Prompten für Qualitäter: So vermeiden Sie digitalen Ausschuss

KI hält Einzug in Qualität, Lean und Six Sigma. Sie fasst Berichte zusammen, strukturiert Reklamationen und bereitet Analysen sowie Verbesserungsprojekte vor.

KI wird den Qualitäter vermutlich nicht über Nacht ersetzen. Doch ein Qualitäter, der sie sinnvoll nutzt, kann viele Aufgaben schneller erledigen als jemand, der sie grundsätzlich ignoriert. Wer sich nicht damit beschäftigt, überlässt den Vorsprung womöglich demjenigen, der später einen Teil der eigenen Arbeit übernimmt.

Der sinnvolle Umgang mit KI lässt sich lernen. Das wichtigste Werkzeug ist der Prompt – der Arbeitsauftrag an die KI.

Das Problem: Eine KI beantwortet auch schlechte Fragen. Oft ausführlich, überzeugend und mit einem Selbstbewusstsein, von dem mancher Projektleiter nur träumen kann.

Qualitäter Kai probiert es aus. Schließlich soll KI Zeit sparen.

---

---

1. Die Rolle: Wer soll die KI heute sein?

Kai startet mit:

Erkläre mir SPC.

Kann man so machen – wenn man eine Antwort möchte, die irgendwo zwischen Wikipedia-Eintrag, Statistikvorlesung und Werbebroschüre landet.

Besser ist es, der KI eine passende Rolle mit konkreten Eigenschaften zuzuweisen:

Versetze dich in die Rolle eines erfahrenen Lean Masters und SPC-Trainers. Du arbeitest praxisnah, hinterfragst voreilige Schlussfolgerungen und erklärst statistische Zusammenhänge so, dass ein Produktionsleiter ohne vertiefte Statistikkenntnisse sie versteht. Erkläre, woran man einen statistisch instabilen Prozess erkennt und welche Reaktionen sinnvoll sind.

Die Rolle legt fest, aus welcher Perspektive die KI auf die Aufgabe schaut. „Du bist ein Experte“ allein reicht allerdings noch nicht. Hilfreicher sind konkrete Eigenschaften:

• erfahren und praxisorientiert
• kritisch gegenüber vorschnellen Schlussfolgerungen
• verständlich für eine definierte Zielgruppe
• aufmerksam gegenüber Risiken und fehlenden Informationen
• zurückhaltend, wenn die Datengrundlage keine sichere Aussage erlaubt

Die Rollenbeschreibung macht die KI natürlich nicht wirklich zum Lean Master. Sie hilft ihr aber, die Antwort an der gewünschten Denk- und Arbeitsweise auszurichten.

2. Der Auftrag: „Mach mal besser“ ist kein Lastenheft

Motiviert macht Kai weiter:

Verbessere unsere Rüstzeiten.

Kann man so machen – wenn man eine Mischung aus SMED, 5S, Digitalisierung, Roboterbeschaffung und „Schulen Sie Ihre Mitarbeiter“ erhalten möchte.

Die KI kennt weder den Prozess noch die aktuelle Rüstzeit. Sie weiß nicht, ob intern oder extern gerüstet wird, welche Tätigkeiten parallel möglich wären oder ob die Anlage überhaupt ausreichend dokumentiert ist.

Ein besserer Auftrag könnte lauten:

Versetze dich in die Rolle eines erfahrenen Lean-Praktikers mit Schwerpunkt SMED. Analysiere die nachfolgende Liste unserer Rüsttätigkeiten. Ordne jede Tätigkeit als intern, extern oder noch unklar ein. Schlage anschließend mögliche Verlagerungen und Parallelisierungen vor. Erfinde keine Prozessdetails. Formuliere offene Fragen, bevor du konkrete Einsparungen abschätzt.

Jetzt weiß die KI:

• welche Aufgabe sie übernehmen soll,
• welche Methode relevant ist,
• welche Informationen ausgewertet werden sollen,
• welche Aussagen sie noch nicht treffen darf.

Je wichtiger die Aufgabe ist, desto klarer sollte das gewünschte Ergebnis beschrieben werden. „Analysiere“, „verbessere“ oder „optimiere“ klingt zwar fachlich, ist allein aber noch kein eindeutiger Auftrag.

3. Das Material: Kontext liefern – aber nicht die Kronjuwelen

Kai hat inzwischen Vertrauen gefasst. Er kopiert eine vollständige Kundenreklamation mit Ansprechpartner, Kontaktdaten, Artikelnummer, interner Zeichnung und Prüfergebnissen in ein frei zugängliches KI-System.

Kann man so machen – wenn man möchte, dass der Datenschutzbeauftragte seine persönliche Prozessfähigkeit überschreitet.

Bevor Unternehmensdaten in ein KI-System eingegeben werden, sollten mindestens folgende Fragen geklärt sein:

• Ist das verwendete System im Unternehmen freigegeben?
• Wo und wie werden die Eingaben verarbeitet und gespeichert?
• Wer kann auf die Inhalte zugreifen?
• Welche internen Datenschutz- und Geheimhaltungsregeln gelten?
• Werden wirklich alle enthaltenen Informationen für die Aufgabe benötigt?
• Können Namen, Kundenbezeichnungen, Teilenummern oder andere Angaben anonymisiert werden?

Für erste Versuche können reale Daten häufig durch Platzhalter oder synthetische Beispieldaten ersetzt werden. Der Prompt lässt sich damit in Ruhe entwickeln. Die spätere Anwendung mit tatsächlichen Unternehmensdaten gehört anschließend in eine dafür vorgesehene und freigegebene Umgebung.

Eine datensparsame Aufgabenstellung könnte beispielsweise lauten:

Versetze dich in die Rolle eines erfahrenen Reklamationsmanagers. Analysiere die anonymisierte Beschreibung einer Kundenreklamation. Trenne bestätigte Fakten, Vermutungen und fehlende Informationen. Erstelle daraus eine Liste notwendiger Sofortmaßnahmen und offener Fragen. Ziehe keine Rückschlüsse auf konkrete Personen oder Kunden.

Für umfangreichere Anwendungen können intern oder kontrolliert gehostete Unternehmenslösungen sinnvoll sein. Diese können Sprachmodelle mit freigegebenem Wissen, internen Dokumenten und verlässlichen Rechensystemen verbinden.

Trotzdem bleibt der Grundsatz bestehen: Nur die Daten bereitstellen, die für die konkrete Aufgabe erforderlich sind.

4. Die Endprüfung: Eine überzeugende Antwort ist noch kein Nachweis

Kai hat einen Prozessfähigkeitsindex von 1,67 erhalten und fragt:

Der Cpk beträgt 1,67. Der Prozess ist also fähig, richtig?

Kann man so machen – wenn man hauptsächlich eine freundliche Bestätigung der eigenen Meinung sucht.

Aus dem Wert allein lässt sich jedoch noch keine belastbare Schlussfolgerung ableiten. Kai muss dafür nicht bereits wissen, welche Voraussetzungen fehlen. Genau das kann er zunächst von der KI hinterfragen lassen:

Versetze dich in die Rolle eines Six Sigma Master Black Belts. Für einen Prozess wurde ein Cpk von 1,67 angegeben. Weitere Informationen liegen mir zunächst nicht vor. Erkläre, welche Aussage mit diesem Wert bereits möglich ist und welche Informationen für eine belastbare Bewertung noch fehlen. Stelle mir dazu gezielte Rückfragen. Gib keine abschließende Bewertung ab, solange wesentliche Informationen fehlen.

Die KI wird damit nicht um Zustimmung gebeten. Sie erhält den Auftrag, Informationslücken aufzudecken und die fachlichen Voraussetzungen der Aussage zu prüfen.

Dieses Vorgehen ist auch bei anderen Themen nützlich:

• Welche Informationen fehlen dir für eine belastbare Antwort?
• Welche Annahmen triffst du bei deiner Bewertung?
• Welche meiner Schlussfolgerungen könnten falsch oder unvollständig sein?
• Woran müsste ich das Ergebnis in der Praxis überprüfen?

Gerade bei Berechnungen gilt: Ein Sprachmodell kann Zusammenhänge erklären, Fragen formulieren und Analyseschritte vorbereiten. Kritische Zahlen sollten jedoch mit geeigneter Statistiksoftware oder einer verlässlichen Rechenumgebung überprüft werden.

Besonders interessant sind Unternehmenslösungen, die ein Sprachmodell beispielsweise mit Wolfram- oder Mathematica-Technologie verbinden. Dann kann die KI die Aufgabe sprachlich verstehen, während die eigentliche Berechnung in einer dafür geeigneten Umgebung erfolgt.

Der Prompt als digitaler Arbeitsauftrag

Ein brauchbarer technischer Prompt benötigt nicht immer mehrere Seiten. Häufig reichen fünf Bauteile:

• Rolle: Versetze dich in die Rolle eines … mit folgenden Eigenschaften …
• Auftrag: Erstelle, analysiere, prüfe oder überarbeite …
• Material: Nutze dafür folgende Informationen …
• Grenzen: Beachte dabei … und erfinde keine …
• Endprüfung: Prüfe abschließend … und kennzeichne Unsicherheiten …

Diese Struktur entspricht auch der aktuellen offiziellen Prompting-Systematik: Identität beziehungsweise Rolle, Anweisungen, Beispiele und relevanter Kontext verbessern die Steuerung des Ergebnisses. Entscheidend bleibt jedoch die anschließende fachliche Prüfung. Weiterführend: OpenAI – Prompt Engineering

Kein Meisterstück im ersten Versuch

Auch ein guter Prompt muss nicht beim ersten Anlauf perfekt sein. Die Zusammenarbeit mit KI ist ein iterativer Prozess:

1. Auftrag formulieren
2. Ergebnis ansehen
3. Abweichungen konkret benennen
4. fehlenden Kontext ergänzen
5. Ergebnis erneut prüfen

Statt jedes Mal von vorne anzufangen, kann Kai beispielsweise schreiben:

Die Struktur ist gut. Die Vorschläge sind jedoch zu allgemein. Konzentriere dich ausschließlich auf Maßnahmen, die ohne Anlagenumbau innerhalb von vier Wochen getestet werden können. Begründe jede Maßnahme mit den bereitgestellten Prozessdaten.

So wird aus einer allgemeinen Antwort schrittweise ein nutzbares Arbeitsergebnis.

Fazit: KI übernimmt Arbeit – nicht die Verantwortung

Eine KI ähnelt manchmal einem extrem belesenen neuen Mitarbeiter: Sie arbeitet schnell, kennt erstaunlich viele Methoden und hat keine Hemmung, sofort eine Antwort zu geben. Allerdings kennt sie weder den eigenen Prozess noch die Kundenanforderungen oder die Geschichte hinter den Daten – solange wir ihr diese nicht verständlich vermitteln.

Wer seine KI nur mit „Mach mal“ beauftragt, sollte sich über digitalen Ausschuss nicht wundern.

Wer dagegen Rolle, Auftrag, Material, Grenzen und Endprüfung sauber festlegt, kann aus einem Chatbot einen erstaunlich leistungsfähigen Arbeitspartner machen.

Die Zukunft gehört deshalb nicht den Menschen mit den längsten Prompts. Sie gehört den Fachleuten, die ihren Prozess verstehen, die richtigen Fragen stellen und auch eine überzeugend formulierte KI-Antwort noch kritisch prüfen.

Denn KI kann uns viel Arbeit abnehmen - die Verantwortung für ein gutes Ergebnis bleibt zum Glück weiterhin bei uns.

---

---