Es gibt Daten, die man kaufen kann. Es gibt Daten, die man aus dem Internet extrahieren kann. Und es gibt Daten, die nur entstehen, wenn ein Experte über Jahre hinweg in Ihrem System arbeitet: Wir bezeichnen sie als Entscheidungsdaten (proprietäre Daten). Diese dritte Kategorie ist wirklich einzigartig, denn sie lässt sich nicht nachahmen.
Was sind Entscheidungsdaten?
Entscheidungsdaten sind das Wissen, das sich aus der langjährigen Nutzung Ihrer bestehenden Softwarelösung angesammelt hat: Welcher Antrag wurde genehmigt, welche Ausnahme wurde gewährt, welche Kundenhistorie führte zu welcher Empfehlung, welche Meldung wurde ignoriert und welche eskalierte.
Es sind die Entscheidungen selbst, mit ihrem Kontext, ihrem Zeitpunkt und ihren Folgen. Ein Wirtschaftsprüfer, der nach einer zehnjährigen Kundenbeziehung einen Jahresabschluss abzeichnet, wägt Hunderte von Variablen ab. Ist diese Entscheidung im System erfasst – einschließlich aller Signale, die ihr vorausgingen –, dann sind dies die nützlichsten Daten, über die ein Mitarbeiter verfügen kann, um diesen Wirtschaftsprüfer zu unterstützen.
In einem früheren Blogbeitrag habe ich drei Ebenen des Fachwissens beschrieben. Entscheidungsdaten stellen die dritte Ebene dar, nämlich praxisbezogenes Wissen, das jedoch festgehalten wurde: strukturiert, messbar und für Mitarbeiter nutzbar.
Wertvolle Agenten in 3 Schritten
Entscheidungsdaten erfassen den Zusammenhang zwischen Eingabe, Kontext und Entscheidung. Dieser Zusammenhang ist es, was Agenten lernen und was sie für einen bestimmten Nutzer immer intelligenter macht. Der Aufbau dieses Mechanismus erfordert Jahre. So funktioniert es:
Schritt 1: Kunden nutzen das Produkt für ihre tägliche Arbeit in regulierten Branchen. Jeder Vorgang wird erfasst. Durch die Kombination aus Routineaufgaben mit hohem Aufkommen und Ausnahmen mit geringem Aufkommen erhält der Mitarbeiter den nötigen Kontext.
Schritt 2: Diese Daten werden den Agenten auf der Plattform als strukturierter Kontext für jeden einzelnen Nutzer zur Verfügung gestellt. Welche Situationen führen zu welchen Entscheidungen? In welchen Fällen weicht der Fachmann vom Standard ab und warum? Diese Muster zeichnen einen Agenten aus.
Schritt 3: Bessere Mitarbeiter sorgen für bessere Ergebnisse für den Kunden. Bessere Ergebnisse bedeuten eine intensivere Nutzung. Eine intensivere Nutzung bedeutet mehr Fachwissen. Und dadurch werden die Mitarbeiter wiederum besser.
Warum dies nicht kopiert werden kann
Ein Wettbewerber kann dasselbe Modell verwenden. Er kann dieselbe Infrastruktur aufbauen. Er kann sogar dieselben Funktionen nachbilden. Was er jedoch nicht kopieren kann, sind 10 Jahre an Entscheidungsdaten eines Nutzers – einschließlich des Kontexts, der Ausnahmen und der Folgen.
Öffentliche Daten, die einst ein Alleinstellungsmerkmal waren, kann heute jeder innerhalb von Sekunden per Suchanfrage abrufen. Was zählt, sind die Informationen, die nur dann verfügbar werden, wenn man tatsächlich in einem bestimmten Bereich, für bestimmte Kunden und unter Einhaltung spezifischer Vorschriften arbeitet. Diese Informationen lassen sich nur durch jahrelange Nutzung durch Fachleute aufbauen, die wissen, was sie tun.
Die Datenarchitektur ist damit zum Kern Ihrer Produktstrategie geworden. Jeder von Ihnen entworfene Arbeitsablauf ist gleichzeitig ein Datenentwurf.
Daten als Grundlage für den Arbeitsplatz von morgen
Aus diesem Grund entwickeln wir WorQX und Qore/AI so, wie wir es tun. Jeder Workflow auf der Plattform erfasst Entscheidungen zusammen mit ihrem Kontext. Jeder darauf laufende Agent lernt aus der täglichen Arbeit der Fachkräfte und verbessert sich dadurch.
Jeroen van Eijk hat bereits beschrieben, wie dieser Arbeitsplatz im Jahr 2027 für Fachkräfte in regulierten Branchen aussehen wird: eine Umgebung, in der die Arbeit bereits vorbereitet ist, noch bevor Sie sich anmelden. Entscheidungsrelevante Daten machen diese Umgebung möglich.
Häufig gestellte Fragen
Entscheidungsdaten (proprietäre Daten) sind die dokumentierte Entscheidungshistorie von Fachkräften, die täglich auf einer Plattform arbeiten: Welche Anträge wurden genehmigt, welche Ausnahmen wurden gewährt und welche Signale führten zu welchen Maßnahmen? Im Gegensatz zu gekauften oder öffentlich zugänglichen Daten entstehen Entscheidungsdaten ausschließlich durch jahrelange Nutzung. Damit sind sie die einzigartigste Quelle für domänenspezifische KI-Agenten.
Generische Modelle werden schnell austauschbar und stehen jedem Anbieter zur Verfügung. Was einen Agenten auszeichnet, ist der Kontext, in dem er arbeitet: die Muster aus Tausenden von tatsächlichen Entscheidungen in einem bestimmten Fachgebiet. Diese Muster sind in den Entscheidungsdaten enthalten und können von einem Wettbewerber weder gekauft noch nachgebildet werden.
Die Akten und personenbezogenen Daten verbleiben beim Kunden, der der für die Verarbeitung Verantwortliche ist; die Plattform fungiert als Auftragsverarbeiter. Die Agenten lernen aus den Mustern, die sich durch die jahrelange Nutzung der Plattform ergeben, und zwar im Rahmen der Vereinbarungen im Auftragsverarbeitungsvertrag sowie der Vorgaben der DSGVO und branchenspezifischer Gesetze und Vorschriften. Transparenz darüber, was ein Agent lernt und auf welcher Grundlage dies geschieht, ist dabei eine zwingende Voraussetzung, insbesondere in regulierten Branchen, in denen Fachkräfte weiterhin für ihre Entscheidungen verantwortlich bleiben.
Indem Sie die Datenarchitektur als Kern Ihrer Produktstrategie betrachten. Jeder Arbeitsablauf ist gleichzeitig ein Datenentwurf: Halten Sie Entscheidungen zusammen mit ihrem Kontext, dem Zeitpunkt und den Folgen fest und strukturieren Sie diese so, dass Agenten daraus lernen können. Dies erfordert jahrelange konsequente Anwendung durch Fachleute, und genau deshalb lässt sich das Ergebnis so schwer nachahmen.
