Die weltweiten Investitionen in Künstliche Intelligenz (KI) sollen bis zum Jahr 2026 voraussichtlich 2,5 Billionen US-Dollar erreichen, was einem Anstieg von 44 Prozent gegenüber dem Vorjahr entspricht. Trotz dieser erheblichen Mittelzuflüsse stehen viele Unternehmen vor der Herausforderung, KI-Fähigkeiten effektiv zu integrieren und einen umfassenden Nutzen daraus zu ziehen.
Fragmentierung trotz hoher Investitionen
Obwohl die Fähigkeiten von KI-Modellen schneller voranschreiten als die meisten Organisationen sie aufnehmen können und die Leistungskosten sinken, führt die aktuelle Investitionspraxis oft zu einer Zersplitterung. Intelligenz sammelt sich in isolierten Systemen an. So können beispielsweise Vertriebsmitarbeiter keine Kenntnis von offenen Support-Tickets haben oder Marketingsysteme personalisierte Inhalte erstellen, ohne Informationen aus der Finanzabteilung über denselben Kunden zu berücksichtigen. Jede Funktion mag für sich gut funktionieren, doch das Unternehmen als Ganzes lernt wenig und kann weniger fundierte Entscheidungen treffen.
Der „Agentic Shift“: KI als Betriebsmodell
Die Umstellung von KI als Werkzeug hin zu einem umfassenden Betriebsmodell – dem sogenannten „Agentic Shift“ – erfordert mehr als nur bessere Modelle oder schnellere Infrastruktur. Es geht darum, Menschen, Prozesse und Daten in Echtzeit zu verbinden und gleichzeitig eine Steuerung und Kontrolle zu gewährleisten, die ein zuverlässiges Handeln auf Basis dieser Intelligenz ermöglicht.
Dies erfordert eine simultane Neugestaltung von Architektur und Betriebsmodellen. Erstens muss die Dateninfrastruktur auf Zugänglichkeit statt auf reines Datenvolumen ausgerichtet werden. Zweitens sollten feste Technologie-Stacks durch komposable Architekturen ersetzt werden, die sich mit der Entwicklung von Modellen und Werkzeugen anpassen können. Komposable Architekturen sind flexible Systeme, die aus austauschbaren Komponenten bestehen und so leichter erweitert oder verändert werden können. Drittens müssen Fragen der KI-Souveränität geklärt werden, also wo die Intelligenz ausgeführt wird, wer sie kontrolliert und wie sie über Organisations- und Jurisdiktionsgrenzen hinweg funktioniert.
Prozessdesign als Erfolgsfaktor
Das Skalierungsproblem von Unternehmens-KI ist strukturell bedingt. Unternehmen, die ihre Prozesse an erster Stelle betrachten, sind im Vorteil. Obwohl die globalen KI-Ausgaben stark steigen und die Modellfähigkeiten sich schnell entwickeln, generiert die Mehrheit der Unternehmen noch keine Umsatzsteigerungen durch KI oder überdenkt ihre Arbeitsweise grundlegend. Erfolgreiche Unternehmen zeichnen sich dadurch aus, dass sie die Prozessneugestaltung als Vorarbeit zur Modellauswahl betrachten. Sie bauen Systeme so auf, dass sie sich mit der Technologie entwickeln können, anstatt Rollen und Arbeitsabläufe erst nach der Bereitstellung anzupassen.
Dabei ist Datenbereitschaft – und nicht Datenüberfluss – entscheidend für eine multiplizierbare KI. Viele Unternehmen erkennen zu spät, dass Datensätze zu besitzen und KI-bereite Daten zu haben, zwei unterschiedliche Dinge sind. Eine souveräne, komposable Datenbasis, die Daten dort abfragt und aufbereitet, wo sie sich befinden, ohne Migration oder Zentralisierung, kann Rohdatenbestände in handlungsrelevante Intelligenz für KI-Agenten umwandeln. Angesichts von Datenschutzgesetzen, Multicloud-Umgebungen und struktureller Komplexität, die eine Zentralisierung zunehmend unpraktisch machen, sichert die souveräne Kontrolle über den Ausführungsort von Modellen und den Speicherort von Daten die Anpassungsfähigkeit.
Thema: Intel. Quelle/Inspiration: MIT Technology Review.