Im Bereich der Unternehmens-KI geht es zunehmend um das Zusammenspiel verschiedener Schnittstellen.
Es vergeht keine Woche, ohne dass noch intelligentere Sprachmodelle, Co-Piloten oder leistungsst盲rkere Agenten angek眉ndigt werden, die die Arbeit in Unternehmen automatisieren sollen. Dass k眉nstliche Intelligenz (KI) immer effektiver wird, l盲sst sich nicht von der Hand weisen. Aber ein Gro脽teil der KI-Angebote bietet Unternehmen in der Praxis bisweilen nur wenig Mehrwert, weil sie nicht die Unternehmensrealit盲t abbilden und au脽er Acht lassen, dass diese sich nicht einfach per Prompt steuern lassen.
Ein internationales Fertigungsunternehmen, das entscheiden will, wie sein Bestand im Falle von St枚rungen in der Lieferkette umgeleitet werden soll, ben枚tigt mehr als nur eine simple, KI-generierte Antwort. Es muss in der Lage sein, alternative Lieferanten zu suchen, die Bestandsverf眉gbarkeit zu kontrollieren, Kundenzusagen einzusehen und finanzielle Kompromisse abzuw盲gen. Und um angesichts volatiler M盲rkte Liquidit盲tsrisiken prognostizieren zu k枚nnen, brauchen Finanzvorst盲nde Kontext, den ein einfacher Chatbot nicht bieten kann. All diese T盲tigkeiten umfassen miteinander verflochtene, operative Entscheidungen, in die Abh盲ngigkeiten, Pr盲ferenzen, Genehmigungen, finanzielle Auswirkungen und Kompromisse einflie脽en und die sich unmittelbar auf den gesamten Gesch盲ftsbetrieb auswirken.
In unz盲hligen Gespr盲chen, die ich im letzten Jahr mit F眉hrungskr盲ften gef眉hrt habe, verlagerte sich die Diskussion stets von KI-F盲higkeiten hin zur Umsetzbarkeit im Arbeitsalltag. KI-Modelle entwickeln sich zwar rasant weiter, doch die eigentliche Frage ist, ob KI den Unternehmenskontext versteht, in dem sie eingesetzt wird.
Beim Diskurs um KI wird zu oft davon ausgegangen, dass bessere Modelle automatisch zu besseren Gesch盲ftsergebnissen f眉hren. Dem ist nicht der Fall. Unternehmen stellen vermehrt fest, dass intelligente Funktionen ohne operativen Kontext 鈥� also die Prozesse, Daten, Regeln und Richtlinien, die zur Steuerung und zum Schutz von Unternehmen dienen 鈥� zwar Prozesse ansto脽en k枚nnen, dabei aber nur wenig Fortschritt erm枚glichen. Im Gegenteil, in einigen F盲llen kann dies sogar zu st盲rkerer Fragmentierung und mehr Risiken f眉hren.
Eine KI-generierte Empfehlung kann 眉berzeugend wirken, dabei jedoch m枚glicherweise wichtige Abh盲ngigkeiten in anderen Teilen des Systems au脽er Acht lassen. Und ein KI-Agent kann einen Arbeitsablauf effizient automatisieren, gleichzeitig aber die Planungsannahmen in einem anderen Arbeitsschritt durcheinanderbringen. Unternehmen mangelt es nicht an KI-Output, sondern vielmehr an KI-Systemen, die in der Lage sind, Auswirkungen auf den Betrieb zu verstehen.
Genau hier liegt aktuell die eigentliche Herausforderung f眉r Unternehmens-KI. Und um dieses Problem zu l枚sen, ist die reine Steuerung von Prozessen nicht ausreichend. Es wird Kontext ben枚tigt.
Unternehmenssoftware bildet seit Jahrzehnten das R眉ckgrat der Weltwirtschaft. Finanzsysteme, Lieferketten, Beschaffungsnetzwerke, Personalplanungsplattformen, Fertigungsabl盲ufe und Auftragsabwicklungsprozesse laufen 眉ber vernetzte Systeme, in denen nicht nur Informationen, sondern auch die Logik hinter Unternehmensabl盲ufen erfasst werden. Diese Systeme umfassen Prozesswissen und -daten, Governance-Strukturen, Berechtigungen, Richtlinien und wirtschaftliche Beziehungen, die 眉ber viele Jahre hinweg gesammelt wurden und in jede Entscheidung eines Unternehmens einflie脽en. Sie sind das Gehirn eines jeden Unternehmens.
Im KI-Zeitalter ist dieser Gesch盲ftskontext besonders wertvoll. Ohne diese Daten bleiben KI-Outputs wohlgemeinte Vermutungen statt gut fundierter Beurteilungen.
Wenn KI aber direkt in operative Prozesse eingebettet wird, kann sie 眉ber alle Aspekte des Unternehmens hinweg logische Schl眉sse ziehen. Das ver盲ndert die Rolle von Software in Unternehmen, denn Unternehmenssysteme sind so zunehmend direkt an der eigentlichen Ausf眉hrung beteiligt.
KI kann Risiken fr眉her erkennen, Antworten funktions眉bergreifend koordinieren, in Echtzeit Handlungsempfehlungen geben und die Ausf眉hrung von Routinet盲tigkeiten innerhalb festgelegter Rahmenbedingungen automatisieren. Dies geschieht nicht in Form isolierter Agenten, die getrennt voneinander arbeiten, sondern 眉ber intelligente Funktionen, die mit der wirtschaftlichen und operativen Struktur des Unternehmens selbst verkn眉pft sind.
Autonomie im Unternehmen bedeutet dabei nicht, dass Menschen von der Entscheidungsfindung ausgeschlossen sind. Autonomie bedeutet vielmehr, die Fragmentierung und den administrativen Aufwand zu reduzieren, die Unternehmen daran hindern, schnell, einheitlich und umfassend zu arbeiten. Es sind nach wie vor Menschen, die Priorit盲ten festlegen, wichtige Entscheidungen treffen und Verantwortung tragen. KI kann jedoch dazu beitragen, die operativen Abl盲ufe im Zusammenhang mit diesen Entscheidungen zu koordinieren und auszuf眉hren.
Betrachten wir als Beispiel den Ausfall eines Lieferanten, der Auswirkungen auf eine kritische Fertigungskomponente hat. Die meisten modernen KI-Systeme k枚nnen das Problem zusammenfassend beschreiben oder auf Grundlage erlernter Muster die wahrscheinliche Verz枚gerung vorhersagen. KI, die in Prozesse eingebettet ist, liefert jedoch nicht nur Einblicke, sondern kann koordinieren und Ma脽nahmen einleiten. Sie kann betroffene Produktionspl盲ne identifizieren, globale Bestandspositionen analysieren, alternative Beschaffungsoptionen bewerten, die finanzielle Belastung absch盲tzen, auf Lieferrisiken f眉r Kunden hinweisen und gleichzeitig Ma脽nahmen f眉r Beschaffung, Logistik, Finanzwesen und Kundenvorg盲nge vorschlagen.
So automatisiert KI nicht nur Arbeitsabl盲ufe, sondern bietet v枚llig neue M枚glichkeiten bei der Interaktion zwischen Mensch und Unternehmenssystemen. Aber nicht nur das.
Je handlungsorientierter die KI wird, desto entscheidender werden die Systeme, die sie mit dem operativen Tagesgesch盲ft und Vorg盲ngen in der Praxis verbinden. Systeme, die Berechtigungen, Richtlinien, Abh盲ngigkeiten, Prozesse, finanzielle Auswirkungen und organisatorische Verantwortlichkeiten auf Unternehmensebene nachvollziehen k枚nnen, werden wichtiger denn je.
Diese Entwicklung wirkt sich auch darauf aus, wie F眉hrungskr盲fte mit dem Thema Transformation umgehen sollten.
Denn bislang experimentieren die meisten Unternehmen mit KI-Assistenten, f眉hren Pilotprojekte ein und automatisieren isolierte Aufgaben. Nur wenige von ihnen konnten ihre Produktivit盲t tats盲chlich steigern, und noch weniger ihre Abl盲ufe grundlegend neu ausrichten.
Die Unternehmen, die sich in der n盲chsten Phase als Vorreiter etablieren k枚nnen, werden einen anderen Ansatz f眉r k眉nstliche Intelligenz verfolgen. Sie werden intelligente Funktionen direkt mit den operativen Systemen verbinden, in denen Entscheidungen echte gesch盲ftliche Konsequenzen nach sich ziehen. Sie werden erkennen, dass vertrauensw眉rdige, produktive KI auf dem Kontext, der Datenqualit盲t und Prozessintegrit盲t sowie einem umfangreichen Prozesswissen beruht.
Vor allem aber werden diese Unternehmen verstehen, dass die erfolgreiche Nutzung von KI nicht nur ein technologischer Wandel, sondern eine Herausforderung in Bezug auf das Change-Management ist. Echter Mehrwert l盲sst sich nur erzielen, wenn KI-Agenten, Prozesse und Menschen Hand in Hand zusammenarbeiten.
Die Zukunft geh枚rt den Unternehmen, die dieses Gleichgewicht finden: Menschen legen Priorit盲ten fest und tragen Verantwortung, w盲hrend intelligente Systeme mit Pr盲zision Prozesse koordinieren und Ma脽nahmen ausf眉hren. Das erm枚glicht es Unternehmen, in einer zunehmend komplexen Welt widerstandsf盲higer, produktiver und intelligenter zu arbeiten.
Christian Klein ist Vorstandsvorsitzender der 麻豆原创 SE.
