Die Entstehung von Lisa - Wie eine KI-Mitarbeiterin erschaffen wurde

Part 1: Die Entstehung von Lisa - Wie eine KI-Mitarbeiterinerschaffen wurde

Die Entstehung von Lisa beginnt mit einer zentralen Idee: AI Coworker benötigen ein AI Brain, um im realen Arbeitsumfeld schnell, zuverlässig und intelligent agieren zu können. Doch was steckt eigentlich hinter diesem Konzept einer „KI-Mitarbeiterin“ – also der Personifizierung einer KI? Warum sollte gerade diese Form von agentischer KI so vielversprechend sein,wenn es darum geht, Menschen und Organisationen zu unterstützen?

1. MultimodaleKommunikation: Einfach natürlich interagieren

Ein essenzieller Aspekt beim Aufbau eines AI Brains ist, dass eine KI nicht nur auf ein Interaktionsmedium (z. B. Chat oder Sprache) beschränkt bleibt. Menschen nutzen heute eine Vielzahl von Kommunikationskanälen, von WhatsApp über E-Mails bis hin zu Videokonferenzen. Ein KI-Agent wie Lisa muss daher:

• Sprache, Mails und Chats gleichermaßen beherrschen,
• in verschiedenen Formaten und Plattformen eingebunden werden können,
• und trotz wechselnder Kontexte (Smartphone, Web-Interface, ERP-System) flexibel reagieren.

Warum das wichtig ist: Je natürlicher und nahtloser die Interaktion, desto schneller akzeptieren Menschen die KI als „Kollegin auf Augenhöhe“. Nur wenn eine KI mühelos in gängigen Kommunikationskanälen agiert, kann sie im Alltag wirklich entlasten.

2. Ausführung komplexer Workflows im Zusammenspiel mit Menschen

Eine AI MItarbeiterin zeichnet sich dadurch aus, dass sie nicht nur Einzelschritte automatisiert,sondern ganze Arbeitsabläufe durchdringen und orchestrieren kann. Gerade in Bereichen wie Supply Chain Management oder Materialplanung – wo viele Prozesse ineinandergreifen – ist das Zusammenspiel zwischen Mensch und KI entscheidend.

• Koordination verschiedener Teilaufgaben (z. B. Bedarfsplanung, Lieferantenmanagement, Bestandskontrolle),
• Transparente Kommunikation: Ein AI-Agent muss erklären können, warum er eine bestimmte Entscheidung vorschlägt,
• Rollenverständnis: Die KI versteht sich als „Kollegin“, die auf Augenhöhe mit dem Team agiert, ohne dabei menschliches Fachwissen zu übergehen.

Warum das wichtig ist: Nur wenn die KI den Gesamtzusammenhang versteht, kann sie sicher agieren, Engpässe frühzeitig erkennen und wertvolle Entscheidungsvorschläge machen. So wird sie zum verlässlichen Teammitglied statt zum isolierten Automatisierungs-Tool.

3. Natürliches Lernen von Menschen

Der dritte Kernpunkt in der Entwicklung von Lisa war die Frage, wie die KI dazulernt. Klassische Machine-Learning-Modelle werden in der Regel offline trainiert, dann in Produktion genommen und bleiben bis zum nächsten Update mehr oder weniger statisch. Bei einem AI Coworker-Ansatz ist das anders:

• Lernen aus Interaktionen: Jede E-Mail, jede Chat-Nachricht und jedes Feedback kann zur Verbesserung beitragen.
• Kontextbasierte Anpassung: Die KI verinnerlicht die unternehmensspezifischen Prozesse, Best Practices und kulturellen Nuancen.
• Gegenseitige Kommunikation: Mitarbeiter*innen geben Feedback, das die KI in ihre Modelle einbezieht – und dadurch ihren „Wissensschatz“  stetig erweitert.

Warum das wichtig ist: Ein selbstlernender Agent, der sich an realen Arbeitsprozessen orientiert, kann sich optimal ins Team integrieren und kontinuierlich besser werden. So entsteht eine lebendige, evolutive Beziehung zwischen Menschen und KI.

4. Zugriff auf aktuelles Wissen & Entscheidungsrelevanz

Eine KI Mitarbeiterin wie Lisa benötigt einen ständigen Daten- und Wissensstrom, um den aktuellen Zustand verschiedener Arbeitsabläufe zu erfassen. Egal ob es sich um den Lagerbestand, Lieferstatus oder das Feedback eines Kunden handelt – die KI muss diese Informationen schnell verarbeiten, priorisieren und bei ihren Handlungen berücksichtigen können.

• Relevante Entscheidungen im Blick: Die KI weiß, welche Themen gerade wichtig sind und warum bestimmte Handlungen Vorrang haben.
• Kondensierte Information: Nur relevante Daten in kompakten Formaten, damit die KI innerhalb ihres „Kontextfensters“ effizient reagieren kann.
• Automatisierte Protokollierung: Jede Entscheidung und jede Änderung im Prozess wird erfasst, um das System kontinuierlich mit neuem Erfahrungswissen zu füttern.

Warum das wichtig ist: Die moderne KI kann nur so gut sein wie die Daten,die sie bekommt. Durch kondensierte, kontextreiche Informationen lassen sich weitaus bessere Handlungsempfehlungen generieren – in Echtzeit und passgenau auf den jeweiligen Arbeitsablauf zugeschnitten.

Neurophysiologische Vorbilder: Lernen von den Stärken und Schwächen des menschlichen Gehirns

Spannend ist,dass wir uns bei der Entwicklung des AI Brains auch vom menschlichen Gehirn inspirieren ließen. Natürlich bleibt unser Wissen über die Neurophysiologie begrenzt, doch einige Prinzipien lassen sich übertragen:

• Parallelverarbeitung: Das Gehirn verarbeitet Reize aus unterschiedlichen Quellen gleichzeitig. Auch eine AI Coworker sollte verschiedene Datenquellen parallel verarbeiten.
• Fokus vs. Hintergrundrauschen: Menschliche Aufmerksamkeit filtert irrelevante Details aus. Analog braucht ein KI-System eine effiziente Filter- und Ranking-Logik, um sich auf das Wesentliche zu konzentrieren.
• Kognitiver Kontext: Beim Menschen wird alles neu Gesehene, Gehörte und Gelesene in den jeweils aktuellen Kontext eingebettet. Eine AI Mitarbeiterin muss ähnlich dazu „Kontextfenster“ verwalten können, um situativ korrekte Antworten zu geben.

Warum das wichtig ist: KI-Systeme, die ihre Entscheidungsfindung an neurophysiologischen Mechanismen ausrichten, können besser priorisieren,intuitiver agieren und sich an dynamische Umgebungen anpassen.

Warum ist Lisaeine AI Materialdisponentin?

Erst nach der grundlegenden Architektur und der Arbeit an AI Coworkern kam unsere große Leidenschaft für Supply Chain Management ins Spiel. Natürlich hatten wir bei der Entwicklung der AI Personas schon viele Ideen für Anwendungen in der Supply Chain im Auge. So wurden die zuvor beschriebenen Fähigkeiten (multimodale Kommunikation, Entscheidungsunterstützung, natürliches Lernen, Zugriff auf aktuelles Prozesswissen) nicht zufällig zum perfekter Startpunkt im komplexen Feld der Lieferketten:

• Zahlreiche Interaktionspunkte: Lieferanten, Logistikunternehmen, interne Abteilungen – alles muss reibungslos ineinandergreifen.
• Hohes Automatisierungspotenzial: Viele repetitive Aufgaben (Bestellungen, Nachverfolgungen, Planungen) lassen sich effizient durch eine KI-Mitarbeiter erledigen.
• Große Hebelwirkung: Schon kleine Verbesserungen in der Bedarfsplanung oder Logistikoptimierung führen zu erheblichen Kosten- und Zeitersparnissen.

So wurde Lisa zur Materialplanerin: Sie beobachtet Lagerbestände, Lieferantenperformance,Bestellvorschläge und lernt kontinuierlich, wie sie die Prozesse im Hintergrund noch weiter verbessern kann.

‍Fazit: EinAgent mit menschlichen Zügen für mehr Effizienz und Innovation

Die Personifizierung einer KI – ihr einen „Namen“ und eine Rolle zu geben – ist keine Spielerei, sondern der Schlüssel zu einem Agenten, der ganzheitlich denkt und handelt. Mit einem AI Brain, das sich an neurophysiologischen Prozessen orientiert und auf einem Fundament aus multimodaler Kommunikation, intelligentem Workflow-Management, kontinuierlichem Lernen und kontextbasiertem Entscheiden basiert, wird der KI-Agent zu einer Art „digitalen Kollegin“.

Erst in diesem Gesamtbild zeigt sich, wie und warum eine KI wie Lisa im Supply Chain Management (und in vielen anderen Bereichen) brillieren kann. Die technische Grundlage schafft die Basis für authentische Interaktion – und genau diese Interaktion ist der Treiber für effektive Zusammenarbeit und nachhaltige Wertschöpfung in Unternehmen.

‍