Issuu

Handelsblatt | September 2026

Eine unabhängige Kampagne von Contentway

ARTIFICIAL INTELLIGENCE

Einleitung | Prof. Dr. Feiyu Xu

KI IST EIN KOMPLEXES, STRATEGISCHES THEMA, DAS SYSTEMATISCH UND HOLISTISCH UMGESETZT WERDEN MUSS

Prof. Dr. Feiyu Xu ist KI-Expertin und als solche in Aufsichts- und Verwaltungsräten von Siemens Energy, ZF und der FAZ. Worauf Unternehmen beim Einsatz von KI achten sollten – und weshalb sie mehr Chancen als Risiken sieht, erzählt sie im Interview.

Großes Interview | Peter Sarlin

IN FÜNF BIS ZEHN JAHREN WIRD QUANTENTECHNOLOGIE DIE NÄCHSTE KI-ÄRA ENTFESSELN

Peter Sarlin ist Professor of Practice an der Aalto University in Finnland, KI-Forscher, Seriengründer und Unternehmer.

Interview | Dr. Tina Klüwer

VOM AUTOLAND ZUR KI-NATION

Dr. Tina Klüwer, KI-Expertin und Executive Director von AI NATION, über Deutschlands Chancen auf einen globalen KI-Champion. Interview | Prof. Dr. Dennis-Kenji Kipker

WER BEHERRSCHT DIE KI?

Der europäische AI Act soll Leitplanken für eine rasant wachsende Technologie setzen. Cybersicherheitsexperte Prof. Dr. Dennis-Kenji Kipker, Professor für IT-Sicherheitsrecht an der Hochschule Bremen und Research Director des cyberintelligence.institute, ordnet ein, was Regulierung leisten kann.

Lesen Sie weitere interessante Artikel auf contentway.de

ARTIFICIAL INTELLIGENCE

AUSGABE #227

Key Account Manager: Mira Khanna

Sie möchten in unserer nächsten Ausgabe dabei sein? Melden Sie sich gerne unter dieser E-Mail-Adresse: mira.khanna@contentway.de Geschäftsführung: Jonathan Andersson, Fredrik Thorsson Creative Director: Franziska Bredehorn

Redaktion und Grafik: Franziska Bredehorn, Julia Schmidt, Negin Tayari

Text: Thomas Soltau, Katja Deutsch, Julia Butz Coverfoto: Getty Images/unsplash+, Presse Distribution & Druck: Handelsblatt, September 2026

Contentway Wir erstellen Online- und Printkampagnen mit wertvollen und interessanten Inhalten, die an relevante Zielgruppen verteilt werden. Unser Partner Content und Native Advertising stellt Ihre Geschichte in den Vordergrund.

Die Inhalte des „Partner Content“ und „Hotspot Highlight“ in dieser Kampagne wurden in Zusammenarbeit mit unseren Kunden erstellt und sind Anzeigen. Für die Lesbarkeit verwenden wir das generische Maskulinum. Die Formulierungen sprechen alle Geschlechter gleichberechtigt an.

Contentway und Handelsblatt sind rechtlich getrennte und redaktionell unabhängige Unternehmen. Herausgegeben von: Contentway GmbH Neue Burg 1 DE-20457 Hamburg Tel.: +49 40 85 539 750 E-Mail: info@contentway.de Web: www.contentway.de

Folge uns auf Social Media:

WEITERE INHALTE 3. Dr. Paulina Prantl 6. GenAI 8. Agentic AI 10. E-Commerce 14. Prof. Dr. Yasmin Weiß 16. Automatisierung

CONTENTWAY.DE

Prof. Dr. med. Jens Vogel-Claussen, Klinikdirektor der Klinik für Radiologie der Charité Berlin, spricht über die Vorteile, die KI besonders bei der Früherkennung von Lungenkrebs jetzt schon bietet.

Grazia Vittadini ist Mitglied des Vorstands und Chief Technology Officer (CTO) bei der Lufthansa Group, wo sie die Bereiche Technik, IT und Innovation leitet.

Schon heute kann Künstliche Intelligenz in der Radiologie sehr gut unterstützen

Die Zukunft des Fliegens heißt KI

KI ist ein komplexes, strategisches Thema, das systematisch und holistisch umgesetzt werden muss EINLEITUNG

Text: Katja Deutsch Foto: Presse

Frau Prof. Xu, viele Unternehmen sind gerade dabei, KI in den beruflichen Alltag zu integrieren. Wo kommt KI im Moment schon häufig zum Einsatz?

Viele Unternehmen nutzen KI-Lösungen von Anthropic, Microsoft, Google oder OpenAI heute oft für Büro- und Wissensarbeit: E-Mails werden schneller verfasst, Meetings automatisch zusammengefasst und Inhalte erstellt. Gleichzeitig steigert KI die Effizienz von Geschäfts- und Produktionsprozessen – etwa durch Dokumenten- und Vertragsanalysen, digitale Assistenten in IT und Human Resources sowie Unterstützung in der Softwareentwicklung. KI entwickelt sich jedoch zunehmend von Büroanwendungen hin zur Industrie-KI: Produktionsprozesse, Qualitätsprüfung, Lieferketten, Wartung, Engineering und Energieinfrastrukturen werden immer stärker KI-gestützt. Bei komplexen oder sensiblen Entscheidungen jedoch bleibt menschliche Erfahrung unverzichtbar. Der größte Mehrwert entsteht, wenn Mensch und KI ihre Stärken verbinden und KI

Daten, Expertenwissen und die physische Welt intelligent zusammenführt. Welche Faktoren entscheiden Ihrer Erfahrung nach, ob ein Unternehmen KI erfolgreich in bestehende Prozesse integrieren kann?

Erfolgreicher Einsatz von KI erfordert eine klare Strategie mit langfristiger Roadmap, Daten als Grundlage, passenden Technologiepartnerschaften und neuen Kompetenzen in den Teams. Unternehmen sollten ein ambitioniertes Gesamtziel, ihren „North Star“, für die KI definieren und Investitionen entlang einer langfristigen, realistischen Roadmap mit klaren Meilensteinen ausrichten. Daten sind der zentrale „Rohstoff“ für KI: Qualität, Verfügbarkeit und rechtssicherer Umgang sind entscheidend, ebenso wie die klare Rolle im Datenökosystem und deren verantwortungsvolle Nutzung. Auch technologisch ist KI komplex, deshalb sollten Unternehmen neben Eigenentwicklun-

gen auch Partnerschaften und Plattformen nutzen. Erfolgreicher KI-Einsatz erfordert die enge Zusammenarbeit von Expert:innen und Fachbereichen sowie die kontinuierliche Messung von Mehrwert, Qualität, Sicherheit und regulatorischer Compliance anhand von KPIs und Monitoring. Kann Deutschland seine Industrie mithilfe von KI zukunftsfähig machen? Oder sagen Sie, die deutsche Industrie ist wirklich eine Sache aus dem letzten Jahrhundert?

Ich bin weniger pessimistisch, sehe aber klare Herausforderungen: Im globalen KI-Ökosystem steht die deutsche und europäische Industrie heute meist am Ende der Wertschöpfungskette. Deutschland wird voraussichtlich trotzdem viele KI-Anwendungen entwickeln und nutzen. Lesen Sie den ganzen Artikel online auf: contentway.de ANZEIGE

Sehnsucht nach Zukunft Der Libanon durchleidet eine schwere Krise. Die Kirche bleibt bei den Menschen, versorgt sie und betreibt Schulen.

Helfen Sie mit Ihrer Spende, damit die heranwachsende Generation eine Perspektive hat. Danke!

Schwester Roua kümmert sich um eine mittellose Familie mit zwei kleinen Kindern im armenischchristlichen Viertel Burj Hammoud in Beirut (Libanon).

contentway.de

ARTIFICIAL INTELLIGENCE

Effizienz schlägt Modellgröße LO G I S T I K

Dr. Paulina Prantl, stellvertretende Abteilungsleiterin „Analytics“ am Fraunhofer-Institut für Integrierte Schaltungen IIS, weiß, warum der Erfolg von KI nicht von der Größe der Modelle abhängt, sondern vom wirtschaftlichen Nutzen und einem effizienten Ressourceneinsatz. Text: Thomas Soltau Foto: Fraunhofer IIS / Paul Pulkert

Wird der KI-Wettbewerb künftig darüber entschieden, wer mit möglichst wenig Ressourcen den größten Nutzen erzielt?

Ja. Entscheidend ist nicht die Größe eines Modells, sondern der Return on Investment eines konkreten Anwendungsfalls. Dem Nutzen stehen Aufwände für Daten, Entwicklung, Training, Betrieb und Wartung gegenüber. In vielen Projekten dominiert zunächst die Entwicklung; bei langjährigem Einsatz gewinnen Wartung und Instandhaltung an Gewicht. Relevant ist deshalb die Gesamtbilanz über den Lebenszyklus. Warum ist die Unterscheidung zwischen KI für Ressourceneffizienz und

Dr. Paulina Prantl, stellvertretende Abteilungsleiterin „Analytics“, Bereich Supply Chain Services des Fraunhofer IIS

Entscheidend ist nicht die Größe eines Modells, sondern der Return on Investment eines konkreten Anwendungsfalls.

ressourceneffizienter KI so wichtig?

KI kann Energie, Material, Zeit oder Kosten einsparen, benötigt dafür aber selbst Ressourcen. Beide Seiten müssen gemeinsam bewertet werden. Große, multimodale Modelle sind für offene und komplexe Aufgaben sinnvoll. Bei klar abgegrenzten Prognosen, Optimierungen oder wiederkehrenden Analysen reichen häufig kleinere, spezialisierte Modelle – besonders,

wenn eigene Daten vorhanden sind. Sie können den besseren wirtschaftlichen Nutzen erzielen.

Auch der langfristige Nutzen muss dem gesamten Ressourcenaufwand gegenübergestellt werden.

Was entscheidet darüber, ob aus einem KI-Piloten ein skalierbares Produkt wird?

Wann lohnt sich KI eher nicht?

Voraussetzungen sind gute Daten, robuste Prozesse und ein wartbares System. Schlechte oder widersprüchliche Unternehmensdaten begrenzen auch die Leistung großer Modelle. Transfer Learning kann ein bestehendes Modell mit wenigen zusätzlichen Daten auf ähnliche Anlagen oder Produkte übertragen. AutoML automatisiert zeitaufwendige Schritte der Modelloptimierung. Eine zentrale Hürde bleibt die Datenvarianz zwischen Standorten und historisch gewachsenen Systemen. Wann verbraucht eine KI mehr Ressourcen, als sie einspart?

Das lässt sich nur an einem konkreten Anwendungsfall beurteilen. Unternehmen müssen zunächst ihren heutigen Prozess und Ressourcenverbrauch kennen. Bewertet werden sollten Rechen- und Energieaufwand in Training und Betrieb, Modell- und Dateneffizienz sowie die Total Cost of Ownership aus Entwicklung, Betrieb und Wartung.

Wenn ein regelbasiertes System die Aufgabe zuverlässig erfüllt und seine Regeln überschaubar und wartbar bleiben. KI ist vor allem sinnvoll, wenn Zusammenhänge zu komplex sind, Bedingungen sich häufig ändern oder aus großen Datenmengen Prognosen und Optimierungsentscheidungen abgeleitet werden sollen. Die Frage lautet nicht: Wo können wir KI einsetzen? Sondern: Welches Verfahren löst das Problem mit vertretbarem Aufwand am besten? Woran erkennen Sie, ob eine KI-Strategie tatsächlich Wert schafft?

Daran, ob das Unternehmen seine Prozesse kennt, messbare Ziele formuliert und den heutigen Ressourcenverbrauch erfasst. Ein häufiger Irrtum lautet: „KI löst unsere schlechten Prozesse.“ Eine belastbare Strategie verbindet daher Technologie, Prozesse, Menschen und Wirtschaftlichkeit. Der größte Hebel liegt im Gesamtsystem: gute Daten, effiziente Entwicklung und die passende Methode an der richtigen Stelle.

Brose SE – Partner Content

Künstliche Intelligenz hört den Unterschied Das Klirren von Metall, das Surren von Robotern, das Dröhnen von Maschinen – eine typische Geräuschkulisse in industriellen Fertigungsbereichen. Mittendrin an einer Prüfstation das kurze Klacken eines Bauteils, das möglicherweise auf einen Mangel hinweist: Für die akustische Qualitätskontrolle ist das eine Herausforderung. Denn Umgebungsgeräusche können dazu führen, dass Testsysteme Fehler „hören“, die gar nicht existieren.

eshalb befinden sich akustische Prüfstationen in schallgedämmten Zellen, um sie vor Störgeräuschen und Vibrationen zu schützen. Dennoch können einzelne Produktionsgeräusche bis zu den Sensoren durchdringen und die Messung stören. Die Folge sind sogenannte Pseudo-Fehler: Sie verursachen aufwendige Nachprüfungen, kosten Zeit und Geld.

als regelmäßiges Klackern, während Geräusche aus der Produktionshalle unregelmäßig und zufällig auftreten. Unser KI-basiertes System erkennt, ob es sich tatsächlich um eine Abweichung oder Hintergrundlärm handelt. So reduzieren wir bis zu 95 Prozent aller PseudoFehler“, erklärt Alexej Zitzer, Testexperte Fertigungstechnologie bei Brose.

Saubere Ergebnisse trotz Lärm

Die Fähigkeit zur Unterscheidung muss die KI zunächst anhand von Trainingsdaten erlernen. Akustikexperten kennzeichnen Audiodaten und legen fest, welche Geräusche unkritisch und welche fehlerhaft sind. Auf dieser Basis liefert die KI präzise Informationen, verhindert Pseudo-Fehler und ermöglicht es, Produkte ohne Verzögerung weiter durch den Fertigungsprozess zu leiten.

Der Automobilzulieferer Brose geht daher mithilfe von Künstlicher Intelligenz (KI) neue Wege: Das Unternehmen hat eine eigene KI-basierte Akustikprüfung entwickelt, die verlässliche Messdaten in der Qualitätssicherung liefert. Damit werden Nacharbeiten deutlich reduziert und effizientere Abläufe ermöglicht. Die KI analysiert akustische Signale und lernt, charakteristische Merkmale bestimmter Klangmuster zu erkennen. „Ein Defekt im Bauteil äußert sich oft

Auf das Training kommt es an

Eigenentwicklung mit Potenzial

Um die neue KI-Lösung gezielt auf die

Weitere Informationen über Brose SE unter: www.brose.com

Alexej Zitzer, Testexperte Fertigungstechnologie bei Brose

eigenen Produktionsprozesse abzustimmen, hat Brose das Testsystem selbst entwickelt. „Das macht uns unabhängiger, flexibler und stärkt dauerhaft die Qualität und Effizienz unserer Serienfertigung“, betont Alexej Zitzer. Darüber hinaus wurde die Lösung als globale Plattform konzipiert, die sich an verschiedenen Standorten einsetzen und auf andere Technologien wie etwa die Bildverarbeitung übertragen lässt. So kann die Lösung auch zukünftig mit

wachsenden Anforderungen in der Qualitätssicherung Schritt halten. Brose zeigt exemplarisch, wie KI in der Industrie ihren größten Mehrwert entfaltet: nicht als Ersatz für menschliche Expertise, sondern als intelligentes Werkzeug, das den entscheidenden Unterschied erkennt. Zugleich belegt die Eigenentwicklung die starke Technologie- und Produktionskompetenz des Unternehmens und macht deutlich, wie Brose innovative Lösungen für eine effiziente Fertigung vorantreibt.

ARTIFICIAL INTELLIGENCE

Vom Autoland zur KI-Nation EINBLICK

Dr. Tina Klüwer, KI-Expertin und Executive Director von AI NATION, über Deutschlands Chancen auf einen globalen KI-Champion. Text: Thomas Soltau Foto: Tina Klüwer / Valdivia Design

Champion entsteht. Die letzte Finanzierungsrunde konnte NEURA Robotics mit 1,4 Mrd. USD abschließen. Auch daran erkennt man das enorme Potenzial.

Dr. Tina Klüwer, KI-Expertin und Executive Director von AI NATION

Deutschland verfügt über exzellente Forschung und starke Industrieunternehmen. An welcher Stelle könnte aus dieser Kombination das nächste weltweit erfolgreiche KI-Unternehmen entstehen?

Dort, wo aus Autoland KI-Nation wird. Schaeffler und Bosch bauen beispielsweise mit NEURA Robotics keine Autoteile mehr, sondern humanoide Robotik – Schaeffler will bis 2035 Tausende Roboter selbst einsetzen. Genau diese Übersetzung von industrieller Substanz in Physical-AI-Kompetenz ist einer der Orte, an denen der nächste globale

KI-Gründer schauen heute in Richtung Silicon Valley. Was müsste passieren, damit sich dieser Blick umkehrt und Deutschland zu einem Magneten für internationale Talente und Gründer wird?

Entscheidend sind vor allem Finanzierung und die Offenheit der etablierten Unternehmen in der Zusammenarbeit mit jungen innovativen Unternehmen. Die Bundesregierung hat mit der Startupund Scaleup-Strategie die richtigen Hebel benannt: Deutschlandfonds, verdoppeltes Wagniskapital über die WIN-Initiative, weniger Bürokratie beim Gründen. Jetzt kommt es auf Tempo an: Aus den rund 150 Maßnahmen müssen in den nächsten Monaten konkrete, wirksame Instrumente werden, keine Prüfaufträge, die erst in der nächsten Legislatur-

periode greifen. Genau dieses Umsetzungstempo entscheidet, ob Gründer künftig eher an Berlin oder München denken als an San Francisco. Sie sprechen mit Gründern, Investoren und Forschenden. Worüber wird besonders leidenschaftlich diskutiert, obwohl das in der öffentlichen Debatte kaum vorkommt?

Es gibt kein Geheimwissen hinter verschlossenen Türen. Die Probleme liegen alle offen auf dem Tisch: zu wenig Wachstumskapital, zu langsame Verfahren, zu viel Bürokratie, risikoaverses Mindset. Genau das wird in diesen Gesprächen mit einer Leidenschaft verhandelt, die man in der öffentlichen Debatte selten spürt. Deutschland hat kein Erkenntnisproblem, sondern ein Umsetzungsproblem. Die Antworten liegen längst vor. Jetzt geht es nur noch darum, sie schnell genug umzusetzen. Deutschland wird häufig für seine Defizite kritisiert. Worauf sollten wir im internationalen Wettbewerb selbstbewusster sein, als wir es derzeit sind?

Auf unsere industrielle Substanz. Deutschland liegt bei der Roboterdichte weltweit auf Platz 3. Das ist

kein Zufall, sondern jahrzehntelanges Ingenieurs-Know-how, das jetzt auf KI trifft. Während andere Ökosysteme bei Algorithmen führen, haben wir den direkten Zugang zu echten industriellen Anwendungsfällen. Das ist kein Nachteil gegenüber Software-first-Standorten wie dem Silicon Valley – das ist unser eigener, eigenständiger Weg. Außerdem verfügen wir über ein sehr gutes berufliches Bildungssystem und über gut ausgebildete Talente. Viele Menschen kommen nach Deutschland, um hier zu studieren oder eine Ausbildung zu machen. Das ist ein wichtiger Baustein für die Zukunft. Nennen Sie einen Moment, an dem Sie sagen würden: Jetzt spielt Deutschland im globalen KI-Wettbewerb nicht mehr nur mit, sondern setzt selbst die Maßstäbe?

Auf diesen Moment warten wir noch. Aber es gibt Forschungsfelder, die Hoffnung machen. Die deutsche Forschung produziert Spitzenergebnisse, auch im Bereich KI und anderen Zukunftstechnologien. Wenn aus dieser Forschungsstärke tatsächlich weltweit führende Unternehmen werden, ist das der Moment, in dem wir nicht mehr aufholen, sondern führen.

Serviceware SE – Partner Content

KI muss sich rechnen Mit Agentic AI beginnt eine neue Phase der Automatisierung. Doch technische Möglichkeiten allein schaffen noch keinen wirtschaftlichen Nutzen.

I übernimmt im Unternehmensalltag immer anspruchsvollere Aufgaben. Mit Agentic AI geht die Entwicklung noch einen Schritt weiter: Systeme reagieren nicht mehr nur auf Anweisungen, sondern können innerhalb gesetzter Grenzen selbstständig handeln. Für Unternehmen stellt sich damit vor allem die Frage, wo sich dieser Einsatz tatsächlich lohnt. Das gilt besonders für das Service Management. Einzelne nachträglich ergänzte KI-Funktionen stoßen dort schnell an Grenzen, wenn sie nicht tief mit den bestehenden Prozessen verbunden sind. Zugleich gewinnt die Frage an Gewicht, wo sensible Unternehmensdaten verarbeitet werden. Bei der Serviceware SE ist KI deshalb von Beginn an Teil der Plattform und ihrer Prozesse. CEO und Gründer Dirk Martin spricht darüber, was dieser Ansatz im Service Management verändert und wann sich KI wirtschaftlich rechnet.

Herr Martin, viele Unternehmen investieren massiv in KI. Wann wird daraus tatsächlich ein wirtschaftlicher Vorteil?

Entscheidend ist nicht, möglichst viel KI einzusetzen, sondern sie dort einzusetzen, wo sie messbaren Geschäftswert schafft. Gerade mit Agentic AI steigen neben der Service-Effizienz auch nutzungsabhängige Kosten. Deshalb müssen Unternehmen Nutzen und Gesamtkosten eines Anwendungsfalls betrachten und laufend prüfen. KI wird damit zunehmend auch zu einer Managementaufgabe.

sondern Teil der Plattformarchitektur ist, kann sie Prozesse durchgängig verstehen, lernen und optimieren. Workflows lassen sich etwa aus natürlicher Sprache heraus modellieren. Das beschleunigt Abläufe und entlastet Mitarbeitende von Routinetätigkeiten.

Was verändert eine KI-native Plattform im Service Management konkret?

Worin unterscheidet sich dieser Ansatz von Wettbewerbern wie ServiceNow?

KI wird vom Assistenten zum handelnden digitalen Kollegen. Agenten können Anfragen verstehen, Informationen aus verschiedenen Systemen zusammenführen, Entscheidungen innerhalb definierter Regeln treffen und Aufgaben selbstständig erledigen. Weil die KI bei uns nicht nachträglich ergänzt wurde,

Mehr Informationen über die Serviceware SE unter: www.serviceware-se.com

Dirk Martin, Gründer und CEO der Serviceware SE

Viele etablierte Plattformen sind lange vor dem heutigen KI-Zeitalter entstanden und haben entsprechende Funktionen später ergänzt. Gemeinsam mit der TU Darmstadt konnten wir unsere neue Plattform von Grund auf KI-nativ entwickeln. Entscheidend ist deshalb weniger die Zahl einzelner KI-Funktionen

als deren Tiefe in der Architektur. Eine native KI unterstützt nicht nur einzelne Schritte, sondern kann ganze Serviceprozesse intelligent steuern und kontinuierlich weiterentwickeln. Dies gelingt, indem wir der KI etwa Zugriff auf das in Unternehmen vielfach verstreute Wissen geben und klare Leitplanken definieren, welche Schritte sie ausführen darf und welche nicht. Zudem sind wir in der Lage, die Kosten von Serviceprozessen in Unternehmen über unsere Plattform zu beziffern. Das kann in dieser Form kein anderer Mitbewerber. Welche Bedeutung hat dabei „Made in Germany“?

Für Unternehmen werden Datensouveränität, Datenschutz und regulatorische Sicherheit immer wichtiger. Serviceware ist ein deutsches Unternehmen; Entwicklung, Betrieb und Support finden in Europa statt. Die Plattform wird in deutschen beziehungsweise europäischen Rechenzentren betrieben. Wir verbinden damit KI-natives Service Management mit einem europäischen Ansatz bei Datenhaltung und digitaler Souveränität.

ARTIFICIAL INTELLIGENCE

Jetzt zählt der Wert GENAI

Die Experimentierphase geht zu Ende. Unternehmen wollen von generativer KI inzwischen mehr als verblüffende Antworten: Sie soll messbar etwas bringen. Text: Thomas Soltau Foto: Getty Images/unsplash+

ine E-Mail in drei Sekunden, die Präsentation kurz vor dem Meeting und nebenbei noch Ideen für das neue Produkt: Generative KI kann erstaunlich viel. Nur eine Frage beantwortet sie nicht von selbst: Was bringt das eigentlich dem Unternehmen? Nach Jahren des Staunens wird genau diese Frage wichtiger. Der KI-Hype bekommt Gesellschaft vom Taschenrechner. Denn GenAI ist längst im Arbeitsalltag angekommen. Jetzt beginnt der schwierigere Teil: aus Nutzung einen belastbaren Business Case zu machen. Die Erwartungen sind hoch, die Bilanz ist bislang gemischt. Laut „State of AI in the Enterprise 2026“ von Deloitte berichten 66 Prozent der befragten Organisationen von Produktivitäts- und Effizienzgewinnen durch KI. Höhere Umsätze verzeichnen dagegen erst 20 Prozent. Zwischen beeindruckender Demo und klingelnder Kasse liegt offenbar noch ein gutes Stück Weg.

Ein KI-Tool allein verändert noch keinen Prozess. Das Problem ist häufig weniger spektakulär als die Technologie. Ein KI-Tool allein verändert noch keinen Prozess. Wirklicher Mehrwert entsteht dort, wo Unternehmen konkrete Probleme auswählen: etwa zeitraubende Recherche, aufwendige Dokumentation, Kundenanfragen oder die Suche nach Wissen, das irgendwo zwischen Datenbank und Laufwerk schlummert. Dann lässt sich auch messen, ob Bearbeitungszeiten sinken, Fehler vermieden werden oder Beschäftigte tatsächlich Zeit gewinnen. Genau hier trennt sich inzwischen Experiment von Transformation. Wer KI lediglich zusätzlich auf bestehende Abläufe setzt, hat zunächst einmal ein weiteres Werkzeug. Interessanter wird

es, wenn Prozesse neu gedacht werden. Welche Arbeitsschritte lassen sich automatisieren? Wo hilft KI bei Entscheidungen? Und wo ist ein Mensch nicht nur beruhigend, sondern schlicht die bessere Lösung? Denn nicht jeder Vorgang braucht künstliche Intelligenz. Manchmal reicht eine simple Automatisierung, manchmal sogar eine vernünftige Excel-Tabelle. Auch das gehört zum Business Value: nicht für jedes Problem die teuerste digitale Wunderwaffe aus dem Schrank zu holen. Ein Fitnessstudio-Abo macht schließlich auch noch keinen Sixpack.

Hinzu kommt die Arbeit hinter der glänzenden Oberfläche. Daten müssen verfügbar und verlässlich sein, Anwendungen in bestehende Abläufe passen und Ergebnisse überprüft werden. Dazu braucht es Beschäftigte, die wissen, was die Systeme können und wo ihre Grenzen liegen. Aus einem Pilotprojekt wird schließlich erst dann ein Geschäftsvorteil, wenn es im Alltag funktioniert. Die nächste Phase der GenAI dürfte deshalb weniger von Wow-Effekten geprägt sein. Entscheidend wird, was nachweisbar schneller, günstiger oder besser funktioniert. Die vielleicht wichtigste Kennzahl für KI lautet künftig nicht, was sie alles kann, sondern was davon sich rechnet.

x1F – Partner Content

„Der Schlüssel sind die Metadaten“

Viele Banken und Versicherer setzen erste KI-Anwendungen ein. Bei KI-Agenten und nachhaltiger Wertschöpfung durch KI sieht das Bild noch anders aus. Thomas Ertl, Head of Data Management, erklärt, worauf es jetzt ankommt. Woran erkennen Sie, ob ein KI-Pilot Substanz hat?

Daran, ob die KI ein konkretes Problem besser löst und der Business Case einen klaren Return to Outcome im Verhältnis zu Entwicklungsaufwand und Tokenkosten bietet. Ich würde daher mit dem konkreten Anwendungsfall starten und erst danach die passende Infrastruktur definieren. Welche KI-Anwendungen funktionieren in Banken und Versicherungen heute bereits gut?

Viele Institute nutzen große Sprachmodelle als interne Wissenssysteme. Das spart Zeit bei Suche und Dokumentenauswertung. Bei Banken sehen wir im Accounting standardisierte Fälle und bei einzelnen Kunden bereits KI-basierte Kreditentscheidungen. Versicherer setzen KI etwa in Vertrieb, Underwriting und Schaden ein.

Der Trend geht zu „offensiven“ KI-Cases: Die KI reagiert nicht mehr nur, sondern übernimmt Aufgaben, stößt Prozesse an und interagiert mit anderen Systemen. Was braucht es für die nächste Stufe – KI-Agenten, die Aufgaben weitgehend selbstständig übernehmen? Müssen dafür zunächst alle relevanten Daten zentral zusammengeführt werden?

Nein. Das halte ich für einen Trugschluss. Entscheidend sind die Metadaten – das Wissen darüber, welche Informationen wo liegen und wie die Systeme zusammenspielen. So lassen sich KI-Agenten über Systemgrenzen hinweg orchestrieren, ohne alle Daten zentral zusammenzuführen.

Reichen dafür die Agenten der großen Softwareanbieter aus?

Sie können eine Grundlage bilden. Jeder Anbieter bleibt zunächst in seinem

technologischen Ökosystem, während Prozesse über mehrere Systeme laufen. Unternehmen brauchen deshalb eine technologieoffene Ebene, die Agenten unterschiedlicher Anbieter und Anwendungen zusammenführt. Auch hier sind Metadaten der Schlüssel. Wenn solche Agenten systemübergreifend und zunehmend autonom arbeiten: Was bedeutet das für Regulierung und Cybersicherheit?

Regulierung, Nachvollziehbarkeit, Governance und Cybersicherheit müssen von Anfang an mitgedacht werden. Gerade gegenüber Aufsehern muss nachvollziehbar sein, wie Entscheidungen zustande kommen. Fehlende Kontrolle kann zudem zum Reputationsrisiko werden. Wozu raten Sie Instituten, die jetzt den nächsten Schritt gehen wollen?

Nicht auf die perfekte KI-Welt warten, sondern mit klaren, beherrschbaren Use Cases starten. So lassen sich Ab-

x1F ist ein führender Anbieter integrierter Lösungen mit besonderem Fokus auf die Financial Services Industry. Das Portfolio reicht von wirkungsvollen End-to-End-Prozessen bis hin zur digitalen Transformation und dem Betrieb als Managed Services. www.x1f.one

Thomas Ertl, Head of Data Management bei x1F

Nicht auf die perfekte KI-Welt warten, sondern mit klaren, beherrschbaren Use Cases starten. läufe beschleunigen und Mitarbeitende entlasten. 2026 ist für viele noch das Jahr der Proofs of Concept. 2027 geht es um die Priorisierung und Skalierung erfolgreicher Cases. Nicht zu unterschätzen ist dabei das Change Management: Wenn sich Rollen durch KI verändern oder Aufgaben zusammengelegt werden, muss dieser Wandel aktiv begleitet und gestaltet werden.

Atos – Partner Content

contentway.de

ARTIFICIAL INTELLIGENCE

KI muss raus aus dem Testbetrieb

Künstliche Intelligenz ist in der deutschen Wirtschaft angekommen. Jetzt entscheidet sich, ob aus Pilotprojekten produktive Anwendungen werden.

er Einsatz von KI nimmt rasant zu. Nach einer repräsentativen Bitkom-Erhebung vom März 2026 nutzen 41 Prozent der Unternehmen ab 20 Beschäftigten KI. Ein Jahr zuvor waren es 17 Prozent. Weitere 48 Prozent planen den Einsatz oder diskutieren darüber. Mehr als die Hälfte der KI-Nutzer berichtet bereits von einem messbaren Beitrag zum Unternehmenserfolg.

Nicht alles, was möglich ist, ist auch sinnvoll. Doch der Sprung vom Versuch in den laufenden Betrieb ist anspruchsvoll. Anwendungen müssen sich in vorhandene IT-Landschaften einfügen und regulatorische Vorgaben erfüllen. Hinzu kommt stets die Frage, wie Unternehmen sensible Daten schützen und Spielraum für neue Anwendungen schaffen. Bei autonomen KI-Agenten wird das deutlich: Je eigenständiger Systeme Aufgaben übernehmen, desto wichtiger werden nachvollziehbare Entscheidungen, geregelte Zugriffsrechte und menschliche Kontrolle. Wie sich agentenbasierte KI unter diesen Bedingungen skalieren lässt, erläutert Thomas Götz, Head of Technology & Innovation bei Atos Deutschland, Österreich & Zentraleuropa. Atos ist ein

Weitere Informationen über Atos unter: www.atos.net/de/deutschland

internationaler Technologieanbieter für digitale Transformation mit Schwerpunkten unter anderem auf Cloud, Cybersicherheit sowie Daten und KI. Warum scheitert die KI-Skalierung in Unternehmen so oft?

Es scheitert meistens an der Operationalisierung. Schön, wenn ein Pilot gut mit kleinem Team und wenigen Datenquellen im „Labor-Modus“ funktioniert. Im produktiven Betrieb kommen Altsysteme, Governance und Compliance hinzu. Zudem erfordert Skalierung auch Standardisierung und Prozesseinbettung. Das gelingt nur, wenn alle Anforderungen schon am Anfang mitgedacht werden. Das ist leider oft nicht der Fall. Was machen die Atos Sovereign Agentic Studios anders als klassische KI-Projekte?

Wir bieten eine produktionsreife Plattform für Konzeption, Auf bau, Betrieb und Governance agentenbasierter Systeme. Ausgangspunkt ist keine Technologie, sondern ein priorisierter Geschäftsprozess mit messbaren Ergebnissen. Anschließend entwickeln wir die gesamte Leistungskette: Datenaggregation, agentische Funktionalität, Prozessorchestrierung mit Governance sowie die souveräne Infrastruktur für Daten und KI. Erst wenn Nutzen, Sicherheit und Betriebsfähigkeit nachgewiesen sind, erfolgt eine weitere Skalierung in die Produktion.

Thomas Götz,

Head of Technology & Innovation bei Atos Deutschland, Österreich & Zentraleuropa

Verändert „Services as Software“ die Unternehmensorganisation durch autonome KI-Agenten?

Wir verfallen hier nicht dem Hype. Agentische KI übernimmt als unterstützendes System klar definierte Aufgaben und Workflow-Abschnitte dort, wo Geschwindigkeit, Qualität und Skalierbarkeit tatsächlich durch KI gesteigert werden können und wo probabilistisches Verhalten des Systems sinnvoll ist. Menschen wechseln von der operativen Ausführung zur Konzeption, Orchestrierung und verantwortlichen Steuerung agentenbasierter Systeme. Welches Level von Autonomie sinnvoll ist, bestimmen Risiko, Regulatorik und geschäftlicher Nutzen. Nicht alles, was möglich ist, ist auch sinnvoll. Wo liegen die Grenzen von Autonomie und Kosten bei Agentic AI?

Autonomie braucht klare Leitplanken: Agentische KI arbeitet nicht deterministisch und kann durchaus Überraschungen erzeugen. Jeder Agent erhält eine definierte Identität, einen begrenzten Auftrag und von einem Menschen festgelegte Berechtigungen. Kritische

Erst wenn Nutzen, Sicherheit und Betriebsfähigkeit nachgewiesen sind, erfolgt eine weitere Skalierung in die Produktion. Entscheidungen der Agenten laufen über Human-in-the-Loop-Freigaben. Alles wird auditierbar protokolliert; Rechte werden dynamisch vergeben oder zurückgezogen, Aktionen können unterbunden werden. Wir überwachen kontinuierlich Verhalten, Qualität, Kosten und Ergebnisse. Wie passt digitale Souveränität zu Offenheit und Innovation?

IT-Souveränität bedeutet, kritische Abhängigkeiten bewusst zu managen. Unternehmen müssen entscheiden können, wo und wie ihre Daten, Modelle und Workloads betrieben werden, wer Zugriff erhält und welche kritischen Abhängigkeiten sie eingehen. Die Stärkung dieser Fähigkeit treibt die Schaffung neuer Optionen und eigener Innovationen voran, anstatt Innovation nur einzukaufen. Offene Standards und Open Source, interoperable Architekturen, Datenportabilität sowie ein passendes Spektrum effizient orchestrierter Clouds in einem Hybrid-Modell unterstützen dabei die Flexibilität und strategische Manövrierbarkeit.

ARTIFICIAL INTELLIGENCE

KI macht sich nützlich AGENTIC AI

Bisher konnte KI vor allem antworten. Agentic AI soll nun selbstständig Aufgaben erledigen. Das eröffnet Unternehmen neue Möglichkeiten – und wirft ganz nebenbei neue Fragen auf. Text: Thomas Soltau Foto: Mohamed Nohassi/unsplash+

ie KI bekommt einen Auftrag. Und dann? Im Idealfall erst einmal keinen weiteren. Sie zerlegt die Aufgabe in einzelne Schritte, sucht Informationen, entscheidet über den nächsten Schritt und nutzt dafür Software oder andere digitale Werkzeuge. Am Ende steht nicht bloß eine hübsch formulierte Antwort, sondern ein Ergebnis. Willkommen bei Agentic AI. Der Unterschied zur bisher bekannten generativen KI ist erheblich. Ein Chatbot reagiert im Wesentlichen auf einen Prompt. KI-Agenten sollen dagegen Ziele verfolgen und innerhalb gesetzter Grenzen eigenständig handeln. Mehrere spezialisierte Agenten können dabei sogar zusammenarbeiten. Forscher der Universität Kassel grenzen Agentic AI von klassischen autonomen Agenten und Multi-Agenten-Systemen ab. Warum das Thema gerade jetzt Fahrt aufnimmt, zeigt der Stanford AI Index

Agentic AI dürfte deshalb weniger die Kunst sein, Maschinen einfach machen zu lassen, als genau festzulegen, was sie machen dürfen.

2026. Auf OSWorld, einem Benchmark für reale Computeraufgaben, verbesserten sich KI-Agenten innerhalb eines Jahres von rund 12 auf 66,3 Prozent Erfolgsquote. Noch scheitern sie damit ungefähr bei jedem dritten Versuch. Die Richtung lässt sich trotzdem erkennen: Aus Antworten werden zunehmend Aktionen. Für Unternehmen könnte genau darin der nächste Produktivitätsschub liegen. Ein Agent kann beispielsweise Informationen aus verschiedenen Systemen zusammentragen, Termine koordinieren,

Dokumente vorbereiten oder standardisierte Prozessschritte anstoßen. Statt für jeden Handgriff einen neuen Prompt zu benötigen, arbeitet das System eine Aufgabe weitgehend selbstständig ab. Aus dem digitalen Gesprächspartner wird damit eher ein digitaler Kollege. Einer allerdings, dem man vorerst besser noch auf die Finger schaut. Denn Autonomie hat selbstverständlich ihren Preis. Wer darf entscheiden, welche Systeme ein Agent nutzt? Welche Daten darf er sehen? Wer trägt die Verantwortung, wenn er einen falschen

Schritt macht? Dass diese Fragen keineswegs akademisch sind, zeigt ebenfalls die Universität Stanford: 2025 wurden weltweit 362 dokumentierte KI-Vorfälle registriert, nach 233 im Vorjahr. Agentic AI dürfte deshalb weniger die Kunst sein, Maschinen einfach machen zu lassen, als genau festzulegen, was sie machen dürfen. Der technische Sprung ist dennoch beachtlich. KI beantwortet nicht mehr nur die Frage „Was soll ich tun?“ Sie beginnt, es tatsächlich zu tun. Und manchmal ist genau das der Moment, in dem aus einem Werkzeug ein ziemlich interessanter Mitarbeiter wird.

Zwischen Angst und Begeisterung WEITERBILDUNG

Künstliche Intelligenz dringt in sämtliche Berufsfelder vor. Angst davor zu haben, hilft nicht weiter. Schulungen dagegen schon. Text: Katja Deutsch Foto: Mikhail Nilov/pexels

eine Assistentin Merle schicke ich jetzt in Urlaub – und danach erhält sie eine Umschulung. Ihren Job übernimmt künftig KI.“ Solche Beiträge liest man derzeit häufig auf LinkedIn. Denn viele Aufgaben, die früher Merle erledigt hat, übernehmen inzwischen KI-Tools in einem Bruchteil der Zeit. Merle hat Glück: Ihr Chef ersetzt sie nicht durch Technologie, sondern bildet sie im Umgang mit KI weiter. Die neuen KI-Anwendungen wecken Begeisterung und Sorge zugleich. Mitarbeitende befürchten, dass KI ihre Arbeit überflüssig macht, während Führungskräfte sich davor fürchten, zu zögerlich zu reagieren, falsche Entscheidungen zu treffen und damit das Unternehmen zu gefährden. Diese Ängste sind berechtigt und sollten nicht ignoriert werden. KI wird zweifellos bestimmte Aufgaben automatisieren, schafft jedoch zugleich neue Rollen: für diejenigen, die KI-Ergebnisse interpretieren, steuern und hinterfragen. Die eigentliche Ge-

fahr liegt daher nicht in der Technologie selbst, sondern im Nichtstun. Wer stehen bleibt, riskiert den Anschluss zu verlieren. Unternehmen, die sich nicht mit den Chancen und Risiken von KI auseinandersetzen, laufen Gefahr, in wenigen Jahren nicht mehr wettbewerbsfähig zu sein. Die Europäische Union hat die Bedeutung von KI-Kompetenzen erkannt und 2024 die EU-KI-Verordnung (AI Act, Regulation (EU) 2024/1689) verabschiedet. Ein zentraler Bestandteil ist Artikel 4 zur „KI-Kompetenz“ (AI Literacy), der Unternehmen verpflichtet, ihre Mitarbeitenden mit ausreichendem Wissen im Umgang mit KI auszustatten. Für die Jahre 2025 bis 2027 stellt die EU dafür 1,3 Milliarden Euro für Künstliche Intelligenz, Cloud-Dienste, Cybersicherheit und digitale Weiterbildung bereit. Unternehmen sollten diese Mittel nutzen, um ihre Teams gezielt zu schulen. Doch es reicht nicht aus, lediglich ein paar neue KI-Tools einzuführen. Was heute als innovativ gilt, kann schon in wenigen Monaten veraltet sein. Deshalb ist es entscheidend, nicht nur auf einzelne Anwendungen zu setzen, sondern ein „KI-Mindset“ im Unternehmen zu etablieren. Dieses Mindset bedeutet, zu verstehen, was KI leisten kann und was (noch) nicht, und die

KI wird zweifellos bestimmte Aufgaben automatisieren, schafft jedoch zugleich neue Rollen: für diejenigen, die KI-Ergebnisse interpretieren, steuern und hinterfragen. Technologie nicht als unfehlbare Autorität zu betrachten, sondern ihre Ergebnisse kritisch zu prüfen und verantwortungsvoll einzusetzen.

Führungskräfte sollten die Sorgen in ihren Teams ernst nehmen und in Neugier und Experimentierfreude umwandeln. Mitarbeitende gewinnen so neue Verantwortung, nutzen KI als Co-Pilot und bleiben handlungsfähig, während Führungskräfte künftig nicht nur Menschen, sondern auch Maschinen führen und deren Ergebnisse kontrollieren müssen. Merle, die Assistentin der Geschäftsführung, ist ein gutes Beispiel dafür. Damit sie ihren Job auch in Zukunft behalten und erfolgreich ausüben kann, wird sie kontinuierlich lernen müssen. KI wird Menschen nicht ersetzen, doch Menschen, die mit KI arbeiten, werden diejenigen verdrängen, die es nicht tun.

HCLTech – Partner Content

contentway.de

ARTIFICIAL INTELLIGENCE

Agentic AI erfolgreich skalieren: Investieren, planen, umsetzen

Deutschland hat bei Künstlicher Intelligenz weniger ein Technologie- als ein Skalierungsproblem. Während viele Unternehmen noch mit Pilotprojekten und ersten Anwendungen experimentieren, wächst der Druck, KI tatsächlich produktiv einzusetzen. Denn der Fachkräftemangel ist längst Realität und wird sich weiter verschärfen: Deutschland wird seinen Wohlstand künftig nicht mit mehr Arbeitskräften sichern können, sondern vor allem mit deutlich höherer Produktivität.

gentic AI könnte dabei zu einer der wichtigsten ManagementInnovationen der kommenden Jahre werden. Sie eröffnet Unternehmen die Möglichkeit, Prozesse grundlegend neu zu organisieren, Arbeitskräfte gezielter einzusetzen und Produktivität deutlich zu steigern. Wer diese Potenziale nicht nutzt, riskiert angesichts des zunehmenden globalen Wettbewerbs erhebliche Nachteile bei Kosten, Geschwindigkeit und Innovationskraft. Die Zeit für Experimente allein wird daher knapp: In den kommenden drei Jahren müssen aus KI-Pilotprojekten messbare wirtschaftliche Ergebnisse werden. Dr. Frank Fehler, Executive Vice President und Deutschlandchef von HCLTech, begleitet seit vielen Jahren Transformationsprogramme in internationalen Industrieunternehmen. Er verantwortet u.a. den Ausbau des KI-Geschäfts von HCLTech in Deutschland.

Herr Dr. Fehler, wo schaffen KI-Agenten heute schon nachweisbaren Geschäftswert? Und warum entstehen die größten Effekte in internen Prozessen wie IT Operations, Datenanalyse oder Qualitätsmanagement?

Die größten Effekte sehen wir dort, wo Unternehmen unter Kosten-, Fachkräfteoder Qualitätsdruck stehen: In Softwareentwicklung, IT Operations, Service Management oder datenintensiven Analyseprozessen sind Produktivitätsstei-

Weitere Informationen und die vollständige Studie

gerungen von 20 bis 40 Prozent möglich. Entscheidend ist, wie viel Durchlaufzeit und Kosten sich reduzieren lassen und wie viel gebundenes Expertenwissen sich freisetzen lässt. Jede KI-Transformation sollte deshalb einem klaren Business Case folgen. Was unterscheidet Unternehmen, die Agentic AI erfolgreich skalieren, von denen, die in Pilotprojekten stecken bleiben?

Die erfolgreichsten Unternehmen betrachten Agentic AI als Transformationsprogramm. Sie definieren konkrete wirtschaftliche Ziele, investieren konsequent in Daten, Prozesse und Fähigkeiten und verankern KI in ihrer Unternehmensstrategie. Ihre Studie legt nahe, dass organisatorische und regulatorische Themen ziemlich stark bremsen. Wie könnten Unternehmen Agentic AI produktiver einsetzen?

Wir sollten Technologie als Enabler verstehen. Die größte Hürde liegt meist in der organisatorischen Transformati-

Entscheidend ist, welche Entscheidungen wir Maschinen überlassen und wo der Mensch verantwortlich bleibt.

Dr. Frank Fehler,

Executive Vice President & Deutschlandchef von HCLTech

on: in klarer Governance, Compliance und Verantwortlichkeiten, Datenschutz sowie der Anpassung von Prozessen und Strukturen. Unternehmen sollten deshalb Automatisierungspotenziale identifizieren, klare Regeln schaffen und Change Management frühzeitig mitdenken; und möglichst schnell eine hybride Organisation aus Menschen und digitalen Mitarbeitern auf bauen und skalieren. Können Sie ein konkretes Beispiel aus der Studie vorstellen?

Sehr gerne: Ein Aftermarket-Parts-Sales-Projekt bei einem führenden globalen Nutzfahrzeughersteller zeigt, was mit KI wirklich möglich ist. Wir haben hierbei nicht nur einzelne Prozessschritte optimiert, sondern den gesamten End-toEnd-Prozess neu gedacht: Von der Teileidentifikation und dem Datenabgleich über Margen- und Pricing-Logik bis hin zum Bid Management. Die Ergebnisse sprechen für sich: Zehnmal mehr Sales-Volumen, 300 Prozent mehr gewonnene Ausschreibungen und statt fünf Wochen nur noch fünf Tage für die Angebotsbearbeitung! Für mich zeigt das ganz klar: Der Gamechanger ist, mit KI ganze Geschäftsprozesse neu zu denken, und damit Business Impact in einer völlig anderen Größenordnung zu schaffen.

Weitere Inhalte unter: www.hcltech.com

Der Gamechanger ist, mit KI ganze Geschäftsprozesse neu zu denken, und damit Business Impact in einer völlig anderen Größenordnung zu schaffen. Glauben Sie, dass es irgendwann vollkommen automatisierte Unternehmen geben wird?

Für klar definierte und stark standardisierte Aufgaben: ja. Ich glaube nicht an die menschenleere Organisation. Ich glaube an Unternehmen, in denen ein Mitarbeiter künftig die Arbeit von fünf oder zehn digitalen Agenten orchestriert. Dabei geht es um „Human in Ownership and Control“: Menschen behalten die Verantwortung für Strategie, Governance und ethische sowie rechtliche Fragen, während KI Entscheidungen vorbereitet und Prozesse ausführt. Je autonomer KI wird, desto wichtiger sind Kontrollmechanismen, etwa durch Kontrollagenten. Entscheidend ist, welche Entscheidungen wir Maschinen überlassen und wo der Mensch verantwortlich bleibt. Was sollten Vorstandschefs jetzt konkret tun, wenn sie nicht in der Pilotphase stecken bleiben wollen?

Nicht mit zahlreichen Use Cases beginnen. Wählen Sie zwei oder drei Prozesse, bei denen der wirtschaftliche Effekt klar messbar ist. Definieren Sie vor dem Start Verantwortlichkeiten, Datenzugriff und Erfolgskriterien. Und planen Sie von Tag eins an für Skalierung.

ARTIFICIAL INTELLIGENCE

Wenn der Shop berät E- C O M M E RC E

Onlinehandel war schon immer bequem. Mit KI soll er nun auch noch wissen, was wir suchen – manchmal sogar, bevor wir selbst ganz sicher sind. Text: Thomas Soltau Fotos: Vitaly Gariev/unsplash, Getty Images/unsplash+

er online Schuhe kaufen will, braucht mitunter erstaunlich viel Ausdauer. Größe wählen, Bewertungen lesen, Preise vergleichen, zurück zur Suche. Oder doch ein anderes Paar? Künstliche Intelligenz verspricht, aus diesem digitalen Hindernislauf einen kurzen Spaziergang zu machen. Der Shop der Zukunft zeigt nicht mehr nur Regale. Er berät. Das betrifft einen riesigen Markt. Nach aktuellen Zahlen des Statistischen Bundesamtes haben 2025 bereits 85 Prozent der Internetnutzer zwischen 16 und 74 Jahren in Deutschland online eingekauft. Damit liegt Deutschland über dem EU-Durchschnitt von 78 Prozent. KI trifft also nicht auf eine kleine technikbegeisterte Kundschaft, sondern auf einen längst etablierten Einkaufsalltag. Ihre Rolle verändert sich gerade erheblich. Empfehlungsalgorithmen kennen Onlinekunden schon lange. Generative KI kann dagegen Fragen verstehen, Produkte erklären und bei der Auswahl helfen. Die nächste Stufe sind digitale Einkaufsagenten: Sie suchen nach vorgegebenen Kriterien, vergleichen Angebote und schlagen passende Produkte vor. Aus „Zeig mir schwarze Sneaker“ könnte werden: „Finde mir bequeme schwarze Sneaker unter 120 Euro, die bis Freitag da sind.“ Die Suchleiste be-

Aus Beratung darf keine unsichtbare Manipulation werden. Der beste KIVerkäufer wäre wohl einer, der auch einmal sagt: Das brauchen Sie eigentlich nicht. kommt gewissermaßen einen Job. Auch hinter den Kulissen verändert KI den Handel. Sie kann Nachfrage prognostizieren, Sortimente steuern, Produktbeschreibungen erstellen oder Kundenanfragen bearbeiten. Dass Händler darin mehr als Spielerei sehen, zeigt eine Bitkom-Erhebung: 61 Prozent betrachten KI als Wettbewerbsvorteil. Besonders spannend wird die Beziehung zum Kunden. Je besser Systeme Vorlieben verstehen, desto individueller können Shops reagieren. Das kann die Suche verkürzen und Fehlkäufe vermeiden. Es kann aber auch nerven. Wer einmal nach einer Gartenliege gesucht hat, möchte schließlich nicht den ganzen Sommer von Gartenmöbelwerbung verfolgt werden. Damit rückt Vertrauen ins Zentrum. Personalisierung braucht Daten. Kunden sollten wissen, warum ihnen etwas empfohlen wird und was mit ihren Informationen geschieht. Aus Beratung darf keine unsichtbare Manipulation werden. Der beste KI-Verkäufer wäre wohl einer, der auch einmal sagt: Das brauchen Sie eigentlich nicht. Für Händler liegt genau darin die Chance. KI kann Einkaufen einfacher

machen und Prozesse verbessern. Sie ersetzt aber weder ein gutes Sortiment noch faire Preise oder verlässlichen Service. Schlechter Handel wird durch einen Algorithmus schließlich nicht besser. Er wird höchstens schneller schlecht. Der E-Commerce steht damit vor einer neuen Phase. Bislang mussten Menschen lernen, wie man in digitalen Shops sucht. Künftig lernen Shops zunehmend, wie Menschen suchen. Entscheidend wird sein, ob sich das wie guter Service anfühlt – oder wie ein

Verkäufer, der einem durch den ganzen Laden hinterherläuft.

KI kann Einkaufen einfacher machen und Prozesse verbessern. Sie ersetzt aber weder ein gutes Sortiment noch faire Preise oder verlässlichen Service.

ADVERTORIAL

Artificial Intelligence kann alles. Aber kann sie auch Handel? Hunderttausende Produkte, Millionen Kunden

mehr Gründe für einen Besuch bieten. AI-

Hinzufügen zum Warenkorb im Vergleich zu

über Dutzende Märkte hinweg und Kaufent-

Empfehlungen, Virtual Try-On und zielgrup-

klassischen Studiobildern. „Wenn Content

scheidungen, die im Sekundentakt fallen. Der

penspezifischer Fashion-Content schaffen

nicht mehr das Nadelöhr ist, können Marken

Onlinehandel ist Komplexität in Echtzeit und

neue Erlebnisse. AI-Übersetzungen und

stärker variieren, testen und optimieren. Mit

damit ein Stresstest für neue Technologien.

autonome Storefront-Entwicklung reduzieren

mehreren Bildersets pro Produkt sehen wir

„Nur mit einem Prompt kann AI inzwischen

Komplexität. „Unsere Expertise gibt Orientie-

Potenzial für bis zu 20 % mehr Verkaufs-

fast jede Problemstellung im eCommerce

rung. Wir sehen, wie sich Suchen, Entschei-

volumen“, sagt Jansen.

adressieren. In unserer Branche liegt die

den und Kaufen verändern, und bringen das

Herausforderung längst nicht mehr in den

Wissen direkt in Features ein, die Marken und

Neben ABOUT YOU nutzen mehr als

Möglichkeiten, sondern darin, sie sinnvoll

Händler brauchen“, sagt Jansen.

100 Marken SCAYLE STUDIOS, darunter

zu ordnen. Innovation braucht Fokus“, sagt

s.Oliver Group, Betty Barclay Group und

Julian Jansen, VP SCAYLE STUDIOS.

Was, wenn Bilder so schnell entstehen, wie der Handel sie braucht

SCAYLE kennt diese Komplexität aus dem

Ein gefragtes Beispiel dafür löst einen der

eigenen Geschäft. Die Enterprise-Commerce-

hartnäckigsten Engpässe im Fashion- und

Plattform vereint Technologie mit zwölf

Lifestyle-Handel. Der Prozess ist gerade in

Jahren Handelserfahrung von ABOUT YOU

dieser Branche altbekannt: Produkte werden

und der Zalando Group. Rund 350 Online-

angeliefert, Models gecastet, Styling und

Shops etablierter Marken setzen auf SCAYLE,

Setting festgelegt, dann wird geshootet,

darunter Levi‘s®, Harrods, Manchester

ausgewählt, retuschiert und freigegeben.

United, Deichmann, Fielmann und s.Oliver.

SCAYLE STUDIOS, die AI Content Engine von

So fließen Erkenntnisse aus Millionen

SCAYLE, überführt diesen Ablauf in einen

Kundeninteraktionen ins Produkt ein.

AI-basierten Self-Service-Workflow. Ein

Was, wenn AI nicht mehr nur empfiehlt, sondern handelt

Produktfoto genügt, um Model, Styling, Pose

Mit seiner Commerce Engine und AI Content

und Setting zu wählen, Bilder und Videos zu

Engine kombiniert SCAYLE technologische

generieren und weiter zu bearbeiten.

Innovationskraft mit tiefem Handels-Know-

Was, wenn Einkaufen nicht mehr im Online-Shop beginnt Die SCAYLE Commerce Engine liefert die

Goldner Fashion. In 30 Tagen entstanden mehr als 140.000 AI-generierte Outfits.

In drei Klicks anmelden und SCAYLE STUDIOS mit 50 kostenlosen Credits testen:

how. AI gestaltet das Einkaufserlebnis neu –

technologische Grundlage für den digitalen

Entstanden ist die Lösung aus einem Bedarf

doch mit Agentic Commerce kündigt sich die

Handel. Ihre AI-Innovationen richten sich

bei ABOUT YOU. Dort laufen mittlerweile rund

nächste Ära an. Aus AI-Assistenten werden

danach aus, wie Kunden suchen, entscheiden

90 % der eCommerce-Produktionen über AI-

Agenten, die Produkte vergleichen und

und kaufen. Auffindbarkeit, Differenzierung

basierte Workflows. Die Ergebnisse sprechen

Kaufprozesse zunehmend selbst abwickeln.

und Effizienz geben die Richtung vor.

für sich: Mit SCAYLE STUDIOS sanken die

Kontinuierliche Weiterentwicklung treibt das

Produktionskosten um bis zu 90 % und die

Geschäft von SCAYLE an.

Beginnt die Produktsuche über LLMs, bindet

Time-to-Market um mehr als 95 %.

SCAYLE diese als neue Verkaufskanäle an und verbindet sie mit Bezahlung, Fulfillment

Außerdem erzielten mit SCAYLE STUDIOS

und Retouren. Werden Produkte zunehmend

generierte Bilder im A/B-Test mit über

außerhalb des eigenen Online-Shops

500.000 Nutzern 9,2 % mehr Verkaufs-

gefunden und gekauft, muss dieser noch

volumen und eine 5,1 % höhere Rate beim

Mehr über die AI-Innovationen von SCAYLE und die Zukunft des Agentic Commerce erfahren:

ARTIFICIAL INTELLIGENCE

für das nächste Paradigma erschaffen. Für mich ist die Rechenleistung der Maßstab: Wie GPUs die heutige KIWelle ermöglicht haben, könnten QPUs die nächste ermöglichen. Der Wandel findet bereits statt, er verläuft von klassischen über Quantum-Inspired- und hybriden Ansätzen hin zu vollständigem Quantum. Drei Anwendungsbereiche stehen dabei besonders im Fokus: erstens KI-Workloads, die spürbare Effizienzsteigerungen ohne Einbußen bei der Genauigkeit ermöglichen, zweitens Optimierung, vor allem in Logistik, Lieferketten, Routenplanung und Finanzen, und drittens Simulation, besonders in der Wirkstoffentwicklung von Life-Science-Unternehmen. In allen drei Bereichen entstehen bereits heute konkrete Mehrwerte durch QuantumInspired- und hybride Ansätze.

PETER SARLIN

In fünf bis zehn Jahren wird Quantentechnologie die nächste KI-Ära entfesseln

GROSSES INTERVIEW

Peter Sarlin ist Professor of Practice an der Aalto University in Finnland, KI-Forscher, Seriengründer und Unternehmer. Er verbindet wissenschaftliche Exzellenz mit unternehmerischer Umsetzungskraft und verfolgt eine klare Vision: Finnland und Europa zu einem weltweit führenden Ökosystem für Künstliche Intelligenz zu entwickeln. Sein Ziel ist es, die nächste Generation europäischer KI-Unternehmen hervorzubringen, die technologisch führend sind und globale Märkte prägen. Text: Katja Deutsch Foto: Presse

Peter, deine Stiftung Foundation PS ist eine gemeinnützige Initiative, die darauf abzielt, das KI-Forschungsökosystem und die Wettbewerbsfähigkeit Finnlands und Europas zu stärken, indem sie Wissenschaft, Industrie und Politik zusammenbringt. Aber die Politik bewegt sich in Wahlzyklen, KIUnternehmen denken in Quartalen und Forschung dauert oft Jahrzehnte. Wie kann Europa eine langfristige KI-Strategie entwickeln, wenn sich diese Welten in so unterschiedlichen Geschwindigkeiten bewegen?

Das ist eine sehr gute Frage. Ich interessiere mich für Europas Wettbewerbsfähigkeit, Wachstum und Sicherheit – denn ohne Sicherheit spielt beides letztlich keine Rolle. Doch wie können wir sehr wertvolle Technologieunternehmen aufbauen?

Während der letzten 50 Jahre kamen Unternehmen mit einem Wert von über einer Billion Dollar ausschließlich aus den USA. Europa muss deshalb Wissenschaft, Wirtschaft und weitere Akteure zusammenbringen – ähnlich wie vor vielen Jahrzehnten das Silicon Valley. KI wird dabei aus meiner Sicht der Nordstern bleiben, auch wenn sich die technologischen Wellen – QuantenComputing oder Fusion – verändern. Dieser Gedanke war auch der Treiber der Aktivitäten meiner Stiftung. Das erste ELLIS Institute entstand in Tübingen, das zweite in Finnland, wo ich 13 Professuren gestiftet habe. Das Institut verbindet die finnischen Universitäten und ist in weniger als zwei Jahren auf mehr als 50 Professuren gewachsen. Dafür haben wir Top-Forscher von Harvard, Cambridge, Oxford, der ETH Zürich sowie führenden kanadischen und chinesischen Universitäten gewonnen, zudem jeweils mit Finanzierung für ihre Forschungsgruppen. Ausschlaggebend ist, international führende Forschende nach Europa zu holen und ihnen die nötigen Ressourcen zu geben, und gleichzeitig Start-ups, KI-Unternehmen und ambitionierte Moonshots zu fördern. Nur mit einem starken Ökosystem können wir die besten Talente langfristig halten, sonst wandern sie irgendwann ab. Finnland zeigt, wie das funktionieren kann: Die Verbindung von Universitäten, Spitzenforschung und leistungsfähiger Recheninfrastruktur wie LUMI und die AI Factory, die um ihn aufgebaut wurde, schafft für Forschende international äußerst attraktive Bedingungen. Forschung, Universität, Wissenschaft und

Bildung haben mir sehr viel gegeben, deshalb möchte ich etwas zurückgeben. Warum investierst du über die Stiftung so stark in langfristige Grundlagenforschung? Und wie bestimmst du, welche Forschungsrichtungen langfristig relevant bleiben werden?

Ich glaube, dass ich beim Aufbau exzellenter KI-Forschung helfen kann, aber nicht über die Forschungsrichtung entscheiden sollte. Das liegt bei den Universitäten und Forschenden. KI entwickelt sich in Wellen, und wir wissen heute nicht, was in fünf bis zehn Jahren relevant sein wird. Meine Rolle sehe ich vielmehr darin, die Stiftung so zu strukturieren, dass auch begrenzte Spenden Wirkung erzielen. Das ELLIS Institute hat das Ganze möglich gemacht, weil es als co-assoziiertes Institut mit allen finnischen Unis zusammenarbeitet. Die etablierte Marke hat gezeigt, dass sie immer besser darin wird, Top-Talente anzuwerben und zu behalten. Gleichzeitig hat sie sehr anspruchsvolle Qualitätsstandards gesetzt. Du führst nicht nur die Stiftung, sondern baust mit QuTwo auch ein KI-Labor für das Quantenzeitalter auf. Was glaubst du, könnte die Kombination aus KI und QuantenComputing ermöglichen, was KI allein niemals erreichen könnte?

Anfang dieses Jahres haben wir QuTwo gegründet, ein KI-Unternehmen mit Fokus auf das Quantenzeitalter. Mit QuTwo blicken wir fünf bis zehn Jahre nach vorne und möchten damit das führende europäische KI-Unternehmen

Stimmt es, dass du für QuTwo ausschließlich private Investoren an Bord geholt hast?

Ursprünglich hatte ich mich dazu verpflichtet, die ersten Schritte des Unternehmens selbst zu finanzieren. Und ja – trotz des enormen Interesses seitens der Venture-Capital-Fonds haben wir ausschließlich Einzelpersonen an Bord geholt, also Business Angels, darunter Yuri Milner, Tom Stafford und John Lindfors von DST Global, SkypeGründer Niklas Zennström sowie Dieter Schwarz. Darüber hinaus beteiligte sich eine breite Riege hochkarätiger Investoren und führender Unternehmer an der Finanzierungsrunde. Wann erwartest du, dass QuantenComputing einen Durchbruch erreicht?

Ich gehe davon aus, dass es noch fünf bis zehn Jahre dauern wird, bis wir den vollständigen Quantenvorsprung erreichen – also in eine Ära mit Millionen von Qubits vorstoßen. Die eigentliche Herausforderung besteht jedoch darin, herauszufinden, wie wir auf Tausende, Zehntausende, Hunderttausende und letztendlich Millionen von Qubits skalieren können.

Vom Professor und Forscher zum Company Builder rund um KI

2011 gründete Peter Sarlin direkt nach seinem Studium PostScriptum als Founder’s Office mit dem Fokus, KI-Unternehmen aufzubauen und in sie zu investieren. Daraus gingen später Silo AI, NestAI, Foundation PS und QuTwo hervor. Silo AI, Europas größtes privates KI-Labor, wurde 2024 für 665 Millionen US-Dollar an AMD verkauft. Im vergangenen Jahr nahm NestAI 100 Millionen Euro auf, und in diesem Frühjahr sammelte QuTwo 25 Millionen Euro bei einer Bewertung von 325 Millionen Euro ein. Über PostScriptum investiert Peter Sarlin zudem in europäische KI- und Deep-TechStart-ups wie Lovable, ICEYE, IQM und Prior Labs.

contentway.de

A R T I F I C I A L I N T E L L I G EADVERTORIAL NCE 13

Agentic AI: Skalierung braucht Kontrolle Agentic AI verlagert den Fokus von einzelnen Anwendungen auf den verlässlichen Betrieb. Governance, Integration und Transparenz werden damit zentral.

Gastbeitrag von Paul Kurt Haberfellner,

sondern schon in der Architektur. Denn

dabei, diese Kontrollschicht nicht isoliert zu

bei Nagarro

Integration, Sicherheit und Betriebskosten

Betriebsansatzes für Enterprise AI. Nagarro

Co-Founder und Managing Director

Agentische KI (Agentic AI) verändert die Rolle Künstlicher Intelligenz im Unternehmen.

Klassische KI löst seit Jahren klar umrissene Aufgaben wie Prognosen, Fehlererkennung oder Klassifizierung. Generative KI hat das Spektrum auf Sprache, Code, Bilder und

weitere Informationsflüsse ausgeweitet.

Agentic AI geht noch einen Schritt weiter:

Skalierung entsteht dort, wo Governance,

von Anfang an zusammengedacht werden.

Dasselbe gilt für die organisatorische Seite. Wenn sich Rollen, Entscheidungswege

und Arbeitsweisen verändern, müssen die

Menschen, die mit den Systemen arbeiten, früh einbezogen werden. Technisch starke

Lösungen skalieren nicht, wenn sie im Alltag nicht angenommen werden.

Systeme beantworten nicht nur Fragen,

Mit Agentic AI gewinnt dieser Punkt zusätz-

eigenständig aus.

ständig planen und Handlungen auslösen,

sondern planen und führen Arbeitsschritte

Damit steigt auch der Anspruch an den

Betrieb. Ein Proof of Concept kann unter

kontrollierten Bedingungen schnell funk-

tionieren. Im produktiven Betrieb trifft KI jedoch auf gewachsene Unternehmens-

realität. Genau dort entscheidet sich, ob

aus technischer Machbarkeit belastbarer

Nutzen wird. Wenn die Demo funktioniert und der erste Anwendungsfall überzeugt, steigen die Erwartungen. Doch sobald KI

liches Gewicht. Je stärker Systeme eigen-

desto mehr rückt die Frage der Steuerung in den Vordergrund. Organisationen brauchen Klarheit, welche Agenten im Einsatz sind,

auf welche Daten und Systeme sie zugreifen dürfen, nach welchen Regeln sie handeln

und wie sich ihr Verhalten nachvollziehen

lässt. Auch Kosten, Sicherheitsrisiken und Freigaben müssen über zunehmend kom-

plexe KI-Umgebungen hinweg sichtbar und steuerbar bleiben.

in bestehende Abläufe eingebunden wird,

Systemübergreifende Kontrolle

der Antwort. Dann zählen Zugriffsrechte,

eine einzelne Plattform oder ein einzelnes

geht es nicht mehr nur um die Qualität

Freigaben, Systemgrenzen, Kosten und die

Frage, wer für Ergebnisse verantwortlich ist.

Komplexe Systemlandschaften überwinden

Selten liegt das Problem beim Modell selbst. Oft liegen die Hürden im Umfeld, in dem

das Modell arbeiten soll. Daten sind über verschiedene Systeme verteilt, Prozesse

sind nicht sauber aufeinander abgestimmt

und Wissen bleibt in einzelnen Teams oder

Bereichen hängen. KI beseitigt diese Reibung nicht automatisch, sondern übernimmt diese Komplexität. Für Unternehmen entscheidet sich der Erfolg von KI nicht erst im Rollout,

Die Herausforderung ist dabei nicht auf

Modell begrenzt. Unternehmen arbeiten

mit unterschiedlichen Cloud-Umgebungen, Modellen, Frameworks und Werkzeugen.

Governance und Observability sollten deshalb über diese Landschaft hinweg funk-

tionieren. Eine sogenannte Agent Control

Plane kann hier als zentrale Steuerungs- und Governance-Schicht wirken. Sie macht Re-

geln, Zugriffsrechte, Kosten und das Verhalten von KI-Agenten über verschiedene Sys-

teme hinweg nachvollziehbar und steuerbar. Dazu gehören Funktionen wie Richtlinien

und Governance, Identitäts- und Zugriffs-

management, Auditierbarkeit, Kostenkont-

rolle, Monitoring sowie Routing. Wichtig ist

betrachten. Sie ist Teil eines durchgängigen setzt deshalb schon bei der Auswahl geeig-

neter Anwendungsfälle an und begleitet KISysteme über Entwicklung, Orchestrierung und Betrieb hinweg. MosaicOS unterstützt

den strukturierten Aufbau von KI-Agenten, NIA deren Analyse und Optimierung. Die

Agent Control Plane ergänzt diese Fähigkeiten um herstellerunabhängiges Monitoring, Governance und Kontrolle.

Organisation und Technologie im Gleichklang

Diese technische Ebene allein reicht den-

noch nicht. Enterprise AI funktioniert nur,

wenn Systeme, Prozesse, Governance und Menschen gemeinsam weiterentwickelt

werden. Genauso wichtig bleibt die Ver-

antwortung des Menschen. KI kann große

Informationsmengen verarbeiten, Muster erkennen und Entscheidungen vorberei-

ten. Kontextuelles Urteil, die Einordnung von Ausnahmen und die Verantwortung

für Ergebnisse bleiben jedoch beim Men-

schen. Unternehmen können Entscheidungen durch KI unterstützen lassen, doch sie

können die Verantwortung für deren Folgen nicht an ein Modell delegieren. Der Schritt

von einzelnen KI-Anwendungen zu skalierter Enterprise AI ist deshalb kein reines Tech-

nologieprojekt. Es geht darum, die Voraussetzungen für einen verlässlichen Betrieb

zu schaffen und Reibung zwischen Daten,

Systemen, Prozessen und Entscheidungen gezielt zu reduzieren. Erst dann wird aus

technischer Leistungsfähigkeit eine Lösung,

die im Unternehmensalltag tatsächlich trägt.

Mehr Informationen unter: www.nagarro.com

ARTIFICIAL INTELLIGENCE

Die Zukunft gehört den Fragenden KI-AGENTEN

Prof. Dr. Yasmin Weiß ist Professorin für Betriebswirtschaftslehre an der Technischen Hochschule Nürnberg und eine der profiliertesten Expertinnen für die Zukunft der Arbeitswelt. Sie beschreibt, weshalb KI nicht nur Prozesse verändert, sondern auch den Blick auf Arbeit, Führung und Kompetenzen grundlegend neu ordnet. Text: Thomas Soltau Fotos: Presse, Getty Images/unsplash+

Agentic AI trifft auf klassische Unternehmensstrukturen. Was gerät zuerst unter Druck: Hierarchien, Führungsrollen oder das traditionelle Stellenprofil?

Aus Job Security wird Skill Security, so lautet eine Ihrer Thesen. Ist Deutschland auf diesen Perspektivwechsel überhaupt vorbereitet oder halten Unternehmen und Politik noch zu sehr an alten Denkmustern fest?

Wir kommen ja aus einer Zeit – zumindest wenn wir die Zeit nach Ende der Finanzkrise und vor Eintritt der Corona-Pandemie betrachten – in der wir ökonomisch prosperierende Jahre erlebt haben. „Status-quo“Orientierung als Denk- und Verhaltensmuster hat sich in diesen Jahren in vielen Köpfen verfestigt, als könne man Wohlstand festhalten, ohne sich verändern zu müssen. Das funktioniert nicht mehr. Wer zukünftig einen sicheren Job haben möchte, setzt nicht auf einen unbefristeten Arbeitsvertrag als Jobgarantie, sondern auf „Radical Adaptability“. Damit meine ich die Kombination aus Anpassungsbereitschaft, Lernfähigkeit und die Flexibilität, neue Rollen anzunehmen.

Der Fachkräftemangel dominiert die Debatte. Wäre es ehrlicher, künftig weniger über fehlende Menschen und stärker über fehlende Kompetenzen zu sprechen?

Wir werden zukünftig sehr wahrschein-

antwortungsübernahme bei der Zusammenarbeit mit KI gemeint. Zu „Human Agency” gehört auch, dass jeder Mitarbeiter zum „Chief Question Officer” seiner persönlichen „Agent Workforce” wird, die darauf spezialisiert ist, die richtigen Antworten zu geben, während der Mensch die richtigen Fragen stellt.

Prof. Dr. Yasmin Weiß, Professorin für BWL an der Technischen Hochschule Nürnberg

Wer zukünftig einen sicheren Job haben möchte, setzt nicht auf einen unbefristeten Arbeitsvertrag als Jobgarantie, sondern auf „Radical Adaptability“. lich weniger Menschen benötigen, diese jedoch mit mehr Kompetenzen. Eine übergreifende Kompetenz, die für unsere menschliche Zusammenarbeit mit KI besonders wichtig wird, ist „Human Agency“. Damit sind Zielformulierung, Kontroll- und Urteilsfähigkeit, kritisches Denken, ethisches Bewerten und Ver-

In allen der genannten Bereiche wird es durch „Agentic AI“ Veränderung geben. Es macht nämlich wenig Sinn, KI-Agenten in bestehende Workflows zu integrieren. Vielmehr geht es um „Business Process Redesign“, also die Neustrukturierung von Prozessen. Damit verändern sich Hierarchien, Führung umfasst zukünftig auch die Orchestrierung einer agentischen Belegschaft und natürlich verändern sich Stellenzuschneidung und Anforderungsprofile für Menschen. Lebensläufe verlieren an Aussagekraft, während sich Fähigkeiten immer schneller verändern. Brauchen Unternehmen eine völlig neue Vorstellung davon, woran sie Potenzial künftig erkennen?

Wenn es eine „Superkompetenz“ im KI-Zeitalter gibt, dann ist das Lernfähigkeit. Letztere wird wichtiger als zurückliegendes Erfahrungswissen, was sich in Lebensläufen widerspiegelt. Wer deutsche Unternehmen besucht, erlebt unterschiedliche

Viele Menschen haben „Angst“ vor KI in Bezug auf ihre Jobs. Ich sehe derzeit viele Unternehmen, die zu wenig Transparenz darüber schaffen, wie ihre Personalstrategie mit der KI-Strategie verknüpft ist. Realitäten im Umgang mit KI. Welches Muster fällt Ihnen immer wieder auf, obwohl kaum jemand offen darüber spricht?

Psychologisch ist es unmöglich, sich in etwas zu verlieben, vor dem man Angst hat. Viele Menschen haben „Angst“ vor KI in Bezug auf ihre Jobs. Ich sehe derzeit viele Unternehmen, die zu wenig Transparenz darüber schaffen, wie ihre Personalstrategie mit der KI-Strategie verknüpft ist. Damit sagen sie indirekt: „Verliebt Euch in eine Technologie, die das Potenzial hat, Euch zu ersetzen.“ Das kann nicht funktionieren.

Fakten

Weitere Informationen in Prof. Weiß‘ neuem Buch „Was bleibt vom Menschen, wenn die KI übernimmt“ (Campus Verlag), das am 27. August erschienen ist.

ADVERTORIAL

Autonomie mit Leitplanken Fast jedes Unternehmen testet KI – doch zwischen Pilotprojekt und produktivem Einsatz klafft eine Lücke. Eine neue Anwendungsklasse soll sie schließen: die AI-powered Micro App. Agenten übernehmen echte Marketingarbeit, ohne dass Menschen die Kontrolle abgeben.

„Wir lassen das Sprachmodell nie selbst über Compliance entscheiden“, sagt Dr. Bastian Gerhard, Leiter des KI-Innovationszentrums bei Entirely. „Jede folgenreiche Aktion – jeder Versand, jede Budgetänderung – wird vor der Ausführung deterministisch gegen die Richtlinien des Unternehmens geprüft und lückenlos protokolliert.“ Damit wird der EU AI Act vom Bremsklotz zum Bauplan: Transparenz-, Dokumentations- und Kontrollpflichten sind in der Architektur bereits angelegt, statt nachträglich ergänzt zu werden. Der zweite Baustein ist ein Gedächtnis. „Wir bauen kein zweites Data Ware-

Tobias Ackermann, CEO, Entirely

house. Die Kundendaten bleiben, wo sie zu Hause sind – was bei uns wächst, ist die Erfahrung: welche Entscheidung getroffen wurde, warum, und was sie bewirkt hat. Dieses Wissen entsteht in keinem anderen System“, so Gerhard. Jede Entscheidung eines Agenten wird mit ihrer Begründung und ihrem Ergebnis in einem Entscheidungsregister festgehalten. „Agentisches Schließen heißt für uns: Das System begründet eine Entscheidung, beobachtet, was sie bewirkt hat, und beginnt die nächste mit diesem Wissen“, erklärt Gerhard. „Welche Rückgewinnungsaktion welchen Kunden hält, welcher Kanal wann verfängt – dieses Wissen verlässt das Unternehmen nie und macht jede Kampagne besser als die vorherige.“

Dr. Bastian Gerhard, Managing Director, Entirely AI

Für den Standort Deutschland liegt darin eine Chance: Wer Regulierung als Architekturprinzip begreift statt als Hindernis, kann agentische KI schneller und breiter produktiv einsetzen als Wettbewerber, die Kontrolle nachrüsten

Die Marketingorganisation eines Konzerns bedient heute ein Dutzend

müssen oder dabei die Flexibilität hinsichtlich verschiedener Sprachmodelle

Systeme: Planung, Budget, Content, Kampagnen, Analytics. Dazwischen

verlieren. Ackermann beschreibt es als kumulierenden Vorteil: „Das Gedächt-

sitzen Menschen, die Daten von einem Werkzeug ins nächste tragen.

nis beginnt mit der ersten Kampagne zu wachsen. Jeder Monat, den ein

KI-Assistenten beantworten inzwischen Fragen über diese Systeme – die Arbeit selbst aber bleibt liegen. „Der Chatbot war die Pilotphase der KI. Wertschöpfung entsteht erst, wenn die KI durch ein sicheres Betriebssystem einen Job zu Ende bringt und lernt – über alle Systeme hinweg, in einem offenen Ecosystem“, sagt Tobias Ackermann, CEO des MarTech-Unternehmens Entirely. Das Vehikel dafür nennt Entirely die AI-powered Micro App: eine zweckgebundene Anwendung für genau eine Aufgabe – etwa die Rückgewinnung von Kunden nach einer Lieferverzögerung oder die Planung einer Kampagne. Jede App hat eine eigene, auf den Job zugeschnittene Oberfläche, in der Team und Agent zusammenarbeiten, und bündelt drei Stufen von KI: Assistenten, die antworten, Workflows, die auf Ereignisse reagieren, und Agenten, die eigenständig orchestrieren. „Autonomie ist keine Glaubensfrage, sondern eine Stellschraube. Das Unternehmen entscheidet pro Aufgabe, wie sehr die KI den Menschen unterstützt – wichtig ist, dass der Mensch die Kontrolle behält und schneller entscheiden kann.“, so Ackermann. Neu ist das Tempo, in dem solche Apps entstehen. Coding-Agenten schreiben eine Micro App in wenigen Stunden statt in mehreren Wochen – in der Branche hat sich dafür der Begriff „Vibe Coding“ etabliert. Was im Prototyp begeistert, ist im Konzern jedoch ein Risiko: Software ohne Kontrolle über Datenzugriffe und Berechtigungen skaliert nicht. Entirelys Antwort ist ein Betriebssystem für agentisches Marketing: Die Apps bringen kein eigenes Backend mit, sondern laufen auf Entirely OS, das Konnektoren zum bestehenden Martech-Stack, Regelwerk und Protokollierung bereitstellt – betrieben in einer Cloud-Umgebung in Frankfurt.

“

Unternehmen wartet, ist ein Monat Erfahrung, die nie nachträglich entsteht. Wer jetzt anfängt, baut einen Vorsprung auf, den Nachzügler nicht mehr aufholen können.“

Autonomie ist keine Glaubensfrage, sondern eine Stellschraube.

Mehr Informationen über Entirely: www.entirely.com

ARTIFICIAL INTELLIGENCE

Wenn Regeln nicht reichen A U T O M AT I S I E R U N G

Automatisierung arbeitet nach Plan. KI kommt dort ins Spiel, wo feste Regeln nicht mehr genügen. Was beide unterscheidet – und warum sie gemeinsam interessant werden. Text: Thomas Soltau Foto: Getty Images/unsplash+

ine Rechnung kommt per E-Mail. Die Software erkennt den Absender, ordnet sie dem richtigen Vorgang zu und leitet sie weiter. Klingt intelligent, muss es aber nicht sein. Solche Abläufe lassen sich seit Jahren automatisieren. Der Unterschied beginnt dort, wo ein System nicht nur Regeln abarbeitet, sondern Informationen selbst einordnen muss. Klassische Automatisierung folgt Regeln. Wenn A passiert, folgt B. Das ist effizient, aber ungefähr so spontan wie eine Ampel. KI funktioniert anders. Sie kann Muster erkennen und auf Eingaben reagieren, für die nicht jeder Schritt vorher festgelegt wurde. Sie berechnet Wahrscheinlichkeiten und leitet daraus Ergebnisse ab. In Unternehmen treffen beide Welten zunehmend aufeinander. Nach Angaben

des Statistischen Bundesamtes nutzten 2025 bereits 26 Prozent der deutschen Unternehmen ab zehn Beschäftigten KI. Von diesen setzten 27 Prozent die Technologie zur Automatisierung von Arbeitsabläufen oder Entscheidungen ein. KI-Automatisierung ist also keine Zauberkiste. Gemeint ist die Verbindung automatisierter Abläufe mit KI-Systemen, die Inhalte erkennen oder Entscheidungen vorbereiten. Eine klassische Software leitet etwa einen Beleg weiter, wenn bestimmte Bedingungen erfüllt sind. KI kann zuvor erkennen, welche Art von Dokument vorliegt und Informationen herauslesen. Im Kundenservice schickt Automatisierung eine Anfrage an die richtige Abteilung. KI versucht zusätzlich zu verstehen, worum es dem Kunden eigentlich geht. Manchmal vermutlich schneller als der Kunde selbst. Damit wächst das Spektrum automatisierbarer Arbeit. Die OECD zeigt in „Skills in the AI Age“ von 2026, dass KI bestehende Aufgaben automatisieren, aber menschliche Arbeit auch ergänzen kann. Mehr KI bedeutet also nicht zwangsläufig weniger Mensch. Das ist wichtig, denn intelligent bedeutet nicht unfehlbar. Je mehr ein System

KI kann zuvor erkennen, welche Art von Dokument vorliegt und Informationen herauslesen. interpretieren oder entscheiden darf, desto wichtiger werden Kontrolle und klare Zuständigkeiten. Eine falsch gesetzte Regel produziert zuverlässig denselben Fehler. Eine KI kann dagegen durchaus kreativer danebenliegen. Unternehmen sollten deshalb nicht

möglichst viel automatisieren, sondern die richtigen Aufgaben. Standardisierte Abläufe bleiben das Revier klassischer Automatisierung. Sobald Sprache oder wechselnde Situationen ins Spiel kommen, kann KI zusätzlichen Nutzen bringen. Am Ende ist der Unterschied weniger kompliziert, als die Begriffe vermuten lassen. Automatisierung nimmt Menschen Handgriffe ab. KI hilft zusätzlich bei der Einordnung. Gemeinsam können beide Prozesse leistungsfähiger machen. Vorausgesetzt, der Mensch weiß nicht nur, wo der Startknopf sitzt, sondern auch, wann er besser auf Stopp drückt.

Finanz- und Steuerarbeit im KI-Zeitalter T R A N S F O R M AT I O N

Vom Verwalter zum Gestalter: KI schafft neue Freiräume für strategische Wertschöpfung und individuelle Beratung. Text: Julia Butz Foto: Sora Shimazaki/pexels

mmer kowmplexere Regulierungen erfordern höchste Präzision, während gleichzeitig erfahrene Steuerund Finanzfachkräfte nach und nach in den Ruhestand gehen. Zwar rückt junger Nachwuchs nach, doch die Zahl reicht nicht aus, um den steigenden Bedarf zu decken. Diese Entwicklung stellt Steuer- und Finanzkanzleien vor große Herausforderungen: Einerseits müssen sie mit weniger Arbeitskraft steigenden Anforderungen gerecht werden, andererseits droht wertvolles Erfahrungswissen verloren zu gehen. Der Einsatz Künstlicher Intelligenz beginnt genau dort, wo repetitive und fehleranfällige Aufgaben anfallen. Indem diese Aufgaben automatisiert werden, bleibt Steuer- und Finanzexperten mehr Zeit für die Betreuung der Mandanten und die aktive Mitgestaltung von Zukunftsthemen – und der Beruf selbst gewinnt an Attraktivität: KI ermöglicht ihnen, sich auf komplexe Fragestellungen zu konzentrieren und

Wer im Job weniger mit monotoner Datenerfassung und mehr mit strategischen Fragestellungen befasst ist, erlebt das Berufsfeld attraktiver und spannender. innovativ zu agieren; Arbeitsinhalte werden abwechslungsreicher, anspruchsvoller und sinnstiftender. Wer im Job weniger mit monotoner Datenerfassung und mehr mit strategischen Fragestellungen befasst ist, erlebt das Berufsfeld attraktiver und spannender. Mit dem Ausscheiden erfahrener Fachkräfte droht zudem häufig der Verlust von Erfahrungswerten, die in keiner Datenbank stehen. Künstliche Intelligenz setzt genau hier an. Denn neben der Übernahme zeitaufwendiger Routinearbeiten, liegt ein wesentlicher Vorteil der KI in der Fähigkeit, wertvolles Fachwissen digital zu konservieren und verfügbar zu machen. Informationen, Prozesse und Best Practices werden zentral dokumentiert und ausgewertet, sodass sie nicht allein an einzelne Personen gebunden sind. KI-Systeme, die

Workflows, Fälle und Entscheidungen dokumentieren und zugänglich machen, dienen als digitales Gedächtnis. Dadurch reduzieren sich Wissenslücken bei Personalwechseln und die Einarbeitung jüngerer Kollegen wird effizienter. Kanzleien können ihre Expertise langfristig sichern und unabhängig von individuellen Laufbahnen weiterentwickeln – ein entscheidender Wettbewerbsvorteil in Zeiten des Fachkräftemangels. Trotz der Chancen bleiben Fragen offen: Wie transparent und nachvollziehbar sind die Entscheidungen, die KI-Systeme treffen? Woher stammen die Informationen, mit denen die KI ‚gefüttert‘ wurde, auf welche Quellen bezieht sie sich? Was für die generelle Nutzung für private Zwecke gilt, ist für den Finanz- und Steuerbereich für Ver-

trauen und Compliance entscheidend: Unternehmen, Berater und Behörden müssen sicherstellen, dass KI-gestützte Prozesse überprüfbar bleiben und Datenschutzrichtlinien konsequent eingehalten werden. Wie in vielen anderen Branchen und Tätigkeiten gilt: KI wird auch die Finanz- und Steuerbranche nicht ersetzen, aber sie wird sie grundlegend verändern. Effizienzsteigerung und Fehlerreduktion gehören zu den sichtbarsten Vorteilen. Noch entscheidender ist jedoch, dass Fachkräfte durch KI unterstützt werden und mehr Zeit für strategische Beratung und komplexe Fälle haben. Damit wandelt sich die Rolle des Steuerberaters wie auch des Finanzexperten – weg vom reinen Verwalter, hin zum Gestalter.

UiPath – Partner Content

contentway.de

ARTIFICIAL INTELLIGENCE

Von KI-Experimenten zu messbarem Geschäftswert

In den vergangenen Jahren haben viele Unternehmen mit KI experimentiert und gesehen, was die Technologie leisten kann. Nun geht es darum, einen nachhaltigen und messbaren Geschäftswert zu schaffen.

er punktuelle Einsatz von KI reicht dafür nicht. Aufgaben, Entscheidungen und Workflows müssen über die gesamte Organisation hinweg ineinandergreifen. Mitarbeitende, IT-Systeme, Automatisierungslösungen und KI-Agenten übernehmen dabei unterschiedliche Aufgaben. Entscheidend ist, dass ihr Zusammenspiel in einem klar definierten Rahmen koordiniert wird. Unternehmen müssen klar regeln, wer Entscheidungen verantwortet, wie Ergebnisse überprüft werden und der Einsatz von KI gesteuert und kontrolliert wird. Die zentrale Frage lautet daher, wie sich KI sicher, messbar und sinnvoll in den Arbeitsalltag integrieren lässt.

Die Herausforderung fragmentierter KI-Landschaften

Die heutige Mischung aus Automatisierungs- und KI-Tools in Unternehmen ist meist gewachsen und nicht ganzheitlich geplant: Die Finanzabteilung nutzt beispielsweise RPA für die Rechnungsverarbeitung, die IT eine Integrationsplattform, operative Teams arbeiten mit Low-Code-Workflows und der Kundenservice mit einem KI-Chatbot. Jedes dieser Tools kann ein konkretes Problem lösen. In Summe entstehen jedoch schnell Datensilos, separate Workflows, unterschiedliche Governance-Modelle und eine zunehmend komplexe Technologielandschaft. Dadurch steigen Wartungs- und Betriebskosten und der Überblick darüber, wie Arbeit tatsächlich im Unternehmen erledigt wird, geht verloren. Gleichzeitig entstehen neue Risiken, wenn KI-Agenten über Systeme hinweg agieren, ihnen aber wichtige Informationen oder notwendiger Kontext fehlen. Ein KI-Agent kann beispielsweise den nächsten Schritt in einem Prozess erkennen. Um diesen tatsächlich auszuführen, muss er aber möglicherweise auf ein Unternehmenssystem zugreifen, einen automatisierten Workflow anstoßen oder die Entscheidung eines Mitarbeitenden einholen. Fehlt die übergreifende Koordination, kann Arbeit ins Stocken geraten, doppelt ausgeführt werden oder die erforderlichen Kontrollen fehlen. Orchestrierung als koordinierende Ebene

Genau hier setzt das Konzept der Business Orchestration and Automation

Mehr Informationen über UiPath unter: www.uipath.com

Technologies (BOAT) an – ein Begriff, den Gartner für eine neue Kategorie von Unternehmenssoftware verwendet. BOAT-Plattformen verbinden Funktionen wie Prozessorchestrierung, Automatisierung, Integration, LowCode-Entwicklung, intelligente Dokumentenverarbeitung und KI-gestützte Entscheidungsfindung, um deren Zusammenarbeit effizienter zu gestalten. Das Ziel ist mehr Transparenz darüber, wie Arbeit tatsächlich ausgeführt wird, eine klarere Zuordnung von Verantwortlichkeiten und eine einheitliche Grundlage, um den Beitrag von KI und Automatisierung zu konkreten Geschäftsergebnissen zu messen. Orchestrierung in der Praxis

UiPath führt diese Funktionen auf einer gemeinsamen Plattform zusammen: UiPath Maestro™ koordiniert als Orchestrierungsebene die Zusammenarbeit von Systemen, Software-Robotern, KI-Agenten und Mitarbeitenden. In der Praxis erkennt beispielsweise ein KI-Agent, welche Aktion als Nächstes

erforderlich ist. Ein automatisierter Workflow führt diese Aktion aus, ein bestehendes Unternehmenssystem liefert die benötigten Informationen und ein Mitarbeitender prüft oder genehmigt das Ergebnis, wenn menschliches Urteilsvermögen gefragt ist. Sicherheitsund Governance-Kontrollen lassen sich dabei über den gesamten Prozess hinweg anwenden. Das ist entscheidend, denn der Wert von KI wird nicht daran gemessen werden, wie viele KI-Agenten ein Unternehmen einsetzt. Ausschlaggebend ist vielmehr, ob diese Agenten zuverlässig in die bestehenden Abläufe des Unternehmens eingebettet werden können – mit den richtigen Daten, dem notwendigen Kontext, geeigneten Kontrollmechanismen und einer sinnvollen Einbindung des Menschen. Der Gründer und CEO von UiPath, Daniel Dines, argumentiert in seinem Buch „The Work That Remains“, dass die zentrale Herausforderung für den Einsatz von KI in Unternehmen nicht einfach darin besteht, KI-Agenten anzuschaffen. Vielmehr geht es darum, zu verstehen, wie Arbeit tatsächlich erledigt wird, und einen kontrollierten Rahmen zu

Daniel Dines,

Gründer und CEO von UiPath

Daher werden diejenigen Unternehmen die größten Fortschritte machen, die über isolierte KI-Experimente hinausgehen. schaffen, in dem Menschen, Systeme, Automatisierung und KI wirksam zusammenarbeiten können. Daher werden diejenigen Unternehmen die größten Fortschritte machen, die über isolierte KI-Experimente hinausgehen. Sie schaffen die Voraussetzungen für eine koordinierte, verantwortungsvolle und messbare Arbeitsweise – und verankern KI und Automatisierung so im Unternehmen, dass daraus langfristig konkreter Geschäftswert entsteht.

ARTIFICIAL INTELLIGENCE

Wer beherrscht die KI?

Die USA setzen auf freiwillige Standards, China auf staatliche Kontrolle. Was sagt dieser Vergleich über den tatsächlichen Reifegrad der europäischen KI-Governance aus?

AI ACT

Der AI Act gilt als weltweites Regelwerk für Künstliche Intelligenz. Hat Europa damit einen realistischen Ordnungsrahmen geschaffen oder regulieren wir eine Technologie, die uns bereits enteilt ist?

Der AI Act ist ein Ordnungsrahmen für den KI-Einsatz – und nicht der Versuch, den Wettlauf um KI-Modelle zu gewinnen. Das wird leider oftmals missverstanden. Und dieses europäische Ziel ist durchaus realistisch, weil der AI Act Risiken staffelt und damit Rechtssicherheit sowie den dringend notwendigen Mindestschutz für disruptive technologische Innovationen schafft, die mittlerweile allgegenwärtig auf den Markt drängen. Die europäische KI-Regulierung tritt schrittweise in Kraft, während sich leistungsfähige Modelle im Monatsrhythmus weiterentwickeln. Wie aktuell ist der AI Act aus heutiger Sicht noch?

Aus heutiger Sicht ist der AI Act als Prinzipiengesetz durchaus noch aktuell, weil er an Governance ansetzt, nicht an einzelnen KI-Modellgenerationen. Das ist ein seit Jahren bewährtes Prinzip europäischer Technologieregulierung.

Prof. Dr. Dennis-Kenji Kipker, Professor für IT-Sicherheitsrecht an der Hochschule Bremen, Research Director des cyberintelligence.institute

Der AI Act ist ein Ordnungsrahmen für den KI-Einsatz – und nicht der Versuch, den Wettlauf um KI-Modelle zu gewinnen. Die Umsetzung verläuft aber langsamer als die Entwicklung der Modellzyklen, denn alles andere wäre auch nicht wirklich abbildbar. KI wird zunehmend für Cyberangriffe, Deepfakes und automatisierte Manipulation eingesetzt. Wird dieser Aspekt in der aktuellen Regulierung berücksichtigt?

Sicherheitsrisiken wie KI-gestützte Angriffe, Deepfakes und automatisierte Manipulation werden im AI Act zwar mitgedacht, aber nicht allein durch den AI Act gelöst. Hier muss man auch realistisch bleiben: Ein Gesetz allein sorgt nicht zwangsläufig für mehr Cybersicherheit. Die Vermeidung von Missbrauch in der Fläche, wie von Betrug oder Desinformation, bleibt vornehmlich eine Frage von operativen Kontrollen, Plattformregulierung und klassischer Cyberprävention.

Der Vergleich mit den USA und China offenbart unterschiedliche AIGovernance-Logiken: In den USA dominieren sektorale Regeln und freiwillige Standards, politisch teils mit einem deutlichen Fokus auf möglichst großen Innovationsfreiräumen für KI-Entwickler. China hingegen setzt deutlich stärker auf staatliche Aufsicht und restriktive Vorgaben. Europas Ansatz liegt damit verglichen letztlich im Mittelfeld zwischen Innovationsoffenheit und Regulierung. Unternehmen berichten von Unsicherheit bei der praktischen Umsetzung des AI Act. Sind wir regulatorisch weiter als organisatorisch und technisch?

Das kann man nicht per se sagen, denn die Regulierung folgt zwangsläufig der technischen Entwicklung und nicht umgekehrt. Soweit es aber die Umsetzung eben jener „Leitplanken“ zur KI-Entwicklung und Verwendung anbelangt, haben nach wie vor viele Unternehmen die gesetzlichen Anforderungen nicht umgesetzt. Das hat vor allem auch mit der Art zu tun, wie AI gegenwärtig betrieblich integriert wird, nämlich vornehmlich aus der Cloud als Softwareas-a-Service (SaaS)-Lösung. Das führt zum einen dazu, dass die KI-gestützte Wertschöpfung nur sehr begrenzt stattfindet, weil das volle Potenzial der möglichen Anwendungen nicht genutzt wird, und zum anderen dazu, dass es immer wieder an den organisatorischen und strukturellen Basics des KI-Einsatzes fehlt, wie beispielsweise an einer KI-Leitlinie im Unternehmen.

KI muss Wirkung zeigen Fatih Cam, Geschäftsführer von Atos Deutschland und Transformation Officer, über den Weg von KI-Piloten in den Unternehmensalltag. Text: Thomas Soltau Foto: Presse

Fatih Cam, Geschäftsführer, Atos Deutschland und Transformation Officer

Wie kommt KI vom Pilotprojekt in den Alltag? KI kommt nicht per Ansage in den Arbeitsalltag. Sie verändert Arbeit erst dann, wenn Menschen den Nutzen verstehen und sie selbstverständlich einsetzen. Gute Führung muss daher Orientierung geben und den Einsatz von KI vorleben: Wo konkret entsteht Nutzen, welche Entscheidungen unterstützt KI und welche Verantwortung bleibt beim Menschen? Gleichzeitig braucht es Klarheit darüber, wie Mitarbeitende die Veränderung mitgestalten und wofür sie Verantwortung übernehmen. Bei Atos setzen wir auch intern um, was wir unseren Kunden empfehlen. So lernen wir, welche Prozesse wir anpassen müssen, welche Kompetenzen es braucht und wie sich Arbeitsweisen verändern. Woran misst sich eine erfolgreiche KI-Transformation? Ob eine KI-Transformation gelingt, entscheidet sich in der Skalierung. Ein guter KI-Use-Case allein ist noch keine Transformation. Aus einzelnen Anwendungsfällen muss im gesamten Unternehmen messbarer Mehrwert entstehen. KI muss Prozesse beschleunigen, Qualität verbessern und Freiräume schaffen. Darüber hinaus kann KI neue Leistungen, Geschäftsmodelle und Wachstum ermöglichen. Dafür müssen Technologie, Organisation und Menschen zusammenpassen. Als Geschäftsführer von Atos Deutschland ist mein Maßstab nicht die Anzahl der Pilotprojekte, sondern die Wirkung auf unser Geschäft und unseren Unternehmensalltag: höhere Produktivität, bessere Ergebnisse und mehr Wettbewerbsfähigkeit. Daran kann und muss sich KI-Transformation heute und in Zukunft messen lassen.

Ein guter KI-UseCase allein ist noch keine Transformation. Aus einzelnen Anwendungsfällen muss im gesamten Unternehmen messbarer Mehrwert entstehen.

FAST LTA – Partner Content

contentway.de

ARTIFICIAL INTELLIGENCE

Daten unter eigener Regie

Unternehmen wollen KI nutzen, ohne sensible Daten aus der Hand zu geben. Damit rückt digitale Souveränität stärker in den Fokus.

ünstliche Intelligenz kommt in der deutschen Wirtschaft an. Nach aktuellen Zahlen des Statistischen Bundesamtes nutzten 2025 bereits 26 Prozent der Unternehmen ab zehn Beschäftigten KI. Doch mit dem Einsatz wächst die Frage, was mit sensiblen Informationen geschieht. Datenschutz bleibt dabei eine zentrale Hürde: Von den Unternehmen, die den Einsatz von KI bereits erwogen, bislang aber nicht umgesetzt haben, nennen laut Destatis 60 Prozent Datenschutzbedenken als Grund. Gerade bei vertraulichen Unternehmens-, Kunden- oder Forschungsdaten wird deshalb entscheidend, wo Informationen verarbeitet werden und wer darauf zugreifen kann. Eine Antwort darauf sind lokale KISysteme, bei denen sensible Daten das eigene Rechenzentrum nicht verlassen müssen. Auf diesem Prinzip baut auch FAST LTA auf. Das Unternehmen hat seine Wurzeln im Long Term Archiving und entwickelt seit Jahren hochsichere Speicher- und Backup-Systeme. Mit Silent AI überträgt es diese Erfahrung auf lokale KI. CEO Samir Fadlallah spricht über Off-Cloud AI, Datensouveränität und den produktiven Einsatz künstlicher Intelligenz.

letzt muss sich die Investition rechnen. Unternehmen sollten deshalb mit klaren Anwendungsfällen starten und prüfen, wo KI tatsächlich einen Unterschied macht. Gerade in regulierten Branchen ist entscheidend, sensible Daten sicher zu verarbeiten. FAST LTA setzt mit Silent AI auf KI im Rechenzentrum des Kunden. Was ist der Vorteil?

Ein Pilot ist schnell aufgesetzt, bildet aber oft nur einen Bruchteil der Realität ab. Im produktiven Einsatz kommen Fragen zu IT-Sicherheit, Datenschutz und Regulierung hinzu. Und nicht zu-

Die Daten bleiben vollständig unter der Hoheit des Unternehmens. Silent AI kann isoliert im eigenen Rechenzentrum betrieben werden, sodass sensible Informationen das eigene Netzwerk nicht verlassen. Entstanden ist die Lösung auch aus dem Bedarf langjähriger Kunden, die uns bereits seit Jahren kritische Daten anvertrauen und diese sicher mit KI nutzen wollten. Das erleichtert zugleich den Umgang mit DSGVO, EU AI Act und branchenspezifischen Vorgaben. Hinzu kommen kalkulierbare Kosten: Statt verbrauchsabhängiger Tokenkosten erwerben Kunden eine Appliance und können die Nutzung schrittweise ausbauen.

Samir Fadlallah,

Unternehmenswissen liegt häufig in unterschiedlichen Systemen. Wie macht Silent AI Enterprise Search es nutzbar?

Viele Unternehmen testen KI, doch der Schritt in den produktiven Einsatz fällt schwer. Woran liegt das?

CEO von FAST LTA

Regulierung ist für Unternehmen zunächst eine Herausforderung, kann aber auch ein Vertrauensanker und sogar ein Exportargument sein.

Unternehmen können eigene Daten aus verschiedenen Quellen einbinden, etwa Dokumente oder E-Mail-Postfächer, und anschließend mit diesen Informationen chatten. Entscheidend ist, dass wir die Rechte der jeweiligen Quellsysteme übernehmen. Nutzer sehen also nur Informationen, auf die sie ohnehin zugreifen dürfen. Das Allgemeinwissen des Sprachmodells kann standardmäßig ausgeschaltet werden. Kann eine Frage

Weitere Informationen über FAST LTA unter: www.fast-lta.de

Die Daten bleiben vollständig unter der Hoheit des Unternehmens. mit den Unternehmensdaten nicht beantwortet werden, gibt das System keine Antwort. So reduzieren wir das Risiko von Halluzinationen erheblich. Welche Möglichkeiten bietet Silent AI Pro, wenn die Anforderungen im Unternehmen wachsen?

Silent AI Pro ist eine komplette lokale KI-Arbeitsumgebung mit Projekten, Skills und Agenten. Weil wir Software und Hardware selbst entwickeln, können wir die Appliance passend zum Bedarf konfigurieren. Ein kleineres Unternehmen kann beispielsweise mit einer GPU und einem kleineren Modell starten. Steigt der Bedarf, lässt sich

das System später mit weiteren GPUs aufrüsten. Unternehmen müssen also nicht von Beginn an eine Infrastruktur für den maximalen Bedarf anschaffen. Kann Europas Fokus auf Datenschutz und digitale Souveränität im KI-Wettbewerb zum Vorteil werden?

Ich glaube schon. Regulierung ist für Unternehmen zunächst eine Herausforderung, kann aber auch ein Vertrauensanker und sogar ein Exportargument sein. Gerade in regulierten Branchen spielen Datensicherheit und Datenschutz auch außerhalb Europas eine große Rolle. Gleichzeitig darf Regulierung den technologischen Fortschritt nicht ersticken. Wir sehen bei unseren Kunden ein deutliches Umdenken: Sensible Daten und das unternehmenseigene Wissen sollen zunehmend in der eigenen Hoheit bleiben. Genau dafür haben wir Silent AI entwickelt.