Beginnen Sie mit dem Business Case, dann folgt die Technologie von selbst: Erkenntnisse zur KI-Bereitschaft vom StrategieGipfel IT Management

Die erste Überraschung auf der Veranstaltung „StrategieGipfel IT Management“ in Berlin gab es gleich zu Beginn, während der Eröffnungsrede. Der Redner fragte das Publikum, inwieweit es KI bereits nutze, und fast alle Anwesenden hoben die Hand. Ende 2026 ist das vielleicht nicht mehr allzu überraschend. Interessanter war jedoch die Folgefrage.

Die Teilnehmer (IT-Führungskräfte und Strategen aus ganz Deutschland) wurden gebeten, den Stand der KI-Bereitschaft ihrer jeweiligen Unternehmen zu bewerten. Eine schnelle Schätzung ergab, dass die durchschnittliche Bereitschaft unter 50 % lag. Und genau diese Lücke sollte die nächsten beiden Konferenztage bestimmen.

Die Architektur ist die Grundlage für den Erfolg der KI

Branchenweit verlagert sich die Diskussion rund um KI von der bloßen Einführung hin zu Anwendungsfällen und der Frage, wie sich der Nutzen von KI messen lässt. Durch diesen Wandel verlagert sich die Diskussion von einem rein technischen Bereich auf die organisatorische Ebene. Dies ist wichtig, da Anwendungsfälle, die einen praktischen Mehrwert aufzeigen, in der Regel mehrere technische Bereiche umfassen und dem Weg des geschäftlichen Nutzens folgen. Indem sie diese Grenzen überschreiten, zeigen KI-Anwendungsfälle, welche Organisationen in Bezug auf die Architektur ihre „Hausaufgaben“ nicht gemacht haben. 

Insbesondere Unternehmen, die bereits im Rahmen früherer Initiativen wie Big Data eine integrierte Datenstruktur eingeführt haben, können nun von den Vorteilen in Form schnellerer und erfolgreicherer KI-Ergebnisse profitieren. Im Gegensatz dazu müssen Unternehmen, die frühere Gelegenheiten zur Überprüfung ihrer IT-Architekturen nicht genutzt haben, nun einen erheblichen Rückstand aufholen, bevor sie überhaupt damit beginnen können, KI-Initiativen in großem Maßstab umzusetzen.

Eine weitere „Hausaufgabe“ ist das richtige Verständnis der seit langem bestehenden Unterscheidung zwischen IT und OT, also zwischen generischen Support-Systemen, die als Standardprodukte erworben werden können, und geschäftskritischen Systemen, die intern entwickelt oder zumindest umfassend angepasst werden sollten.

Das Problem mit den Token-Kosten

Unter den Organisationen, die die Einführung von KI am weitesten vorangetrieben hatten, berichteten viele von erheblichem Kostendruck im Zusammenhang mit der KI-Einführung, wobei die Kosten für naiv konzipierte KI-Tools bereits die Kosten für menschliche Mitarbeiter überstiegen. Die Frage, mit der sie konfrontiert waren, lautete nicht mehr, ob etwas mit KI gemacht werden könne, sondern ob es gemacht werden sollte. 

Könnten die Geschwindigkeit, die Vorhersehbarkeit und – ja – die geringeren Kosten der deterministischen Logik in manchen Fällen besser geeignet sein als die probabilistische Logik der generativen KI? Und wie lassen sich die beiden Ansätze miteinander kombinieren?

Sicherheit und Souveränität prägen den DACH-Ansatz

Ein Faktor, der in Deutschland und im DACH-Raum insgesamt vielleicht eine größere Rolle spielt als beispielsweise in den USA, sind Datenschutz und Souveränität. Die Teilnehmer waren sich einig, dass KI-Agenten keinen umfassenderen Zugriff haben sollten als die Nutzer, in deren Auftrag sie handeln, und dass die Daten unter deren eigener Kontrolle bleiben sollten – was aus rechtlichen Gründen ohnehin erforderlich ist. 

Auch hier ging es jedoch nicht um pauschale Verbote, sondern um ausgefeilte Architekturen, die zwischen rechtlich sensiblen oder geschäftskritischen Anwendungen unterscheiden können, bei denen höhere Kosten und möglicherweise eingeschränkte Funktionalität lokaler Modelle in Kauf genommen werden könnten – im Gegensatz zu eher allgemeinen Anwendungsfällen, bei denen ohne Risiko oder andere negative Auswirkungen auf Standardmodelle zurückgegriffen werden könnte.

Faktoren für den Erfolg von KI-Projekten

Hier sind sechs entscheidende Faktoren, die den Erfolg oder Misserfolg von KI-Projekten beeinflussen (in keiner bestimmten Reihenfolge):

1. Kompetenzen der Mitarbeiter: Niemand verfügt über zehn Jahre Erfahrung in der Entwicklung von GenAI-Tools, geschweige denn von Agenten. Auf welche Kompetenzen sollten Arbeitgeber also bei der Weiterbildung oder bei der Einstellung achten?
2. Konkrete End-to-End-Anwendungsfälle: Beginnen Sie mit den Anforderungen, nicht mit der Technologie.
3. Technologiestack: Ältere Technologien lassen sich unter Umständen schwerer in die neuesten KI-Frameworks integrieren
4. Wirtschaftlichkeitsanalyse: einschließlich der Frage, wo die Einsparungen reinvestiert werden sollen
5. Kontext: Wie man KI-Agenten Zugriff auf die Apps, Daten und Systeme gewährt, die sie benötigen, um nützlich zu sein
6. Governance: Sowohl Überprüfbarkeit/Nachvollziehbarkeit als auch Compliance/Durchsetzung

Entscheidend ist, dass alle diese Elemente einer Gesamtstrategie sowohl flexibel als auch messbar sein müssen. Das Umfeld verändert sich so rasant, dass eine zu starre Strategie vollständig verworfen werden muss, sobald sich die Rahmenbedingungen weit genug weiterentwickelt haben. Eine flexiblere Strategie kann sich weiterentwickeln, sobald neue Fähigkeiten entstehen und neue Anforderungen klarer werden. Erfolg lässt sich jedoch nur erzielen, wenn diese Faktoren gemessen werden können, um die Richtung und Geschwindigkeit der Entwicklung zu verstehen.

Von der Keynote bis zu den Workshops

All diese Gespräche passten sehr gut zu dem interaktiven Workshop, den ich am zweiten Tag der Veranstaltung geleitet habe. Dort habe ich die Teilnehmer zu genau diesen Fragen befragt und anschließend Beispiele von SnapLogic-Kunden vorgestellt, die erfolgreich waren, indem sie genau die Themen angegangen sind, die wir gerade gemeinsam im Raum besprochen hatten.

Bei Veranstaltungen wie dieser geht es nicht darum, dass Anbieter ihre Fähigkeiten anpreisen, sondern vielmehr darum, wertvolle Gespräche zu führen. Daher war es gut, Erfahrungen darüber auszutauschen, wie andere Praktiker – lange vor dem Einsatz der Technologie – erfolgreich waren, und zwar ausgehend von den konkreten geschäftlichen Anforderungen und den Geschäftsargumenten dafür, wie diese gelöst werden konnten. 

Um noch einmal auf die Eröffnungsveranstaltung zurückzukommen: Das SnapLogic-Team würde den Teilnehmern des StrategieGipfels IT Management voll und ganz zustimmen, dass einer der wichtigsten Faktoren für den Erfolg von KI-Initiativen ein konkreter, umsetzbarer Business Case ist. Auch wenn anfängliche Annahmen im Laufe des Projekts möglicherweise überarbeitet werden müssen, ist eine klare Ausrichtung von unschätzbarem Wert.

Wie SnapLogic die Faktoren für den Erfolg von KI berücksichtigt

Erst dann kann die Technologie einen Unterschied bewirken, und SnapLogic erfüllt all jene Anforderungen, die wir im Laufe der beiden Tage immer wieder gehört haben:

• Mitarbeiterkompetenzen: Die Kombination aus einer grafischen Entwicklungsumgebung und einer KI-gestützten Unterstützung in natürlicher Sprache sorgt für einen sehr einfachen Einstieg und damit für eine kurze Zeit bis zur Wertschöpfung
• Konkrete End-to-End-Anwendungsfälle: Gebrauchsfertige Vorlagen für gängige Anforderungen
• Technologiestack: Mit über 1.000 vorgefertigten Konnektoren (Snaps) und über 500 MCP-Tools lassen sich nahezu alle Systeme integrieren, und dank des SnapLogic Intelligent Modernizer (SLIM) können wir auch beliebige Legacy-Integrationen migrieren.
• Geschäftsfall: Sobald der Geschäftsfall identifiziert wurde, helfen Plattformfunktionen wie die neuen Möglichkeiten in Monitor dabei, diesen geschäftlichen Nutzen schnell abzubilden.
• Kontext: SnapLogic ist die Dateninfrastruktur, die KI-Agenten mit den Unternehmensdaten, Anwendungen und Systemen verbindet, auf die sie angewiesen sind, um effektive und zielgerichtete Ergebnisse zu liefern.
• Governance: Dank umfassender Governance und der Durchsetzung von Richtlinien ist SnapLogic die sichere Wahl für die Implementierung von KI-Agenten in realen Anwendungsfällen, einschließlich On-Premises-Lösungen und deterministischer Logik, sofern dies die bessere Wahl ist.

Da sich das Umfeld ständig verändert, lässt sich nichts davon als einmalige Einrichtung umsetzen. Teams können mit einem einzelnen Anwendungsfall beginnen, das Ergebnis mithilfe von KI messen und dieselbe Grundlage aus Konnektivität, Kontext und Governance erweitern, sobald neue Anforderungen auftauchen. Auf diese Weise wird aus einem klaren anfänglichen Business Case eine KI, die sich im Produktionsbetrieb auf Unternehmensniveau bewährt.

Besuchen Sie uns auf der IntegrateAI 2026 in London

Die Gespräche aus Berlin werden in London fortgesetzt. Treffen Sie sich am 17. November auf der IntegrateAI mit IT-Führungskräften und KI-Experten, um sich über Anwendungsfälle, Architektur und Governance auszutauschen. Sichern Sie sich Ihren Platz.