Diese Seite wird in englischer Sprache angezeigt, während eine geprüfte Übersetzung für Ihre Region vorbereitet wird.
Warum wir den Menschen im Regelkreis als Plattformdesign und nicht als Slogan betrachten
Eine Perspectis AI-Perspektive in einfacher Sprache: Mensch-in-the-Loop als workflownative Genehmigungen, Compliance-Signale, Leitplanken für Assistentenaktionen und nicht verhandelbare Plattformkontrollen – nicht nur Chat-Bestätigungen.
Ein Leitfaden in einfacher Sprache für Führungskräfte, Kunden und Teams (April 2026)
Die Kurzfassung
Human-in-the-Loop ist leicht gesagt, aber schwer umzusetzen. Viele Produkte suggerieren Kontrolle durch ein oder zwei Bestätigungsdialoge. Wir haben Perspectis AI so entwickelt, dass sinnvolle Pausen – für Genehmigungen, Compliance-Prüfungen und wichtige Aktionen des Assistenten – Teil der Architektur sind wie Mandantenfähigkeit, Tools und Auditierbarkeit: und nicht nur ein Aufkleber über einem Chatfenster.
Das ist wichtig, denn professionelle Organisationen werden nicht allein für ihre Absicht anerkannt. In Umgebungen mit Sorgfaltspflicht benötigen sie dauerhafte Nachweise darüber, wer was unter welcher Richtlinie und bei möglichen externen Auswirkungen genehmigt hat.
Was „Human-in-the-Loop“ im Markt üblicherweise bedeutet (zu Recht)
| Muster | Was es oft ist | Wo es gut ist | Wo es unter Druck an seine Grenzen stößt |
--- | --- | --- | --- |
Chat-Bestätigungen | Ein Modell fragt vor dem Senden einer Nachricht nach einem „Ja“ | Leichte Leitplanken in Gesprächsabläufen | Schwer zu Rollen, Aufgabentrennung oder Workflow-Status systemübergreifend abzubilden |
Agenten-Genehmigungen | Tool-Aufrufe, die zur Bestätigung durch einen Bediener pausieren | Sichereres Experimentieren in kontrollierten Laufzeitumgebungen | Richtlinien befinden sich weiterhin größtenteils in jeder integrierenden Anwendung – nicht immer in der Semantik des Unternehmens-Workflows |
Richtliniendokumente | Schriftliche Standards für die menschliche Überprüfung | Definiert Erwartungen an die Nutzer | Erzwingt nicht von sich aus das Verhalten über verschiedene Kanäle (Web, Sprache, Integrationen) hinweg |
Nichts davon ist „falsch“. Es handelt sich um unterschiedliche Ebenen des Stacks. Wir investieren dort, wo professionelle Arbeit tatsächlich stattfindet: Abrechnungs- und Einreichungsprozesse, Compliance-Signale, Assistentenfunktionen, die Kalender und ausgehende Kommunikation beeinflussen können, und Governance, die nicht vorgibt, Berechtigungen durch eine clevere Eingabeaufforderung außer Kraft setzen zu können.
Wie wir die menschliche Interaktion in Perspectis AI gestalten (einfach erklärt)
Dies sind die bewährten Konzepte, die wir mit Kunden und in unseren Perspectis AI Demo-Umgebungsszenarien anwenden – keine vollständige Funktionsliste, sondern die Struktur der Plattform.
1) Workflow-native Genehmigungen, nicht nur „modellhafte Höflichkeit“
Manche Arbeitsschritte sollten nicht ohne eine kontextbezogene menschliche Entscheidung fortgesetzt werden: beispielsweise Prozesse im Zusammenhang mit Zeiterfassung und Rechnungsstellung, bei denen Unternehmen eine ausdrückliche Genehmigung vor der endgültigen Übergabe erwarten. Wir behandeln dies als Workflow-Status, nicht als einmalige Chat-Antwort.
2) Compliance-basierte Prüfung als wichtiges Signal
Wenn Compliance-Regeln ein wesentliches Risiko kennzeichnen, zeigt die Plattform eine Prüfung an und **fordert, sofern konfiguriert, Genehmigungsprozesse an, die dem Schweregrad entsprechen – damit die „Automatisierung“ nicht stillschweigend berufliche Pflichten untergräbt.
3) Entscheidungssteuerung für sensible Kategorien
Bestimmte Kategorien automatisierter Entscheidungsergebnisse werden in unserem lernenden Entscheidungssystem nie automatisch genehmigt (z. B. Rechnungsfreigabe, Compliance-Verstöße und Sicherheitswarnungen gemäß unserer internen Richtlinien). Andere Ergebnisse werden nur dann automatisch genehmigt, wenn Vertrauen und Präferenzen übereinstimmen – und einige Ergebnisse können blockiert werden, wenn die Regeln dies vorsehen.
4) Aktionen des Executive Personal Assistant mit echten Kontrollmechanismen
Unser Executive Personal Assistant verknüpft die Funktionen des Personal Agent Representative mit Aktionen, die als risikoreich gelten: Koordination von Meetings, Erstellung ausgehender Korrespondenz und ähnliche Aufgaben. Wir kombinieren Richtlinien (was eine Bestätigung erfordern sollte), Vertrauensbewertung (wann das System keine Gewissheit vortäuschen sollte) und Schutzmechanismen (z. B. Einschränkungen der Autonomie im Notfall und sinnvolle Ratensteuerung), damit „Hilfe“ nicht zu „unerwarteten Nebenwirkungen“ wird.
5) Sprache und Werkzeuge: Sicherheitsklassifizierung statt intuitiver Bedienung
Bei sprachgesteuerten Prozessen behandeln wir irreversible Operationen als nicht zulässig für diesen Kanal und fordern eine explizite Bestätigung für nicht gelesene Operationen im Sprachbefehlspfad an – da gesprochene Sprache ein hohes Risiko für Fehlausführungen birgt.
6) Governance wird nicht in der Eingabeaufforderung gespeichert
Berechtigungen, Werkzeugverfügbarkeit, Informationsbarrieren („Walls“) und Funktionskontrollen werden auf der Anwendungsebene durchgesetzt. Dies ist eine bewusste Vorgehensweise: Einblendungen in Eingabeaufforderungen und geschickte Formulierungen können keine Berechtigungen verleihen, die die Plattform nicht zugewiesen hat.
Vergleich auf einen Blick
Richtungsrahmen für Stakeholder-Gespräche – keine wöchentliche Funktionsübersicht.
| Thema | Perspectis KI-Positionierung | Typische Chat-basierte Assistenten | Allgemeine Agenten-Frameworks |
| --- | ---: | ---: | ---: |
| Schwerpunkt | Unternehmens-Workflows + Verantwortlichkeit + KI | Gesprächsqualität + einfache Leitplanken | Ausführungsschleifen + Tools für Entwickler |
Tiefe der menschlichen Interaktion | Mehrere operative Schnittstellen (Abrechnungspfade, Compliance, Assistentenaktionen, Sprachsicherheitsklassifizierung) | Häufig Gesprächsbestätigungen | Abhängig von den jeweiligen Produktintegrationen |
Rollen- und Aufgabentrennung | Ausgerichtet auf organisatorische Muster (z. B. Genehmigerlisten, rollenbasierte Problemlösung, sofern implementiert) | Häufig Einzelbenutzer | Neutral: Anwenderteams implementieren Richtlinien |
Nachweisführung | Ausgerichtet auf Prüfbarkeit und Kontrollen | Variiert stark | Variiert stark |
„Nur umständlich umgehen“-Risiko | Wir behandeln sensible Kontrollen auf der Plattformebene als unverhandelbar | Modellabhängig | Abhängig von der Durchsetzung in der jeweiligen Anwendung |
Warum dies wichtig ist (Vordenkerrolle, nicht Angst)
Regulierte und reputationssensible Branchen haben genug von Autonomie-Theater: Demos, die so lange magisch aussehen, bis jemand nach dem Genehmigungsprotokoll fragt. Wir glauben, dass die nächste Wettbewerbsnorm ehrliche operative KI ist: Systeme, die wissen, wo Menschen weiterhin verantwortlich sein müssen und diese Grenzen stabil halten, auch wenn sich die zugrunde liegenden Modelle ändern.
Deshalb verbinden wir die Einbindung des Menschen mit der Integrationsdisziplin des Model Context Protocol und einem nutzerorientierten Design: Autonomie ohne Verantwortlichkeit hält der professionellen Sorgfaltspflicht nicht stand.
Quellen (öffentliche Referenzen, die wir für Rahmenwerke zitieren, nicht für Produktangaben)
- National Institute of Standards and Technology: Artificial Intelligence Risk Management Framework (AI RMF 1.0)
- Internationale Organisation für Normung: ISO/IEC 42001 — Managementsystem für künstliche Intelligenz
- Europäische Kommission (Portal für digitale Strategie): Europäischer Ansatz für künstliche Intelligenz
Dieses Dokument richtet sich an externe, nicht-technische Leser. DetAIllierte technische Bewertungen, anwendungsspezifische Kontrollen und Nachweisdokumente werden Kunden und Partnern im Rahmen der entsprechenden Vereinbarungen zur Verfügung gestellt – nicht als Fußnoten in diesem Blog.