Teil D · KI im Einsatz · Lektion 14
Einsatz von KI-Modellen
Geprüft am 20.11.2026
Training ist einmalig, Inferenz läuft täglich – und Überwachung hört nie auf.
Ein frisch ausgebildeter Mitarbeiter arbeitet nicht für immer allein vor sich hin: Er wird eingearbeitet, bekommt Rückmeldung, wird nachgeschult, wenn sich Produkte ändern. Mit einem KI-Modell ist es genauso.
Ist ein Modell trainiert, wird es auf neue Daten angewendet – das heißt Inferenz. Damit es im Betrieb nützt, muss es in Prozesse und IT-Systeme eingebunden, überwacht und regelmäßig aktualisiert werden.

| Einsatzform | Wie | Beispiel |
|---|---|---|
| Batch | regelmäßig viele Fälle auf einmal | Jede Nacht Kündigungswahrscheinlichkeit für alle Kunden |
| Echtzeit (online) | Anfrage → Antwort in Millisekunden, meist über eine Schnittstelle (API) | Betrugsprüfung bei jeder Kartenzahlung |
| Edge | direkt auf dem Gerät, ohne Cloud | Kamera an der Fertigungslinie, Smartphone |
Im Betrieb ändert sich die Welt: neue Produkte, neues Kundenverhalten, neue Sensoren. Dann passen die gelernten Zusammenhänge nicht mehr – man spricht von Drift. Deshalb wird überwacht und bei Bedarf neu trainiert. Das systematische Vorgehen dafür heißt MLOps (Modul 7). Als Vorgehensmodell für Datenprojekte ist CRISP-DM verbreitet: Geschäftsverständnis, Datenverständnis, Datenvorbereitung, Modellierung, Evaluation, Bereitstellung.
Training ist einmalig, Inferenz läuft täglich – und Überwachung hört nie auf.
Hinweise für Lehrende
Viele KI-Projekte scheitern nicht am Modell, sondern am Weg in den Betrieb. Fragen Sie: „Wer ist in Ihrem Unternehmen zuständig, wenn das Modell nach einem Jahr schlechter wird?“ – Diese Frage taucht im Fachgespräch auf.
Häufige Fragen zu „Einsatz von KI-Modellen“
Was bedeutet Inferenz?
Inferenz ist das Anwenden eines trainierten Modells auf neue Daten, also der tägliche Einsatz nach dem Training.
Welche Einsatzformen gibt es für KI-Modelle?
Batch (viele Fälle regelmäßig auf einmal), Echtzeit über eine Schnittstelle (eine Anfrage, sofortige Antwort) und Edge (direkt auf dem Gerät ohne Cloud).
Warum muss ein KI-Modell im Betrieb überwacht werden?
Weil sich Daten und Zusammenhänge ändern (Drift). Ohne Überwachung werden Vorhersagen unbemerkt schlechter; deshalb gehören Monitoring und Neutraining zum Betrieb.