KI für Unternehmen – Potenziale, Hürden und Best Practices bei der Implementierung

In diesem Artikel lesen Sie,

• wie Sie von KI profitieren können,
• welche Einsatzszenarien sich herauskristallisieren und
• wie Sie in nur einem Monat eigene KI-Skills entwickeln und eine eigene KI einführen.

Warum warten? Die Mehrwerte von Künstlicher Intelligenz (KI) für Unternehmen liegen auf der Hand. Wer jetzt seine KI-Skills erweitert, schafft Wettbewerbsvorteile – denn viele Unternehmen zögern immer noch. KI entlastet Mitarbeiter und erhöht die Mitarbeiterproduktivität. Sie ist ein Gegenmittel für den grassierenden Fachkräftemangel und erlaubt völlig neue Möglichkeiten, um Unternehmensprozesse automatisch und autark zu gestalten.

Künstliche Intelligenz (KI) beflügelt die Business-Fantasie. Das bestätigt u.a. die Studie „Künstliche Intelligenz in Deutschland“, die der Bitkom 2024 veröffentlicht hat. Laut ihr betrachten 73 Prozent der deutschen Unternehmen KI als wichtigste Zukunftstechnologie. Etwa genauso viele Unternehmen sehen die Technologie als Chance. Drei von vier Unternehmen setzen also auf KI. Theoretisch. In der Zukunft.

KI hat sich in den letzten Monaten gemausert. Mit vortrainierten und frei verfügbaren LLMs (Large Language Modelle) haben sich die Einstiegshürden für den Einsatz von KI deutlich gesenkt. Mit LLMs bekommt die Künstliche Intelligenz für Unternehmen eine neue Basis: Statt aufwändiger Trainings für spezifische Modelle können mit wenigen Handgriffen Standard-Aufgaben im Wissensmanagement an KIs ausgelagert werden. Das erhöht die Produktivität von Mitarbeitenden, die mehr Freiräume für höherwertige Tätigkeiten erhalten.

Künstliche Intelligenz für Unternehmen kann vor allem helfen, große Datenquellen zu beherrschen. Sie übernehmen Recherchen, erstellen Management-Zusammenfassungen und stellen passende Informationen bereit. Fallen diese Aufgaben regelmäßig an, können sie durch KI auch automatisiert wahrgenommen werden.  

Eng verwandt mit Recherchen in unstrukturierten und kontinuierlich veränderlichen Datenquellen sind Datenanalysen. Passende KIs können auch numerische Daten erfassen und auswerten. Die Natur der Analysen kann retrospektiv sein, aber auch prädiktive Modellierungen erhalten mit KIs neue Impulse. Manager erhalten auf dieser Datenbasis höhere Transparenz und können bessere Entscheidungen fällen. 

Künstliche Intelligenzen können Unternehmen bei der Entwicklung neuer Produkte und Dienstleistungen unterstützen. Im Automobilumfeld beispielsweise erzeugen KIs Wettbewerbs- und Marktanalysen. Prinzipiell werden auch hierbei verfügbare externe und interne Daten analysiert. Diese beantworten zentrale Fragen der Produktentwicklung: Welche Services werden von Automobilnutzern nachgefragt? Was dürfen diese kosten? Welche Neuerungen verfolgen Wettbewerber?  

Immer häufiger werden Künstliche Intelligenzen in Unternehmen als Service-Bots eingesetzt. Sie entwickeln sich damit zu einer tragfähigen Alternative zu Service-Hotlines. Während Nutzer bei Letzteren häufig längere Zeit in Warteschlangen verbringen, stehen digitale Assistenten rund um die Uhr und sofort nach dem ersten Klingeln zur Verfügung. Mit den entsprechenden Kontext-Informationen können sie spezifische Kundenfragen beantworten und sogar Unternehmensprozesse anstoßen. So können KI-Chatbots beispielsweise bei Krankenkassen Standardprozesse wie den Ersatz verlorener Krankenkassenkarten vollständig automatisch abwickeln. Damit steigt das Nutzer-/Kundenerlebnis – ein klares Wettbewerbs-Plus. 

„Es gibt verschiedene Wege, mit denen KI für Unternehmen eingeführt werden kann“, erläutert Marco Bensch, Partner bei der Technologieberatung Detecon, „die Implementierung erfordert Fachwissen, Erfahrung und eine klare strategische Ausrichtung“. Unternehmen, die, wie auch in anderen Technologien, wenig bis gar keine eigene Expertise haben, erkennen zwar die Potenziale, finden aber mitunter keinen Ansatzpunkt, mit KI praktisch durchzustarten.  

Detecon sieht vier zentrale Herausforderungen beim Einstieg in KI für Unternehmen:

Ist KI nur ein Hype? Wie viel kann sie wirklich leisten? Kann sie heute schon helfen? Viele Unternehmen sehen KI als komplexes Thema. Sie wissen nicht, wo sie beginnen sollen. Für den Start sind vor allem zwei Aspekte maßgeblich: Das Unternehmen muss relevante Anwendungsfälle identifizieren und ein klares Bild über deren Auswirkungen entwickeln. 

Wie schnell lässt sich KI einführen? Wie schnell veraltet die Lösung? Wie lässt sich eine hohe Rendite sicherstellen? Klar ist, dass KI Investitionen in verschiedene Ressourcen benötigt: für Betrieb und Entwicklung, den Aufbau von Skills oder Tools. Aber welche Entwicklungs-Tools sind die richtigen? Welche werden sich in den für mich relevanten Domänen weiterentwickeln, welche werden vom Markt verschwinden?

Welche Anbieter, welche Angebote passen zu uns? Wie bekommen wir die beste Lösung für unser Geld? Der Markt ist unübersichtlich: Manche Angebote bieten Komplettlösungen, manche sind nur Puzzleteile. Manche decken viele Einsatzmöglichkeiten ab, manche nur wenige. Dafür liefern letztere aber womöglich bessere Ergebnisse. In diesem turbulenten Markt die Übersicht zu behalten, ist ein Erfolgskriterium für Unternehmen, die KI implementieren wollen. Neben der Auswahl oder dem Design der richtigen Lösung gilt es auch, im Auge zu behalten, wie die KI in die Unternehmens-IT integriert werden kann und wo sie betrieben wird. Zusätzliche Medienbrüche und Multi-Cloud-Umgebungen erhöhen die Komplexität und behindern die Skalierbarkeit von KI.

Wie schützen wir Daten, wenn wir KI einführen? Wie gelingt es uns, rechtliche Vorschriften einzuhalten? Neue Technologien, besonders solche, die schwer zu verstehen sind, erzeugen Rechtsunsicherheit. Was nutzt die beste KI-Lösung, wenn sie wegen Datenschutzverletzungen nicht eingesetzt werden kann? KI-Modelle müssen auf unvoreingenommenen, hochwertigen Daten trainiert werden. Gleichzeitig müssen derart hochwertige Daten aus dem eigenen Haus geschützt werden. KI-Governance erfordert Audits, Compliance-Teams und menschliche Aufsicht.

Die obige Bitkom-Studie bestätigt u.a. auch den Einfluss, den Regulierung auf den Einsatz von KI hat. Als größte Hindernisse nennen KI-Nutzer: rechtliche Einschränkungen für den Einsatz, Datenschutz und rechtliche Unklarheiten. Auch interessant in diesem Zusammenhang: 84 Prozent der Nutzer generativer KI halten es für wichtig, woher der Anbieter kommt. Besonders groß ist der Wunsch nach einem deutschen Anbieter: 86 Prozent der befragten Unternehmen, denen der Standort des Anbieters wichtig ist, würden einen Anbieter aus Deutschland bevorzugen, wenn sie KI implementieren.

Der einfachste Weg, mit geringem eigenem Know-how in KI einzusteigen: Der Einsatz eines erfahrenen Partners, der das Umfeld kennt – die Technologie, die Business-Möglichkeiten und die Anbieterlandschaft. Mit dem KI-Fast-Track-Programm haben Detecon und die Open Telekom Cloud ein derartiges Angebot initiiert. Mit ihm können Unternehmen schnell und zielorientiert KI einführen.

Das KI-Fast-Track-Programm begleitet KI-Einsteiger von der Idee bis zur Realisierung. Es entwickelt nicht nur Strategien, sondern geht den kompletten Weg bis hin zu einem echten, operativen KI-Service. Ein klarer Fahrplan, verwandelt KI-Konzepte in operative Lösungen. Der strukturierte Ansatz priorisiert KI-Möglichkeiten auf der Grundlage von Geschäftsauswirkungen, Kosten und Risiken – der optimale Weg, um KI für Unternehmen zu erschließen und eigene Erfahrung zu sammeln. Am Ende steht ein MVP (Minimum Viable Product), das zum einen den Beweis für die technische Realisierbarkeit in einer skalierbaren und souveränen Cloud-Plattform erbringt und zum anderen den geschäftlichen Nutzen für einen relevanten KI-Anwendungsfall veranschaulicht.

Damit entsteht aus einem Konzept ein funktionaler Prototyp, mit dem die Machbarkeit vor der vollständigen Implementierung getestet werden kann. Das MVP wird auf der Open Telekom Cloud implementiert. Sie bietet GDPR-Compliance, EU-basierten Betrieb, starke Sicherheitsstandards, Open-Source-Flexibilität und KI/ML-Fähigkeiten auf Unternehmensniveau. Diskussionen um Compliance-Fragestellungen entfallen durch den Einsatz der souveränen Cloud. So entsteht in nur wenigen Wochen ein KI-Service.

Detecon hat schon viele Kunden im Rahmen der Methodik zu eigenen Lösungen begleitet. Ein Beispiel aus dem Telekommunikationsumfeld veranschaulicht das Vorgehen. Der Fast-Track-Kunde entwirft und installiert Telekommunikationsprodukte bei seinen Kunden vor Ort und arbeitet dabei eng mit Generalunternehmern zusammen.

An diesem Prozess sind mehrere Akteure beteiligt, darunter Kunden, Auftragnehmer und interne Mitarbeiter, die jeweils ihre eigenen Aufgaben und Fragen haben. Im Laufe der Projekte sehen sich alle Beteiligten mit zahlreichen, oft sehr spezifischen Fragen zu Planung, Installation und Koordination konfrontiert. Um diese Fragen zu beantworten, müssen die Benutzer auf eine Vielzahl von technischen Datenquellen zugreifen, von denen viele unterschiedlich strukturiert sind und branchenspezifische Terminologie enthalten. 

Das Resultat waren erhebliche Ineffizienzen: Die Informationsbeschaffung war langsam und in hohem Maße abhängig von individuellem Wissen oder manueller Unterstützung. Das Fehlen einer zentralen, benutzerfreundlichen Oberfläche machte den Prozess fehleranfällig und schwer skalierbar. Der Kunde benötigte eine Möglichkeit, den Zugriff auf Informationen zu vereinheitlichen und diese in einem einfachen, intuitiven Format, idealerweise in natürlicher Sprache, anzubieten.

Detecon setzte auf ihren strukturierten End-to-End-AI-Bereitstellungsprozess, um KI für das Unternehmen einzuführen. Hierbei identifizierten die Projektpartner die wichtigsten Anwendungsfälle, bezogen die Stakeholder ein und definierten auf dieser Basis die technischen und geschäftlichen Anforderungen. 

Das Herzstück der Lösung war ein erster Prototyp auf Basis eines Large Language Models, der als autonomer Agent eingesetzt wird. Dieser Agent kann natürliche Spracheingaben interpretieren, API-basierte Abfragen an verschiedene Quell-Systeme stellen und die Ergebnisse zu klaren, benutzerfreundlichen Antworten zusammenfassen. Der KI-Agent unterstützt so reale Anwendungsfälle verschiedener Benutzergruppen. Er automatisierte die Informationsbeschaffung unter Beibehaltung der Kontextrelevanz und Genauigkeit.

Dieser erste Prototyp erlaubt den Mitwirkenden in den Telko-Projekten, komplexe operative und technische Fragen in natürlicher Sprache zu stellen. Das System antwortet in Echtzeit und zieht dazu Informationen aus mehreren Quell-Systemen, ohne dass Benutzer sich durch den Wust der Daten und Dokumente wühlen müssen.

Die Zentralisierung aller prozessrelevanten Daten in einer einzigen Oberfläche schafft die Arbeitsbasis für den KI-Agenten. Es kann komplexe Anfragen schnell, konsistent und mit minimalem manuellem Aufwand bearbeiten. Die vollständig automatisierte Struktur macht wiederkehrende Support-Aufgaben überflüssig und reduziert den Gesamtzeitaufwand für den Zugriff auf projektkritische Daten.

Der erste Prototyp wurde in nur zehn Wochen geliefert. Er automatisiert routinemäßige Informationsaufgaben und reduziert den manuellen Aufwand. Interne Teams und externe Partner haben nun ein höchst benutzerfreundlicheres und einfach zu nutzendes Werkzeug, um ihre Arbeit zu unterstützen. Mit diesem ersten Schritt in Richtung KI-gesteuerter Abläufe legte der Kunde den Grundstein für eine umfassendere Automatisierung, Wissensmanagement und verbesserte Zusammenarbeit in seinem gesamten Ökosystem.