Die 5 Dimensionen eines vollständigen KI-Systems
Ein MECE-Framework zur Evaluation und Planung von AI-Architekturen. Welche Fähigkeiten braucht ein System, um wirklich intelligent zu sein?
TL;DR
Ein vollständiges KI-System braucht 5 Dimensionen: STORE, RELATE, REASON, COMMUNICATE, EXECUTE. Die meisten Systeme haben nur STORE + COMMUNICATE - es fehlt die Mitte (RELATE + REASON). Ein Intelligence Layer schließt diese Lücke.
Wichtigste Erkenntnisse
MECE-Prinzip
Die 5 Dimensionen sind vollständig und überschneidungsfrei - nichts fehlt, nichts ist doppelt
Die Lücke in der Mitte
Die meisten Systeme haben nur STORE + COMMUNICATE - es fehlt RELATE und REASON
Intelligence Layer
Ein Intelligence Layer wie Osiris schließt die Lücke: RELATE + REASON
Praktische Anwendung
Nutzen Sie das Framework um Ihre AI-Architektur zu evaluieren
Das Problem: Unvollständige KI-Systeme
Die meisten "KI-Lösungen" auf dem Markt sind unvollständig. Ein CRM mit "KI-Button" kann Text generieren - aber es versteht keine Zusammenhänge. Ein Chatbot kann antworten - aber er kann nicht handeln.
Um zu verstehen, was einem System fehlt, brauchen wir ein Framework. Eines das vollständig ist (nichts fehlt) und überschneidungsfrei (nichts ist doppelt). In der Unternehmensberatung nennt man das MECE - Mutually Exclusive, Collectively Exhaustive.
Das Framework: 5 Dimensionen
Dieses Framework synthetisiert drei etablierte Konzepte:
- DIKW-Hierarchie (Rowley, 2007) - Data → Information → Knowledge → Wisdom
- Sense-Think-Act aus der Robotik - Wahrnehmen, Verarbeiten, Handeln
- OODA Loop (Boyd) - Observe, Orient, Decide, Act
Erweitert um die Communicate-Dimension für natürliche Sprachinteraktion via LLM.
Dimension 1: STORE
Funktion: Fakten speichern
Wer liefert es: Ihr CRM, ERP, Datenbanken
Beispiel: "Kunde Müller wohnt in Berlin" - das ist ein Fakt, der gespeichert wird.
Ohne STORE: Keine Fakten → Das System halluziniert, weil es keine Datengrundlage hat.
Dimension 2: RELATE
Funktion: Zusammenhänge verstehen
Wer liefert es: Intelligence Layer (z.B. Knowledge Graph)
Beispiel: "Kunde Müller ist verbunden mit Deal Mozartstraße, der wiederum ein fehlendes Dokument hat."
Ohne RELATE: Keine Zusammenhänge → Datensilos, kein Gesamtbild, Chaos.
Dimension 3: REASON
Funktion: Schlussfolgerungen ziehen
Wer liefert es: Intelligence Layer (Logik, Regeln, Inferenz)
Beispiel: "Deal Mozartstraße stockt WEIL der Energieausweis seit 8 Tagen fehlt."
Ohne REASON: Keine Schlüsse → Das System zeigt nur Daten, aber keine Erkenntnisse. Nutzlos.
Dimension 4: COMMUNICATE
Funktion: Natürlich kommunizieren
Wer liefert es: LLM (ChatGPT, Claude, etc.)
Beispiel: Sie fragen "Warum stockt der Deal Mozartstraße?" - das System versteht die Frage und antwortet in natürlicher Sprache.
Ohne COMMUNICATE: Kein natürliches Interface → Sie müssen Queries schreiben, Dashboards klicken. Unzugänglich für die meisten Nutzer.
Dimension 5: EXECUTE
Funktion: Aktionen ausführen
Wer liefert es: Automation, LLM mit Tool-Zugriff
Beispiel: "Schicke Weber eine Erinnerung an die Finanzierung" - und die E-Mail wird tatsächlich gesendet.
Ohne EXECUTE: Keine Handlungsfähigkeit → Das System bleibt Theorie. Sie müssen alles manuell umsetzen.
Die Lücke in der Mitte
Die meisten Unternehmen haben heute:
- ✅ STORE - Ein CRM oder ERP das Fakten speichert
- ❌ RELATE - FEHLT (Datensilos, keine Verknüpfungen)
- ❌ REASON - FEHLT (Keine automatischen Schlussfolgerungen)
- ✅ COMMUNICATE - ChatGPT im Browser-Tab
- ⚠️ EXECUTE - Teilweise (einzelne Automationen)
Das Ergebnis: Das LLM kann kommunizieren, aber es weiß nichts. Es kann keine Zusammenhänge herstellen. Es kann keine Schlüsse ziehen. Es halluziniert, weil ihm die Dimensionen 2 und 3 fehlen.
Die Lösung: Ein Intelligence Layer
Ein Intelligence Layer wie Osiris sitzt in der Mitte und liefert RELATE + REASON:
┌─────────────────────────────────────────┐
│ INTERFACE LAYER (LLM) │
│ COMMUNICATE + EXECUTE │
└─────────────────────────────────────────┘
↑↓
┌─────────────────────────────────────────┐
│ INTELLIGENCE LAYER (Osiris) │
│ RELATE + REASON │
└─────────────────────────────────────────┘
↑↓
┌─────────────────────────────────────────┐
│ OPERATIONAL LAYER (CRM/ERP) │
│ STORE │
└─────────────────────────────────────────┘
Jetzt hat das System alle 5 Dimensionen - und wird tatsächlich intelligent.
Praktische Anwendung: Ihr System evaluieren
Nutzen Sie diese Checkliste für Ihre aktuelle AI-Infrastruktur:
| Dimension | Frage | Ihr Status |
|---|---|---|
| STORE | Haben Sie ein System das Fakten zuverlässig speichert? | □ Ja □ Nein |
| RELATE | Versteht Ihr System Zusammenhänge zwischen Daten? | □ Ja □ Nein |
| REASON | Zieht Ihr System automatisch Schlussfolgerungen? | □ Ja □ Nein |
| COMMUNICATE | Können Sie in natürlicher Sprache mit Ihrem System sprechen? | □ Ja □ Nein |
| EXECUTE | Kann Ihr System Aktionen ausführen (E-Mails, Status-Updates)? | □ Ja □ Nein |
Wenn Sie bei RELATE oder REASON "Nein" angekreuzt haben, fehlt Ihnen ein Intelligence Layer.
Häufig gestellte Fragen
Reicht ein gutes CRM nicht aus?
Nein. Ein CRM deckt nur STORE ab - es speichert Fakten. Aber es versteht keine Zusammenhänge (RELATE) und zieht keine Schlüsse (REASON). Deshalb sehen Sie nur Daten, aber keine Erkenntnisse.
Kann ChatGPT nicht alle 5 Dimensionen abdecken?
Nein. ChatGPT deckt COMMUNICATE ab und teilweise EXECUTE. Aber es hat keinen STORE (vergisst alles), kein RELATE (kennt Ihre Datenbeziehungen nicht) und kein echtes REASON (rät statt schlussfolgert).
Was ist der Unterschied zu DIKW?
DIKW (Data-Information-Knowledge-Wisdom) ist ein Konzept-Framework. Die 5 Dimensionen sind ein Architektur-Framework - sie sagen konkret WELCHE Komponenten Sie brauchen und WER sie liefert.
Anwendungsfälle
- AI Architektur Evaluation
- System Design
- Vendor Bewertung
- Build vs Buy Entscheidungen
Voraussetzungen
- Grundverständnis von AI/ML Systemen
Aufwand
Kompakte Selbst-Evaluation