Die Entstehung von Lisa — wie ein AI Coworker entworfen wurde
Teil 1 · Ursprünglich veröffentlicht im Januar 2025
Die Geschichte von Lisa beginnt mit einem zentralen Gedanken: Ein AI Coworker braucht eine eigene Intelligenzschicht — wir nennen sie Recall Intelligence —, um in realen Arbeitsumgebungen schnell, verlässlich und intelligent zu agieren. Doch was genau ist ein AI Coworker — und warum ist das Konzept so vielversprechend, um Menschen und Organisationen zu unterstützen?
1. Multimodale Kommunikation: natürlich und mühelos interagieren
Eine Grundanforderung an Recall Intelligence ist, dass die KI nicht auf eine einzige Interaktionsform beschränkt ist — nicht nur Chat, nicht nur Sprache. Menschen kommunizieren über viele Kanäle: E-Mail, Messaging, Videocalls, Projektmanagement-Tools. Ein KI-Agent wie Lisa muss:
- Sprache, E-Mails und Chats gleichermaßen beherrschen,
- sich mit verschiedenen Plattformen und Formaten verbinden,
- sich an wechselnde Kontexte anpassen (Smartphone, Web-Oberfläche, ERP-System).
Warum das zählt
Je natürlicher die KI interagiert, desto schneller akzeptieren Nutzer sie als Kollegin auf Augenhöhe. Nur eine KI, die reibungslos innerhalb der bestehenden Kanäle arbeitet, kann die tägliche Arbeitslast wirklich senken und Geschäftsprozesse beschleunigen.
2. Komplexe Workflows gemeinsam mit Menschen ausführen
Bei einem AI Coworker geht es nicht darum, einzelne Aufgaben zu automatisieren, sondern ganze Workflows zu verstehen und zu orchestrieren. Das ist gerade im Supply Chain Management entscheidend, wo mehrere voneinander abhängige Prozesse zusammenpassen müssen.
Wichtige Fähigkeiten sind:
- die Koordination von Teilaufgaben (Bedarfsplanung, Lieferantenmanagement, Bestandsführung),
- transparente Kommunikation — die KI erklärt, warum sie eine Entscheidung empfiehlt,
- Rollenbewusstsein — die KI handelt als Teammitglied und ergänzt menschliche Expertise, statt sie zu ersetzen.
Warum das zählt
Wenn eine KI das Gesamtbild versteht, kann sie Probleme früh erkennen, fundierte Vorschläge machen und echte Entscheidungsunterstützung leisten. Damit wird sie vom bloßen Automatisierungswerkzeug zur verlässlichen Mitarbeiterin.
3. Von Menschen lernen — und das Gelernte behalten
Eine der prägenden Fragen in Lisas Entwicklung war, wie die KI lernen soll. Klassische Machine-Learning-Modelle werden offline trainiert und bleiben bis zum nächsten Update relativ statisch. Ein AI Coworker funktioniert anders:
- er lernt aus jeder Interaktion — jede E-Mail, jeder Chat, jedes Feedback verbessert seine Arbeitsweise,
- er passt sich an den Kontext an — unternehmensspezifische Prozesse, Konventionen, Best Practices,
- er ermöglicht einen wechselseitigen Austausch — Menschen geben Feedback, die KI nimmt es auf, und ihr Arbeitswissen wächst.
Warum das zählt
Genau hier entsteht der eigentliche Hebel. Die wirklich wertvolle Arbeit im Supply Chain ist nicht der Routinefall — es ist die Ausnahme: die Bestätigung, die von der Bestellung abweicht, die Lücke, die einen Ersatzartikel braucht, die Situation, die keine Regel vorhergesehen hat. Wenn ein Mensch eine solche Ausnahme löst, behält Lisa, wie sie gelöst wurde — dieselbe Ausnahme muss also nicht zweimal von Grund auf bearbeitet werden. Mit der Zeit schrumpft der Stapel an Fällen, die einen Menschen brauchen, statt sich immer wieder zurückzusetzen. Ein selbstlernender Coworker, der Lösungen festhält und nicht nur Daten, fügt sich in ein Team ein und wird strukturell besser, je länger er läuft.
4. Zugang zu Echtzeitwissen und Entscheidungsrelevanz
Um zu überzeugen, braucht Lisa einen stetigen Strom aktueller Daten — Bestände, Lieferanten-Updates, Kundensignale — und das Urteilsvermögen, zu erkennen, was wichtig ist. Die KI muss Informationen schnell verarbeiten, priorisieren und in ihre Entscheidungen einfließen lassen.
Zentrale Funktionen sind:
- relevanzorientierte Entscheidungen — die KI erkennt, was sofortige Aufmerksamkeit braucht,
- verdichtete Information — das Wesentliche so aufbereiten, dass es in den Arbeitskontext passt,
- automatisches Protokollieren — jede Entscheidung und Aktualisierung wird festgehalten und reichert das System mit der Zeit an.
Warum das zählt
Jede moderne KI ist nur so gut wie die Daten, die sie aufnimmt. Durch effektives Filtern und Kontextualisieren liefert die KI gezielte Empfehlungen in Echtzeit, die zum jeweiligen Workflow passen.
Inspiriert davon, wie das Gehirn arbeitet
Der Entwurf von Recall Intelligence lehnt sich lose daran an, wie das menschliche Gehirn funktioniert. Wir behaupten nicht, Neurophysiologie nachzubilden — aber einige Prinzipien lassen sich gut als Design-Metaphern übertragen:
- Parallele Verarbeitung — mehrere Datenströme gleichzeitig statt nacheinander bearbeiten,
- Signal von Rauschen trennen — Irrelevantes ausblenden, um das Kritische zu priorisieren,
- Arbeitskontext — situatives Wissen anwenden, damit Antworten präzise und situationsgerecht sind.
Warum das zählt
Systeme, die auf diesen Prinzipien aufbauen, priorisieren effektiver und passen sich besser an schnell wechselnde Umgebungen an.
Warum Lisa ein AI Coworker für Einkauf und Planung wurde
Sobald die grundlegende Architektur für AI Coworker stand, rückten unsere Wurzeln im Supply Chain Management in den Mittelpunkt. Die Fähigkeiten, die wir aufgebaut hatten — multimodale Kommunikation, Workflow-Orchestrierung, kontinuierliches Lernen, Echtzeit-Bewusstsein — erwiesen sich als ideale Passung für die Komplexität des Felds. Warum?
- Viele Berührungspunkte — Lieferanten, Logistikdienstleister und interne Abteilungen müssen synchron bleiben,
- Hohes Automatisierungspotenzial — wiederkehrende Arbeit (Bestellungen, Bestätigungen, Nachfassen, Planung) lässt sich von einem AI Coworker übernehmen,
- Große Wirkung — schon kleine Verbesserungen in Prognose oder Ausnahmebehandlung bedeuten spürbare Einsparungen bei Kosten, Zeit und Servicegrad.
So nahm Lisa Gestalt an als AI Coworker für Einkauf und Planung — sie antizipiert Bedarfe, prüft Bestellbestätigungen gegen die Bestellung, erkennt und löst Abweichungen, beobachtet die Lieferantenleistung und steuert proaktiv Bestellvorschläge. Mit der Zeit lernt sie kontinuierlich, diese Prozesse besser zu beherrschen.
Fazit: eine digitale Kollegin, auf Wachstum angelegt
Einer KI einen Namen und eine Rolle zu geben, ist mehr als eine Marketingentscheidung. Es ist ein Weg, einen Agenten zu bauen, der ganzheitlich arbeitet — und nicht als Sammlung unverbundener Funktionen.
Indem wir Recall Intelligence auf Basis von multimodaler Kommunikation, Workflow-Orchestrierung, kontinuierlichem Lernen und kontextsensitiver Entscheidungsfindung aufbauen, wächst ein AI Coworker zu etwas heran, das einer digitalen Kollegin näherkommt — einer, die menschliche Expertise ergänzt, statt sie zu ersetzen.
Dieses Fundament ist es, das einen Agenten wie Lisa heute im Supply Chain Management überzeugen lässt — und das denselben Ansatz morgen auf weitere Felder übertragbar macht. Es ermöglicht authentische Interaktionen, die wiederum eine wirksamere Zusammenarbeit und dauerhaften Wert für Organisationen schaffen.
