Letzte Woche nahm ich zusammen mit dem SnapLogic-Team am „Gartner Application Innovation & Business Solutions Summit“ in Las Vegas teil. Die Veranstaltung brachte Unternehmensarchitekten, Anwendungsleiter, Softwareentwicklungsteams, CIO-Organisationen und Führungskräfte aus dem Technologiebereich verschiedener Branchen zusammen, die sich alle mit einer gemeinsamen Herausforderung befassten: Wie lassen sich Investitionen in KI in messbare Geschäftsergebnisse und nachhaltigen Geschäftswert umsetzen?
SnapLogic war sowohl als Sponsor als auch als Referent vertreten. In unserem Vortrag „Von KI-Experimenten zu Ergebnissen: Die Umsetzungsschicht, die Ihnen fehlt“ ging Bhavin Patel auf ein Thema ein, das während der gesamten Konferenz immer wieder auftauchte: KI selbst ist nicht mehr der limitierende Faktor. Die größere Herausforderung liegt in der Umsetzung. Wie können Unternehmen KI mit Unternehmenssystemen, Arbeitsabläufen und Governance-Rahmenwerken verknüpfen, um echte Geschäftsergebnisse zu erzielen?
Die Debatte um KI ist gereift
Eine der wichtigsten Erkenntnisse, die ich von der Konferenz mitgenommen habe, war, wie sehr sich die Diskussion rund um KI weiterentwickelt hat.
Die Begeisterung ist immer noch da. Aber der Fokus hat sich verlagert.
Viele der Themen, die wir im April auf dem AgentFest von SnapLogic behandelt haben – insbesondere in Bezug auf die Umsetzung, Governance und die Einführung von KI in Unternehmen – wurden im Laufe der Konferenz immer wieder aufgegriffen. Ob in Analystengesprächen, Kundengesprächen oder Technologievorführungen: Im Mittelpunkt der Diskussionen stand stets eine neue Herausforderung: Wie lässt sich KI vom Experimentierstadium zu messbaren Geschäftsergebnissen führen?
Unternehmen fragen sich nicht mehr, ob KI einen Mehrwert schaffen kann. Sie fragen sich vielmehr, wie sie diese in die Praxis umsetzen können.
- Wie ermittelt man die richtigen Arbeitsabläufe?
- Wie schafft man Vertrauen in von KI generierte Ergebnisse?
- Wie regelt man autonome Handlungen?
- Wie lässt sich KI mit den Systemen, Anwendungen und Daten verknüpfen, die das Unternehmen am Laufen halten?
Und was vielleicht am wichtigsten ist: Wie weisen Sie die Rentabilität der bereits getätigten Investitionen nach?
Der Ton der Gespräche war deutlich pragmatischer als noch vor einem Jahr. Nicht, weil die Unternehmen weniger optimistisch in Bezug auf KI wären, sondern weil sie inzwischen erkannt haben, wie schwierig die Umsetzung in der Praxis sein kann.
Jetzt kommt der schwierige Teil: die Umsetzung
Während der gesamten Konferenz tauchte ein Thema immer wieder auf: Die Herausforderung besteht nicht mehr darin, Erkenntnisse zu gewinnen. Die Herausforderung besteht darin, diese Erkenntnisse in die Praxis umzusetzen.
Unternehmen erkennen zunehmend, dass KI nur dann einen Mehrwert schafft, wenn sie in die richtigen Arbeitsabläufe eingebunden ist, das Vertrauen der richtigen Nutzer genießt, durch geeignete Kontrollmechanismen geregelt wird und in die Systeme integriert ist, in denen die eigentliche Arbeit stattfindet.
Im Mittelpunkt der Diskussionen standen weniger die Fähigkeiten der Modelle als vielmehr die Gestaltung von Arbeitsabläufen, Governance, Integration und messbare Ergebnisse. Der Fokus hat sich von der Frage, was KI leisten kann, hin zu der Frage verlagert, wie Unternehmen sie erfolgreich auf Unternehmensebene einsetzen können.
Für Technologieführer ist das ein viel schwieriger zu lösendes Problem.
Der Kontext wird zum Engpass
Ein Begriff tauchte während der gesamten Konferenz immer wieder auf: Kontext.
KI-Agenten können logisch denken, Zusammenfassungen erstellen und Inhalte generieren. Ohne Zugang zum Unternehmenskontext sind sie jedoch nicht in der Lage, sinnvolle Maßnahmen zu ergreifen.
Dieser Kontext erstreckt sich über Anwendungen, APIs, Cloud-Plattformen, Data Warehouses, Dokumente und Geschäftsabläufe. In den meisten Unternehmen verteilt er sich über jahrelange Technologieinvestitionen und organisatorische Silos.
Aus diesem Grund gewinnt die Integration zunehmend an strategischer Bedeutung.
Es geht nicht mehr nur um die Infrastruktur. Es ist das Fundament, das darüber entscheidet, ob KI das Geschäft verstehen, systemübergreifend agieren und messbare Ergebnisse liefern kann.
Das Model Context Protocol (MCP) war ebenfalls ein zentrales Thema während der gesamten Veranstaltung. Gartner-Analysten erörterten dessen zunehmende Bedeutung für die Interaktion von Agenten mit Unternehmenswerkzeugen und -systemen. Gleichzeitig stellen viele Unternehmen fest, dass die Gewährung des Zugriffs für Agenten nur einen Teil der Herausforderung darstellt. Konnektivität, Ausführung, Governance, Sicherheit und Überwachbarkeit bleiben entscheidende Anforderungen für den Einsatz in Unternehmen.
Erfolgreich sein werden jene Organisationen, die KI mit den Systemen verknüpfen, in denen bereits Geschäftswissen vorhanden ist.
Governance rückt in den Mittelpunkt
Ein weiteres wichtiges Thema war die Regierungsführung.
Da sich der Einsatz von KI von der Erstellung von Inhalten hin zur Ausführung von Aufgaben verlagert, gewinnt das Thema Governance zunehmend an Bedeutung.
Während der gesamten Konferenz wurden Fragen zu Sicherheit, der Durchsetzung von Richtlinien, Nachvollziehbarkeit, Zugriffskontrolle, Überwachbarkeit und Kostenmanagement aufgeworfen. Technologieführer legen zunehmend Wert darauf, sicherzustellen, dass KI in Unternehmensumgebungen sicher, transparent und vorhersehbar eingesetzt werden kann.
Ein Thema, das während der gesamten Konferenz immer wieder auftauchte, war die Wirtschaftlichkeit von KI. Da Unternehmen nun über Pilotprojekte hinausgehen und damit beginnen, KI-Agenten in großem Maßstab einzusetzen, verlagert sich die Diskussion zunehmend von der Frage, was KI leisten kann, hin zu den Kosten für Betrieb, Steuerung und Skalierung. Token-Verbrauch, Modellauswahl und betriebliche Effizienz werden zu wichtigen Faktoren, wenn Unternehmen die langfristige Wirtschaftlichkeit von KI bewerten. Führungskräfte prüfen zunehmend nicht nur, was eine KI-Lösung leisten kann, sondern auch, wie effizient sie im Laufe der Zeit Ergebnisse liefert.
In mehreren Gartner-Sitzungen wurde betont, dass Governance eher als Faktor für Skalierbarkeit denn als reine Compliance-Maßnahme betrachtet werden sollte. Unternehmen, die frühzeitig Vertrauen, Kontrolle und Kostentransparenz schaffen, sind besser aufgestellt, um KI in die Produktion zu überführen.
Das deckt sich weitgehend mit dem, was wir von unseren Kunden hören.
Produktions-KI erfordert mehr als nur ein Modell und eine Eingabeaufforderung. Sie erfordert die betriebliche Infrastruktur, die notwendig ist, um KI in komplexen Geschäftsumgebungen verantwortungsvoll einzusetzen.
Wie Produktions-KI aussieht
Was mir an der Konferenz besonders gut gefallen hat, war die zunehmende Konzentration auf praktische Anwendungen statt auf theoretische Möglichkeiten.
Bei der Diskussion ging es weniger um einzelne Modelle als vielmehr darum, was erforderlich ist, um KI in Unternehmensumgebungen einsatzfähig zu machen. Unternehmen konzentrieren sich zunehmend darauf, wie Agenten auf den Unternehmenskontext zugreifen, systemübergreifend Aufgaben ausführen und innerhalb festgelegter Governance-Rahmenbedingungen arbeiten.
Diese Herausforderungen sind nicht rein theoretischer Natur. Es handelt sich um dieselben Herausforderungen, denen Unternehmen gegenüberstehen, wenn sie den Schritt von KI-Pilotprojekten hin zu produktiven Implementierungen vollziehen.
Wir haben dies hautnah am Beispiel von Jean-Paul erlebt , dem intern bei SnapLogic entwickelten KI-Agenten für Unternehmen. Im Gegensatz zu herkömmlichen KI-Assistenten, die sich auf die Suche oder die persönliche Produktivität konzentrieren, fungiert Jean-Paul als reguliertes agentenbasiertes System, das Unternehmensanwendungen, Daten und Arbeitsabläufe miteinander verknüpft, um konkrete Geschäftsaufgaben auszuführen. Durch die Kombination von KI-basiertem Schlussfolgern mit Unternehmensvernetzung, wiederverwendbaren Arbeitsabläufen und Governance-Kontrollen unterstützt es Teams dabei, Arbeitsabläufe zu automatisieren und Entscheidungsprozesse zu beschleunigen, während Transparenz, Sicherheit und Nachvollziehbarkeit gewährleistet bleiben.
Erfahrungen wie diese untermauern eine allgemeine Erkenntnis, die während der gesamten Konferenz immer wieder zum Ausdruck kam: Der Wert der KI liegt nicht im Modell selbst, sondern in ihrer Fähigkeit, im Rahmen realer Geschäftsprozesse zu funktionieren – unter Berücksichtigung des jeweiligen Kontexts, der richtigen Umsetzung und einer angemessenen Steuerung.
Eine Phase der Einführung, die mehr Überlegung erfordert
Ein weiteres auffälliges Merkmal war die Disziplin, mit der Unternehmen ihre Investitionen in KI angehen.
Viele Unternehmen überprüfen derzeit die über Jahre hinweg gewachsene technologische Komplexität, während sie sich auf die nächste Phase der KI-Einführung vorbereiten. Anstatt weitere isolierte Tools hinzuzufügen, suchen Führungskräfte nach Möglichkeiten, die Architektur zu vereinfachen, den Betriebsaufwand zu senken und eine solidere Grundlage für KI-gesteuerte Arbeitsabläufe zu schaffen.
Dies zeigte sich in Gesprächen über Anwendungsmodernisierung, Integration, APIs, Datenarchitektur, agentenbasierte Workflows und Plattformkonsolidierung.
Der Fokus liegt zunehmend darauf, ein Umfeld zu schaffen, das KI in großem Maßstab unterstützt, anstatt lediglich ein weiteres Pilotprojekt zu ermöglichen.
In vielerlei Hinsicht scheint dies eine positive Entwicklung für die Branche zu sein.
Der Markt entwickelt sich weg von KI als technologischem Experiment hin zu KI als geschäftlicher Kompetenz.
Von KI-Ambitionen zum geschäftlichen Nutzen
Die wichtigste Erkenntnis, die ich mitgenommen habe, ist, dass der Markt in eine reifere Phase der KI-Einführung eintritt.
Die erste Phase war geprägt von Experimenten.
Die nächste Phase wird von der Umsetzung, der Steuerung, den wirtschaftlichen Aspekten und der Fähigkeit geprägt sein, messbare Geschäftsergebnisse nachzuweisen.
Das ist eine positive Entwicklung.
Die Zurückhaltung, die ich während der gesamten Konferenz spürte, war keine Skepsis. Es war Disziplin. Technologieführer wollen kluge Entscheidungen treffen, skalierbare Architekturen wählen und sicherstellen, dass ihre KI-Investitionen zu aussagekräftigen Ergebnissen führen.
Während der gesamten Konferenz hörte ich immer wieder Variationen derselben drei Voraussetzungen für eine erfolgreiche KI im Unternehmensbereich:
- Kontext: Zugriff auf die Systeme, Anwendungen, APIs und Daten, in denen das betriebswirtschaftliche Wissen gespeichert ist.
- Ausführung: Die Fähigkeit, Aufgaben über Agenten, Workflows, Anwendungen und Mitarbeiter hinweg sicher auszuführen.
- Governance: Das Vertrauen, die Sicherheit, die Transparenz und die Kontrolle, die für den Einsatz von KI in der Produktion erforderlich sind.
Diese drei Anforderungen spiegeln genau die Gespräche wider, die wir mit unseren Kunden führen, während diese daran arbeiten, den Unternehmenskontext zu verknüpfen, KI in realen Geschäftsprozessen zu implementieren und die für den produktiven Einsatz erforderlichen Governance-Strukturen zu etablieren.
Für Unternehmen stellt sich nicht mehr die Frage, ob KI eine Antwort liefern kann.
Die Frage ist, ob KI Aufgaben sicher über alle Systeme, Daten und Arbeitsabläufe hinweg ausführen kann, die das Unternehmen am Laufen halten.
Hier vollzieht die KI den Übergang vom Experimentieren zur Umsetzung.
Und genau hier beginnt der geschäftliche Nutzen.
Es wird spannend sein zu beobachten, wie Unternehmen im kommenden Jahr diese nächste Phase der KI-Einführung meistern werden. Ich freue mich darauf, den Dialog mit Kunden, Partnern, Analysten und Branchenkollegen fortzusetzen, während sich der Markt weiterentwickelt.
Möchten Sie mehr erfahren? Machen Sie eine selbstgeführte Produkttour oder vereinbaren Sie noch heute einen Termin für eine individuelle Vorführung mit unserem Team.
