AI-Transformation (1): Zunftssichere Technologien als Fundament

Seit geraumer Zeit beschäftigt mich eine Frage, die mich nicht loslassen will: Warum gelingt es manchen Unternehmen, aus ihren Data- & AI-Initiativen echten Geschäftswert zu ziehen, während andere trotz vergleichbaren Budgets und Technologie auf der Strecke bleiben?

Diese Frage ist heute drängender denn je. Mit autonomen KI-Systemen bzw. „Agentic AI“ verschiebt sich der Anspruch: Es geht nicht mehr nur darum, Daten verfügbar zu machen oder Berichte zu bauen, sondern selbstständig handelnde Anwendungen mit allen Chancen und Risiken, in Geschäftsprozesse einzubetten.

Gescheiterte Projekte zeigen ein Muster

Zwei Beispiele aus dem Handel verdeutlichen, wie schnell ambitionierte Datenprojekte an der Realität scheitern können. Der Süßwarenhersteller Haribo migrierte 2018 sein jahrzehntealtes Warenwirtschaftssystem auf SAP S/4HANA. In der Folge kam es zu Lieferengpässen und der Umsatz mit den bekannten Goldbären brach um rund ein Viertel ein (Quelle). Der Lebensmitteldiscounter Lidl wiederum stellte nach sieben Jahren und einer Investition von rund 500 Millionen Euro ein groß angelegtes SAP-Logistikprojekt vollständig ein, weil sich die Standardsoftware nicht mit vertretbarem Aufwand an die gewachsenen Geschäftsprozesse anpassen ließ (Quelle).

Um mit KI-Agenten geschäftliche Mehrwerte erzielen zu können, müssen Unternehmen diverse Aspekte beachten. Den Anfang macht eine technologische Plattform, die den KI-Einsatz schon bei der Planung einbezieht. (ORAYLIS)

Beide Fälle betrafen klassische Einführungen von Unternehmenssoftware, keine Projekte mit KI-Agenten im engeren Sinne. Aber die Muster, die zum Scheitern führten, stimmen mit jenen überein, die über den Erfolg oder Misserfolg von KI-Initiativen entscheiden:

• Die Auswahl der richtigen Technologieplattform
• Die Breitschaft, bestehende Prozesse neu zu denken
• Ein konsequentes Change Management

Dies bestätigt nicht nur meine eigene Projekterfahrung und Analyse zahlreicher Transformationen. Auch das aktuellen Standardwerk „Rewired“ von Eric Lamarre und seinen McKinsey-Kollegen verweist darauf. Daher möchte ich diese drei Erfolgskomponenten in einer Blog-Serie näher beleuchten. Den Anfang soll dabei das Fundament machen – nämlich die erforderliche Technologie.

Aufbau einer moderne Data & AI Plattform

Die richtige Technologie bildet die Grundlage, auf der neu gedachte Prozesse und eine veränderte Organisation erst ihre Wirksamkeit entfalten. Wobei eine Plattform, die „nur“ Daten verfügbar macht, nicht mehr ausreicht. Vor dem Hintergrund einer zukunftssicheren AI-Transformation sollte der Einsatz selbstständig handelnder KI-Systeme gleich mitgedacht werden.

Anforderungen an eine zukunftssichere technologische Plattform für die AI-Transformation.

Aus meiner Sicht muss eine zukunftssichere Data & AI Plattform sechs Anforderungen erfüllen. Als Referenz nutze ich einen Databricks-Ansatz, mit dem wir bei ORAYLIS täglich arbeiten:

1. Einheitliches Regelwerk: Jede Data- & AI-Initiative steht und fällt mit der Frage, wer welche Dinge nutzen darf. Deshalb benötigt eine moderne Data- & AI-Lösung eine Verwaltungsschicht, über die sich der Zugriff auf Daten, KI-Modelle, und Auswertungen zentral steuern lässt. Bei einer Databricks-Plattform nimmt der Unity Catalog diese Aufgabe war. Über ihn lassen sich einheitliche Zugriffsrechten und eine lückenloser Nachvollziehbarkeit vergangener Änderungen abbilden. Ebenso liefert er eine verständlichen Beschreibung zur Bedeutung von spezifischen Daten. In 2024 hat Databricks den Unity Catalog als offenen Standard veröffentlicht, damit Unternehmen nicht an einen einzelnen Anbieter gebunden sind und ihre Daten flexibel mit unterschiedlichen Werkzeugen nutzen können.
2. Offene Architektur: Eine zukunftssichere Plattform muss offene, herstellerunabhängige Datenformate unterstützen, statt Unternehmen fest an ein geschlossenes System zu binden. Das schafft Wahlfreiheit bei den verwendeten Werkzeugen und schützt Investitionen, wenn sich Technologien weiterentwickeln – ein Aspekt, der angesichts der Geschwindigkeit, mit der sich das KI-Umfeld aktuell verändert, kaum hoch genug gewichtet werden kann
3. Zentrale Datenbasis: Die Aufbereitung großer Datenmengen, klassische Auswertungen und das Streaming von Echtzeitdaten laufen in vielen Unternehmen noch in getrennten Systemen mit eigenen Datenkopien. Das erzeugt Reibung, Kosten und widersprüchliche Zahlen. Eine moderne Plattform führt die gesamte Verarbeitung – von den Rohdaten bis zu fertig aufbereiteten, geschäftsrelevanten Erkenntnissen – an zentraler Stelle in einer sogenannten Single Source of Truth zusammen. So arbeiten IT, Fachanalysten und Data-Science-Teams jederzeit mit denselben, vertrauenswürdigen Daten, statt Insellösungen aufwändig zu pflegen.
4. Standardisierte KI-Entwicklung: Damit sich KI-Agenten produktiv und sicher in Geschäftsprozesse einbetten lassen, braucht es standardisierte Werkzeuge, die auf denselben Regeln und derselben Datenbasis aufsetzen, wie der Rest der Plattform. Hierzu zählen Tools, um KI-Modelle bereitzustellen, unternehmenseigenes Wissen inhaltlich zu durchsuchen, den KI-Einsatz unternehmensweit zu kontrollieren und spezialisierte Agenten für einzelne Aufgaben einzurichten. Die Databricks-Plattform stellt für diese Aufgaben beispielsweise Agent Bricks, Unity Gateway und Genie zur Verfügung.
5. Befähigung der Fachbereiche: Eine Plattform, die sich nur von einem zentralen IT-Team bedienen lässt, wird zum Flaschenhals. Unternehmensinterne KI-Assistenten schaffen Abhilfe. Fachbereiche können dadurch in natürlicher Sprache sowie innerhalb bestehender Regeln und Zugriffsrechte die Unternehmensdaten eigeninitiativ befragen. Das reduziert die Abhängigkeit von der IT und beschleunigt Entscheidungen, ohne die Kontrolle zu verlieren.
6. Sicherheit und Kontrolle: Wenn KI-Systeme zunehmend eigenständig handeln, werden Zugriffskontrollen, Verschlüsselung, lückenlose Nachvollziehbarkeit und Kostenkontrolle zu fundamentalen Themen, die von Anfang an in die Plattform-Planung einbezogen werden müssen. Sie bilden die Voraussetzung für Vertrauen bei internen Nutzenden wie auch Kunden und Aufsichtsbehörden.

Fazit

Die Anforderungen zeigen, dass die Wahl der Plattform keine rein technische Entscheidung ist, sondern in vielerlei Hinsicht strategisch getrieben wird. Sie legt fest, wie schnell ein Unternehmen von der ersten Idee zu einem produktiven, unternehmensweit skalierbaren KI-Agenten kommt – und wie sicher dieser Weg ist. Doch selbst die beste Plattform entfaltet keine Wirkung, wenn die Prozesse, die sie unterstützen soll, unverändert bleiben. Darum geht es im zweiten Teil.

ORAYLIS unterstützt Unternehmen ganz unterschiedlicher Größen und Branchen bei der KI-Transformation auf Grundlage zukunftssicherer Data & AI Plattformen. Wir begleiten Sie von der strategischen Planung über die Umsetzung bis zur Produktivsetzung. Dabei ist die konkrete Lösung genau auf Ihr Geschäft und Ihre Anforderungen angepasst. Kontaktieren Sie uns gerne.