Wie KI-Berichte entstehen — Hintergrund
Was bei einer Bericht-Generierung passiert
Wenn du auf Generieren klickst, passiert folgendes: Picasi sammelt alle Updates aus dem aktuell sichtbaren Inbox-Ausschnitt — gefiltert nach dem aktiven Ordner und allen gesetzten Filtern. Diese Updates werden zusammen mit eurem KI-Kontext (falls vorhanden) an ein KI-Modell übergeben.
Das Modell bekommt eine klare Aufgabe: entweder zusammenfassen, analysieren, eine Liste erstellen, LinkedIn-Posts schreiben oder Gesprächsstarter identifizieren. Dazu kommt ein optionaler Fokus-Text von euch, der die Ausgabe in eine bestimmte Richtung lenkt.
Die KI verarbeitet das alles im Hintergrund — daher die kurze Wartezeit von 15 Sekunden bis zwei Minuten — und gibt einen fertigen Text zurück, den Picasi als Bericht speichert.
Was die Qualität beeinflusst
Drei Faktoren bestimmen maßgeblich, wie nützlich ein Bericht wird:
Die Update-Basis: Ein Bericht über drei Updates wird zwangsläufig oberflächlicher als einer über 50. Zu wenig Input bedeutet zu wenig Output. Es gibt keine Mindestanzahl, aber für eine Analyse macht es Sinn, mindestens eine Woche Aktivität zu sammeln.
Der KI-Kontext: Ohne eigene Kontextdokumente weiß die KI nicht, wer ihr seid. Die Analyse bleibt dann allgemein und beschreibt, was der Wettbewerber tut — ohne einzuordnen, was das für euch bedeutet. Mit einem gut ausgefüllten KI-Kontext werden Analysen konkret und handlungsorientiert.
Der Fokus-Text: Ohne Fokus erstellt die KI eine allgemeine Übersicht. Mit einem Fokus-Text wie Was kommunizieren unsere Wettbewerber über KI und Automatisierung? wird der Bericht gezielt. Fokus-Texte helfen besonders dann, wenn ihr eine konkrete Frage habt, nicht nur einen Überblick braucht.
Was die KI nicht kann
Die KI generiert Berichte auf Basis der von euch bereitgestellten Updates — sie kann keine Updates finden oder nachrecherchieren, die nicht in eurer Inbox sind. Wenn ein Unternehmen einen relevanten Post veröffentlicht hat, den Picasi noch nicht abgerufen hat, erscheint er nicht im Bericht.
Analysen enthalten keine Behauptungen über interne Daten des Wettbewerbers — nur über öffentlich verfügbare Inhalte, die ihr in Picasi gesammelt habt.
Berichte sind nicht deterministisch
Die gleiche Eingabe kann bei zwei Generierungen zu leicht unterschiedlichen Berichten führen. Das ist das normale Verhalten von KI-Modellen. Wenn ein Bericht nicht trifft, kann es hilfreich sein, den Fokus-Text zu schärfen oder andere Filter zu setzen und erneut zu generieren.
Wie Gesprächsstarter ausgewählt werden
Gesprächsstarter folgen einer anderen Auswahllogik als andere Berichtstypen. Statt eine Zusammenfassung zu erstellen, bewertet die KI einzelne Updates auf ihre Eignung als Anknüpfungspunkt für einen Kommentar auf LinkedIn.
Scoring: Jedes Update bekommt einen Score von 0 bis 14. Dieser setzt sich aus einem Basis-Score (7–9 Punkte) und möglichen Boni (0–5 Punkte) zusammen. In das Ergebnis kommen nur Updates mit einem Score von mindestens 8 — Updates darunter werden nicht einbezogen, auch wenn dadurch weniger als drei Vorschläge entstehen. Weniger, aber bessere Vorschläge ist das erklärte Ziel.
Quelldiversität: Pro Quelle wird maximal ein Update vorgeschlagen. Wenn eine Quelle sehr aktiv war, erscheint trotzdem nur deren bester Treffer. Ausnahme: ein zweiter Post derselben Quelle kann einbezogen werden, wenn er einen Score von 12 oder mehr hat.
Anzahl: Das Ergebnis enthält null bis fünf Gesprächsstarter. Wenn keine Updates den Schwellenwert erreichen, bleibt der Bericht leer — das ist kein Fehler, sondern zeigt, dass aktuell keine geeigneten Anknüpfungspunkte vorhanden sind.
Wann mehr Vorschläge entstehen: Wenn der Posteingang viele Updates aus verschiedenen Quellen enthält und die Wettbewerber gerade besonders relevante Inhalte veröffentlicht haben, steigt die Trefferquote. Für Zeiträume mit wenig Aktivität sind wenige oder keine Vorschläge normal.