Sabrina Kasper, AI Go-to-market Lead DACH bei NetApp, und Gerhard Kürner, CEO von 506.ai, erklären im Interview mit ITWelt.at wie die erfolgreiche KI-Einführung gelingt, warum die Datenbasis eine entscheidende Rolle spielt und wie man die Mitarbeiter mit auf die KI-Reise nimmt. [...]
Die ITWelt hatte das Vergnügen, im Rahmen der von Quorum organisierten Informationsveranstaltung „KI am Grill“ mit den beiden KI-Experten Sabrina Kasper und Gerhard Kürner über das derzeitige Top-IT-Thema zu plaudern.
Sabrina Kasper ging in ihrer Keynote „Intelligente und integrierte Dateninfrastrukturen – die Voraussetzung für erfolgreiche KI-Initiativen in Unternehmen“ auf den Treibstoff ein, den KI braucht, um laufen zu können: Daten. Intelligente und integrierte Dateninfrastrukturen sind die Voraussetzung für erfolgreiche KI-Initiativen in Unternehmen. Der zentrale Engpass bei KI-Projekten liegt meist im Umgang mit Daten. Laut Studien entfällt rund 80 Prozent des Projektaufwands auf das Management, die Klassifizierung und die Bewegung von Daten – und nur 20 Prozent auf die eigentliche Modellierung oder das Training. Hauptursache hierfür sind Datensilos und isolierte Infrastrukturen, die oft im Schatten der offiziellen IT entstehen – getrieben von Fachabteilungen mit eigenem Budget, aber ohne übergreifende Integration.
Gerhard Kürner erklärte in seiner Keynote „Strategievorteil durch KI-Middleware – Wie Unternehmen Kontrolle behalten und Prozesse automatisieren“, wie KI-Middleware zur Brücke zwischen Chaos und Kontrolle wird: Mit sicheren Datenflüssen, API-basierter Integration und klarer Governance. Der Vortrag lieferte praxisnahe Einblicke, wie Unternehmen mit der richtigen Architektur nicht nur KI einführen, sondern Prozesse nachhaltig automatisieren – und dabei selbst das Steuer in der Hand behalten.
Die ganze Welt scheint irgendwie KI-narrisch zu sein bzw. gemacht zu werden. Was ist dran am Hype? Was bringt KI Unternehmen heute schon?
Sabrina Kasper: Die wichtigsten Vorteile sind Innovation und Wettbewerbsfähigkeit. In dem heutigen Marktumfeld kann man nicht mehr lange bestehen, wenn man es nicht schafft, innovativ zu sein und Wettbewerbsvorteile gegenüber der Konkurrenz zu erzielen. Dabei kann KI auf vielfältige Art und Weise helfen. Das kann sein Kosten einzusparen, Prozesse effizienter zu machen oder repetitive Aufgaben schneller zu erledigen. Chatbots zum Beispiel – oder Agenten, Assistenten, wie auch immer man es nennen will – können vielleicht schon 80 Prozent der Anfragen vorab beantworten und ich muss sie nicht mehr einem Menschen geben. Oder Prozesse grundsätzlich beschleunigen, effizienter machen. Zum Beispiel in der Pharmaindustrie, wo die Entwicklung von neuen Medikamenten extrem lange braucht. Es dauert über zehn Jahre von der Idee bis zur Zulassung eines Medikaments. Das ist eine unglaublich lange Zeit, ein unglaublich hohes Investment. Und viele davon scheitern auch und werden gar nicht zugelassen. Wenn ich da KI einsetze und beispielsweise Daten aus unterschiedlichen Quellen kombinieren, simulieren, Studienergebnisse schneller zusammenfassen, schneller teilen, schneller vorhersagen kann, dann bringt das enorme Einsparungen und damit einen Wettbewerbsvorteil.
Gerhard Kürner: Der vielleicht wichtige Aspekt in dem Ganzen ist, dass man eine grundsätzliche Trennung sehen muss, die sehr schwer fällt, nämlich, dass es ein Consumer-Bereich und einen Unternehmensbereich gibt. Wir sind leider getriggert davon, dass jeder gerne einmal schnell ChatGPT oder andere Consumer-Produkte ausprobiert. Die sogenannte Shadow IT, also die illegale Nutzung von solchen Anwendungen in Unternehmen, ist im vergangenen Jahr um 40 Prozent gestiegen. Da werden Unternehmensdaten in ChatGPT hineingegeben, die dort aus DSGVO-Gründen gar nicht rein dürfen.
Demgegenüber stehen Unternehmen, die sagen: Trotzdem möchte ich natürlich im KI-Bereich eine Rolle spielen und hab auch Druck von meinen Mitarbeitern, Kunden und Lieferanten, die immer wieder mit der nächsten geilen Sache daherkommen. Die größte Herausforderung in dem Bereich ist eigentlich, dass man den Menschen einmal erklärt, wozu es denn eigentlich gut ist. Eine der Hauptfragen, die es häufig in Geschäftsführer- oder Vorstandsterminen gibt, ist: Herr Kühner, was machen eigentlich die anderen? Niemand würde das in seinem Geschäft im normalen Bereich fragen. Das heißt, man ist fasziniert von der Technologie, tut sich aber schwer bei der Einführung des Ganzen. Daher muss ich auf der einen Seite was haben, mit dem ich einmal sehr rasch beginnen kann, technologisch, aber ich muss das auch organisatorisch begleiten, weil wir da über Change Management reden: Menschen müssen anders arbeiten und wenn ich das nicht begleite, dann ist die ganze Technologie sinnlos. Die Nutzung des Ganzen – damit zu üben, damit zu arbeiten, das zu verstehen – ist da einer der wichtigsten ersten Schritte, weil dann funktioniert es auch in der Breite.
Use Cases gibt es sehr viele. Im klassischen Mittelstandsbereich gibt es oft drei-, vier-, fünfhundert Leute in der Firma und von denen sind 90 Prozent nicht in der Lage, ein Tool von einem schlechten Tool zu unterscheiden, verschiedene KI-Modelle auszuwählen, zu entscheiden, welches das Bessere ist. Die wollen einfach nur ihre Arbeit machen und wenn das irgendwie kompliziert ist, dann machen sie es nicht. Also diesen Einstieg zu finden und Knowhow aufzubauen, ist sehr, sehr wichtig. Das geht allerdings mit den meisten Consumer-Produkten nicht, weil die ganz viele Anforderungen nicht erfüllen, die IT im Unternehmen immer erfüllen muss.
Das heißt, es ist ein bisschen so wie im Cloud-Bereich am Anfang, wo man gesagt hat: ich nehme die private Cloud, weil das ist sicherer und das kann man besser kontrollieren. Kann man das vergleichen?
Gerhard Kürner: Ja, das ist ein guter Vergleich. Cloud gab es schon in den 2000er-Jahren aber erst jetzt ist die Cloud selbstverständlich. Auch da hat es gedauert, bis das Verständnis dafür da war. Ob der Server mir oder wem anderen gehört, sagt ja noch nichts über die Security aus.
Sabrina Kasper: Der entscheidende Unterschied ist: Cloud an sich ist eigentlich eine Architektur. Das ist ein Architekturwandel, wie ich mein Unternehmen aufbaue. Wie viele nutzen denn Cloud im Sinne von public Cloud? Wie viele nutzen private Cloud? Das geht ja alles ein bisschen schleppend. KI ist eine Technologie. Da ist egal, ob es in ein Produkt wie ChatGPT gepackt ist oder ob es die Modelle sind, die man irgendwie nutzt und selbst verbaut. Die Adoption ist momentan einfach sehr viel schneller im Vergleich zu den Zyklen, die wir davor gesehen haben. KI gibt es ja irgendwie auch schon seit den 1950er-Jahren und immer wieder wurde ein bisschen was gemacht, aber der Durchbruch kam nie. Wenn wir uns aber anschauen, was in den letzten zwei, drei Jahren passiert ist, dann ist das ein exponentielles Wachstum und eine enorme Beschleunigung. Deswegen würde ich das noch mal sehr viel extremer sehen als damals den Cloud-Hype, weil man jetzt eben auch die Mehrwerte erkennt und langsam zu dem Punkt kommt, wo es nicht mehr Spielerei ist, sondern wirklich etwas Greifbares dabei rauskommt. Es werden Kosten eingespart, Prozesse verschlankt oder tatsächlich neue, innovative Produkte mit Hilfe von KI entwickelt .
Wir befinden uns aber immer noch in der Experimentierphase, oder?
Sabrina Kasper: Ja, viele Unternehmen sind tatsächlich noch in der Experimentierphase. Aber man muss schon auch ein bisschen unterscheiden, von welcher Art von KI wir sprechen. KI gibt es ja wie gesagt schon lange und viele Unternehmen haben auch schon lange angefangen, was zu machen. Wenn wir jetzt über GenAI reden – also über die jüngsten Entwicklungen, die neuesten Sprachmodelle etc. – dann sind viele noch am Experimentieren. Aber ganz, ganz viele Unternehmen haben KI auch schon seit Jahren produktiv und gewinnbringend im Einsatz. In der Produktion zur Optimierung oder im Designprozess zur Simulierung von Auto-Designs zum Beispiel, .
Gerhard Kürner: KI ist eine Technologie, die sich permanent entwickelt und ja, viele Unternehmen stehen noch am Anfang. Das liegt aber auch daran, dass das Thema in den letzten eineinhalb Jahren ein bisschen blauäugig und naiv angegangen wurde. Bei irgendeinem großen Softwarehersteller tausend Lizenzen für die Mitarbeiter zu kaufen, die einfach auszurollen und dann zu glauben, dass die Mitarbeiter 40 Prozent produktiver werden, das wird nicht aufgehen.
Die Problematik ist: Man ist mit zu großen Erwartungshaltungen auf Use Cases gegangen, die der Mensch selber schon schwer lösen kann und hat einfachste Dinge, die wirklich stabil laufen und vielen Menschen im Unternehmen helfen, nicht angeschaut, weil die nicht sexy sind. Wir haben einen großen Verlag als Kunden, der vor über einem Jahr eine Pilotphase gemacht hat. Die haben 180 Use Cases im Unternehmen gesammelt und bewertet. 60 davon wurden aussortiert und von den übrigen 120 haben sie 40 eingeführt. Ein Großteil davon ist in die Systeme integriert, das bekommt der Mitarbeiter gar nicht mit. Diese Use Cases sind getestet und umgesetzt. Aus einem Artikel einen Social-Media-Beitrag machen zum Beispiel, das ist eh keine Arbeit für einen Menschen und da muss ich das Ergebnis auch nicht sehen. Die, die früh anfangen, in kleinen Schritten, mit überschaubaren Dingen, kontinuierlich dranbleiben und Knowhow aufbauen, das sind die Erfolgreichsten.
Gibt es unter den vielen KI-Anbietern welche, die Sie empfehlen würden?
Gerhard Kürner: Als KI-Anbieter werden ja auf der einen Seite die gesehen, die die großen Modelle erstellen, also die Foundation Modelle, die richtig fetten Teile. Das ist ein reines Hyperscaler-Thema, das macht niemand mehr selber, außer eben Anbietern wie ChatGPT, die richtig Kohle haben. Das ist das, was man meistens als KI sieht. Dazu gehören Grok, Anthropic, ChatGPT mit OpenAI und ein bisschen Microsoft dazu. Das sind die großen Hyperscaler. Das Interessante dabei ist aber nicht die KI selber – ganz im Ernst: ein leeres Chatfenster, das mir irgendeine Antwort gibt, das wird nächstes Jahr die Kaffeemaschine können – sondern der Applikationslayer, der in die Prozesse eingebunden ist und mit dem ich die Nutzung habe. In diesem Bereich, also Unternehmen, die so wie wir wirklich europäische KI-Middleware entwickeln und dann Unternehmen zur Verfügung stellen, da gibt es nicht allzu viele. Da muss man sich einfach einmal genauer anschauen, was denn die Use Cases sind, weil nur das KI-Modell alleine bringt ohne Hintergrund wenig.
Welche sinnvollen Use Cases gibt es denn?
Sabrina Kasper: Da könnte ich jetzt eine Stunde erzählen. Wenn wir uns die Use Cases von der Anwenderseite her anschauen, dann sind die sowohl industriespezifisch, als auch funktionsabhängig. Was kann ich im Pharma-Bereich mit KI machen, was kann ich im Automotive-Bereich mit KI machen? Zum Beispiel schnelleres Design. Ich hab im Automotive-Bereich die ganze Konkurrenz aus China, die immer mit neuen Modellen auf den Markt kommt, und möchte da beispielsweise als deutscher Automobilhersteller wettbewerbsfähig sein. Dann kann ich KI nutzen, um den Designprozess effizienter zu machen. Das ist das Branchenspezifische und auch da macht es natürlich Sinn, genau hinzuschauen, was verwende ich, welche Modelle sind da sinnvoll, welche Art von KI brauche ich? KI ist nicht gleich KI. Und nicht jeder, der im Unternehmensnamen KI hat, bietet ein fertiges KI-Produkt an. Das muss auch alles irgendwie zusammengebaut werden.
Und die andere Seite ist Funktions- oder Abteilungsabhängig, also beispielsweise ein Chatbot für eine Personalabteilung um Umfragen zu beantworten. Oder wenn man in Richtung IT-Abteilung schaut: Wie verwalte ich die Daten, was sind da die Use Cases dahinter, wie mache ich ein effizientes Datenmanagement, wie baue ich einen Data Lake auf, mit dem ich diese ganzen Daten, die anfallen, verwalten kann, nutzbar machen kann? Vielleicht will ich aber auch eigene Modelle entwickeln. Ja, das machen in der Regel nicht die kleinen, mittelständischen Unternehmen, aber auch da gibt es tatsächlich Anwendungsfälle. Und die letzte Ebene ist dann, dass ich sage: ich möchte KI fertig nutzen, die Modelle nutzen. Da geht es darum, RAG-Use-Cases aufbauen, das ist dann in der Regel eine Agenten- oder Chatbot-basierte Geschichte. Dann hab ich auch über die Abteilungen hinweg ziemlich viele Anwendungsfälle.
Können Sie da irgendwelche Kunden beim Namen nennen?
Sabrina Kasper: Also für KI spezifisch von Netapp kann ich das Beispiel von Johnson & Johnson aus der Pharmaindustrie nennen, die über Cloud und On-Premise hinweg Daten für KI managen und sicherstellen, dass die Data Scientists immer Zugriff auf die Daten haben, die sie gerade brauchen und sie so nutzen können, wie sie es brauchen.
Gerhard Kürner: Wir haben eigentlich hauptsächlich mittelständische Unternehmen als Kunden im gesamten deutschsprachigen Raum. Da zeigt sich ganz eindeutig: Die größten Bereiche sind Marketing, Sales, HR, Administration und Produktentwicklung. Womit alle am Anfang immer mal beginnen, ist den eigenen Mitarbeitern Assistenten zur Verfügung zu stellen. Zum Beispiel in der Rechtsabteilung, wo ich vielleicht komplexe Lebensmittelgesetze habe, die ich vielleicht nicht oft brauche. Oder in der HR-Abteilung: Wenn jemand zum Beispiel wissen will, ob er jetzt mit dem privaten Auto irgendwo hinfahren darf, dann sucht er genau acht Sekunden im Datenfriedhof 1, der nennt sich Sharepoint. Wenn er die Information dort nicht findet, dann sucht er im Datenfriedhof 2. Das ist meistens das Intranet. Und wenn er es in beiden Datenfriedhöfen nicht nach zehn Sekunden gefunden hat, dann schreibt er eine E-Mail an die HR-Abteilung. Ein weiteres Beispiel ist, wenn Mitarbeiter in der Produktion Fragen haben. Am Anfang stehen also Use Cases, mit denen ich sowas abfedern kann.
Und dann kommen fast immer Dinge, die eigentlich keiner gerne macht: Zum Beispiel Einkaufs- oder Verkaufsabteilungen, die bei Ausschreibungen mitmachen, wo sie 25 Dokumente durchlesen müssen, nur um zu wissen, ob sie da als Firma teilnehmen können. Oder im Medienbereich: Nicht, dass jetzt die KI alleine einen Kommentar schreibt – das wird die nie gut können. Aber einen Polizeibericht umschreiben, der von der APA kommt, damit er für Social Media passt – dafür muss keiner Journalismus studieren. Es gibt also ganz viele Use Cases im administrativen Bereich, die man am Anfang nochmal überprüft, dann in Vorlagen reingibt und irgendwann passiert es vollautomatisch.
Da gibt es in Österreich einige, die da wirklich eine Vorreiterrolle haben. Die Stadt Linz zum Beispiel gehört da sicher im öffentlichen Bereich zu den Vorreitern schlechthin. Die werden von der IKT Linz betreut, dem IT-Dienstleister der Stadt Linz, die die ganze Gruppe maßgeblich vorantreiben. Die Ulrike Huemer, die aus Wien gekommen ist und jetzt in Linz Magistratsdirektorin ist, ist da eine der Vorreiterinnen. Oder die APA: Die nutzt unsere Technologie für sich und für ihre Kunden. Oder die Moser Holding in Tirol zum Beispiel.
Auch im Bereich Gesundheitsdienstleister gibt es einige Beispiele, da haben wir allerdings NDAs und dürfen nicht sagen, wer das ist. Da werden unter anderem Abfragen und Assistenten fürs Krankenhauspersonal gemacht. Wenn zum Beispiel jemand einen Herzinfarkt hat und irgendeine Infusion braucht und zufällig noch dazu gerade Elefantenhaut hat, dann müssen die Krankenpfleger irgendwo nachschauen, welche Infusion die richtige ist. Normalerweise schauen sie am Abteilungscomputer nach. In diesem konkreten Fall haben die ein Microsoft Teams mit einem zusätzlichen Fenster. Da ist nichts außer dem Fenster, in das sie reinfragen können „Elefantenhaut, Kürner, Infusion, was braucht der?“ und bekommen eine medizinisch abgeklärte Antwort, die das Krankenhaus selbst verwaltet.
Das heißt, ich brauche eigentlich im Moment als Unternehmen eine private KI, bei der meine Daten geschützt sind, und eine public KI, mit der ich das Internet durchsuche?
Gerhard Kürner: Ja, aber nicht, weil man es braucht, sondern weil es einfach mehr Sinn macht. Bei allem, was ich im Internet mache – mit Produkten, die das ganze Internet durchforsten, Zusammenfassungen machen etc. – da bin ich nicht an die DSGVO gebunden. Da befinde ich mich im Öffentlichen. Das ist aber nur ein kleiner Teil. Die meisten Themen in Unternehmen basieren auf Unternehmensdaten. Und von denen will ich nicht, dass sie nach außen gelangen. Den viel größeren Bedarf als eine Recherche draußen sehen wir im Bereich der Unternehmensdaten – und die sind heilig. Nämlich nicht nur, dass sie im Unternehmen bleiben, sondern auch was das Thema Berechtigungen innerhalb des Unternehmens betrifft. Ich kann ja einer KI nicht antrainieren, dass sie Ihnen alles sagen darf und mir nur die Hälfte. Dieses Berechtigungswesen zu lösen oder Vorlagen zu machen, sind wichtige Punkte. Wenn Sie mir jetzt sagen, ich muss einen Artikel schreiben, dann werden Sie mir den wahrscheinlich zehn Mal um die Ohren hauen, weil ich kein Journalist bin und auch nicht genau weiß, was Sie wollen. Sie würden dann sagen: Kürner mach es so, verbessere noch das und irgendwann schaffe ich es dann vielleicht selber. Und genau diesen Prozess durchlaufen Mitarbeiter beim Prompten: Die sagen der KI, ich möchte das und das haben und dann kommt irgendwas heraus. Und nach zehn Mal probieren hört der Mitarbeiter auf, weil er sich denkt: da kann ich es ja gleich selber machen, dazu brauch ich keine KI. Diesen Prozess muss ich abspeichern, ein Vorlage daraus machen und jeder Mitarbeiter mit entsprechender Berechtigung darf die Vorlage nutzen und kann damit eine Tätigkeit ausführen. Das ist jetzt nicht supersexy KI aber im Unternehmensalltag unbedingt notwendig, damit ich Erfolge erzielen kann. Das muss der erste Schritt sein, um das Ganze ins Rollen zu bekommen und es auch intern vermarkten zu können, weil die Mitarbeiter auf das achten, was sie brauchen und nicht darauf, was technisch möglich ist.
Netapp kommt aus dem Bereich der Datenspeicherung. Sie haben also Hardware, auf der man Daten sehr komfortabel speichern kann. Ist das der Grund, warum sie sich jetzt als Netapp so für KI engagieren?
Sabrina Kasper: Ja, weil tatsächlich fast alle Herausforderungen, die wir mit KI haben, sich in irgendeiner Art und Weise um Daten drehen: Zugang zu den Daten, wo sind die Daten gespeichert, wie bekomme ich die Daten von A nach B, sind die Daten die richtigen, sind die Daten akkurat, haben die irgendeinen Bias? An diesem Punkt können wir gut helfen, weil viele Projekte ja schon aufgrund von irgendwelchen Restriktionen im Bereich Daten zu scheitern drohen. Die Datenbasis spielt eine wichtige Rolle, KI basiert auf Daten und Daten liegen auf Netapp. Jensen Huang, der Gründer und CEO von NVIDIA, hat voriges Jahr gesagt, dass die Hälfte der File-Daten weltweit auf Netapp liegen. Das ist schon ein starkes Statement, wenn wir uns mal angucken, wer sich in dem Markt bewegt. Diese Zahl von 50 Prozent ist jetzt nicht in Stein gemeißelt, aber das zeigt einfach wie unglaublich wichtig die Daten gerade für den Erfolg von KI-Projekten sind. Jeder kann Modelle nutzen und Vieles abfragen, aber wirklich gewinnbringend ist das ja nur im Unternehmenskontext, wenn ich die eigenen Daten damit kombinieren kann.
Ich hab vor ein paar Tagen einen Artikel gelesen, in dem ein amerikanischer Manager meinte, dass innerhalb der nächsten drei Jahre aufgrund von KI-Einsatz mindestens 20 Prozent der Jobs in Amerika wegfallen. Teilen Sie diese Meinung?
Gerhard Kürner: Das ist eine sehr generalistische Aussage. Ich würde sagen ja und nein. Es kommt darauf an, welche Jobs es sind. Im Blue-Collar-Bereich, also im Arbeiterbereich, würde ich sagen, dass autonom agierende Roboter teurer sind als ein Mensch, also werde ich nicht viel ändern. Anderswo ist der Druck bereits da und das kann man auch schon nachweisen. Die wichtigsten Universitäten in Amerika zum Beispiel sehen, dass für Bachelor-Abgänger die Anfangsgehälter bei Unternehmen mittlerweile fast 35 Prozent geringer sind und, dass es fast 40 Prozent weniger Jobangebote gibt. Jene mit wenig Berufserfahrung, auch wenn sie was Gescheites gelernt haben, stehen jetzt schon bei einem Drittel weniger Einstiegsgehalt. Was wir sehen werden, ist, dass die, die nicht langjährige Erfahrung mit viel Kontext-Wissen haben, massiv unter Druck kommen. Das wird man in den nächsten drei Jahren in Europa noch nicht, aber in den USA ganz sicher merken. Sie sehen es jetzt schon: Die letzten massiven Kündigungswellen bei den großen Tech-Companies sind aus wirtschaftlichen Gründen passiert. Und ganz ehrlich: es geht im Moment niemandem besser als den großen Tech-Companies. Aber die gehen jetzt schon intern davon aus, dass sie innerhalb der nächsten 24 Monate genau diese Tätigkeiten günstiger machen können. Da muss man sich die Frage stellen: Ist das Arbeitsplatzvernichtung oder ist es ein Verdrängen in andere Richtungen? Ich glaube sehr stark, dass es ein Verdrängen in andere Richtungen ist. Wir sehen ja auch nicht 700.000 Telefonbuchdrucker, die es vor dem iPhone noch gegeben hat, jetzt irgendwo arbeitslos auf der Straße demonstrieren. Wir werden im Technologiebereich sehen, dass immer kleinere Teams schneller Entwicklungen machen können. Wenn ich früher im Tech-Startup-Bereich viel Geld bekommen hab, dann hab ich hunderttausende Leute eingestellt. Das ändert sich. Erfahrene, gute, teure Leute werden wichtiger sein. Also mehr Häuptlinge, weniger Indianer. Das heißt, die erwähnte Zahl von 20 Prozent wegfallenden Jobs würde ich in dieser Größenordnung durchaus als realistisch sehen. In Amerika. In Europa weniger.
Warum sollten sich Unternehmen, die den KI-Einsatz planen, an Ihre Firma wenden und wenn sie sich an Ihre Firma wenden, was erwartet sie?
Gerhard Kürner: Alle Kunden, die sich an uns wenden, haben eigentlich immer zwei oder drei Problemfelder, die sie mit uns lösen wollen und können: Das Erste ist, dass es tausende verschiedene Applikationen da draußen gibt und jeder Fachbereich mit anderen daherkommt. Wir bieten eine sichere KI-Middleware-Plattform an, mit der ich drei Viertel aller Use Cases im Unternehmen zentral abwickeln kann und nicht 150.000 Software-Elemente brauche. Der zweite Grund ist, dass wir bei der Einführung – sowohl technologisch, als auch für die User – die Einfachsten am Markt sind. Es kann sein, dass wir ein paar ganz spezielle Dinge nicht machen können, aber dafür ist es super einfach für die Mitarbeiter. Zum Beispiel was Vorlagen betrifft. Das heißt, es muss nicht jeder Prompten lernen und ich kann ohne Fachwissen Assistenten bauen. Und auch die Einbindung in die Unternehmenssoftware ist sehr einfach. Es ist ja nicht so, dass IT-Abteilungen zehn Programmierer rumsitzen haben, die eh nicht wissen, was sie den ganzen Tag tun sollen. Daher kommt es gut an, dass man unsere Software ohne KI-Kenntnisse zu haben sehr einfach integrieren kann – und das nach Möglichkeit auch noch günstiger als bei einem internationalen Konzern. Wenn jemand am Anfang Hilfe braucht – beim Thema Einführung oder wie man Use Cases bewertet und macht – dann helfen wir am Anfang ein bisschen mit, aber meistens kann die Unternehmung dann selbst laufen.
Sie sprechen immer von Assistenten. Was meinen Sie damit genau?
Gerhard Kürner: Sie haben einen Unternehmensdatenspeicher, in dem Sie alle HR-Unterlagen für interne Mitarbeiterinformationen drinnen haben. Sie haben eine Rolle beschrieben und die KI angelernt: Du, liebe KI, du funktionierst jetzt so, wie ich dir das sage. Du sagst immer du und gibst zudem keine Auskunft über bestimmte Themen. Das Ganze kann jeder Mitarbeiter dann übers Internet – aktuell über Sprache, also über Text – abfragen und bekommt dabei nur Informationen, die aus den firmeneigenen Daten stammen. Und Mitarbeiter können überprüfen, woher die Informationen stammen, weil das Thema Halluzinieren sonst ein großes Problem wäre. Das sind so typische Assistenten. Und da habe ich ja nicht nur einen in der Firma, sondern viele: In der Produktion für die Anlagentechnik, die HR-Abteilung hat intern einen zu Kollektivverträgen, die Marketing- und Sales-Abteilung zum Beispiel hat alle Sales-Unterlagen, weil die Italiener nicht Englisch lesen wollen und so können Sie in italienisch fragen, was die neuen Produkte sind. Ich hab viele solche Assistenten und deswegen ist die organisatorische Einbindung so wichtig. Das ist kein technisches Thema, sondern ein inhaltliches. Das ist wie ein KI-Lehrlingsausbildner in der Firma, der weiß, welche dieser Assistenten für welche Abteilungen was erzählen.
KI bedeutet, dass Mitarbeiter ihre Arbeitsweise umstellen müssen. Wie erklärt man KI den Mitarbeitern?
Gerhard Kürner: Sie können es nur stufenweise machen, weil erklären alleine reicht gar nicht aus. Wenn ich Ihnen sage, Sie machen jetzt bitte KI, dann denken Sie sich bestimmt: Puh, der will sicher, dass ich dann 30 Prozent mehr arbeite. Natürlich gibt es ein paar Fans, die sich intensiv mit dem Thema beschäftigen, aber viele Leute haben beim Thema KI Sorgen. Gar nicht so sehr, dass sie ihren Arbeitsplatz verlieren. Wenn ich nun meinen Job zehn Jahre lang gleich gemacht habe und der Chef jetzt mit KI durch die Gegend rennt und sagt: 30 Prozent meiner Tätigkeit werden in Zukunft eingespart, dann frage ich mich, ob ich jetzt nur mehr 70 Prozent wert bin? Viele Mitarbeiter denken sich, dass sie dann eigentlich nie mehr eine Gehaltserhöhung bekommen können, weil immer mehr von der KI gemacht wird. Da gibt es große Unsicherheiten und daher kann ich es nur in Schritten machen. Ich fange mit einem kleinen Team an, such mir geeignete Use Cases, sodass dann mal ein Mitarbeiter sagt: hey, das funktioniert ja wirklich, und geh dann in kleinen Schritten weiter. Ich kommuniziere, was funktioniert, was funktioniert nicht, was wollen wir damit machen? Also ich muss wirklich Change Management betreiben, ich muss Leute von A nach B bringen. Die Leute müssen merken, dass ihnen das wirklich hilft. Und das geht nur über Kommunikation.
Sollte man die Mitarbeiter auch ein bisschen spielen und ausprobieren lassen?
Gerhard Kürner: Jein. Begrenzt. Also die Variante wie vor einem Jahr, dass jeder ein Tool bekommt und damit herumspielen kann, halte ich nicht für sinnvoll. Sie würden ja wahrscheinlich auch nicht ohne Anleitung Auto fahren lernen. Also Leute im kleinen Stil das Thema erforschen lassen, ja, aber bitte nicht die ganze Organisation. Warum? Das Lernen muss nicht jeder Mitarbeiter gleich machen. Es muss nicht jeder Mitarbeiter im Unternehmen den gleichen Fehler begehen. Da reicht es aus, wenn das ein paar Mitarbeiter machen und ihre Erfahrungen weitergeben. Eine Personalverrechnung würden sie ja auch nicht einführen, indem sie allen Mitarbeitern SAP HR geben und die sollen dann mal damit herumspielen. Ich würde empfehlen, Freiraum für kleine Teams zu schaffen, nämlich zeitlich, damit die auch ein paar Stunden ausprobieren können. Aber das Ganze muss einen Kern, einen Plan haben: das wollen wir machen, das ist der Use Case, schauen wir ob es funktioniert. Sonst haben alle nur gespielt, sie haben für tausend Mitarbeiter 30.000 Euro im Monat ausgegeben, weil jeder von denen eine 30-Euro-Lizenz hat und nach sechs Monaten kommen sie drauf, dass sich irgendwie nichts verändert hat in der Firma.
Stichwort Agentic AI: Softwareanbieter werben mit Slogans wie „unbegrenzte Belegschaft dank Softwareagenten, die die Arbeit machen“. Inwiefern ist das Zukunftsmusik und was davon ist schon Realität?
Sabrina Kasper: Also ich denke, wir sind auf dem Weg dahin. Es gibt erste Agenten, die im Einsatz sind. Momentan eher noch Zukunftsmusik ist das rein selbstständige Arbeiten und das Zusammenarbeiten der Agenten. Viele Unternehmen setzen schon Agenten ein, intern und auch extern – Stichwort Kundenservice. Das kennen wir schon länger. Aber die Orchestrierung, also die Zusammenführung und Fragen wie, welcher Agent arbeitet mit welchem anderen zusammen, das ist ein weitaus schwierigerer Prozess als ein Einzelagentensystem einzuführen. Und deswegen würde ich sagen, das ist das, was kommt und das ist auch das, wenn es richtig gemacht wird und funktioniert, wo der große Mehrwert entstehen kann. Weil ich damit Potenziale entfalte und Sachen zusammen bringe, die ich vorher nicht kombinieren konnte. Die Reise hat definitiv schon angefangen. Es wird viel experimentiert, es gibt auch erste Implementierungen. Das große Ganze, die Kombination von Agenten wird dann in den nächsten Jahren auf uns zukommen.
Gerhard Kürner: Bevor man über agentische Prozesse redet, brauche ich mal die KI-Grundlagen, weil das eine löst das andere nicht ab. Das baut aufeinander auf. Ich denke auch, dass die Reise begonnen hat. Man kann es ein bisschen mit dem völlig autonom fahrenden Auto vergleichen: Wir wissen, dass es kommt. Wir haben jetzt schon die Möglichkeit, dass das Auto auf der Autobahn mit Erkennung von Seitenlinien ein Stück von alleine fährt. Der eine oder andere Tesla schafft es vielleicht auch schon runter von der Autobahn. Aber ein völlig autonomes Auto gibt es in der Praxis noch nicht. Die Technik ist aber schon klar, man weiß schon, wo es hingeht. So ungefähr kann man sich auch den agentischen Bereich vorstellen. Wobei man auch sagen muss, dass der Unterschied zwischen Assistent, autonomen Agenten und Agentic Chains fließend ist. Das wird oft vermischt, da muss man vorsichtig sein. Ein Agent ist eigentlich ein autonom eigenständig ausgeführter Entscheidungsbaum in verschiedenen Systemen. Jetzt muss mal das Thema protokollieren gelöst werden: MCP und A2A sind da erste Anfänge, weil diese Protokolle stellen ja dann sicher, welcher Agent in welchem System mit welcher Berechtigung auf welche Daten zugreifend darf. Das sind Dinge, die noch nicht ganz sauber gelöst sind. Das wird kommen, wenn es entsprechende Standards gibt. Wichtig ist: Die Reise hat begonnen und ich muss mich damit auseinandersetzen. Ich kann es nicht aussitzen, ich kann nicht sagen: jetzt warten wir so lange bis alles funktioniert und dann steigen wir ein. Dann wird es sich nicht mehr ausgehen.
Stichwort digitale Souveränität: Wie ist da die Lage im KI-Bereich? Ist die Abhängigkeit in diesem Bereich eine Gefahr für Europa? Hängt uns da der Rest der Welt ab? Gibt es noch Möglichkeiten für Europa aufzuholen?
Gerhard Kürner: Ja, ja und ja. Aber es ist nicht hoffnungslos. Im Bereich der großen Sprachmodelle sind wir, sagen wir mal zu 95 Prozent von den USA abhängig und zu 3 Prozent von China. Wobei man dazu sagen muss, dass diese ganz großen Sprachmodelle auch Commodity werden. Wie Strom. Viel wichtiger sind Investitionen in europäische Infrastruktur. In den USA würde niemand zulassen, dass Behördendinge auf einer ausländischen Infrastruktur laufen. Bekannte von mir machen Weltraumschrott Detection – die haben in den USA schneller einen Auftrag bekommen als in Europa, was auch sehr viel aussagt – und dort ist es nicht nur so, dass das Unternehmen amerikanisch sein muss, es muss auch zu mindestens 50 Prozent amerikanisches Eigentum sein. Wir spielen noch viel zu wenig die Europa-Karte aus. Wir haben unsere Stärken. Wir hätten zum Beispiel 40 Prozent mehr IT-Personal wie die USA, alleine durch unser Universitätswesen. Wir sind auch in der Grundlagenforschung nicht schlecht. Wir sind nur im Bereich Labor-to-Market schwach und wir sind komplett zerspragelt: In den USA mach ich eine Firma und bediene damit den gesamten amerikanischen Markt. In Europa können Sie das nicht machen. Aber im letzten halben Jahr, mit oder ohne Trump, hat sich Einiges geändert. Die Möglichkeit, Regulierungen zu verändern ist ein Pluspunkt, Investitionen in AI-Factories kommen jetzt, Giga-AI-Factories kommen. Zwar immer nur im europäischen Maßstab – aber hätten Sie mich das im Herbst gefragt, hätte ich gesagt: wir sollten darüber reden, wohin man am besten auswandern kann. Das hat sich geändert. Es gibt wieder ein Momentum, es gibt Schwung, es ist wirklich eine Aufbruchstimmung da.
Sabrina Kasper: Ich kann da jetzt gar nicht mehr so viel hinzufügen, außer vielleicht den Unternehmenskontext: Man muss sich halt genau überlegen, welche Modelle man als Unternehmen nutzen möchte. Was halte ich da für vertretbar, auch aus ethischen Gründen? Verlasse ich mich auf ein chinesisches Modell, verlasse ich mich auf ein amerikanisches Modell, hab ich was Eigenes? Wo wandern die Daten hin? Will ich alle Daten in einer US-Cloud haben, will ich vielleicht irgendwas lieber bei mir haben, wie kann ich das sinnvoll klassifizieren? Für manche Use Cases macht es vielleicht Sinn, die sind nicht so sensitiv. Aber ich möchte sicher nicht meine ganzen Patentdaten, mein ganzes IP irgendwo in eine Cloud reinschmeißen. Das sind Grundsatz-Überlegungen, die man immer machen muss, wenn man über KI redet. Es geht nicht einfach nur um eine Anwendung, sondern darum, wie der ganzheitliche Prozess aussieht.
Sabrina Kasper | AI Go-to-market Lead DACH bei NetApp
Sabrina Kasper spricht regelmäßig auf Konferenzen über ihre Erfahrung in den Bereichen KI und Datenmanagement. Sie begann ihre Karriere bei IBM/Watson, wo sie in lokalen, EMEA- und globalen Positionen für den Vertrieb und die Marktentwicklung des Data & AI Produktportfolios verantwortlich war. Im Laufe der Jahre hat sie sich ein umfassendes Wissen über KI-Markttrends, Kundenbedürfnisse und Anwendungsfälle sowie über die Wettbewerbslandschaft angeeignet. In letzter Zeit hat sich Sabrina auf transformative (Gen-) AI-Projekte sowie auf verantwortungsvolle und vertrauenswürdige KI für große Kunden in Deutschland spezialisiert.
Gerhard Kürner ist Experte für künstliche Intelligenz, lokaler Vorreiter zum Thema KI und viel gesehener Vortragender auf internationalen und nationalen Technologie-Events sowie im universitären Bereich. Er publiziert auf seinen eigenen Kanälen und schreibt als „Der Maschinist“ für das österreichische Nachrichtenmagazin Profil über die technologische Zukunft. Seit 2023 ist er zudem Vizepräsident der AI Upper Austria.
Be the first to comment