Was der Druck über AI-Systeme lehrt.
In der Druckerei wird Qualität vor der Auflage gesichert – mit Andruck, Freigaben und klaren Kriterien. Genau darin liegt der Plan für AI-Systeme im Betrieb.
Mein Weg in die Technik begann zwischen Druckmaschinen, nicht an einem Bildschirm. Dort habe ich gelernt, was Produktion bedeutet: Ein Fehler fällt im Entwurf kaum ins Gewicht, aber auf der laufenden Maschine kostet er Papier, Zeit und Geld. Genau diese Erfahrung ist heute für mich die beste Vorbereitung auf AI-Systeme.
Qualität wird vor der Auflage gesichert
Bei jedem ernsthaften Druckjob gibt es einen Moment, bevor die Auflage läuft: den Andruck. Ein Probebogen zeigt, wie das Ergebnis wirklich aussehen wird. Man vergleicht, prüft und gibt frei. Erst dann darf die Maschine laufen.
Das ist kein Perfektionismus, sondern die Antwort auf eine einfache Rechnung. Die Prüfung vor der Auflage kostet Minuten. Der Fehler während der Auflage kostet die gesamte Ausgabe.
AI-Systeme brauchen denselben Moment. Ein Modell produziert Ergebnisse in Sekunden – aber ob sie brauchbar sind, entscheidet sich erst im Vergleich mit einem Maßstab. Evals, Staging-Umgebungen und Reviews sind der Andruck der Software: Sie zeigen vorher, was gleich in großem Stil passiert.
Der Maßstab muss existieren
Ein Andruck funktioniert nur, weil alle Beteiligten wissen, worauf sie schauen: Farbe, Passer, Schärfe. Die Kriterien sind vereinbart, bevor der Bogen auf dem Tisch liegt.
Qualitätssicherung bei AI funktioniert genauso. Ein Eval ohne definierte Erwartung ist ein Probebogen, den niemand bewerten kann. Reale Nutzungsbeispiele, klare Grenzen und nachvollziehbare Freigaben müssen existieren, bevor das System läuft. Wer erst nach dem Livegang über Prüfkriterien nachdenkt, druckt blind.
AI als Multiplikator
Dass ich heute AI-Systeme baue, ist deshalb kein Bruch. Ich habe von Anfang an mit Workflows, Tools und Low-Code-Rahmen gearbeitet, um Produktionen berechenbar zu machen. Im berufsbegleitenden Studium kam Python dazu. Aber erst AI hat dieses Fundament aus Erfahrung und Data Science zu etwas geöffnet, das sich neu anfühlt: Plötzlich war ich nicht mehr auf „nur" Python beschränkt, sondern konnte umsetzen, was ich mir vornehme.
Der Multiplikator wirkt nur, weil die Basis existiert. Die Werkzeuge haben sich von der Druckmaschine bis zum Agentensystem radikal verändert. Die Frage dahinter ist dieselbe geblieben: Wie prüfe ich das Ergebnis, bevor es teuer wird?
Eine Druckmaschine druckt so gut wie ihr Andruck. Ein AI-System läuft so gut wie die Prüfungen, die vor seinem Betrieb stehen.