Faktor 10 – Dashboard mit KI

Dashboard Kaffeeverbrauch — *Nur ein Beispiel: Ausgangspunkt ist eine erste Visualisierung durch ChatGPT.*

„Dann machen wir ein Dashboard für all unsere Dashboards!“ Während meiner Zeit bei Publicis haben wir unzählige Dashboards erstellt oder befüllt. Für die Marketingabteilungen vieler Unternehmen waren Dashboards ein probates Mittel, ihre Daseinsberechtigung oder zumindest ihre Budgets gegenüber dem „Management“ zu rechtfertigen.

Mittlerweile erzeugen die meisten Tools Dashboards out of the box. Da könnte das Dashboard for Dashboards tatsächlich sinnvoll werden. Doch darum soll es heute nicht gehen.

Ich schreibe hier sehr wenig über meine Arbeit mit Kunden. Heute mache ich eine Ausnahme. Ein Teil meiner Aufträge besteht im Wesentlichen darin, Agenturen über die Schultern zu schauen und ihre Vorschläge für den Kunden einzuordnen und teilweise die Preisindikation zu kommentieren. Ich mache mich nicht durchgängig beliebt damit.

Im Zuge einer Content-Lifecycle-Analyse haben wir herausgefunden, dass Inhalte einiger Themenbereiche veraltet sind bzw. zu selten aktualisiert werden. Gleichzeitig sollte ein Anreizsystem geschaffen werden, das regelmäßige Contentkontributoren belohnt (zumindest ideell). Es entstand die Idee eines Dashboards, das aus dem Typo3-CMS automatisch Informationen über neue Beiträge bzw. Aktualisierungen bekommt und nach Themenbereichen getrennt anzeigt. Gleichzeitig sollen Delivery-Fristen je Bereich und Contentformat festgelegt werden und visualisiert werden.

Zwei Agenturen haben sich an diese Aufgabe gesetzt. Die Technikagentur wollte die Aufgabe zuerst komplett im CMS lösen, das Angebot war aber viel zu hoch. Sie haben dann für einen Tagessatz eine simple Schnittstelle geschaffen: Bestimmte Aktionen im CMS schreiben eine kleine strukturierte Datei auf einen Server. Diese Dateien sollen von der Dashboard-App regelmäßig eingelesen und interpretiert werden.

Die Kreativ- und Contentagentur hat einen Vorschlag und ein Angebot für die Erstellung dieses als Web-App gedachten Dashboards gemacht. Und da komme ich ins Spiel.

Der Preis war hoch. Nicht nur ein bisschen, sondern in meinen Augen und in Tagessätzen gedacht um den Faktor 10. Nun gönne ich Agenturen ihr Auskommen, aber das grenzte an Abzocke. Mein Kunde hatte sich intern bereits weit aus dem Fenster gelehnt und das Dashboard angekündigt. Einen Rückzieher wollte er keinesfalls machen.

Nach Rücksprache mit der Agentur haben wir folgende Preistreiber identifiziert:

Erstellung einer vollständigen inhaltlichen Spezifikation samt Korrektur und Abnahme
Klärung mit Kunden-IT (Hosting, Betrieb, Systemlandschaft)
Betriebsmodell (Wartung, Fallback, Sicherung)
Programmierung der Funktionalität, Testläufe und Anpassung
Anpassung an das Corporate Design

Die Frage des Kunden an mich lautete, ob wir mit Hilfe von KI ein entsprechendes Dashboard zu einem günstigeren Preis erstellen könnten. Kurz gesagt ist die Antwort „ja“. Ich möchte zuerst die Voraussetzungen erläutern und dann an einem Proof of Concept (Kaffeebeispiel) ins Detail gehen.

KI-gestützte Programmerstellung

Aus der Preistreiberliste konnte ich schnell die Klärung mit der Kunden-IT und des Betriebsmodells abklären (Zeitaufwand: 2 Stunden). Die Applikation ist nicht geschäftskritisch. Es genügt, die vom CMS generierten Dateien zu sichern. Die Dashboard-App muss selbst sicherstellen, daraus einen aktuellen Status auch nach einem kompletten Neustart herzustellen. Ein temporärer Ausfall wäre ärgerlich, aber verkraftbar. Die App soll über einen firmeneigenen, virtuellen Webserver ausgespielt werden. Ein einfacher Passwortschutz ist ausreichend.

Diese geringen Sicherheitsanforderungen erleichtern den Einsatz von mit KI generierten Apps. Von der IT habe ich eine kleine Liste mit technischen Anforderungen an die Web-App bekommen, die später eine Grundlage für die Prompts waren.

Als Proof-of-Concept habe ich eine App gebaut, die meinen Kaffeeverbrauch erfasst, den Preis je Tasse errechnet und anzeigt, wann mit einer Leerung des Tresterbehälters und ein Nachfüllen der Kaffeebohnen zu rechnen ist. Die App wird über eine Reihe von Buttons gesteuert. Zu Testzwecken kann auch eine Textdatei als Eingabe dienen.

Vorgehen

Statt einer umfangreichen Spezifikation habe ich mit einer Beschreibung der Visualisierung begonnen, siehe Abbildung oben. Dazu habe ich ChatGPT genutzt. Hier habe ich keinerlei Funktionalität hinterlegt oder beschrieben. Alle Zahlenwerte waren vorgegeben. In diesem Arbeitsschritt ging es nur um die Darstellung. Für das reale Projekt habe ich diese Bilder genutzt, um ein gemeinsames Verständnis für die Funktionalität und die Interaktionsmöglichkeiten zu schaffen. Wir haben die Visualisierung in einem Termin iterativ in mehreren Schritten angepasst und verfeinert; das hat etwa zwei Stunden in Anspruch genommen. Bei meinem Kaffeeprojekt war ich mit zwei Durchläufen zufrieden.

Die Trennung zwischen „Anzeige“ und Funktionalität hat sich dabei als sehr sinnvoll herausgestellt. Ich konnte die bei der Visualisierung gewonnen Erkenntnisse als Grundlage für die eigentliche Programmierung verwenden und musste mich nun vor allem auf die Interaktionselemente (Buttons) und ihre Funktion konzentrieren.

Da ich darauf Zugriff habe, nutzte ich für mein Projekt Grok Build. Ich habe die Visualisierung hochgeladen, die Bedienelemente und die Funktionen beschrieben. Die Ersterstellung dauerte ca. 15 Minuten. Beim Ausprobieren habe ich Unstimmigkeiten notiert, so waren beispielsweise die Bedienbuttons unten platziert. Dann wurde das Verhalten der verschiedenen Zähler (Anzahl der zubereiteten Kaffees, Zeitpunkt der Tresterleerung und Nachfüllen von Kaffeebohnen) überarbeitet. Am Ende habe ich eine neue und vorher nicht vorgesehene Funktionalität eingefügt, mit der ich den Preis für ein Pfund Kaffee eingeben kann. Auf der Basis wird dann der Preis je Tasse berechnet …

Dies war meine erste Arbeit mit einem Programmgenerator. Bei der Überarbeitung konnte ich die besten Fortschritte erzielen, wenn ich immer nur eine Änderung angefordert habe.

In Summe hat das circa 1,5 Stunden gedauert. Farb- und Schriftanpassungen ließen sich im Nu umsetzen. Ich konnte sogar ein eigenes Favicon hinzufügen, bin dann aber doch zum automatisch generierten zurückgekehrt.

Die Zeit der Briefings ist vorbei!

Die Zeit der Briefings sei vorbei, sagte vor vielen Jahren einmal mein damaliger Chef. Er meinte zweierlei. Kunden hätten leider entweder keine Zeit oder nicht die Fähigkeit, sinnvolle Briefings zu erstellen; manchmal träfe beides zu. Mit KI können wir ganz neue Herangehensweisen ausprobieren.

In diesem Fall haben wir die Spezifikation in einem iterativen Prozess erstellt. Das erste Arbeitsmodell habe ich dann vorab getestet, dann konnten wir es gemeinsam ausprobieren und anpassen. Meine Hauptaufgabe: Neue Ideen notieren und für einen späteren Zeitpunkt auf die Todo-Liste setzen.

Meine Kaffeeapp arbeitet als Web-App nur mit Browserdaten, eine serverseitige Datenspeicherung ist nicht notwendig. In unserem realen Projekt haben wir uns entschieden, alle Einstellungen in einer Datei zu hinterlegen. Die Dashboard-App schreibt nur Daten zur schnelleren Darstellung in ihren Cache und liest ansonsten die Daten, die ihr vom CMS zur Verfügung gestellt werden. Zu den Einstellungen gehört die Anzahl der notwendigen Content je Themenbereich und der jeweilige Zeitrahmen.

Grok stellt mit dem Programmdownload eine Readmedatei zur Verfügung, die die Installation auf einem eigenen Server erläutert.

Im realen Projekt mussten wir dann vor allem die Dateipfade anpassen und den Zugriff auf das Verzeichnis freigeben, in dem Typo3 die Dateien ablegt. Mit Hilfe der Firmen-IT gelang dies in etwa zwei Stunden.

Fazit

Im Einstieg habe ich die nicht unerheblichen Kosten, die von beiden Agenturen für die Erstellung eines dynamischen Dashboards veranschlagt wurden, in den Mittelpunkt gestellt. Und es ist richtig, dass KI uns eine viel günstigere Alternative bei der Erstellung bietet. Außerdem ist das gewählte Dashboardprojekt programmatisch simpel; bei größeren Projekten kann der Kostenvorteil noch viel größer werden.

Die Kostenreduktion hat eine zweite Seite. Der gesamte Prozess verändert sich. Statt langwieriger Spezifikationen geht es heute um sinnvolles Probieren, um Modifikation und Anpassung. Die Kollaboration zwischen Mensch und Maschine ist direkt und, es lässt sich nicht anders sagen, befriedigend. Die KI gibt sogar Rückmeldung über Konsequenzen bestimmter, an späterer Stelle eingebrachter Anforderungen.

Für komplexere Projekte lassen sich spezialisierte KI-Modelle einsetzen. Fürs schnelle Prototyping durch Nicht-Programmierer sind ChatGPT oder Grok aber sehr gut geeignet. Für meine Kaffeeapp habe ich ChatGPT das Ergebnis von Grok überprüfen lassen. Zwei KIs sehen mehr als eine.