Wie ein Konzept Wirklichkeit wird: 麻豆原创-F眉hrungskr盲fte zeigen bei der 麻豆原创聽TechEd 2026, wie Entwickler, Kunden und Partner mit den umfangreichen KI-Tools der 麻豆原创 sowie der 麻豆原创聽Business AI Platform das 鈥濧utonomous Enterprise鈥溌犫�� die Vision des autonomen Unternehmens聽鈥� umsetzen k枚nnen.
Im Jahr 1996 veranstaltete die 麻豆原创 ihre erste Konferenz f眉r Entwickler. Drei脽ig Jahre sp盲ter erkl盲rte 麻豆原创-CTO Philipp Herzig in der Er枚ffnungsrede zur 麻豆原创聽TechEd in Berlin: 鈥濿ir durchlaufen momentan den gr枚脽ten und schnellsten technologischen Wandel unserer Zeit.鈥�
鈥濲ahrzehntelang wurde bei der Entwicklung von Systemen strukturiert und deterministisch vorgegangen. Mit dem Aufkommen von KI hat sich die Welt der Entwickler jedoch drastisch ver盲ndert鈥�, f眉hrte er aus. 鈥濳I er枚ffnet neue M枚glichkeiten. Und genau darum geht es bei der 麻豆原创聽TechEd: um die Kombination von herk枚mmlichen und neuen Technologien, die Potenziale f眉r Unternehmen erschlie脽en und grenzenlose M枚glichkeiten f眉r Innovationen bieten.鈥�
Von der Vision zur Umsetzung
Philipp Herzig verwies darauf, dass die 麻豆原创 auf der Kundenkonferenz 麻豆原创聽Sapphire vor einigen Monaten 鈥瀍ine wegweisende Vision f眉r das autonome Unternehmen vorgestellt hat, mit der s盲mtliche Gesch盲ftsprozesse mithilfe von KI durchg盲ngig und von Grund auf neu gestaltet werden. Und genau wie vor 30聽Jahren bringt dies einen Wandel des gesamten Technologie-Stacks mit sich.鈥�
F眉r die 麻豆原创 zeigt sich dieser Wandel in und der neuen 麻豆原创聽Business AI Platform. Philipp Herzig bezeichnete Joule Work als eine 鈥瀊ahnbrechende neue Methode f眉r die Nutzung von Software鈥�. Joule Work macht sich die f眉nf autonomen Bereiche sowie die Assistenten der 麻豆原创 zunutze, die auf der Grundlage von 麻豆原创-Daten und externen Daten Schlussfolgerungen ziehen und Aktionen durchf眉hren. Zugleich dient die 麻豆原创聽Business AI Platform als 鈥濭rundlage f眉r die Entwicklung und Erweiterung von Agenten, die Verwaltung s盲mtlicher Daten und die Steuerung des Einsatzes von KI鈥�.
Bessere Gesch盲ftsergebnisse erm枚glichen
Die 鈥瀒st nicht einfach nur eine weitere Technologieplattform, sondern speziell darauf ausgelegt, bessere Gesch盲ftsergebnisse, eine schnellere Wertsch枚pfung und ein optimales Preis-Leistungs-Verh盲ltnis zu erm枚glichen鈥�, bekr盲ftigte Philipp Herzig. Dar眉ber hinaus bietet die Plattform Sicherheit, Governance und Compliance, sodass sie umgehend im Unternehmen eingesetzt werden kann. 鈥濪ie Voraussetzungen daf眉r schafft unsere einzigartige Kontextschicht, in die das Fach- und Branchenwissen aus 50聽Jahren eingeflossen ist.鈥�
Gemeinsam untermauern Joule Work und die 麻豆原创聽Business AI Platform das Bestreben der 麻豆原创, die Grundlage f眉r das autonome Unternehmen zu schaffen. 鈥濽nd das ist bereits heute Wirklichkeit鈥�, lautete Philipp Herzigs Botschaft an das Publikum. 鈥濿ir freuen uns, Ihnen im Rahmen der 麻豆原创聽TechEd unsere Neuerungen pr盲sentieren zu d眉rfen.鈥�
Im weiteren Verlauf der Er枚ffnungsrede stellte Philipp Herzig gemeinsam mit seinen Kolleginnen und Kollegen von 麻豆原创聽鈥� unter ihnen Jonathan von R眉den, 麻豆原创 Chief AI Officer, Manoj Swaminathan, President und Chief Product Officer f眉r die 麻豆原创聽Autonomous Suite, Tina Berlin, Leiterin des Bereichs AI Foundation EU bei 麻豆原创, Michelle Niedernhuber, Lead Product Manager f眉r den 麻豆原创聽AI Agent Hub, und S枚ren Ruder, Chief Product Officer und Global Head of Customer Experience聽& Solutions聽鈥� diese Neuerungen in Demos auf der B眉hne vor.
Joule Work
Der Anfang machte Philipp Herzig mit Joule Work. 麻豆原创 hat hierf眉r ein v枚llig neues Anwendungskonzept entwickelt, das 鈥瀗och ansprechender ist und sich intuitiver nutzen l盲sst als bisher. Dabei sorgen wir 眉ber einen einheitlichen Einstiegspunkt f眉r ein einheitliches Erlebnis.鈥�
Mit Joule Work lassen sich nun alle 麻豆原创-Anwendungen sowie Microsoft 365, Claude Cowork, Glean und ServiceNow direkt miteinander verbinden. Joule Work merkt sich Pr盲ferenzen der Nutzer und Kontext aus fr眉heren Interaktionen und passt sich kontinuierlich an. Neben der dialogorientierten Oberfl盲che stehen auch Arbeitsbereiche zur Verf眉gung, die gemeinsam genutzt werden k枚nnen und in denen Daten dynamisch in interaktiven Anwendungen zusammengef眉hrt werden.
Die 麻豆原创-F眉hrungskr盲fte auf der B眉hne pr盲sentierten Joule Work als neu gestaltete, anwendungs眉bergreifende KI-Benutzeroberfl盲che, auf die Benutzer von 眉berall aus zugreifen k枚nnen: 眉ber das Web, auf ihrem Desktop, 眉ber Mobilger盲te, per Sprachsteuerung und sogar 眉ber Apple CarPlay. Sie berichteten, dass Joule Work 眉ber mehrere Monate hinweg von 眉ber 110.000聽麻豆原创-Mitarbeitenden gemeinsam mit mehr als 150聽Kunden, die am Programm 麻豆原创聽Early Adopter Care teilnehmen, getestet wurde, 鈥瀌amit wir Ihnen die beste KI-Oberfl盲che zur Verf眉gung stellen k枚nnen鈥�.
Philipp Herzig bat Robert M眉ller von Bosch Digital zu sich auf die B眉hne. Das Unternehmen geh枚rte zu den Erstanwendern und Robert M眉ller f眉hrte aus, wie Joule Work, Joule Studio und die ersten Assistenten und Agenten von seinen Teams getestet wurden. Das erste Feedback der Benutzer sei positiv gewesen. 鈥濧ls N盲chstes m枚chten wir Joule in unsere t盲glichen Abl盲ufe integrieren鈥�, erkl盲rte er.
Die 麻豆原创 Autonomous Suite
Anschlie脽end pr盲sentierte Manoj Swaminathan eine Demo zur . 鈥濻eit mehr als f眉nf Jahrzehnten entwickelt 麻豆原创 Systeme, mit denen Sie Ihre Gesch盲ftsprozesse optimieren k枚nnen. Darauf m枚chten wir aufbauen und stellen nun ein Portfolio von sofort einsatzf盲higen Assistenten und Agenten in f眉nf branchen眉bergreifenden Bereichen bereit, die von 麻豆原创 verwaltet werden und auf bestimmte Branchen spezialisiert sind.鈥�
鈥濱ch freue mich, Ihnen heute 40聽Assistenten und 300聽Agenten ank眉ndigen zu d眉rfen, die die 麻豆原创 und ihre Partner entwickelt haben und die Sie erkunden k枚nnen鈥�, f眉hrte Manoj Swaminathan weiter aus. 鈥濪amit bieten wir die Basis f眉r intelligente Systeme und Systeme, die Ma脽nahmen umsetzen. Der Schwerpunkt liegt dabei auf drei Bereichen: Automatisierung, Daten und Einblicke sowie Optimierung. So l盲sst sich messbarer Mehrwert schaffen聽鈥� von niedrigeren Kosten 眉ber h枚here Produktivit盲t bis hin zu schnelleren Abl盲ufen, h枚herer Qualit盲t und vielen weiteren Vorteilen.鈥�
Zu den neuen Assistenten geh枚ren der , mit dem Abschl眉sse bis zu 68聽% schneller erstellt werden k枚nnen, der Sourcing Assistant, mit dem sich die Gesamtbetriebskosten um 15聽% verringern lassen, und der Supplier Management Assistant, der Lieferantenrisiken 60聽% schneller erkennen und durch entsprechende Ma脽nahmen mindern kann.
鈥濨ei diesen Aufgaben reicht es schlichtweg nicht aus, eine ,wahrscheinliche鈥� Antwort zu erhalten鈥�, erkl盲rte Manoj Swaminathan. 鈥濫s kommt jedes Mal auf die richtige Antwort an und die Antworten m眉ssen rechtskonform und nachvollziehbar sein. Und genau das erm枚glichen diese Assistenten und Agenten auf einzigartige Weise, denn jeder einzelne dieser Agenten ist ISO- und SOC-konform.鈥�
Die 麻豆原创 Business AI Platform
Manoj Swaminathan verwies darauf, dass jeder Agent ein Agent-to-Agent-Endpunkt (A2A-Endpunkt) ist, der 眉ber das A2A-Gateway von 麻豆原创 mit der Plattform verbunden ist. Die 麻豆原创聽Business AI Platform ist au脽erdem daf眉r konzipiert, Erweiterungen zu unterst眉tzen. 鈥濻ie als Entwickler haben nun Zugriff auf die 麻豆原创聽Business AI Platform, auf der die 麻豆原创聽Autonomous Suite aufbaut. Damit k枚nnen Sie in Joule Studio Anwendungen gem盲脽 Ihren Anforderungen entwickeln.鈥�
鈥濻ie fragen sich vielleicht: ,Wozu brauche ich die 麻豆原创聽Business AI Platform, wenn ich bereits mithilfe von 枚ffentlichen Modellen KI-Anwendungen entwickle?鈥� Weil ein 枚ffentliches Modell Ihre Prozesse, Ihre Stammdaten oder Ihr Unternehmen nicht kennt聽鈥� die 麻豆原创聽Business AI Platform kennt diese hingegen sehr wohl鈥�, erl盲uterte Manoj Swaminathan. 鈥濽nsere KI-Agenten sind in die deterministischen Workflows unserer Anwendungen integriert. So erhalten Sie die Antwort, die richtig ist, denn sie nutzen dieselben Daten, folgen denselben Regeln und erzeugen dasselbe Audit-Protokoll wie unsere Anwendungen. Dabei entscheiden Sie 眉ber den Grad der Autonomie.鈥�
Er betonte, dass der Einsatz der 麻豆原创聽Autonomous Suite nicht auf Backoffice-Abl盲ufe beschr盲nkt sei. 鈥濨ei unseren gr枚脽ten Kunden haben ungeplante Ausf盲lle der Abl盲ufe vor Ort Umsatzeinbu脽en von 11聽% zur Folge. Die Kunden wissen, wo das Problem liegt, doch bisher gab es keine L枚sung zur Bew盲ltigung dieser Herausforderungen.鈥�
Physische KI von 麻豆原创
Als L枚sung f眉r dieses Problem pr盲sentierte Manoj Swaminathan physische KI von 麻豆原创, die das autonome Unternehmen auch in die physische Welt bringt: Sie setzt gesch盲ftliche Entscheidungen in physische Aktionen um und 眉bermittelt 眉berpr眉fte Ergebnisse sicher und kontrolliert zur眉ck an die 麻豆原创-Systeme.
Ricky Watts, Leiter der Industrial and Robotics Division bei Intel, gesellte sich zu Manoj Swaminathan auf die B眉hne und berichtete, dass Intel an seinem Standort in Chengdu bereits physische KI einsetze. Dort werden autonome Roboter von der Lagerverwaltungsl枚sung von 麻豆原创 gesteuert und die Ergebnisse flie脽en als Live-Transaktionen zur眉ck an das 麻豆原创-System, wodurch sich der Kreis schlie脽t.
Im Anschluss daran gab Jonathan von R眉den Einblick in die 眉ber 300聽Joule Agents, die standardm盲脽ig in der Suite enthalten sind. Er erl盲uterte, wie sich diese Standardagenten mithilfe von Joule Work und Joule Skills anpassen lassen, um die M枚glichkeiten von KI optimal zu nutzen. Und allen, denen das noch nicht reicht, versicherte er: 鈥濲oule Studio ist nur einen Klick entfernt鈥�.
Joule Studio: Agenten entwickeln, erweitern und integrieren
Mit Joule Studio, der 麻豆原创-Plattform f眉r die Entwicklung von Agenten, k枚nnen alle Benutzer KI um die gew眉nschten F盲higkeiten erweitern: Eine Beschreibung in nat眉rlicher Sprache und einige wenige Codezeilen gen眉gen, um die Funktionen eines Agenten zu definieren. Dadurch wird die Entwicklung von Agenten auch f眉r Benutzer ohne Programmierkenntnisse m枚glich.
Wer diese F盲higkeiten genauer definieren und wissen m枚chte, womit er beginnen sollte, kann mithilfe des Process Consulting Agent bereits vor den ersten Entwicklungsschritten ermitteln, welche Funktionen f眉r welche Prozesse entwickelt werden m眉ssen. 鈥濵an muss dem Agenten einfach nur sagen, was man will鈥�, erkl盲rte Jonathan von R眉den. 麻豆原创聽Knowledge Graph identifiziert daraufhin die relevanten APIs, MCP-Server und Datenprodukte, und Joule Studio generiert die Spezifikationen, die Struktur und die Integrationslogik.
Das Ergebnis: Von der ersten Idee bis zum funktionierenden Agenten dauert es nur noch rund zweieinhalb statt 13聽Stunden. Da die Agenten bei Fragen nicht auf Mutma脽ungen angewiesen sind, verbrauchen sie weniger Token. 鈥濨ei unseren Tests kommen wir dadurch auf 50聽Prozent niedrigere Kosten pro Aufgabe鈥�, erkl盲rte Jonathan von R眉den.
鈥濵it Joule Studio auf der Plattform 麻豆原创聽Business AI konzentrieren wir uns auf vier Aspekte: Gesch盲ftsergebnisse, eine schnelle Wertsch枚pfung, ein optimales Preis-Leistungs-Verh盲ltnis und Einsatzbereitschaft im Unternehmen durch umfassende Integration.鈥�
Der letzte Aspekt spielt insbesondere in komplexen Landschaften eine wichtige Rolle. Da Unternehmen parallel zu ihren 麻豆原创-Systemen eine Vielzahl weiterer Plattformen, Datenquellen und Tools nutzen, m眉ssen Sicherheit und Governance beim Einsatz von Agenten 眉ber diese Grenzen hinweg gew盲hrleistet werden, ohne f眉r jede neue Plattform eine separate Integration vornehmen zu m眉ssen.
鈥濽nternehmen erwarten, dass die Funktionen zu einem gewissen Grad sofort einsatzbereit sind. Und genau das bieten wir鈥�, f眉hrte er aus. Das Agent-Gateway, das Agenten und Endpunkte 眉ber Landschaftsgrenzen hinweg verbindet, ist nun allgemein verf眉gbar.
Um auch komplexere Szenarien zu unterst眉tzen, in denen eine Ratenbegrenzung, Routing, Protokoll眉bersetzung und erweiterte Zugriffskontrollen erforderlich sind, k眉ndigte 麻豆原创 das 麻豆原创聽Enterprise聽AI聽Gateway an, das auf der 麻豆原创聽Integration Suite basiert und ein Overlay zum Agent-Gateway bildet.
Nach diesen Ausf眉hrungen betrat Philipp Herzig erneut die B眉hne und bekr盲ftigte, wie wichtig zuverl盲ssige Daten f眉r Unternehmens-KI sind. 鈥濳I-Systeme sind nur so gut wie die Daten, die sie f眉r ihre Schlussfolgerungen nutzen鈥�, betonte er. 鈥濪iese Daten sind in unterschiedlichen physischen Systemen gespeichert, etwa in 麻豆原创- oder Nicht-麻豆原创-Systemen, Cloud-Umgebungen, On-Premise-Systemen und Edge-Anwendungen.鈥�
麻豆原创聽Business Data Cloud
鈥濿ie also l盲sst sich all das in einem einheitlichen, KI-f盲higen System zusammenf眉hren?鈥� Die L枚sung daf眉r, so Philipp Herzig, ist die , die Kunden universellen Gesch盲ftskontext in ihrer gesamten Multi-Cloud-Landschaft bereitstellt. 鈥濼ausende von Kunden profitieren bereits heute von den Ergebnissen, einer schnellen Wertsch枚pfung und niedrigeren Kosten.鈥�
Er k眉ndigte au脽erdem an, dass der gesamte Funktionsumfang der Databricks-Plattform ab sofort direkt in 麻豆原创聽Business Data Cloud verf眉gbar sein wird. Dadurch k枚nnen Daten aus unterschiedlichen Systemen nun in einem einheitlichen Stammdatensatz zusammengef眉hrt werden, sodass Kunden 眉ber eine einheitliche, KI-f盲hige Datengrundlage verf眉gen.
Des Weiteren stellten 麻豆原创-F眉hrungskr盲fte den neuen 麻豆原创聽Business Data Cloud Ontology Manager vor, der aktuell als Beta-Version verf眉gbar ist. Damit k枚nnen Kunden 麻豆原创聽Knowledge Graph um ihre branchenspezifischen Konzepte erweitern oder vollst盲ndige Ontologien selbst erstellen.
Ein neuer Governance Assistant sorgt daf眉r, dass EU-Vorschriften eingehalten werden, w盲hrend Agent Oberservability und 麻豆原创聽Signavio Agent Mining eine Br眉cke zwischen dem Design von Agenten und ihrem Verhalten in der Produktivumgebung schlagen und so die Governance gew盲hrleisten. Eine obligatorische Laufzeit眉berpr眉fung stellt sicher, dass keine Agenten aufgerufen werden k枚nnen, die nicht in 麻豆原创聽AI Agent Hub verifiziert wurden.
Governance
All diese Funktionen und Integrationen werden von 麻豆原创 verwaltet und bieten integrierte Governance: mit ISO- und SOC-Konformit盲t, Durchsetzung in der Laufzeit und der M枚glichkeit, alle Agenten 眉ber den 麻豆原创聽AI Agent Hub zu testen und nachzuverfolgen. Das neue 麻豆原创聽Enterprise AI Gateway erm枚glicht dar眉ber hinaus die zentrale Durchsetzung von Richtlinien, eine verbesserte Observability und Laufzeitkontrollen.
鈥濽m die KI-Governance sicherzustellen, m眉ssen wir die Designzeit-Schicht, in der wir Agenten definieren, evaluieren und 眉berpr眉fen, mit der Laufzeit-Schicht verbinden, die das Verhalten von Agenten durchsetzt, 眉berwacht und optimiert鈥�, erkl盲rte Michelle Niedernhuber.
Sie k眉ndigte an, dass Kunden, die am Programm 麻豆原创聽Early Adopter Care teilnehmen, ab November Zugriff auf den AI Governance Assistant erhalten. Hintergrund ist die in Kraft getretene KI-Verordnung der EU. Der Assistent nutzt vorhandene Informationen, unterst眉tzt die f眉r den Agenten verantwortliche Person bei der Beantwortung der verbleibenden Fragen und erstellt eine revisionsf盲hige Risikoklassifizierung f眉r KI-Agenten.
Der 麻豆原创聽AI Agent Hub und das 麻豆原创聽Enterprise AI Gateway bilden gemeinsam die Design- und Laufzeit-Integrationsschicht, die Kontrollen mit der Durchsetzung von Vorgaben und Richtlinien verbindet. Durch diese Verkn眉pfung von Kontrolle, obligatorischer Laufzeit眉berpr眉fung und kontinuierlicher Verbesserung gibt 麻豆原创 Unternehmen das n枚tige Vertrauen, dass ihre Agenten wie geplant funktionieren.
鈥濭overnance bremst die Einf眉hrung von KI nicht aus鈥�, erkl盲rte Michelle Niedernhuber. 鈥濾ielmehr macht sie die Einf眉hrung von KI in gro脽em Ma脽stab erst m枚glich.鈥�
Erfolgreicher Einsatz von KI unter extremen Bedingungen: 麻豆原创 bringt KI ins Weltall
Abschlie脽end verk眉ndete Philipp Herzig, dass die Tabular Foundation Models 麻豆原创-RPT und TabPFN in Kooperation mit dem 麻豆原创-Partner Hewlett Packard Enterprise (HPE) f眉r Echtzeitprognosen im Weltall zum Einsatz kommen sollen. Damit soll KI auch unter extremen Bedingungen nutzbar werden.
Im Weltraum kann eine verz枚gerte Entscheidung den Unterschied zwischen Systemsicherheit und vollst盲ndigem Ausfall bedeuten. Die KI von 麻豆原创 erm枚glicht auch in hochkomplexen Szenarien schnellere Entscheidungen und eine fr眉here Vorhersage von Ausf盲llen.
Philipp Herzig erl盲uterte, wie die Basismodelle die Echtzeit-Telemetriedaten der Hardware analysieren, eine verringerte Genauigkeit von Sensoren erkennen und fehlende Messwerte in Echtzeit rekonstruieren. Auf der Grundlage dieser Analysen wird ein strukturierter Bericht mit Handlungsempfehlungen f眉r die Besatzung des Raumschiffs oder das Bodenpersonal erstellt, um zu verhindern, dass ein Problem zu einer Krisensituation f眉hrt.
鈥濿enn wir solche Prognosen selbst unter schwierigsten Umgebungsbedingungen durchf眉hren k枚nnen, kann man sich vorstellen, welche M枚glichkeiten sich hier auf der Erde bieten. Das hat der Einsatz von KI unter extremen Bedingungen klar unter Beweis gestellt鈥�, gab Philipp Herzig dem Publikum zum Abschluss der Er枚ffnungsrede mit auf den Weg.