KI-Projekte nach Archetyp — von RAG bis Agentic AI
10 KI-Projekt-Archetypen für DACH: RAG, MLOps, GenAI, Computer Vision und Agentic AI – mit Stack, Rollen, Tagessätzen, Phasen und Risiken.
10 typische Projekt-Archetypen mit Stack, Rollen, Tagessätzen, Phasen, Risiken und FAQ. Klare Orientierung für Auftraggeber und KI-Freelancer.
RAG Projekt — Aufbau, Stack und Tagessätze
Ein RAG Projekt verbindet ein LLM mit firmeneigenem Wissen, ohne das Modell selbst zu trainieren. Es ist der schnellste Weg zu produktiver Generativer KI, wenn das Wissen schon irgendwo geschrieben steht — in Confluence, in PDFs, in Tickets, in Datenbanken.
LLM Fine-Tuning Projekt
Fine-Tuning passt ein bestehendes LLM an eine Domäne oder einen Ton an. Es lohnt sich, wenn RAG plus Prompting Grenzen erreichen — etwa bei stark domänenspezifischer Sprache, eigenen Datentypen oder strikten Format-Anforderungen.
MLOps Projekt — Plattform und Tooling
Ein MLOps Projekt bringt Modelle vom Notebook in die Produktion — wiederholbar, beobachtbar, auditierbar. Es ist der Hebel, der KI vom Experiment zum Geschäftswert macht.
Computer Vision Projekt
Computer Vision Projekte erkennen, klassifizieren und zählen, was auf Bildern oder Videos zu sehen ist. Die häufigsten Anwendungen sind Qualitätskontrolle in der Fertigung, Bildauswertung in MedTech und Personenfluss-Analysen in Logistik.
NLP Projekt
NLP Projekte verstehen und strukturieren geschriebene Sprache. Anders als GenAI geht es selten um Generierung, sondern um Klassifikation, Extraktion und Routing — etwa bei Schadenmeldungen, E-Mails oder Aktenvorgängen.
GenAI Projekt — Aufbau und Stack
GenAI Projekte bauen produktive Anwendungen mit generativer KI. Sie kombinieren meist RAG, strukturierte Outputs und Tool-Use. Erfolgreiche Projekte folgen einer einfachen Regel: harte Eval, klare Use Cases, kontrollierter Output.
Agentic AI Projekt
Agentic AI Projekte bauen Systeme, die selbstständig Aufgaben planen, Werkzeuge nutzen und Ergebnisse zusammenführen. Sie eignen sich überall dort, wo Entscheidungswege heute viele manuelle Schritte erfordern.
Recommendation-Engine Projekt
Recommendation-Engines sorgen dafür, dass Kunden die für sie relevanten Produkte und Inhalte sehen. Gut umgesetzt heben sie CTR, Conversion und Long-Tail-Umsatz nachweisbar.
Forecasting Projekt
Forecasting-Projekte prognostizieren Bedarf, Last oder Umsatz. Moderne Modelle liefern probabilistische Forecasts mit Quantilen — die Grundlage für Risiko-bewusste Disposition.
AI Strategy Projekt
Ein AI Strategy Projekt sortiert das Use-Case-Portfolio, schärft das Zielbild und verankert KI im Geschäftsmodell. Ergebnis ist eine umsetzbare Roadmap mit Wert, Aufwand und Reihenfolge.