Dieser Inhalt wurde von MIT Technology Review Insights in Zusammenarbeit mit Concentrix erstellt.
Das vergangene Jahr hat einen Wendepunkt in der unternehmerischen KI-Diskussion markiert. Nach einer Phase intensiver Experimente sehen sich Unternehmen nun einer deutlich komplexeren Realität gegenüber. Obwohl die Investitionen in KI so hoch sind wie nie zuvor, bleibt der Weg vom Pilotprojekt zur produktiven Skalierung im realen Betrieb schwierig. Drei Viertel der Unternehmen verharren weiterhin im Experimentiermodus, trotz des steigenden Drucks, erste Tests in messbare operative Ergebnisse zu überführen.
Wie eine Expertin es beschreibt, ist das Problem oft strukturell bedingt und tief in den Abläufen verankert. „Viele Organisationen leiden unter dem, was wir PTSD nennen, also Process, Technology, Skills und Data Challenges“, sagt Shirley Hung von der Everest Group. „Sie haben starre, fragmentierte Prozesse, die sich kaum an Veränderungen anpassen, Systeme, die nicht miteinander sprechen, Mitarbeiter, die stark in wenig wertschöpfenden Aufgaben gebunden sind, und gleichzeitig enorme Datenmengen ohne ein gemeinsames Fundament, das alles verbindet.“
Die eigentliche Herausforderung liegt deshalb darin, neu zu denken, wie Menschen, Prozesse und Technologie im täglichen Betrieb zusammenspielen.
In so unterschiedlichen Branchen wie Customer Experience oder dem Maschinenbau zeigt sich dabei ein ähnliches Bild. Klassische Organisationsstrukturen mit zentralen Entscheidungen, isolierten Prozessen und verstreuten Daten stoßen bei Agentic AI schnell an ihre Grenzen. Wer echten Mehrwert schaffen will, muss neu definieren, wie Entscheidungen getroffen werden, wie Arbeit wirklich abläuft und welche Rolle Menschen künftig spielen.
Im Mittelpunkt der Diskussion steht das, was man als nächsten großen Durchbruch bezeichnen könnte: die Umsetzung der Zusammenarbeit zwischen Mensch und KI in Live-Umgebungen. Dabei geht es nicht darum, KI als einzelnes Tool oder „virtuellen Mitarbeiter“ zu sehen. Vielmehr wird KI zu einem Teil des Systems, das Arbeit täglich mitgestaltet. Sie unterstützt Entscheidungen, beschleunigt Abläufe und verändert Prozesse von Grund auf. Dafür müssen Unternehmen klar definieren, welchen Wert sie schaffen wollen, passende Workflows gestalten, in denen Mensch und KI zusammenarbeiten, und gleichzeitig die nötigen Grundlagen in Daten, Governance und Sicherheit schaffen.
„Mein Rat wäre, mit Verzögerungen zu rechnen, da die Daten zunächst sauber abgesichert werden müssen“, sagt Heidi Hough, VP North America Aftermarket bei Valmont. „Wenn man KI wirklich in den Betrieb bringt, hilft es enorm, Governance von Anfang an mitzudenken. Das verbessert die Ergebnisse deutlich.“
Early Adopter zeigen bereits, wie das in der Praxis aussieht. Sie starten mit klar abgegrenzten, risikoarmen Anwendungsfällen, strukturieren ihre Daten gezielt, verankern Governance direkt im Alltag und geben nicht nur Technikteams, sondern auch den Fachbereichen die Verantwortung, sinnvolle KI-Anwendungen zu identifizieren. So entsteht ein neues Reifegradmodell für KI, das nicht auf einzelnen Tools basiert, sondern auf der Weiterentwicklung des gesamten Betriebsmodells.
„Optimierung bedeutet, Bestehendes besser zu machen. Neudenken bedeutet, völlig neue Dinge zu entdecken, die es wert sind, getan zu werden“, sagt Hung.
Der Unterschied zwischen Pilotprojekten und echter Wirkung zeigt sich letztlich darin, ob KI im echten Betrieb zuverlässig funktioniert.
Dieses Webcast wurde in Zusammenarbeit mit Concentrix produziert.
Dieser Inhalt wurde von Insights erstellt, dem Custom-Content-Bereich von MIT Technology Review. Er wurde nicht von der Redaktion von MIT Technology Review verfasst. Die Recherche, Konzeption und Erstellung erfolgte durch Autoren, Redakteure, Analysten und Illustratoren. Dazu gehört auch die Erstellung von Umfragen sowie die Erhebung der entsprechenden Daten. KI-Tools, die möglicherweise eingesetzt wurden, kamen ausschließlich in unterstützenden Produktionsschritten zum Einsatz und wurden vollständig durch menschliche Prüfung kontrolliert.
