Präzisions-KI statt Standardantworten: Vier Methoden für bessere CI-Analysen
Viele CI- und MI-Profis kennen die Enttäuschung: Man füttert ein KI-Tool wie ChatGPT mit einem Transkript oder Analysebericht und erhält eine oberflächliche, wenig aussagekräftige Zusammenfassung. Das gemeinsame Webinar von dcif und ICI zeigte, wie sich dieser generische Output vermeiden lässt und wie KI zu einem Präzisionswerkzeug für Intelligence-Arbeit wird.
Die beiden Referenten, Vineeth Vijayakumar (Market Intelligence Expert und Vorstandsmitglied des dcif) und Thorsten Bill (Business Development Manager am Institute for Competitive Intelligence), präsentierten vier zentrale Methoden, die sich direkt im Arbeitsalltag umsetzen lassen:
1. Kontextreiche Prompts verbessern unvollständige Daten
Rohdaten aus Konferenzaufzeichnungen oder Interviews sind häufig lückenhaft – mit Hintergrundgeräuschen, Abbrüchen oder unvollständigen Sätzen. Vineeth Vijayakumar demonstrierte anhand eines realen dcif-Falls, wie sich diese Herausforderung durch kontextreiches Prompting lösen lässt.
Das Prinzip: Statt die KI nur mit dem reinen Textmaterial zu versorgen, werden zusätzliche Kontextinformationen mitgeliefert – etwa LinkedIn-Profile der Sprecher, die Meeting-Agenda oder das Analyseziel. Dadurch „versteht" die KI inhaltliche Lücken und kann aus fragmentierten Wortfetzen eine logisch kohärente Argumentation rekonstruieren.
2. Detaillierte Arbeitsanweisungen statt einfacher Aufträge
Thorsten Bill illustrierte den Unterschied mit einer anschaulichen Metapher: Wer bei der KI lediglich „einen Bericht" bestellt, erhält Standardware. Präzise Intelligence erfordert hingegen ein genaues „Rezept".
Die Methode: Chain-of-Thought (CoT) zwingt die KI zu schrittweisem Denken. Statt sofort ein Ergebnis zu generieren, durchläuft sie definierte Analyseschritte – etwa „Analysiere zunächst die Hauptargumente, bewerte anschließend deren Plausibilität und leite daraus strategische Implikationen ab." Diese strukturierte Vorgehensweise erhöht die Qualität der Ergebnisse erheblich.
3. Technische Leitplanken gegen Fehlinformationen
Die größte Sorge im Intelligence-Bereich ist die sogenannte Halluzination – wenn KI-Systeme Fakten erfinden. Das Webinar stellte zwei wirksame Gegenmaßnahmen vor:
Change Logs: Die KI wird aufgefordert, jede Änderung am Originaltext zu dokumentieren. So bleibt nachvollziehbar, welche Informationen aus der Quelle stammen und was interpretiert wurde.
Code Execution: Für quantitative Angaben wird die KI angewiesen, tatsächlich zu rechnen und zu zählen, anstatt Zahlen zu schätzen. Dies stellt sicher, dass Ergebnisse Ihrer Vorgabenstruktur folgen und nicht der „Kreativität" des Modells.
4. Wiederverwendbare Prompt-Vorlagen
Eine praktische Erkenntnis für den Arbeitsalltag: Sie müssen kein Prompt-Engineering-Experte werden. Thorsten Bill zeigte einen effizienten Weg auf:
Sobald Sie einen erfolgreichen Dialog mit der KI geführt haben, bitten Sie das System, daraus eine wiederverwendbare Vorlage zu erstellen.
Der Ansatz: „Analysiere unseren bisherigen Dialog und erstelle daraus eine System-Prompt-Vorlage für zukünftige, vergleichbare Aufgaben."
So entsteht schrittweise eine Bibliothek funktionierender „Agenten" für wiederkehrende Aufgaben wie Meeting-Protokolle, SWOT-Analysen oder News-Zusammenfassungen.
Fazit
KI-Tools im Jahr 2025 sind keine einfachen Chatbots mehr, sondern können in strukturierte Intelligence-Workflows integriert werden. Wer die vorgestellten Methoden beherrscht, spart erhebliche Zeit bei manueller Arbeit – ohne Qualitätseinbußen bei den Analyseergebnissen.
Das Webinar „High Clarity Summaries with AI: Precision Workflows" fand als Webinar des Deutschen Competitive Intelligence Forums (dcif e.V.).
Es richtete sich an Fachleute, die aus unvollständigen und komplexen Datenquellen präzise, entscheidungsrelevante Erkenntnisse gewinnen möchten.
Das Webinar wurde zweisprachig (Deutsch/Englisch) durchgeführt.
