Künstliche Intelligenz tritt in eine neue Anwendungsphase ein, und viele Unternehmen entwickeln sich möglicherweise schneller, als ihre Grundlagen dies zulassen.
In den letzten zwei Jahren haben sich Unternehmen stark auf generative KI-Modelle, Copiloten und Produktivitätssteigerungen konzentriert. Doch die nächste Welle der Unternehmens-KI unterscheidet sich grundlegend davon. Agentebasierte KI-Systeme beginnen, Arbeitsabläufe zu automatisieren, Entscheidungen zu koordinieren, nachgelagerte Aktionen auszulösen und mit zunehmender Autonomie über Unternehmenssysteme hinweg zu interagieren.
Das verändert die Anforderungen, die Führungskräfte an ihre Dateninfrastruktur stellen.
Die Frage lautet nicht mehr nur, ob KI Erkenntnisse generieren kann. Viel wichtiger ist die Frage, ob KI den geschäftlichen Kontext hinter den von ihr verarbeiteten Daten wirklich versteht.
Ohne diesen Kontext laufen Unternehmen Gefahr, Inkonsistenzen und operative Komplexität über Unternehmenssysteme und Kundenerlebnisse hinweg zu vergrößern.
Eine Frage, die von Führungskräften zunehmend gestellt wird, lautet:
„Warum empfiehlt ChatGPT unsere Produkte nicht, wenn Kunden in unserer Kategorie suchen?“
Die Antwort hängt oft von der Qualität, Konsistenz und Vertrauenswürdigkeit der Unternehmensdaten ab, auf denen KI-Systeme basieren.
Da KI-Agenten zunehmend Empfehlungen aussprechen und Entscheidungen im Namen von Nutzern und Unternehmen treffen, gewinnt ein vertrauenswürdiger geschäftlicher Kontext immer mehr an Bedeutung.
Kürzlich hatte ich die Gelegenheit, mich mit Roy Hasson, Senior Director of Product bei Microsoft Fabric, zusammenzusetzen, um im Rahmen eines Podcasts zum Thema „Agentic AI“ zu erörtern, warum vertrauenswürdiger Geschäftskontext zur Grundlage für die KI-Bereitschaft von Unternehmen und deren langfristige Skalierbarkeit wird.
In diesem Gespräch erfahren Sie:
-
Von neuen Herausforderungen für CIOs bei der Verlagerung ihres Fokus von generativer KI hin zu agentischer KI
-
Was „Geschäftskontext“ für KI-Systeme tatsächlich bedeutet
-
Warum Stammdatenmanagement für die KI-Bereitschaft entscheidend wird
-
Wie KI-Agenten auf vertrauenswürdige Beziehungen zwischen Datenentitäten angewiesen sind
-
Was Führungskräfte in Unternehmen beachten sollten, bevor sie KI-Agenten in großem Maßstab einsetzen
Bei der Herausforderung der Unternehmens-KI geht es nicht mehr um das Datenvolumen
Die meisten großen Unternehmen verfügen bereits über mehr Daten, als sie effektiv verwalten können. Deshalb setzen sie auf KI.
Die eigentliche Herausforderung besteht darin, dass geschäftliche Zusammenhänge über Systeme, Teams und Arbeitsabläufe hinweg fragmentiert sind.
Kundendaten unterscheiden sich je nach Anwendung. Produktdefinitionen variieren je nach Region oder Geschäftsbereich. Lieferantenbeziehungen, Betriebsregeln und Compliance-Anforderungen sind oft über voneinander getrennte Systeme mit uneinheitlichen Governance-Modellen verteilt.
Menschen können diese Inkonsistenzen in der Regel durch Erfahrung und institutionelles Wissen ausgleichen.
KI-Agenten können das nicht. Nicht ohne Kontext!
Sie müssen verstehen, wie Produkte mit Lieferanten zusammenhängen, wie Kunden mit Regionen zusammenhängen, wie Richtlinien mit Compliance-Anforderungen zusammenhängen und wie betriebliche Regeln unternehmensweit gelten.
Ohne eine verlässliche geschäftliche Grundlage und ein semantisches Datenmodell beseitigt KI die Komplexität nicht. Sie verstärkt sie sogar.
Deshalb stellen führende Unternehmen nicht mehr die Frage:
-
„Wie fortschrittlich sind unsere KI-Modelle?“ hin zu der Frage:
-
„Versteht unsere KI das Geschäft gut genug, um sicher und intelligent zu handeln?“
Diese Unterscheidung gewinnt zunehmend an Bedeutung, da Unternehmen den Schritt vom Experimentieren hin zum operativen Einsatz von KI vollziehen.
Warum vertrauenswürdiger Geschäftskontext für KI-Agenten wichtig ist
Herkömmliche generative KI-Systeme dienten in erster Linie der Steigerung der menschlichen Produktivität. Agente-basierte KI bringt eine neue Ebene der Verantwortung mit sich, da KI-Systeme beginnen, im Namen des Unternehmens Maßnahmen zu ergreifen.
KI-Agenten könnten bald:
-
Genehmigungen im Arbeitsablauf automatisieren
-
Operative Entscheidungen empfehlen
-
Systemübergreifend koordinieren
-
Nachgelagerte Geschäftsprozesse auslösen
-
Aufgaben zwischen Anwendungen und Teams koordinieren
Autonome Systeme sind jedoch nur dann effektiv, wenn sie in einem vertrauenswürdigen und geregelten Geschäftskontext arbeiten.
Sind Kundendaten inkonsistent, werden auch die KI-Empfehlungen inkonsistent.
Wenn sich Produktdefinitionen zwischen den Systemen unterscheiden, wird die KI-gesteuerte Automatisierung unzuverlässig.
Ist die Governance fragmentiert, könnten Unternehmen Schwierigkeiten haben, KI-generierte Maßnahmen und Entscheidungen zu erklären oder ihnen zu vertrauen.
Hier gewinnt das Stammdatenmanagement mit einem semantischen Datenmodell deutlich an strategischer Bedeutung.
In der Vergangenheit betrachteten viele Unternehmen das Stammdatenmanagement als reine Backoffice-IT-Maßnahme. Heute entwickelt es sich zu einer grundlegenden Kompetenz für Unternehmens-KI.
Eine vertrauenswürdige Stammdatenbasis schafft eine einheitliche Darstellung von Kunden, Produkten, Lieferanten, Standorten und Beziehungen im gesamten Unternehmen. Diese Basis hilft dabei, das zu etablieren, was viele Führungskräfte heute als „digitalen Zwilling“ des Unternehmens bezeichnen.
Für KI-Systeme liefert dieser digitale Zwilling den geschäftlichen Kontext, der erforderlich ist, um unternehmensweit konsistent Schlussfolgerungen zu ziehen.
KI-Agenten sind auf einen gemeinsamen Geschäftskontext angewiesen
Da Unternehmen KI-Agenten in Arbeitsabläufen und Anwendungen einsetzen, gewinnt ein vertrauenswürdiger Geschäftskontext zunehmend an Bedeutung.
Im Podcast betonte Hasson, dass die Herausforderung nicht mehr nur in Modellen oder Tools liege. Technologien wie Copilot, Copilot Studio und Fabric Data Agents machen KI im Unternehmen zugänglicher. Die nächste Herausforderung besteht darin, sicherzustellen, dass KI-Systeme über den richtigen geschäftlichen Kontext verfügen, um intelligente Entscheidungen zu treffen.
KI-Agenten arbeiten selten isoliert. Ein System ruft möglicherweise Kundeninformationen ab, ein anderes empfiehlt Maßnahmen und ein weiteres unterstützt nachgelagerte Betriebsprozesse. Wenn diese Systeme auf inkonsistente Produktdefinitionen, fragmentierte Kundendaten oder unzusammenhängende Unternehmensdaten zurückgreifen, werden die Ergebnisse der KI weniger zuverlässig.
Deshalb hängt der Erfolg von KI in Unternehmen von mehr als nur der Modellauswahl ab.
Unternehmen, die sich auf agentenbasierte KI vorbereiten, sollten folgenden Punkten Priorität einräumen:
-
Vertrauenswürdige Geschäftsdefinitionen
-
Vernetzte Unternehmensdaten
-
Konsistente Kunden- und Produktinformationen
-
Gemeinsamer Kontext über Systeme und Arbeitsabläufe hinweg
-
Einblick in zentrale Geschäftseinheiten und -beziehungen
Wie die Diskussion deutlich machte, hängt die Zukunft der Unternehmens-KI weniger vom reinen Datenvolumen ab, sondern vielmehr davon, ob KI-Systeme verstehen können, wie das Unternehmen tatsächlich funktioniert.
Drei wichtige Erkenntnisse für Führungskräfte
-
Agentische KI verändert die Rolle von Unternehmensdaten: Im Gegensatz zu generativer KI ergreifen KI-Agenten Maßnahmen und treffen Entscheidungen. Dadurch gewinnen vertrauenswürdige Unternehmensdaten zunehmend an Bedeutung.
-
Vertrauenswürdige geschäftliche Zusammenhänge helfen der KI, intelligentere Entscheidungen zu treffen: Wie von Microsoft und Stibo Systems erörtert, benötigen KI-Systeme mehr als nur Modelle. Sie benötigen genaue, kontextbezogene Geschäftsdaten, um effektiv zu arbeiten.
-
Stammdatenmanagement schafft die Grundlage für skalierbare KI: Konsistente Kunden-, Produkt-, Lieferanten- und Betriebsdaten helfen KI-Systemen dabei, über unternehmensweite Arbeitsabläufe und Erfahrungen hinweg zuverlässiger Schlussfolgerungen zu ziehen.
Die nächste Phase der KI-Transformation in Unternehmen wird nicht allein durch größere Modelle oder schnellere Automatisierung bestimmt.
Sie wird davon bestimmt, ob Unternehmen die vertrauenswürdige geschäftliche Grundlage schaffen, die erforderlich ist, damit KI verantwortungsbewusst, konsistent und intelligent in großem Maßstab arbeiten kann.
Deshalb verlagert sich die Diskussion rund um KI von der Datenmenge hin zum Geschäftsverständnis.
Denn letztendlich kann KI nur so intelligent agieren wie die Grundlage, auf der sie aufbaut.
Erfahren Sie mehr
Erfahren Sie von Microsoft und Stibo Systems, warum vertrauenswürdige, kontextbezogene Unternehmensdaten für agentische KI und geschäftsreife KI-Erlebnisse immer wichtiger werden.
