Ich übersetze gerade privat ein Fachbuch aus den 80er Jahren, das ich sehr schätze — als Testlauf, wie weit KI-Automatisierung heute wirklich trägt.
Zwei Zahlen aus diesem Projekt:
Der Workflow, der das komplette Buch übersetzt: zwei Tage.
Die Aufbereitung der digitalen Buchdaten davor: drei Tage. Eher mehr.
Der Teil, der nach dem eigentlichen Projekt klingt, war der kleinere. Der unsichtbare Teil davor hat gewonnen.
Ein Buch aus den 80ern wurde für Leser gemacht, nicht für Maschinen. Silbentrennungen mitten im Wort. Kopf- und Fußzeilen im Fließtext. Fußnoten, die Absätze zerreißen. Kein Kapitel wie das andere. Nichts davon ist ein Problem — bis eine Maschine den Text verarbeiten soll.
Genau dieses Muster kenne ich aus fünf Jahren KI-Deployment auf Engineering-Daten bei Monolith AI: Der Löwenanteil fast jedes Projekts war nie das Modell. Es war die Datenaufbereitung.
Prüfstandsdaten in vier Formaten auf drei Laufwerken. Kontext im Dateinamen. Metadaten in einer Word-Datei daneben. Über Jahre für Menschen abgelegt, nicht für Maschinen.
Die Reife deiner Daten entscheidet über dein KI-Projekt, bevor das erste Modell überhaupt läuft.
Ein vierzig Jahre altes Buch und ein moderner Prüfstand haben dasselbe Problem.
Beide sprechen fließend Mensch — und kein Wort Maschine.
Wie viele Tage Aufbereitung stecken bei euch vor dem ersten produktiven KI-Einsatz?