Generative KI lässt sich heute in wenigen Tagen produktiv einsetzen, ihre Qualität jedoch nur schwer bestimmen. Ohne geeignete Bewertungsverfahren bleiben die Auswirkungen von Systemänderungen unklar. Am Beispiel des Negotiation Buddy von Avanade zeigt dieser Beitrag, wie Simulationen, Expertenannotation und statistische Kennzahlen KI-Qualität nachvollziehbar und messbar machen.