antwort generieren, sondern transparent machen, warum eine Empfehlung belastbar ist – und wo sie es noch nicht ist.
Wenn die KI sagt: «Die Evidenz reicht noch nicht»
Eine Besonderheit der Plattform liegt deshalb im Umgang mit Unsicherheit: Trustscore, Evidence & Research Index sowie die explizite Darstellung von Annahmen und Data Gaps sollen sichtbar machen, wie belastbar die Grundlage einer Entscheidung tatsächlich ist.
«Ein niedriger Trustscore ist für uns kein Systemfehler», so Seebacher. «Im Gegenteil: Wenn die Evidenz für eine weitreichende Entscheidung nicht ausreicht, muss ein verantwortungsvolles System genau das ansprechen. Sprachliche Sicherheit darf nicht mit tatsächlicher Sicherheit verwechselt werden.»
Der Mensch bleibt deshalb Bestandteil des Entscheidungsprozesses. predictores.ai bezeichnet den Ansatz als «Human-Supervised Decision Intelligence».
Vom Forschungsprojekt zum Subscription-Modell
Mit Abschluss der Entwicklungsphase verändert sich auch das Geschäftsmodell. Die Technologie wird ab sofort als skalierbares Subscription-Modell angeboten. Unternehmen können zunächst über eine Shared-Cloud-Umgebung einsteigen. Für grössere Organisationen stehen dedizierte Enterprise-Instanzen zur Verfügung. Bei besonderen Anforderungen an Datensouveränität und Compliance ist auch ein On-Premise-Betrieb vorgesehen. Auch die Analysetiefe lässt sich an die Bedeutung einer Entscheidung anpassen: vom schnellen Decision Scan über den cross-funktionalen Decision Deep Dive bis zu Decision Research für besonders weitreichende Managemententscheidungen. «Nicht jede Entscheidung verdient 30 Millionen Token», sagt Seebacher. «Aber bei einem Markteintritt, einer grösseren Investition, einer Restrukturierung oder einer reputationskritischen Entscheidung kann eine tiefe Analyse wirtschaftlich sehr sinnvoll sein.»
