Kommentar von Rowan Curran, Forrester 2025 wird ein Jahr harter Arbeit bei der Implementierung von KI

Anbieter zum Thema

Forrester Germany GmbH

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Das Jahr 2024 brachte erneut schnelle Fortschritte in der KI-Forschung und Modellentwicklung sowie die Entwicklung, Erprobung und erste Implementierungen in vielen Unternehmen. Im Jahr 2025 werden zahlreiche Organisationen bedeutende Verbesserungen und Erweiterungen ihrer Produkte, Dienstleistungen und Geschäftsprozesse realisieren – jedoch wird die nächste Generation an Fortschritten nicht ohne weiteres erreichbar sein.

Forresters KI-Prognosen für 2025 beleuchten die Herausforderungen, die Unternehmen meistern müssen, um über frühe prädiktive und generative KI-Architekturen wie RAG und Anomalieerkennung hinauszugehen und zunehmend transformative Anwendungen zu entwickeln. Unternehmen, die sich diesen Herausforderungen stellen, werden umfassende Vorteile erzielen – zahlreiche Organisationen haben bereits beachtliche Einsparungen und Umsatzsteigerungen verzeichnet, indem sie diese Technologien eingeführt haben. Für den Erfolg bei der Umsetzung dieser Fähigkeiten im Jahr 2025 und darüber hinaus werden eine starke Führung, eine strategische Verfeinerung und eine umfassende Kalibrierung der Daten- und KI-Initiativen entscheidend sein, um die Ziele zu erreichen.

Fünf zentrale Prognosen für den Einsatz von Unternehmens-KI im Jahr 2025

• 1. Die meisten Unternehmen, die ausschließlich auf den ROI in der KI fokussiert sind, werden ihre Investitionen zu früh zurückfahren.

• 2. Dreißig Prozent mehr CIOs großer Unternehmen werden CDOs in die IT integrieren.

• 3. Vierzig Prozent der stark regulierten Unternehmen werden Daten- und KI-Governance zusammenführen.

• 4. Das Pendel schwingt bei über 50 Prozent der KI-Anwendungsfälle zurück zur prädiktiven KI.

• 5. Drei von vier Unternehmen, die eigenständig agentenbasierte KI-Architekturen entwickeln möchten, werden scheitern.

Agentenbasierte KI – eine ambitionierte Zukunftsvision

Agentenbasierte KI-Architekturen zählen zu den bedeutendsten aufkommenden Technologien des Jahres 2024. Doch Unternehmen sind oft weniger vorbereitet, als es viele Anbieter glauben machen. Die Vision agentenbasierter KI-Anwendungen ist eine effizientere, flexiblere und gezieltere Automatisierung bestimmter Aufgaben, die bessere Ergebnisse und Entscheidungsprozesse unterstützt, indem Teile der Entscheidungsfindung an Agenten ausgelagert werden. Dieses Jahr hatten viele Unternehmen Schwierigkeiten, KI-Anwendungen mit Retrieval Augmented Generation (RAG) erfolgreich zu implementieren, insbesondere wenn sie auf einen externen Partner verzichteten. Solche Herausforderungen ergeben sich aus der Notwendigkeit, Daten für RAG zu integrieren und aufzubereiten, Benutzerintentionen korrekt zu verstehen und Ergebnisse neu zu sortieren und zu filtern, um nützliche Erkenntnisse zu liefern.

Daher wenden sich viele Unternehmen an Technologie- und Implementierungspartner, um ihre RAG-gestützten KI-Anwendungen zu entwickeln. Einige Anwendungen beginnen bereits, einfache Aktionen und Entscheidungen zu integrieren, wie etwa das Erstellen eines Tickets in einem Wartungssystem – ein Vorläufer der agentenbasierten KI-Systeme von morgen. Fortschrittliche Unternehmen bündeln ihre prädiktiven und generativen KI-Bemühungen in diesen Anwendungen, um von den Stärken beider Modellarten zu profitieren.

Trotz dieser Herausforderungen erzielen Unternehmen bereits jetzt einen beträchtlichen Mehrwert, indem sie beispielsweise ihre Kundenserviceprozesse – sowohl qualitativ als auch quantitativ – verbessern, Wartungszeiten reduzieren, das Volumen und die Qualität der Kundenkommunikation erhöhen, die Content-Erstellung beschleunigen und die Markteinführungszeit für Vertriebs- und Marketingkampagnen verkürzen.

Herausforderungen beim Aufbau agentenbasierter KI-Anwendungen

Die Komplexität beim Aufbau agentenbasierter KI-Anwendungen übersteigt die Herausforderungen für RAG deutlich. Viele Unternehmen streben den Aufbau von Agenten an, doch ohne Partner für Technologie und Change Management werden die meisten scheitern. Die Referenzarchitekturen für solche Anwendungen befinden sich noch in der Einführung, und viele Unternehmen stehen erst am Anfang von Experimenten und der Übernahme. AutoGen, LangChain, Llama Stack, OpenAIs Swarm und Anthropics Artifacts sind nur einige der heute verfügbaren Methoden und Ansätze, doch komplexe agentenbasierte Anwendungen in großem Maßstab sind bisher noch nicht realisiert worden. Das Jahr 2025 wird von Experimenten und Innovationen in den Architekturen und den notwendigen Softwareentwicklungsprozessen geprägt sein.

Diese Herausforderungen eröffnen neue Chancen für Beratungsunternehmen, Systemintegratoren und Technologiepartner, ihre Kunden in der neuen agentenbasierten Landschaft zu unterstützen und gemeinsam Innovationen voranzutreiben. Die Anpassung von Modellen an individuelle Bedürfnisse stellt bereits heute eine große Aufgabe dar, wenn in einer Anwendung nur ein einziges Sprachmodell verwendet wird – bei agentenbasierten Anwendungen, die mehrere generative und prädiktive Modelle kombinieren, sind die Hürden noch größer. Diese architektonischen und umsetzungsbezogenen Herausforderungen wachsen, wenn agentenbasierte Anwendungen mit unterschiedlichen Daten- (und letztlich agentenbasierten) Ökosystemen interagieren müssen.

Derzeit ist unklar, wie die Interaktions-APIs zwischen verschiedenen Agenten genau aussehen werden, was die Komplexität für Unternehmen, die umfassendere Agenten entwickeln wollen, weiter erhöht. Über die Entwicklungsphase von agentenbasierten Anwendungen hinaus sind Test- und Validierungspraktiken sowie Werkzeuge noch äußerst begrenzt. Zwar gibt es zunehmend Q&A-Datensätze zur Bewertung, spezielle LLMs zur Output-Bewertung und einige andere frühe Softwaretools zur Unterstützung des Testens solcher Anwendungen, doch ein Großteil der Tests und Qualitätssicherung basiert derzeit noch stark auf der manuellen Auswertung von Ergebnissen.

Der Weg nach vorne: Partnerschaften und klare Metriken

Trotz dieser Herausforderungen sollten IT-Leiter das nicht als Zeichen sehen, ihre KI-Projekte zurückzufahren. Diese neuen Architekturen sind auf dem neuesten Stand der Technik und hatten noch nicht die Zeit, ihren langfristigen Wert zu demonstrieren, wie es viele andere Anwendungen bereits haben. Wir prognostizieren, dass viele Unternehmen ihre KI-Investitionen zu früh zurückfahren werden, insbesondere diejenigen, die auf Partner verzichtet haben und ausschließlich auf interne Fähigkeiten gesetzt haben, um mit dem rasanten Innovationstempo mitzuhalten.

Angesichts der sich ständig verändernden Landschaft von Modellen, Tools, Architekturen und Praktiken in der KI wird es für Unternehmen immer herausfordernder, Schritt zu halten. Die Lösung besteht nicht darin, KI-Investitionen vorzeitig zurückzufahren, sondern sich auf Anwendungsfälle zu konzentrieren, die über klare, messbare Kennzahlen verfügen und an denen bereits vorherige Erfolge messbar waren, um eine fundierte Grundlage für Fortschritte zu schaffen.

(ID:50223225)