---
title: "Kontext schlägt das Modell"
url: "https://www.intersim.ch/insights/der-kontext-schlagt-das-modell"
description: "Wer bei KI nur auf das Modell schaut, greift zu kurz. Modelle lassen sich austauschen. Entscheidend ist, ob sie auf das richtige Wissen im Unternehmen…"
---

# Kontext schlägt das Modell

[Technik & Innovation](/insights/?filter=technology-innovation)

 ![Symbolbild](/_astro/00_blogbeitrag_kontextmodell-web.DkbtTcLo_Z1qihaB.png)

Wer bei KI nur auf das Modell schaut, greift zu kurz. Modelle lassen sich austauschen. Entscheidend ist, ob sie auf das richtige Wissen im Unternehmen zugreifen können.

Autor:in

Julius Firl

Veröffentlicht

09\. Oktober 2026

Ein Beispiel aus dem Maschinenbau zeigt, worauf es ankommt: Montagmorgen, 06:40 Uhr: Bei einem Kunden steht eine Biegeanlage still, auf dem Display erscheint der Fehlercode E-417. Der Servicetechniker im Innendienst fragt die KI, was dahintersteckt und was zu tun sei.

**Ohne Kontext:** Die KI kennt die Anlage nicht. Sie nennt mögliche Ursachen: Sensor prüfen, Verkabelung kontrollieren, Steuerung neu starten. Das klingt sinnvoll, hilft in diesem Fall aber kaum weiter.

**Mit Kontext:** Die KI kann auf ERP, Servicehistorie und Dokumentenablage zugreifen. Dort findet sie die entscheidenden Hinweise: Die Anlage ist Baujahr 2016, die Steuerung wurde 2022 ersetzt und das Handbuch beim Kunden ist nicht mehr aktuell. Derselbe Fehler trat bereits zweimal auf. Beim ersten Mal wurde der Sensor ohne Erfolg getauscht, beim zweiten lag die Ursache beim Kabelbaum zum Achsmodul. Das passende Ersatzteil ist an Lager.

Damit ist die Empfehlung klar: Kabelbaum mitnehmen, den Sensor vorerst nicht ersetzen und dem Kunden die aktuelle Dokumentation bereitstellen.

Im ersten Fall ist ein zweiter Einsatz wahrscheinlich. Im zweiten stehen die relevanten Informationen von Anfang an zur Verfügung. Das Modell ist dasselbe – der Unterschied liegt im Kontext.

**Der bleibende Wert liegt im Kontext**

Sprachmodelle entwickeln sich laufend weiter und können ersetzt werden. Die Verbindungen zu ERP, Servicehistorie und Dokumentation bleiben bestehen. Genau dort lohnt sich eine nachhaltige Investition.

**Das Wissen ist über viele Systeme verteilt**

Die Seriennummer steht im ERP, die Störung im Ticketsystem, das Handbuch im DMS und die frühere Lösung vielleicht noch in einer Excel-Liste. Ein Standard wie das Model Context Protocol (MCP) kann helfen, solche Quellen für KI-Anwendungen zugänglich zu machen. Die anspruchsvolle Arbeit bleibt jedoch dieselbe: Daten verstehen, Identitäten abgleichen und Zugriffsrechte sauber regeln. Es geht deshalb nicht nur um KI, sondern vor allem um eine gute Daten- und Systemarchitektur.

**Veraltete Informationen sind ein echtes Risiko**

Fehlt der Kontext, bleibt eine Antwort meist allgemein. Schwieriger wird es, wenn die KI mit veralteten Unterlagen arbeitet: Dann kann eine Antwort überzeugend klingen und trotzdem falsch sein. Deshalb braucht jede angebundene Quelle klare Zuständigkeiten und einen verlässlichen Prozess für Aktualisierung und Freigabe.

**Erfahrungswissen muss festgehalten werden**

Oft weiss eine einzelne erfahrene Fachperson, dass E-417 bei dieser Baureihe meist mit dem Kabelbaum zusammenhängt. Wird dieses Wissen nicht dokumentiert, geht es beim Austritt oder bei der Pensionierung verloren. KI löst dieses Problem nicht von selbst. Sie zeigt aber deutlich, wie wertvoll eine gepflegte Wissensbasis ist.

## Fazit

Darum ist nicht nur die Wahl des Modells entscheidend. Ebenso wichtig ist, welches Unternehmenswissen ihm verlässlich zur Verfügung steht. Vor der Wahl eines Modells sollten drei Fragen geklärt sein:

1.  Bei welchen Entscheidungen fehlen im Alltag die nötigen Informationen?
    
2.  Wo liegen diese Informationen und wer ist für ihre Qualität verantwortlich?
    
3.  Wer darf auf welche Daten zugreifen?
    

Sind diese Punkte geklärt, lässt sich ein passendes Modell gezielter auswählen. Wer sie auslässt, wechselt möglicherweise die Technologie, ohne das eigentliche Problem zu lösen.

## Verwandte Themen

[AI](/projects/?filter=ai) [Consulting](/projects/?filter=consulting)