Entwickeln eines KI-gestützten Betriebsmodells

Forscher bei RAND schätzen, dass 80 % der KI-Projekte scheitern – doppelt so hoch wie die Fehlerrate von IT-Projekten ohne KI. Während Teams auf mangelhafte Daten, schwache Governance und eine unklare Rendite (Return on Investment = ROI) als Hauptursachen verweisen, gibt es eine weitere offensichtliche Ursache: der Versuch, KI nachträglich in Altsysteme zu integrieren. Nicht nur veraltete Technologien, sondern auch veraltete Arbeitsweisen.

Auf dem Weg zu einem autonomen Unternehmen ist Technologie die Grundlage. Wenn menschliche Arbeitskräfte zunehmend mit KI-Unterstützung vertraut werden, intensiviert sich die Zusammenarbeit zwischen Mensch und KI entlang durchgängiger Prozesse – ein Ansatz, der als kollaborative Intelligenz bezeichnet wird.

Wenn ein Unternehmen die Reife seiner KI-Fähigkeiten erhöht, übernimmt die KI mehr von der Arbeit, während die Menschen zur Aufsicht wechseln. Dieses KI-gestützte Betriebsmodell erfordert jedoch Anpassungen in der Governance, den organisatorischen Strukturen, Prozessen und dem Leistungsmanagement, um die Ausrichtung der KI an den strategischen Unternehmenszielen sicherzustellen.

Lassen Sie uns erkunden, wie der Erfolg von KI-Initiativen ironischerweise von den nicht-technologischen Aspekten der Initiative abhängt.

Die fünf Komponenten eines KI-gestützten Betriebsmodells

Menschen verwalten nahezu die gesamte Arbeit ohne KI. In einem vollständig autonomen Unternehmen kehren sich die Rollen um, und KI übernimmt den Großteil der Arbeit.

Diese Arbeitsteilung wird unten gezeigt. Mit zunehmender Reife eines Unternehmens entlang des Spektrums des Capability Maturity Model for Collaborative Intelligence (CI-CMM) treten menschliche Mitarbeitende aus den operativen Abläufen zurück, um KI-Entscheidungen und -Maßnahmen zu überwachen und zu validieren. Auf dem Weg wird KI zunehmend in mehr Prozesse integriert, was es den Mitarbeitenden ermöglicht, mit neuen KI-Anwendungen zu experimentieren und diese zu testen, und die Vorteile nehmen weiterhin zu.

Aber die Reduzierung des Umfangs einer KI-Initiative auf „Prozesse“ übersieht einen Großteil der notwendigen unterstützenden Infrastruktur und des Änderungsmanagements, die für den Erfolg erforderlich sind. Die Reife der KI-Fähigkeiten, die darauf abzielt, ein KI-infundiertes Betriebsmodell zu entwickeln, basiert auf einem umfassenden Projektumfang, der die folgenden fünf wesentlichen Erfolgsfaktoren berücksichtigt und einbezieht:

Nr. 1 – Prozesse und Verfahren

In der oben genannten Recherche stellte RAND fest, dass die Hauptursache für das Scheitern von KI-Projekten ein Missverständnis des zu lösenden Problems war. Das Verständnis der Arbeitsmethode ist eine entscheidende Voraussetzung für die Steigerung der Reife der KI-Fähigkeiten.

Für die meisten Unternehmen in den frühen Phasen der KI-Experimentierung und -Implementierung wird KI oft auf eine Assistenzrolle beschränkt, indem sie Grammatik korrigiert, Daten findet und Informationen zusammenfasst, wobei Zeitersparnis der Hauptvorteil ist. Mit dem Fortschritt der Reifegrade der KI-Fähigkeiten wird KI in kritischere Rollen gedrängt, was ihren Umfang und Wert für das Unternehmen erhöht. Während Unternehmen mit niedrigem Reifegrad KI nutzen, um beispielsweise Rechnungen zu kategorisieren, verwenden Unternehmen mit hohem Reifegrad KI, um eingehende Rechnungen zu kategorisieren, zu validieren und zu genehmigen und dann Zahlungen zu verarbeiten, während sie zwischendurch Ausnahmen verwalten.

Um die KI-Reise zu beginnen und den anschließenden Erfolg sicherzustellen, muss der Prozess selbst definiert, die angestrebten Ergebnisse und Ziele verstanden und die Aufgaben optimiert werden, um vollständig KI-gestützte Abläufe zu erreichen.

Nr. 2 – Systeme und Tools

Mit definierten Prozessen und verstandenen Zielen kann die technologische Grundlage der KI aufgebaut werden. Ähnlich wie bei jeder Technologieeinführung und unter Berücksichtigung der Geschwindigkeit der jüngsten KI-Innovationen sind veraltete Tools wahrscheinlich nicht in der Lage, angemessene Unterstützung für die heutigen Erwartungen von Unternehmen zu bieten. Die gleichen Punkte können auch bei der Auswahl einer modernen KI-Infrastruktur als Leitfaden dienen.

Best Practices für den Aufbau eines KI-gestützten Betriebsmodells priorisieren skalierbare, interoperable Plattformen, die agnostische Tools anbieten und sich mit den KI-Modellen und Plattformen beliebiger benutzerdefinierter oder Drittanbieter verbinden. Viele Unternehmen beginnen mit beliebten grundlegenden Modellen von AWS, Azure und Google. Mit der Reife ermöglicht die Option, maßgeschneiderte KI-Modelle zu erstellen, jedoch erhöhte Flexibilität, Skalierbarkeit und Unterstützung für einzigartige und Nischen-Geschäftsbedürfnisse.

Skalierung erfordert anschließend eine Orchestrierung, um KI-Agenten und Automatisierung zu verbinden und sie dazu zu befähigen, gemeinsam als autonome Einheiten komplexe End-to-End-Prozesse zu übernehmen. Orchestrierungs-Tools sollten zudem die Möglichkeit zur Ausnahmebehandlung, integrierte Zugriffskontrollen und Compliance-Prüfungen sowie Nachvollziehbarkeit bieten, um Governance-Funktionen bereitzustellen, während agentenbasierte Workflows im gesamten Unternehmen skaliert werden.

Nr. 3 – Personen und Rollen

Änderungsmanagement ist entscheidend für die Schaffung eines autonomen Unternehmens. Mitarbeitende werden sich anpassen und verbessern, während ihr Vertrauen in KI wächst, die Zusammenarbeit mit KI echte und spürbare Vorteile bringt und sie sich auf die lohnenderen, kreativeren und strategischen Elemente ihrer Arbeit konzentrieren können. Wichtig ist, die Menschen in den Mittelpunkt der KI-Bemühungen zu stellen.

Neue Rollen werden ebenfalls erforderlich sein, um die KI-gestützte Skalierbarkeit zu beschleunigen. KI-Ingenieure, Prompt-Ingenieure und Governance-Leiter, um nur einige zu nennen, sind relativ neue Titel, die besetzt werden müssen, wenn die Reife der KI-Fähigkeiten zunimmt. Rollenübergreifend werden Mitarbeitende grundlegende Aufgaben, zwischenmenschliche Verantwortlichkeiten und KI-bezogene Tätigkeiten übernehmen, um ihre Kernaufgaben zu erfüllen, effektiv mit anderen zusammenzuarbeiten und KI-Tools sowie Plattformen zur Steigerung ihrer Effizienz zu nutzen.

Nr. 4 – Governance, Risiko und Compliance

Die Steigerung der Reife der KI-Fähigkeiten erfordert Vertrauen in die KI-Ergebnisse, was wiederum eine effektive Governance zur Verbesserung der Compliance und zur Risikominderung voraussetzt. Verantwortungsvolle KI-Einführung basiert auf Sicherheit, Datenschutz, Transparenz und mehr – alles Ergebnisse einer effektiven Governance.

Bewährte Verfahren orientieren sich an NIST- und ISO-konformen Richtlinien, um Nachvollziehbarkeit, Kontrolle und Fairness sicherzustellen. Mitarbeitende und KI-Agenten benötigen ebenfalls Echtzeit-Integritätsschutz, Zugriffskontrollen und Nachvollziehbarkeit, um „Schatten-IT“ zu vermeiden, die Compliance sicherzustellen und im Falle von Problemen die Ursache schnell zu identifizieren sowie umgehend Korrekturmaßnahmen einzuleiten.

Nr. 5 – Leistung und kontinuierliche Verbesserung

Steigende Reife ist gleichbedeutend mit kontinuierlicher Verbesserung. Verbesserung beruht auf konsistenter Leistung. Plattformen, die eingesetzt werden, um die Reife der KI-Fähigkeiten voranzutreiben, müssen Feedbackschleifen verwenden, um Probleme und Chancen zu identifizieren und kontinuierliche Verbesserungen zu fördern.

Was gemessen wird, kann auch gezielt gesteuert werden. Daher ist die Verwendung von Scorecards und die Festlegung von Leistungsmetriken (Key Performance Indicators = KPIs), die auf KI-Ziele und -Ergebnisse ausgerichtet sind, ein hervorragender erster Schritt. Messungen von Geschwindigkeit, Genauigkeit und Rendite (Return on Investment = ROI) können Effizienz- und Produktivitätskennzahlen verbessern und so den tatsächlichen Einfluss von KI-Initiativen erweitern und deren Ausrichtung an den strategischen Zielen optimieren.

Wie ein autonomes Unternehmen aussieht

Ein vollständig ausgereiftes, KI-gestütztes autonomes Unternehmen arbeitet mit Abläufen, die unabhängig von Menschen funktionieren. Selbstlernende KI-Agenten und Plattformen sowie autonome Entscheidungsfindungssysteme steuern und verwalten Prozesse mit minimalem oder ganz ohne menschlichen Eingriff.

Mitarbeitende können sich dann auf strategischere, kognitive Aufgaben, Entscheidungen und Prozesse konzentrieren. Denken Sie daran, ein autonomes Unternehmen funktioniert nicht ohne Menschen. Ein autonomes Unternehmen setzt KI und agentenbasierte Automatisierung ein, um sowohl die Arbeit als auch die Mitarbeitenden auf neue Rollen, innovative Arbeitsweisen sowie ein höheres Maß an Fokus, Kreativität und Innovationskraft zu heben.

In der Praxis bedeutet dies, dass ein Betrieb mithilfe von KI und agentenbasierter Automatisierung ohne menschliches Zutun die Abläufe, Bestände, Terminplanung und den Kundenservice verwaltet. Menschen übernehmen Nischenfälle, Ausreißer, hochpreisige Kunden und persönliche Prozesse, während sie KI-gestützte Prozesse steuern und verbessern.

Vom Reifegradmodell zum Betriebsmodell

Mit zunehmender Reife eines Unternehmens vollzieht sich ein Wandel: Zunächst unterstützen KI-Agenten als Assistenten, doch im weiteren Verlauf verlassen sich Menschen zunehmend auf KI-gestützte Prozesse, bis schließlich komplette End-to-End-Prozesse an agentenbasierte KI übergeben werden, um vollständig autonome Abläufe zu ermöglichen. CI-CMM definiert die Vision eines autonomen Unternehmens und ermöglicht Führungskräften, ihren aktuellen Reifegrad zu erkennen sowie die erforderlichen Maßnahmen zur Weiterentwicklung zu identifizieren. Dieses Wissen ermöglicht es Führungskräften, Initiativen, Systeme und Prozesse umzusetzen, die ein KI-gestütztes Betriebsmodell vorantreiben.

Um zu reifen, müssen Unternehmen die erforderlichen Systeme bereitstellen und die erwarteten Fähigkeiten aktivieren, während sie gleichzeitig sicherstellen, dass Mitarbeitende, Governance-Integritätsschutz und Leistungskennzahlen vorhanden sind, um kontinuierliche Verbesserungen zu verfolgen, zu steuern und zu verwalten.

Stufe	Merkmale	Systeme	Möglichkeiten
Stufe 1: Anfängliche, menschengeführte KI-Unterstützung	Einsatz grundlegender KI-Tools zur Unterstützung der Entscheidungsfindung, jedoch unter erheblicher Aufsicht.	Datenanalyse-Tools, grundlegende KI-Software, Entscheidungsunterstützungssysteme	Grundlegendes Verständnis von KI-Tools und deren Möglichkeiten
Stufe 2: Aufkommende Zusammenarbeit durch KI-gestützte Entscheidungen	Steigern, Optimieren und Beschleunigen der menschlichen Entscheidungsfindung durch wertvolle Erkenntnisse und erweiterte Entscheidungsprozesse	Erweiterte Analyseplattformen, Tools für maschinelles Lernen	Intermediäre Datenanalyse, Fähigkeiten zur Manipulation von KI-Tools, fortgeschrittene Techniken zur Zusammenarbeit zwischen Mensch und KI
Stufe 3: Ausgewogene Zusammenarbeit zwischen Menschen und KI	Menschen und Technologie führen gemeinsam End-to-End-Prozesse durch und arbeiten auf übergeordnete Ziele hin	Integrierte KI-Systeme, prädiktive Analysen, kollaborative Tools	Zusammenarbeit und Kommunikation mit KI-Systemen, Wissen über integrierte KI-Systeme und kollaboratives Problemlösen mit KI
Stufe 4: Fortschrittliche Zusammenarbeit – KI-geführt mit menschlicher Aufsicht	KI stellt Informationen bereit und führt Prozesse unter Human-in-the-Loop-(HITL-)Überwachung aus, um ein hohes Maß an Autonomie zu gewährleisten, während kritische Entscheidungen weiterhin von Menschen getroffen werden.	Autonome KI-Tools, Echtzeitanalysesysteme	Fortgeschrittene Entwicklung von KI-Strategien, Erfahrung mit autonomen KI-Tools und ethische Überlegungen
Stufe 5: Das autonome Unternehmen mit vollständig autonomem Betrieb	Die Abläufe funktionieren eigenständig, und selbstlernende KI-Plattformen steuern und überwachen die Prozesse mit minimalem menschlichen Eingreifen	Selbstlernende KI-Plattformen, autonome Entscheidungsfindungssysteme	Expertise in KI-Governance, Management selbstlernender Systeme, Verständnis autonomer Entscheidungsprozesse

Die Zeit zu Handeln ist jetzt

McKinsey sagt, dass mehr als drei Viertel der Unternehmen KI in mindestens einer Geschäftsfunktion eingesetzt haben. KI ist eine Grundvoraussetzung für diejenigen, die konkurrenzfähig sein wollen. Um herausragende Ergebnisse zu erzielen, muss die Steigerung der KI-Reife eine Top-Priorität sein: Der gleiche McKinsey-Bericht zeigt, dass nahezu die Hälfte der Unternehmen KI bereits in drei oder mehr Geschäftsfunktionen implementiert hat.

Die frühen KI-Anwender sind schon einen Schritt weiter. Diejenigen, die weiterhin mit KI evaluieren und experimentieren, sind zu den Nachzüglern geworden. Die Geschwindigkeit der KI-Innovation sollte ausreichen, um Führungskräfte dazu zu bewegen, den Fortschritt ihres Unternehmens auf dem Weg zu einem autonomen Unternehmen zu überdenken. Und es sollte kein langfristiges Ziel sein. Ein KI-gestütztes Betriebsmodell ist ein Vorteil, dessen Umsetzung bereits weit vorangeschritten sein sollte.

Unternehmen auf den unteren Reifegraden haben viel Arbeit vor sich. Die Zeit, ein autonomes Unternehmen zu entwickeln, ist jetzt.

Was ist der nächste Schritt? Laden Sie das Whitepaper zu CI-CMM herunter, um zu erfahren, wie Ihr Unternehmen KI in allen Bereichen der Unternehmensarbeit operationalisieren kann.