Executive Panel AI First in der Praxis: Von der strategischen Vision zum messbaren Unternehmenserfolg

Anbieter zum Thema

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

Künstliche Intelligenz (KI) ist der große Imperativ der Geschäftswelt. Doch während Unternehmen unzählige Initiativen anstoßen, zeigt die steigende Zahl bereits umgesetzter, aber wenig effektiver Projekte: KI funktioniert nicht als isoliertes Tool, sondern muss als grundlegendes Prinzip der Unternehmens-DNS gedacht werden. Ein Executive Panel zum Thema „AI First“ hat jetzt wertvolle Einblicke geliefert, wie Unternehmen diesen Ansatz in der Praxis erfolgreich umsetzen.

Es ist ein Problem, dessen Folgen erst spät sichtbar werden: Viele Unternehmen starten ihre KI-Reise mit einzelnen Projekten, die sie weitgehend unabhängig voneinander entwickeln und vorantreiben. Ein intelligenter Chatbot hier, ein Produktionsmodell dort – der Business Impact dieser Testballons bleibt dabei in vielen Fällen bewusst begrenzt.

Die großen Stolpersteine tauchen meist bei der Skalierung auf, weil einzelne Initiativen nicht miteinander verknüpft sind, kein übergeordnetes Ziel verfolgt wurde und eine grundlegende KI-Kultur fehlt. Anders ausgedrückt: Viele KI-Projekte sind fragmentierte Bausteine, denen es an einem echten Fundament fehlt. Dabei liegt der Unterschied zwischen erfolgreichen Initiativen und unwirksamen Testballons nicht per se in der Technologie selbst, sondern in der Art und Weise, wie Ambitionen, Datenstrategie, kulturelle Einbindung und operative Umsetzung zusammenspielen.

Bereits hier wird deutlich, dass „AI First“ nicht das nächste Buzzword ist, sondern als ganzheitlicher Ansatz den Weg zu KI-getriebenen Unternehmen ebnet. Wie das in der Praxis umsetzbar ist, haben Führungskräfte aus verschiedenen Branchen auf dem Executive Panel von HTEC in München diskutiert.

Ziele, Daten und Governance im Einklang

Wo also starten mit KI? Martin Gutberlet von Snowflake, Anbieter einer Cloud-basierten Datenplattform, teilt dazu seine Erfahrungen: Unternehmen sollten sich nicht in der Jagd nach einzelnen Anwendungsfällen verlieren, sondern mit einer klaren Ambition beginnen – einem unternehmerischen Ziel, das die KI tragen oder beschleunigen soll. Erst wenn diese Leitplanke steht, können Maßnahmen gezielt abgestimmt und Resultate gemessen werden, zum Beispiel Effizienzsteigerungen, Zeitersparnis oder neue Umsatzquellen über einen Zeitraum von mehreren Jahren. Ronny Fehling vom Beratungshaus BCG X sieht darin einen entscheidenden Schritt. Seinen Erfahrungen nach lohnt es sich, mit ehrgeizigen Zielen zu starten und von diesen aus sukzessive rückwärts an der Lösung zu arbeiten.

Einmal definierte Ziele schaffen aber auch Orientierung und zeigen deutlich, worauf es bei der Umsetzung ankommt. So kann auch die nächste zentrale Frage angegangen werden: Welche Daten benötigen Unternehmen, wie können sie erhoben, verarbeitet und effizient eingesetzt werden?

Ein Blick in die stark auf Daten fokussierte Strategie der Allianz zeigt, wie Unternehmen diese kritischen Fragen in der Praxis beantworten. Das Versicherungshaus definiert weltweit zentrale, strategisch relevante Datenpunkte – etwa im Bereich Leben und Gesundheit – und stellt sicher, dass sie in allen Ländern einheitlich verarbeitet werden. Governance, globale Datenorganisation und eine aktive Data-&-AI-Community sorgen dafür, dass Informationen strukturiert verfügbar sind, statt in lokalen Silos zu verschwinden.

So lassen sich Modelle zuverlässig trainieren, validieren und in verschiedenen Märkten reproduzierbar einsetzen. Gleichzeitig gewährleistet die Struktur die Einhaltung regulatorischer Anforderungen, etwa bei Auditfähigkeit oder Risikokontrolle. Dieser Ansatz zeigt auch, wie stark der Erfolg von KI von einer robusten Datenarchitektur abhängt.

Aus den Einblicken in den Alltag der Unternehmen lassen sich so vier zentrale Schritte ableiten, die eine nachhaltig erfolgreiche Datenstrategie begünstigen:

• Strategisch relevante Daten priorisieren: Klar definieren, welche Daten für Geschäftsmodelle, Risiken und regulatorische Anforderungen entscheidend sind – und sicherstellen, dass sie konzernweit konsistent erfasst werden.

• Governance und Standards organisationsweit verankern: Einheitliche Richtlinien für Datenqualität, Nutzung und Dokumentation schaffen und so ausrollen, dass sie in allen Ländern und Einheiten zuverlässig greifen.

• Eine datengetriebene Community etablieren: Mitarbeiter befähigen, Daten aktiv zu nutzen und zu hinterfragen; zugleich Strukturen schaffen, die den Austausch zwischen Fachbereichen, Data Experts und lokalen Teams fördern.

• Messbare Qualitäts- und Nutzungskennzahlen einführen: KPIs definieren, die die Datenqualität, Reife und tatsächliche Nutzung sichtbar machen – und damit die Grundlage für kontinuierliche Verbesserung und skalierbare KI-Anwendungen schaffen.

Kultur und Kompetenzen: Gemeinsam KI nutzen

Die Einführung von KI verändert Arbeit, Prozesse und Verantwortung – das kann auch zu Widerstand führen, wenn Menschen nicht in die Prozesse und Entscheidungen einbezogen werden. Hinzu kommt eine entscheidende Beobachtung von Jörg Grotendorst, Advisor Automotive Industry bei HTEC: Sein Unternehmen hat in der Human-AI-Kollaboration das größte Potenzial identifiziert. Maschinen und Algorithmen übernehmen also repetitive Aufgaben, während Mitarbeiterinnen und Mitarbeiter sich auf Arbeitsschritte konzentrieren, die menschliche Intuition und Erfahrung erfordern. So steigt die Akzeptanz, während gleichzeitig Prozesse optimiert werden.

Die kulturelle Einbindung ist dafür ein zentraler Baustein, der allein jedoch nicht ausreicht. Ein wichtiges Learning aus dem Panel: KI entfaltet ihren Wert erst, wenn die Umsetzung direkt und großflächig in die Unternehmensstrukturen eingewoben werden. Unternehmen wie die Allianz, BCG X, Snowflake oder HTEC betrachten ihre KI-Initiativen daher nicht als gesonderte Projekte, sondern als selbstverständlichen Teil der IT-Landschaft und Infrastruktur.

Monitoring, Wartung, Versionierung und kontinuierliche Optimierung sind dabei feste Bestandteile, Rollen und Verantwortlichkeiten klar zugewiesen: Wer betreibt das Modell? Wer überwacht Abweichungen und Ziele? Wer entscheidet über Weiterentwicklungen? Diese Klarheit verhindert, dass Lösungen nach der Pilotphase stagnieren, und gewährleistet die Reproduzierbarkeit von Ergebnissen. Die Verzahnung von Mensch, Prozess und Technologie sorgt dafür, dass die Implementierung von KI nachhaltig erfolgreich wirkt. In der Konsequenz können Entscheidungen datenbasiert getroffen werden, Fehlerquoten sinken und Produktionsabläufe laufen stabiler.

Von anderen lernen: Der Blick über den Tellerrand

Der Austausch über Branchen- und Unternehmensgrenzen hinweg entwickelt sich zunehmend zu einem strategischen Beschleuniger. Die Einblicke aus dem Panel zeigen deutlich: Wirklicher Fortschritt entsteht selten im isolierten System. Unternehmen, die sich aktiv mit externen Use Cases, Betriebsmodellen und technologischen Ansätzen auseinandersetzen, verringern nicht nur das Risiko teurer Fehlentwicklungen, sondern verkürzen auch ihre eigenen Innovationszyklen. Dabei geht es nicht um das Kopieren einzelner Lösungen, sondern um einen kollaborativen Ansatz sowie das Erkennen von Best Practices.

Für Susan Wegner, Head of Group Data and AI bei der Allianz, ist der Blick in andere Anwendungsfälle und Branchen eine enorme Hilfe dabei, neue Perspektiven zu erhalten und sollte in keiner Strategie fehlen.

Ebenfalls wichtig: Partnerschaften mit spezialisierten Anbietern, die Erfahrung und Expertise in die Unternehmen hereinbringen – etwa mit dem Ansatz von Embedded Teams, bei dem Spezialisten nicht als externer Dienstleister fungieren, sondern direkt vor Ort in die Strukturen der Unternehmen eingebettet sind. So entsteht ein nachhaltiger Wissenstransfer, der die Lernkurve im Unternehmen deutlich steigert.

Dennoch bleiben zahlreiche Stolpersteine auf dem Weg zu erfolgreichen KI-Initiativen bestehen. Das Executive Panel zieht allerdings ein optimistisches Fazit – schließlich gibt es bereits Lösungen und Best Practices. Zusammengefasst sind das vor allem:

• Eine umfassende, belastbare Datenstrategie als Fundament aller KI-Initiativen entwickeln.

• Eine Kultur der kontinuierlichen Weiterbildung, Anpassung und kritischen Reflexion fördern.

• Aktiv über die eigenen Branchengrenzen hinweg nach Inspiration, Methoden und Best Practices suchen.

• Ambitionierte Ziele formulieren und rückwärts planen, um strategische Klarheit und messbare Prioritäten zu schaffen.

• Den Schwerpunkt auf produktive Mensch-KI-Zusammenarbeit legen, statt vollständige Automatisierung anzustreben.

• Transparent kommunizieren, welche Rolle KI im Unternehmen übernimmt, um Ängste abzubauen und Akzeptanz zu schaffen.

Wie Jörg Grotendorst zum Abschluss des Panels betont, müssen sich Unternehmen auf einen technologischen Wandel einstellen, der sich schneller entfaltet, als ihn viele heute erwarten. In den kommenden zwölf bis 18 Monaten werden wir, so seine Einschätzung, mit Entwicklungen konfrontiert sein, die wir uns derzeit noch nicht einmal vorstellen können – mit neuen wissenschaftlichen Ansätzen und verbesserten Technologien. Dieser Ausblick unterstreicht erneut, wie tiefgreifend KI Prozesse und Unternehmensstrukturen verändern wird. Organisationen, die heute robuste Strukturen schaffen, offen für Neues sind und ihre Mitarbeiter aktiv in diesen Wandel einbeziehen, gehören morgen zu denen, die die nächste Evolutionsstufe mitgestalten.

(ID:50689942)