Im Podcast: Medienwerft AI Solution Engineer André Osyguß

Let’s make it KI – aber wie? In einem sind sich alle einig: Künstliche Intelligenz ist die Zukunft – besonders für Unternehmen im E-Commerce. Ob im bestehenden Technologie-Stack, in einer aktuellen SAP-Umgebung oder bei der Orchestrierung komplexer Systeme – die Frage bleibt: Wie lässt sich KI so einsetzen, dass Prozesse nicht nur vereinfacht, sondern auch automatisiert werden?

#KÜNSTLICHE INTELLIGENZ ‐ 11. September 2025

Hörenswerter Input: In einer dreiteiligen Podcast-Reihe beleuchtet André Osyguß, AI Solution Engineer bei der Medienwerft, moderne Ansätze – von einem eigenen Embedding-Modell über autonom arbeitende KI-Agents bis hin zur Frage der Erklärbarkeit von KI-Entscheidungen. Sprachmodelle wie ChatGPT werden oft als „Black Box“ wahrgenommen – ihre Antworten wirken plausibel, doch wie diese zustande kommen, bleibt schwer nachvollziehbar.

Genau hier stoßen auch Unternehmen mit eigenen KI-Anwendungen zunehmend an Grenzen: Denn die Nachvollziehbarkeit einzelner Entscheidungen ist nicht nur für Vertrauen entscheidend, sondern auch notwendig, um Modelle gezielt zu optimieren, Ergebnisse im Nachhinein zu überprüfen und Prozesse bei Bedarf bewusst zu steuern.

Viele Insights und Tipps erhalten Sie in den drei kurzen Podcast-Folgen. Und wenn Sie mehr über die Potenziale von KI in Ihrem Unternehmen erfahren möchten, sprechen Sie uns einfach an!

Teil 1: Mehr als nur Mathe Das Embedding-Modell FISMWASP Multi

Das erfahren Sie in der ersten Folge:

Was ist ein Embedding-Modell?
Was kann ein Embedding-Modell?
Warum macht es Sinn, ein eigenes Embedding-Modell einzusetzen?

Teil 2: KI-Agents wenn Chatbots nicht mehr ausreichen

Das erfahren Sie in der zweiten Folge:

Was kommt nach dem KI-Chatbot?
Was sind die Grenzen von KI-Agenten und wohin geht die Technologie aktuell?
Werden KI-Agenten die Zukunft der Automatisierung in Unternehmen?

Zum Download

Teil 3: Explainability KI und die Sache mit dem Vertrauen

Das erfahren Sie in der dritten Folge:

Was bedeutet Explainability im Zusammenhang mit KI?
Was steckt hinter der „Black Box“ KI – woher kommen die Antworten von ChatGPT eigentlich?
Was sind zukünftige Anwendungsfälle von Explainability?

Zum Download

Mit einem Embedding-Modell wie unserem FISMWASP können wir sehr, sehr schnell agieren, weil es auch wahnsinnig effizient ist.

André Osyguß
AI Solution Engineer bei der Medienwerft

KI im Einsatz:

Bildersuche für STARK Deutschland

Herausforderung:
Die Produktpalette an Fliesen der STARK Deutschland GmbH ist so umfassend, dass gewöhnliche Filter wie Farbe oder Form oftmals nicht ausreichend sind, um eine bestimmte Fliese zu finden. Gerade wenn Kunden bereits eine bestimmte Vorstellung haben, ist es einfacher, ein Foto einer Fliese zu machen und diese direkt im Shop zu suchen. Doch Fliesen sind ein schwieriger Anwendungsfall – viele sehen sich sehr ähnlich, außerdem spielen auch der Lichteinfall und viele andere Faktoren eine wichtige Rolle, wenn es darum geht, die gleiche Fliese wie auf dem Foto zu finden.

Die Lösung:
Mit einem KI-basierten Embedding-Modell werden Daten in Vektoren abgebildet. Jedes Bild erhält dabei eine numerische Repräsentation, die seine wesentlichen Merkmale wie Formen, Farben oder Strukturen beschreibt. Diese Vektoren lassen sich in einem mehrdimensionalen Raum vergleichen: Liegen zwei Bild-Vektoren nahe beieinander, bedeutet das eine hohe inhaltliche Ähnlichkeit; je weiter sie voneinander entfernt sind, desto unähnlicher sind die Bilder.

So entsteht ein „Landkarte“ für das Embedding-Modell, in der KI-gestützte Bildersuche möglich wird: Statt nur nach Dateinamen oder Schlagwörtern zu suchen, erkennt das Modell inhaltliche Gemeinsamkeiten zwischen Bildern und liefert dadurch präzisere und relevantere Ergebnisse – sogar wenn es sich um weiße Fliesen handelt!

Zur Success Story