Vom Notebook zur Anwendung: Was der Aufbau des M-Modells über KI-Projekte lehrt
Wer heute eine KI-gestützte Anwendung bauen will, landet meist schnell bei derselben Frage: Fängt man mit der fertigen Architektur an – oder mit dem einzelnen Rechenschritt, den man verstehen will? Am Beispiel des M-Modells, meiner Pipeline zur automatisierten Bewertung von Start-ups und KMU, will ich zeigen, warum die zweite Antwort die belastbarere ist – und was das für die Frage bedeutet, wie viel „Intelligenz“ ein solches System eigentlich braucht.
Die Ausgangsidee
Das M-Modell nimmt zwei Dokumente entgegen – einen Businessplan und eine strukturierte Finanzplanung – und errechnet daraus einen Investment Score zwischen 0 und 100, dazu einen ausformulierten Bericht. Das System läuft vollständig lokal, ohne Cloud-Anbindung; bei vertraulichen Unternehmensdaten ist das keine Nebensache, sondern Voraussetzung.
Interessanter als das Ergebnis ist für mich als Forscher der Weg dorthin gewesen. Die erste Fassung bestand nicht aus einer Anwendung, sondern aus sieben aufeinanderfolgenden Jupyter Notebooks – jedes für genau einen Analyseschritt: Text extrahieren, qualitativ bewerten, Kennzahlen berechnen, Plausibilität prüfen, Score bilden, Szenarien simulieren. Jedes Notebook schrieb sein Ergebnis als Datei auf die Festplatte, bevor das nächste sie einlas.
Der ganze Beitrag: Vom Notebook zur Anwendung
