Seit \u00fcber 20 Jahren investieren Unternehmen weltweit in die Digitalisierung. ERP-Systeme, Prozessautomatisierung, Robotic Process Automation und Business Intelligence haben ganze Branchen transformiert. Dennoch bleiben zentrale Prozesse bis heute unvollst\u00e4ndig digitalisiert. Die Gr\u00fcnde sind vielf\u00e4ltig, doch eines sticht heraus: eine bestimmte Klasse von Prozessen, die zwar theoretisch algorithmisch l\u00f6sbar ist, in der Praxis jedoch an der Komplexit\u00e4t scheitert.<\/p>\n
In eigener Sache: Schreiben sie mich gerne direkt an, wenn sie einen Austausch zu dem Thema w\u00fcnschen. Linkedin: https:\/\/www.linkedin.com\/in\/heusinger\/<\/a> oder nutzen Sie unser Kontaktformular<\/a>.<\/p>\n Mit dem Aufkommen von Large Language Models (LLMs) keimte die Hoffnung, auch diese Blockerprozesse adressieren zu k\u00f6nnen. Doch schnell wurde deutlich: LLMs sind nicht deterministisch, sie halluzinieren und liefern Ergebnisse, die nur schwer auditierbar sind. F\u00fcr kritische Prozesse mit regulatorischen Anforderungen reicht das nicht aus. <\/p>\n In der Forschung wird deshalb ein neuer Ansatz diskutiert: AI-augmented algorithms<\/strong> \u2013 hybride Architekturen, in denen deterministische Algorithmen und KI gezielt zusammenwirken. Gemeinsam mit der Hamburger Hafen und Logistik AG (HHLA) konnten wir in einem Pilotprojekt zeigen, dass dieser Ansatz in der Praxis funktioniert. <\/p>\n Die Zoll- und Containerklassifikation ist eine der Kernaufgaben im internationalen Handel. Theoretisch scheint sie klar strukturiert: <\/p>\n Auf dem Papier ist das ein deterministischer Prozess. In der Praxis jedoch entsteht eine nahezu unbeherrschbare Komplexit\u00e4t: <\/p>\n All diese F\u00e4lle sind prinzipiell regelbasiert abbildbar. Doch das Regelwerk w\u00fcrde so umfangreich, dass es kaum noch wartbar w\u00e4re. Kleine \u00c4nderungen in den Rahmenbedingungen k\u00f6nnten massive Anpassungen im System nach sich ziehen. Genau deshalb galt dieser Prozess lange als \u201enicht digitalisierbar\u201c. <\/p>\n Im HHLA-Pilotprojekt haben wir uns diesem Problem gestellt und bewusst eine hybride Architektur gew\u00e4hlt. Ziel war es, die St\u00e4rken beider Welten \u2013 deterministische Algorithmen und KI \u2013 zu kombinieren. <\/p>\n Unverr\u00fcckbare Regeln wie gesetzliche Vorschriften, Abgabenberechnungen oder zwingende Sicherheitsstandards wurden in einem klassischen Algorithmus abgebildet. Dieser Teil bleibt deterministisch, transparent und auditierbar. <\/p>\n LLMs kamen dort zum Einsatz, wo die Regelkomplexit\u00e4t explodierte. Konkret: <\/p>\n Die KI liefert Vorentscheidungen und standardisierte Inputs, der Algorithmus trifft die endg\u00fcltigen, rechtlich bindenden Berechnungen. So entsteht ein System, das die Flexibilit\u00e4t menschlicher Interpretation mit der Strenge deterministischer Logik verbindet. <\/p>\n Das Zusammenspiel von KI und Algorithmus brachte mehrere Vorteile: <\/p>\n Damit gelang erstmals die vollst\u00e4ndige Automatisierung eines Prozesses, der bislang als \u201enicht digitalisierbar\u201c galt. <\/p>\n Das HHLA-Projekt zeigt auch, wie wir Aufgaben systematisch klassifizieren k\u00f6nnen: <\/p>\n Die eigentliche Innovation liegt in Typ 2 \u2013 Prozesse, die bislang un\u00fcberwindbare Komplexit\u00e4t darstellten, k\u00f6nnen heute mit hybriden Architekturen adressiert werden. <\/p>\n Das Beispiel zeigt deutlich: Die n\u00e4chste Welle der Digitalisierung wird nicht durch \u201emehr KI\u201c allein entstehen. Stattdessen geht es darum, Architekturen zu entwickeln, in denen Algorithmen und KI gezielt zusammenarbeiten. <\/p>\n F\u00fcr Unternehmen bedeutet das: <\/p>\nProblemstellung: Zoll- und Containerklassifikation<\/h2>\n
\n
\n
Ansatz: AI-augmented Algorithms<\/h2>\n
Deterministischer Kern<\/h3>\n
KI-gest\u00fctzte Vorverarbeitung<\/h3>\n
\n
Zusammenspiel<\/h3>\n
Ergebnisse aus dem Pilotprojekt<\/h2>\n
\n
Einordnung: Drei Typen von Aufgaben<\/h2>\n
\n
Implikationen f\u00fcr Unternehmen<\/h2>\n