Beratungsunternehmen leben davon, präzise, datengestützte Erkenntnisse zu liefern – doch die manuelle Erstellung von Berichten aus Interviews, Unternehmensdokumenten und Richtlinienanalysen kann einen Engpass darstellen. Unser Kunde, ein mittelständisches Beratungsunternehmen, stand genau vor dieser Herausforderung. Seine Teams verbrachten Wochen damit, stundenlange Interviewtranskripte, interne Richtlinien und Compliance-Dokumente zu sichten, um kundenspezifische Berichte zu erstellen. Dies war nicht nur zeitaufwändig, sondern auch mit dem Risiko verbunden, dass Inkonsistenzen in der Formatierung und gelegentliche menschliche Fehler die Glaubwürdigkeit der Berichte untergruben. Die Datenmenge machte es zudem schwierig, eine kohärente Darstellung zu gewährleisten, insbesondere bei der Zusammenfassung qualitativer Rückmeldungen von Stakeholdern mit quantitativen politischen Details. Der Kunde suchte nach einer Lösung, um den Entwurfsprozess zu automatisieren, ohne dabei die Genauigkeit oder das differenzierte Verständnis seiner menschlichen Analysten zu beeinträchtigen. Das Ziel war klar: Rohdaten schneller in ausgefeilte, strukturierte Berichte umwandeln und gleichzeitig sicherstellen, dass jede Aussage bis zu ihrer Quelle zurückverfolgt werden kann.
Um dieses Problem zu lösen, haben wir eine auf ihre Bedürfnisse zugeschnittene LLM-gesteuerte Pipeline entwickelt. Zunächst haben wir ein großes Sprachmodell anhand eines kuratierten Datensatzes ihrer historischen Berichte trainiert, damit es die bevorzugte Struktur, den Tonfall und die analytischen Rahmenbedingungen des Unternehmens erfassen konnte. Dadurch wurde sichergestellt, dass die von der KI generierten Entwürfe den etablierten Standards entsprachen. Als Nächstes haben wir das Repository des Kunden mit Interviewtranskripten, Richtliniendokumenten und organisatorischen Leitlinien als Wissensbasis in das Modell integriert. Indem wir die Antworten des LLM ausschließlich auf diese verifizierten Daten stützten, minimierten wir Halluzinationen – ein entscheidender Schritt, da die Beratungsfirma verlangte, dass alle Ergebnisse sachlich und direkt mit Beweisen verbunden sein mussten. Um die Zuverlässigkeit weiter zu erhöhen, implementierten wir einen Mechanismus zur „Quellenpräferenz“, bei dem das Modell direkte Zitate aus Interviews oder explizite Richtlinienklauseln gegenüber abgeleiteten Aussagen priorisierte. Das Endergebnis war ein strukturiertes Word-Dokument mit Platzhaltertabellen, Überschriften und Zitaten, das als bearbeitbarer Entwurf diente. Durch diesen Ansatz konnte die anfängliche Entwurfsphase von Wochen auf Stunden verkürzt werden, sodass sich die Analysten auf die Verfeinerung der Erkenntnisse statt auf die Zusammenstellung von Daten konzentrieren konnten.