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.

Im Alltag

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.

Fachlich

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.

Animation: Sechs Stationen im Kreis leuchten nacheinander auf: Problem, Daten, Modell, Bewertung, Einsatz, Überwachung – dann schließt sich der Kreis.
Ein Modell ist nie „fertig“: Daten und Welt ändern sich.
EinsatzformWieBeispiel
Batchregelmäßig viele Fälle auf einmalJede Nacht Kündigungswahrscheinlichkeit für alle Kunden
Echtzeit (online)Anfrage → Antwort in Millisekunden, meist über eine Schnittstelle (API)Betrugsprüfung bei jeder Kartenzahlung
Edgedirekt auf dem Gerät, ohne CloudKamera 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.

Merksatz

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.