DER ALGORITHMUS: Was es bedeutet, ein KI-First-Unternehmen zu sein (DE)

Ausgabe Nr. 2 | Oktober 2025

DER ALGORITHMUS: Was es bedeutet, ein AI-First-Unternehmen zu sein

Microsofts Drei-Filter-Test Exklusive Erkenntnisse von Über 900 KI-Projekten

Algorithmen ohne Verzerrung Wie Sie Fairness sicherstellen – und dadurch bessere Entscheidungen treffen

„KI kann nicht einfach Plug-and-Play oder eine Einheitslösung sein. Es ist eine Art Choose-your-own-Adventure”.

Futuristin Erica Orange erklärt, warum es kein Standard-Playbook für KI-Erfolg gibt

Der Aufstieg der agentenbasierten KI Henk Heus von Aptean über intelligente Systeme, die denken, selbstständig lernen und handeln

Plus: Was bedeutet es, ein AI-FirstUnternehmen zu sein?

In dieser Ausgabe Artikel 01

Vision vor Strategie: Gespräch mit KI-Expertin Erica Orange

04

Artikel 02

Eduardo Kassner von Microsoft über die DNA erfolgreicher KI-Projekte

07

Artikel 03

Bessere Fragen stellen mit Aptean GenAI Query

10

Artikel 04

Technische Perspektive: Henk Heus von Aptean über KI-Agenten

12

Artikel 05

Die Regeln der Lieferkettenstrategie neu schreiben

14

Artikel 06

Fair by Design: Das Geschäftsmodell für verantwortungsvolle KI

17

Artikel 07

Tristan Harper von Aviva über die Implementierung von KI in großem Maßstab

20

Artikel 08

Was bedeutet es, ein AI-FirstUnternehmen zu sein?

22

Artikel 09

Im Rampenlicht: KI in der Lebensmittel- und Getränkeherstellung

2

24

Führungskräfte haben Zugriff auf mehr Daten als je zuvor Die Herausforderung besteht also nicht darin, Informationen zu sammeln, sondern diese in zeitnahe, umsetzbare Erkenntnisse umzuwandeln, die zu besseren Entscheidungen führen.

Hier schafft künstliche Intelligenz (KI) echte Wettbewerbsvorteile. Um ihr Potenzial auszuschöpfen, müssen Sie jedoch von Anfang an die richtigen Fragen stellen – nicht, was KI leisten kann, sondern welche Probleme sie lösen soll.

Und hier ist, was Hersteller und Händler lernen: Zur Lösung dieser Probleme sind Systeme erforderlich, die Informationen aus dem gesamten Betrieb verknüpfen, analysieren und darauf reagieren können.

Aus diesem Grund verfügen die Organisationen, die messbare KI-Ergebnisse erzielen, über eine gemeinsame Grundlage: die Cloud-Infrastruktur.

Veraltete, lokale Systeme bilden Silos, die Sie daran hindern, vollständige Antworten auf Ihre Geschäftsfragen zu erhalten.

Der Wechsel in die Cloud ist nicht nur ein technisches Upgrade. Es ermöglicht die vernetzten, intelligenten Vorgänge, die KI benötigt, um echten Mehrwert zu liefern.

TVN Reddy CEO, Aptean

3

01

Vision vor Strategie:

Futuristin Erica Orange über die Einführung von KI in Zeiten unaufhaltsamen Wandels Die allgemeine Meinung besagt, dass erfolgreiche Projekte zur künstlichen Intelligenz mit der Technologie beginnen sollten. Die besten Ergebnisse erzielt man jedoch oft, wenn man zuerst nach innen blickt.

Das Paradoxe, sagt die Futuristin Erica Orange, besteht darin, dass die bedeutendste technologische Revolution seit Jahrzehnten die größte menschliche Disziplin erfordert: sich selbst zu kennen.

Die meisten Unternehmen investieren Ressourcen in Modelle für maschinelles Lernen, ohne genügend Zeit darauf zu verwenden, klare Ziele zu setzen. Zu wenige stellen kritische Fragen: Welches Problem lösen wir?

Wer profitiert? Wie wird dies uns verändern?

Orange hat es sich zur Aufgabe gemacht, Organisationen dabei zu helfen, Veränderungen vorherzusehen und zu verstehen. In ihren Worten: „Die Vision muss vor der Strategie kommen.“ Diesen Oktober ist Orange die Hauptrednerin bei Aptean UNITE 2025 in Orlando, Florida, wo sie zum Konferenzthema „Elevate Your Game“ sprechen und Führungskräften aus Fertigung und Vertrieb dabei helfen wird, sich auf das vorzubereiten, was als Nächstes kommt.

Vor ihrer Keynote-Präsentation haben wir uns mit Erica zusammengesetzt, um die strategischen Erfordernisse für die Einführung von KI, die Bewältigung organisatorischer Veränderungen und die Vorbereitung auf eine unsichere, aber chancenreiche Zukunft zu besprechen.

4

Wie sollten Unternehmen KI-Projekte angehen, um Erfolg zu gewährleisten?

Jedes Unternehmen muss sich bei der Implementierung von KI zunächst zwei einfache, aber grundlegende Fragen stellen: 1. Welches Problem versuche ich zu lösen?

2. Wem nützt es?

Denn letztlich läuft KI auf Folgendes hinaus: die Umverteilung menschlicher Zeit und Talente zur Erreichung strategischerer Ziele. Es geht nicht nur um Kostensenkungen, sondern auch um Umverteilung. Neuverteilung von Zeit und Talent auf neue und unvorhergesehene Weise.

Von dort aus muss sich jedes Unternehmen fragen: Wie passt KI in unsere langfristige Vision? Wir müssen uns daran erinnern, dass KI kein Allheilmittel ist. KI kann weder Plug-and-Play sein, noch gibt es eine Einheitslösung für KI. Es ist eher ein „Wähle dein eigenes Abenteuer“, was zu mehr Personalisierung, Präzision und Vorhersagbarkeit führt.

Eine weitere Frage lautet: Was braucht es, um zu gewinnen? Unternehmen müssen eine interne Kultur schaffen, die Innovation, Experimentierfreude und Zusammenarbeit belohnt.

Erica Orange ist Partnerin bei The Future Hunters, einem führenden futuristischen Beratungsunternehmen, wo sie Komplexität in umsetzbare Erkenntnisse für branchenübergreifende Führungskräfte umwandelt. Ihre Expertise bei der Entschlüsselung globaler Trends hat sie zu einer vertrauenswürdigen Beraterin für Organisationen weltweit gemacht und ihre dynamischen Präsentationen haben das Publikum auf über 300 Konferenzen in Europa, Lateinamerika und Asien gefesselt.

Als Autor von „AI + The New Human Frontier: Reimagining the Future of Time, Trust + Truth“ bietet Orange eine visionäre Erkundung, wie künstliche Intelligenz die menschliche Erfahrung neu gestalten wird.

Ihre Arbeit wurde in Wired, NPR, Bloomberg und CBS This Morning vorgestellt und sie wurde 2020 als eine der 50 weltweit führenden weiblichen Futuristen ausgezeichnet.

KI-gesteuerte Veränderungen können für viele Organisationen eine große Herausforderung darstellen. Was raten Sie Führungskräften, die ihre Teams auf diese Reise mitnehmen möchten?

Führungskräfte müssen sich vor allem daran erinnern, dass die Vision vor der Strategie kommt. Bei einer Vision geht es darum, klar zu definieren, wer Sie sind und wofür Sie stehen. Von dort aus können Sie mit der Definition Ihrer Strategien beginnen. Entscheidend ist jedoch, dass diese – und Ihr Denken – beweglich und flexibel bleiben.

Binden Sie sich nicht an eine einzige Strategie.

Betrachten Sie sie stattdessen als eine Reihe paralleler Eisenbahnschienen. Planen Sie einen Bereich für Ihre kurzfristigen Strategien (ein bis zwei Jahre), einen weiteren Bereich für Ihre mittelfristigen Strategien (drei bis fünf Jahre) und einen weiteren Bereich für Ihre langfristigen Strategien (fünf bis acht Jahre und darüber hinaus).

Jeder Strategiepfad muss so aufgebaut sein, dass er anpassbar ist. Sie müssen in der Lage sein, auf jedes Element ein- und auszusteigen, es zu verfeinern, das aufzugeben, was nicht funktioniert, und es neu aufzubauen. Dann wird Ihre Vision zu Ihrem Leitstern, nicht Ihre Strategie.

„Führungskräfte müssen nicht nur artikulieren können, was KI leisten wird, sondern auch, warum sie für die Zukunft des Unternehmens wichtig ist.“ Es wird wichtig sein, an einer zeitlosen Vision festzuhalten und bereit zu sein, selbst die größten Strategien schnell zu übernehmen und dann wieder zu verwerfen – insbesondere im Bereich der KI, da sich dieser Bereich so schnell verändert.

Führungskräfte müssen nicht nur in der Lage sein, zu artikulieren, was KI leisten wird, sondern auch, warum sie für die Zukunft des Unternehmens wichtig ist. Und dazu gehört auch, dass man gleichermaßen artikulieren kann, was KI nicht kann.

Angesichts der Umgestaltung der Berufsbilder durch KI stellt sich die Frage, welche Strategien Unternehmen anwenden sollten, um sicherzustellen, dass ihre Mitarbeiter für die Arbeit mit fortschrittlichen Technologien gerüstet sind.

Eine Möglichkeit besteht darin, erfahrungsbasierte Lernmöglichkeiten zu schaffen. Unternehmen sollten versuchen, sichere, interaktive Umgebungen einzurichten, in denen Mitarbeiter mit für ihre Arbeit relevanten KI-Tools experimentieren können. Wenn Sie Ihren Mitarbeitern die Zeit und den Raum geben, einfach mit diesen Tools herumzuspielen, können sie durch praktische Erfahrung lernen. Darüber hinaus ist es eine großartige Möglichkeit, Kompetenz und Selbstvertrauen aufzubauen.

Eine andere Möglichkeit besteht darin, kontinuierlich zu iterieren. Nutzen Mitarbeiter KI-Tools effektiv? Treffen sie bessere Entscheidungen? Sind sie anpassungsfähiger gegenüber neuen Technologien? Auf diese Weise können Sie tatsächliche Verhaltensänderungen und Auswirkungen verfolgen.

Diese Erkenntnisse können dann verfeinert werden, um den neu entstehenden Qualifikationsbedarf zu ermitteln.

5

Die Fähigkeiten der KI entwickeln sich ständig weiter. Wie können Organisationen von diesem ständigen Wandel profitieren, anstatt sich ihm zu widersetzen?

Denken Sie darüber nach, bestimmte Budgets und Ressourcen für „Innovationszeiten“ bereitzustellen, in denen Teams neue KI-Tools erkunden können.

Machen Sie es unterhaltsam, wie damals, als wir Kinder auf dem Spielplatz waren! Der Schlüssel liegt darin, Experimente systematisch statt ad hoc durchzuführen und Testfelder für neue Ansätze zu schaffen, bevor diese in Ihrem gesamten Unternehmen eingeführt werden.

Auch kulturelle Veränderungen hin zu Experimenten, Lernen aus Fehlern und schneller Anpassung sind von entscheidender Bedeutung. Immer mehr Unternehmen implementieren eine „Fail-Fast“Kultur, in der schnelles Scheitern als Lerngelegenheiten betrachtet wird. Dadurch wird psychologische Sicherheit für Experimente geschaffen und Innovation und Lernen belohnt, nicht nur erfolgreiche Ergebnisse.

Die Unternehmen, die es „verstehen“, werden diejenigen sein, die KI als Fähigkeitsmultiplikator (z. B. zur Steigerung des menschlichen Potenzials) und nicht als Kostensenkungsinstrument betrachten. Aber wir brauchen auch eine gesunde Portion Realismus.

Egal, wie schnell sich die Dinge bewegen, wir müssen auch verstehen, dass nicht alle Veränderungen schnell erfolgen und sich nicht alles ändert. Einige traditionelle Methoden und Praktiken können neben neuen technologischen Entwicklungen bestehen bleiben und so in unserem Alltag eine Mischung aus Alt und Neu schaffen. Es wird weiterhin tägliche Frustrationen über alte, veraltete Systeme geben.

6

Wie sollten sich Unternehmen auf KI-Entwicklungen vorbereiten, die sie nicht vorhersehen können?

Die Zukunft ist ungewiss. Die Menschen lieben das Gefühl der Vorhersehbarkeit, weil es ihnen ein gewisses Maß an Kontrolle vermittelt. Doch das Tempo des Wandels ist unerbittlich. Und die genaue Flugbahn werden wir – egal, wie sehr wir uns bemühen – nie mit Sicherheit bestimmen können.

Wir werden wahrscheinlich auch eine zunehmende Trennung zwischen der technologischen Beschleunigung und den bürokratischen Systemen erleben, die für eine frühere Wirtschaft konzipiert wurden. Dies wird zweifellos zu mehr Ineffizienz und Funktionsstörungen führen, wenn Institutionen, die für das Industriezeitalter konzipiert wurden, versuchen, Technologien zu regulieren und zu nutzen, die sich mit digitaler Geschwindigkeit weiterentwickeln.

Ericas Buch „ AI + The New Human Frontier: Reimagining the Future of Time, Trust + Truth“ ist jetzt erhältlich.

Kaufen Sie das Buch

02 Sorgfältig auswählen, schnell lernen, Wirkung messen: Die DNA erfolgreicher KI-Projekte

Die meisten Organisationen gehen mit umfangreichen Wunschlisten und ehrgeizigen Zeitplänen an die KI heran.

Wie können sie die Informationsflut durchdringen und wirklich praktikable Anwendungsfälle identifizieren?

Das Schlimmste, was Sie mit KI tun können, ist, riesige Summen zu investieren, ohne einen soliden Business Case zu haben. Andernfalls werden Sie sich am Ende fragen: „Was haben wir davon?“ Das ist schade, denn KI ist ein äußerst nützliches Werkzeug – solange Sie verstehen, wozu es dient.

Eduardo Kassner, CTO für Cloud & KI im HightechSektor bei Microsoft, teilt seine Erkenntnisse aus der Umsetzung von über 900 KI-Projekten bei großen Technologieunternehmen weltweit.

Kein KI-Projekt ist wie das andere, daher müssen Sie etwas finden, das wichtig genug ist, um Menschen dazu zu bewegen, Forschung zu betreiben und ein Problem zu lösen.

Welchen Rahmen verwenden Sie, um wirkungsvolle KI-Möglichkeiten von teuren Experimenten zu trennen?

Wir wenden bei jedem Projekt drei Filter an. Erstens: Gibt es einen klaren Zweck, der durch einen echten Bedarf gestützt wird? Nicht etwas Interessantes, sondern etwas, ohne das ein wichtiger Stakeholder nicht leben kann – und in das sich nach Ansicht Ihres CEOs eine Investition lohnt. Das muss bis hinauf zur Vorstandsebene relevant sein.

7

Zweitens: Kann man es messen? Nicht mit einer allgemeinen Nutzenaussage, die sich nicht überprüfen lässt, sondern mit messbaren Ergebnissen, die niemand bestreiten kann.

Seien Sie bei der Auswahl der Kennzahlen vorsichtig, denn die Effizienz Ihres Unternehmens lässt sich nur bis zu einem gewissen Grad steigern. Ich bin begeistert von Projekten, die Wachstum fördern und Menschen erfolgreicher machen; Projekte, die KI nutzen, um alle Boote zum Schwimmen zu bringen.

Drittens: Ist es technisch machbar und umsetzbar?

Sie sollten es mit vorhandenen Werkzeugen und Technologien erstellen können, ohne etwas Neues erfinden zu müssen.

Die meisten Unternehmen kommen mit Listen von 60–100 Anwendungsfällen zu meinem Team. Diese drei Filter reduzieren die Liste normalerweise auf drei bis fünf Projekte, genau das, was Sie wollen. Dieser Prozess hilft Ihnen, „AI-Washing“ zu vermeiden. Sie möchten nicht etwas bauen, nur weil alle anderen KI machen.

Viele Unternehmen haben Schwerigkeiten mit der Umstellung von KI-Konzepten auf skalierte Produktionssysteme. Welche Methode verwenden Sie, um das Risiko dieses Prozesses zu minimieren?

Wir haben einen ganz bestimmten Ablauf: drei Projekte in drei Monaten, die einem klar definierten Prozess folgen.

Erstens ermutigen wir Unternehmen, „Hackathons“ durchzuführen, die die Leute begeistern und Ideen hervorbringen. Dann wenden wir unsere drei Filter an, um diese Ideen auf eine fokussierte Projektliste einzugrenzen.

Als Nächstes folgt der Proof of Concept (POC), um zu zeigen, dass diese spezifischen Ideen mit den Daten und Systemen des Unternehmens funktionieren könnten. Vielleicht sind Sie nicht sicher, ob dieser Teil eine Verbindung zu diesem Datenelement herstellen kann, oder Sie müssen überprüfen, ob eine Komponente mit Ihren vorhandenen Systemen funktioniert.

Jetzt ist es an der Zeit, eine Lösung zu finden.

Dann erstellen Sie ein Minimum Viable Product (MVP).

Hier finden Organisationen heraus, wie die Produktion funktionieren wird, was es kosten wird und wer es verwalten wird. Wenn Sie den Tiger gefangen haben, wer wird ihn füttern und den Käfig reinigen?

Wenn Sie diesen Prozess bei Ihren ersten Projekten erfolgreich befolgt haben, können Sie ihn auf Dutzende von KI-Initiativen skalieren. Ihr Unternehmen weiß, wie KI eingesetzt wird, kennt den Prozess und hat die internen Fähigkeiten aufgebaut, Pläne systematisch umzusetzen.

8

Bei diesem schrittweisen Ansatz steht das Lernen in der Organisation ebenso im Vordergrund wie die technische Umsetzung. Wie entscheidend sind Bildung und Denkweise für den Erfolg von KI? Die Einführung von KI ist sowohl eine Frage der Psychologie als auch der Technologie. Sie haben es mit etwas völlig Neuem zu tun, das den Leuten Unbehagen bereitet, und Sie müssen beweisen, dass der Prozess funktioniert.

Sie müssen sich jedoch auch darüber im Klaren sein, dass Sie mit KI häufig scheitern werden und dass es für die leitenden Stakeholder schwierig sein kann, zu verstehen, dass Risiken und Misserfolge Teil des Prozesses sind. Die traditionelle Denkweise in der Wirtschaft besagt, dass man „oft richtig liegen“ soll, doch KI ist Neuland.

Der Schlüssel liegt darin, zu lernen, wie man „Misserfolge“ als Experimente kennzeichnet. Dies ist im Bereich der KI wichtiger als jede andere Entwicklung, die ich in meiner Karriere erlebt habe. Jeder Rückschlag sollte Ihnen etwas beibringen, das Sie auf Ihre zukünftigen KI-Projekte anwenden können.

Was sollten Führungskräfte über die technische Realität der Bereitstellung von KI-Projekten wissen?

Der größte Irrtum besteht darin, dass KI bedeutet, Daten in ein großes Sprachmodell (LLM) zu werfen und dann Magie zu erhalten. Aber kein KI-Projekt verwendet nur LLMs oder generative KI. Jedes einzelne Projekt verwendet viele Daten, Abfragen, Standarddatenbanken, mehrere Datenquellen und altmodischen Code.

Jedes Projekt, das in Produktion geht, verwendet durchschnittlich 6–14 verschiedene Modelle. Sie können Übersetzungsdienste, Computer Vision, Dokumentenerkennung, Sprache-zu-Text, Datenvektorisierung und/oder verschiedene datenwissenschaftliche Modelle verwenden.

Darüber hinaus arbeiten die meisten KI-Systeme in Unternehmen als Multi-Agenten-Architekturen: Verschiedene KI-Komponenten übernehmen spezielle Aufgaben, die nahtlos zusammenarbeiten müssen.

Lassen Sie mich Ihnen ein Beispiel geben. Angenommen, Sie möchten ein KI-Tool, das Sie bei der Berechnung von Steuern unterstützt. Sie benötigen einen Agenten, der überprüft, ob die Frage des Benutzers angemessen ist. Sie benötigen ein weiteres Tool, das überprüft, ob der Benutzer alle erforderlichen Dokumente bereitgestellt hat. Sie benötigen Sub-Agenten, die sich um verschiedene Aspekte kümmern: einen für die Grundsteuer, einen anderen für verschiedene staatliche Anforderungen und so weiter.

„Die Einführung von KI ist ebenso eine Frage der Psychologie wie Technologie. Sie haben es mit etwas völlig Neuem zu tun, das den Leuten Unbehagen bereitet, und Sie müssen beweisen, dass der Prozess funktioniert.“ Dann benötigen Sie eine Koordinierungsebene, die alle diese spezialisierten Agenten verwaltet, und schließlich eine Qualitätssicherungskomponente, die anhand der letzten 10.000 von Ihnen bereitgestellten Antworten bewertet, ob die Antwort Ihren Standards entspricht.

Aus diesem Grund erstellen wir POCs und MVPs: um alle beweglichen Teile zu verstehen, bevor wir mit der vollständigen Produktion beginnen.

Kostenmanagement ist ein kritischer, aber oft unterschätzter Aspekt der KI-Strategie. Wie bringen Sie technischen Ehrgeiz mit finanzieller Nachhaltigkeit in Einklang?

KI kann sehr teuer werden: nicht weil die Einheiten teuer sind, sondern weil der Verbrauch schnell explodieren kann. Sie müssen dafür sorgen, dass die Lösung langfristig tragfähig ist. Lohnt sich der Aufwand?

Manchmal wird das, was in der POC-Phase aufregend schien, sechs Monate später zu einem Budget-Albtraum.

Sie werden wahrscheinlich mehrere Datenbanktypen verwenden und kleinere und größere Modelle gegeneinander abwägen, um die Kosten überschaubar zu halten und die Lösung langfristig tragfähig zu machen.

Der Schlüssel liegt darin, etwas aufzubauen, das Sie nicht nur betreiben und verwalten, sondern auch nachhaltig finanzieren können.

Und denken Sie daran, dass sich diese Systeme im Laufe der Zeit weiterentwickeln – Sie können Modelle austauschen, wenn neuere, bessere verfügbar werden.

Hat die Unternehmensgröße Auswirkungen auf den Erfolg der KI-Implementierung?

gesehen, wie kleinere Teams in kürzerer Zeit unglaublich starke Lösungen entwickelt haben als große Unternehmen.

Große Unternehmen können sich in ihren eigenen Altsystemen und ihrer Politik verheddern. Die schlimmste Situation ist, wenn ein wichtiger Entscheidungsträger hereinkommt und über unternehmensweite Initiativen spricht, Sie aber ein Jahr später immer noch über diese Initiative sprechen, anstatt die tatsächlichen Ergebnisse zu liefern.

Was ist der entscheidende Faktor, der über Erfolg oder Misserfolg eines KI-Projekts entscheidet?

Klarheit des Zwecks. Wenn Sie etwas bauen, weil es wirklich cool ist oder weil alle anderen KI verwenden, wird es scheitern.

Ich kann Ihnen nicht sagen, an wie vielen Projekten ich gearbeitet habe, bei denen ich gefragt habe: „Wozu machen Sie das?“ und das Unternehmen antwortet: „Weil es für uns von entscheidender Bedeutung ist.“ Das ist keine Antwort. Es ist weder spezifisch noch aussagekräftig oder nützlich für den Projekterfolg; das Unternehmen hat nicht die gebotene Sorgfalt walten lassen, um den wahren Zweck zu verstehen.

Lassen Sie sich nicht von der Technologie oder dem Hype mitreißen. Konzentrieren Sie sich darauf, die zwei oder drei Projekte zu finden, die wirklich etwas bewirken. Und gehen Sie systematisch vor, seien Sie bereit, zu experimentieren und aus Fehlern zu lernen.

Die Unternehmen, die mit KI Erfolg haben, sind diejenigen, die sie als strategische Fähigkeit betrachten, die im Laufe der Zeit aufgebaut werden kann, und nicht als magische Lösung, die man einmal implementiert und dann vergisst.

Es geht nicht wirklich um die Größe des Unternehmens. Es geht darum, ein klares Ziel zu haben. Kleinere Organisationen verfügen häufig über einen stärkeren Fokus und können Ideen schneller umsetzen, was ihnen einen Vorteil verschafft. Ich habe 9

03 Bessere Fragen stellen:

Wie Apteans GenAI-Abfrage Theorie und Praxis verbindet Erica Orange und Eduardo Kassner betonen dieselbe wichtige Erkenntnis: Die erfolgreiche Einführung von KI beginnt mit dem Stellen der richtigen Fragen.

GenAI Query, jetzt in AppCentral verfügbar, setzt dieses Prinzip in die Praxis um.

Die Technologie befasst sich mit einer grundlegenden Herausforderung im Zusammenhang mit der Einführung von KI: der Notwendigkeit, dass KI-Implementierungen einen unmittelbaren, messbaren Mehrwert liefern.

Anstatt sich mit komplexen Dashboards herumzuschlagen oder auf IT-Berichte zu warten, können Teams GenAI Query verwenden, um Ihre Fragen direkt zu stellen – wie etwa „Wo liegen meine Fulfillment-Engpässe?“ oder „Welche SKUs schmälern unsere Marge?“ – und erhalten sofortige, kontextbezogene Antworten aus Live-Unternehmensdaten.

Anstatt von den Teams zu verlangen, neue Schnittstellen zu erlernen oder auf benutzerdefinierte Berichte zu warten, ermöglicht GenAI Query den Frontline-Managern, Betriebsleitern und Finanzteams, so natürlich mit ihren Daten zu interagieren, als würden sie einen Kollegen fragen.

Von der Erkenntnis zur Tat Wie wir in unserer vorherigen Ausgabe untersucht haben, setzt AppCentral vorgefertigte KI-Agenten ein, um Ihre Arbeitsabläufe zu automatisieren und zu verbessern. GenAI Query ist der nächste Schritt in diesem Prozess: Konversationsintelligenz, die die Lücke zwischen Fragen und Antworten schließt.

10

Dieser Ansatz unterstützt direkt das Prinzip „Vision vor Strategie“ von Erica Orange. Unternehmen können sich darauf konzentrieren, das zu definieren, was für das Geschäft am wichtigsten ist, und dann GenAI Query verwenden, um diese Prioritäten kontinuierlich zu überwachen und zu messen, ohne sich in der technischen Komplexität zu verlieren.

„AppCentral ist für unsere Kunden die Grundlage, um die Leistungsfähigkeit von KI zu nutzen – GenAI Query ist die Intelligenz, die sie zum Leben erweckt.

Es macht den Unterschied zwischen dem Starren auf ein Dashboard und einem direkten, aufschlussreichen Gespräch mit Ihrem Unternehmen.“ TVN Reddy, CEO, Aptean

Echtzeit-Intelligenz, entwickelt für Ihr Unternehmen

Jeden Mitarbeiter erkenntnisorientiert machen

Was GenAI Query von anderen generativen KI-Tools unterscheidet, ist die tiefe Integration in produktionsspezifische Arbeitsabläufe. Das System versteht die Komplexität, Terminologie und Prozesse, die für die diskrete Fertigung, die Lebensmittel- und Getränkeindustrie, den Transport und die Bekleidungsindustrie typisch sind.

Mit GenAI Query können Hersteller klein anfangen – etwa indem sie einfache Bestandsfragen stellen – und dann mit zunehmendem Vertrauen und Verständnis schrittweise auf komplexere Analysen ausweiten.

Dieses Fachwissen stellt sicher, dass die KI bei Fragen zu „Margendruck“ oder „Lagerrisiko“ kontextrelevante Erkenntnisse statt allgemeiner Antworten liefert.

Während Tausende von Kunden AppCentral beitreten, bietet GenAI Query die Konversationsebene, die die Einführung von KI sowohl zugänglich als auch sofort nützlich macht – und genau das ist nach Ansicht von Futuristen und Praktikern für einen dauerhaften Erfolg unerlässlich.

Die AppCentral-Plattform vereinheitlicht Live-ERPDaten aus den Bereichen Inventar, Einkauf, Verkauf, Forderungen und Verbindlichkeiten und schafft so eine einzige zuverlässige Datenquelle, die Teams in natürlicher Sprache abfragen können. Rollenbasierte Zugriffskontrollen und Prüfpfade gewährleisten die Unternehmenssicherheit und ermöglichen gleichzeitig einen umfassenderen Zugriff auf Business Intelligence.

Erfahren Sie mehr über Aptean GenAI Query

Jetzt ansehen

11

04 Technische Perspektive:

Henk Heus von Aptean über KI-Agenten GenAI Query veranschaulicht wie KI intelligente Systeme ermöglicht, die den Kontext verstehen, autonome Entscheidungen treffen und sich nahtlos in Unternehmensplattformen integrieren lassen.

Dr. Henk Heus, Associate VP bei Aptean, erklärt, wie diese neue Generation von KI-Agenten den Betrieb über die einfache Automatisierung hinaus umgestalten wird.

Die Zukunft der KI in der Unternehmensführung besteht nicht darin, menschliche Entscheidungsträger zu ersetzen. Es werden intelligente Agenten erstellt, die sich um die sich wiederholenden, zeitraubenden Aufgaben kümmern, die Menschen davon abhalten, sich auf hochwertige Arbeit wie Ursachenanalyse und strategische Verbesserungen zu konzentrieren.

Was wir bei der agentenbasierten KI erleben, ist eine bedeutende Weiterentwicklung über die traditionelle regelbasierte Automatisierung hinaus.

Während frühere Systeme nach der einfachen „Wenn dies, dann das“-Logik arbeiteten, kann die agentenbasierte KI autonome Entscheidungen treffen, indem sie den Kontext versteht, komplexe Dokumente liest und aus aktuellen und historischen Daten Schlussfolgerungen zieht.

12

Der Schlüssel liegt darin, diese Agenten gleichzeitig mit mehreren Geschäftssystemen zu verbinden.

Rufen Sie Kundendaten aus Ihrem CRM ab, überprüfen Sie Lagerbestände in Ihrem ERP-System und beziehen Sie sich auf Ihre Qualitätsstandards, und das alles unter Einhaltung von Sicherheitsprotokollen und rollenbasierten Zugriffskontrollen.

Wir sehen jetzt auch KI-Agenten, die mit der Zeit lernen und sich verbessern können. Sie können Muster in der erfolgreichen Abwicklung verschiedener Prozesse analysieren, Engpässe erkennen und sogar Optimierungen vorschlagen. Dadurch entsteht eine Rückkopplungsschleife, in der die Abläufe effizienter werden, ohne dass eine ständige manuelle Überwachung erforderlich ist.

Wir befinden uns noch in der Anfangsphase, aber das Potenzial ist enorm. Stellen Sie sich Agenten vor, die Wartungsarbeiten automatisch auf Grundlage von Geräteleistungsdaten planen, dringende Aufträge an die am besten geeigneten Teammitglieder weiterleiten oder Compliance-Berichte erstellen können, indem sie Informationen aus mehreren Systemen abrufen.

Der menschliche Faktor bleibt für die Aufsicht, Entscheidungsfindung und Handhabung von Ausnahmen von entscheidender Bedeutung, die Routinearbeit wird jedoch autonom.

Wir ersetzen keine Menschen, wir verbessern Arbeitsabläufe und machen die Arbeit einfacher.

Was ist Agentenbasierte-KI? Agentische KI-Systeme können mithilfe von drei Kernfunktionen mit minimaler Überwachung bestimmte Ziele erreichen: 1. Autonomie

(Aufgaben selbstständig ausführen)

2. Anpassungsfähigkeit

(Lernen aus Interaktionen)

3. Zielorientierung (Argumentation über Ziele) Im Gegensatz zur herkömmlichen Automatisierung oder generativen KI, die auf Eingabeaufforderungen reagiert, haben diese Systeme einen Zweck. Sie verfolgen Ziele, integrieren Daten aus mehreren Quellen, rufen APIs auf, fragen Datenbanken ab und treffen Entscheidungen auf der Grundlage erlernter Muster, während sie gleichzeitig angemessene Governance-Kontrollen aufrechterhalten.

13

05 Digitale Planungsintelligenz:

Die Regeln der Lieferkettenstrategie neu schreiben Lieferketten stehen aufgrund von Volatilität, Störungen und sich ändernden Verbrauchererwartungen unter unerbittlichem Druck. Um diese Herausforderungen zu meistern, ist eine neue Art der Planung erforderlich – eine, die über langsame, isolierte Prozesse hinausgeht und für Geschwindigkeit, Agilität und Klarheit sorgt.

Piet Buyck, SVP Industry Principal bei Logility, untersucht, wie digitale Planungsintelligenz die Regeln der Lieferkettenstrategie neu schreibt und warum Unternehmen, die auf KI-gesteuerte Planung setzen, in den kommenden Jahren das Tempo vorgeben werden.

Traditionelle Supply-Chain-Planung reicht nicht mehr aus Unvorhersehbarkeit ist seit langem ein bestimmendes Merkmal der Lieferkette. Auch wenn Geschmack und Intensität variieren, bleibt eine Konstante bestehen: die Veränderung. In diesem Umfeld ist ein Plan das wertvollste Kapital eines Supply Chain Managers – ein Plan, der mit der Unternehmensstrategie übereinstimmt und die Umsetzung in den Bereichen Finanzplanung, Bestandsoptimierung und Marketinginitiativen vorantreibt.

Doch traditionelle Planungsrahmen wie Sales and Operations Planning (S&OP), Sales and Operations Execution (S&OE) und Integrated Business Planning (IBP) sind für die heutigen volatilen Märkte zunehmend unzureichend. Diese Prozesse sind langsam, arbeitsintensiv und oft losgelöst von Echtzeitereignissen. Sie erstellen Pläne, die auf undurchsichtigen 14

strategischen Zielen basieren, und denen es an der nötigen Flexibilität und Klarheit mangelt, um auf Marktveränderungen als Chancen und nicht als Bedrohungen zu reagieren.

Das Ergebnis? Die Entscheidungsfindung verlangsamt sich, die Leistung leidet und die Unternehmen konzentrieren sich stärker auf das Erreichen statischer Ziele als auf das Erreichen sinnvoller Ergebnisse.

Der Aufstieg der KI-gesteuerten Planung KI definiert die Planungslandschaft neu. Organisationen, die auf KI-gesteuerte Planung setzen, sind ihrer Konkurrenz bereits 70% voraus. Sie erzielen 6% höhere Gewinnspannen, erstellen Pläne zu 30% der Kosten und verbessern die Prognosegenauigkeit um 20 %. Diese Wettbewerbslücken werden sich nur noch vergrößern, da generative KI (Gen-KI) und enge KI die Lieferkette umgestalten.

Dieses neue Paradigma ersetzt statische Tabellen und Berichte durch dynamische, ereignisgesteuerte Entscheidungsfindung. Es ermöglicht Planern, schnell, klar und sicher zu handeln – durch die Interaktion in natürlicher Sprache, Zusammenarbeit in Echtzeit und erklärbare Erkenntnisse.

Die Welt in digitale Erkenntnisse übersetzen Moderne Planungslösungen haben traditionelle analoge Prozesse mit integrierter KI neu gestaltet und ermöglichen es funktionsübergreifenden Teams, die Welt in digitale Erkenntnisse zu übersetzen. Diese Erkenntnisse basieren auf einer Lieferkettenontologie – einem strukturierten Rahmen, der Konzepte und ihre Beziehungen abbildet. Dadurch wird sichergestellt, dass die Daten in Geschäftsbegriffen ausgedrückt werden und klare, umsetzbare Informationen bereitgestellt werden, die im gesamten Unternehmen leicht verständlich sind.

Durch die Kombination von generischer und eingeschränkter KI mit tiefgreifender Lieferkettenkompetenz schaffen diese Systeme mit hoher Wirksamkeit Vertrauen und vermeiden gleichzeitig häufige Fallstricke wie Datenschutzbedenken und Halluzinationen, die generische KI-Plattformen plagen können.

In der Vergangenheit war für die Beantwortung komplexer Fragen in Lieferkettensystemen spezielles Fachwissen erforderlich. Heute demokratisiert KI den Zugang zu Informationen. Benutzer müssen nicht mehr mehrere Tools beherrschen oder über technische Kenntnisse verfügen. Über natürliche Sprachschnittstellen kann jeder geschäftsrelevante Fragen stellen und transparente, erklärbare Antworten erhalten – das stärkt das Vertrauen und beschleunigt die Entscheidungsfindung.

Planung, die Ihre Sprache spricht Diese neue Planungssprache ist mehr als nur eine technologische Verbesserung – sie ist eine Neuinterpretation der Funktionsweise der Planung. Es ersetzt statische Tools durch dynamische, KI-gestützte Zusammenarbeit. Es ermöglicht Planern, in natürlicher Sprache mit Daten zu interagieren, die treibenden Kräfte hinter Entscheidungen zu verstehen und selbstbewusst zu handeln.

ChatGPT und andere Large Language Model (LLM)-Systeme ermöglichen jedem die intelligente Interaktion mit Daten. Es ist nicht länger akzeptabel, dass Informationen nur in statischer oder analoger Form verfügbar sind, die nicht mit der Geschwindigkeit des Marktes Schritt halten.

Die Zukunft der Lieferkettenplanung ist intelligent, intuitiv und inklusiv. Es spricht die Sprache der Wirtschaft, passt sich dem Tempo des Wandels an und befähigt Organisationen, mit Einsicht zu führen. Das Zeitfenster für den Aufbau eines Wettbewerbsvorteils ist geöffnet – aber nicht mehr lange.

Anfrage Digital Download

15

Die drei Ebenen der digitalen Planungsintelligenz Moderne Entscheidungsintelligenz basiert auf drei miteinander verbundenen Ebenen. Betrachten Sie sie als digitale Bausteine, die die Prognosegenauigkeit und Reaktionsfähigkeit schrittweise verbessern:

EBENE 01

Historische Daten auswerten – Strategische Erkenntnisse

Organisationen agieren innerhalb umfassenderer wirtschaftlicher Ökosysteme. Historisches Data Mining und Narrow AI werden verwendet, um makroökonomische Treiber wie Inflation, Verbraucherverhalten und Branchentrends zu analysieren. Diese Erkenntnisse unterstützen die strategische Planung und die jährlichen Betriebspläne (AOPs) und helfen Teams, Szenarien zu visualisieren und langfristige Risiken und Chancen einzuschätzen.

EBENE 02

Mithilfe von Gen AI können Benutzer Abfragen in natürlicher Sprache ausführen – beispielsweise einen Inflationsanstieg von 10% simulieren – und umsetzbare Erkenntnisse darüber erhalten, wie sie darauf reagieren können.

Bedarfsplanung – Der operative Horizont

Diese Stufe erstreckt sich über drei bis 18 Monate und befasst sich mit der operativen Planung. Es umfasst Werbeaktionen, saisonale Trends, Wettbewerbsaktionen und externe Datenquellen. Fortschrittliche Ensemble-Modellierungs-Engines kombinieren mehrere Prognosemodelle und Datenströme zu einer einzigen, robusten Vorhersage und reduzieren so die Fehler im Vergleich zu herkömmlichen Methoden um 10–15%.

KI kennzeichnet Anomalien, fordert Klarstellungen an und lernt aus Ausnahmen, wodurch eine Zusammenarbeit zwischen verschiedenen Personen in Echtzeit ermöglicht wird. Erkenntnisse sind sofort erklärbar und werden abteilungsübergreifend geteilt, wodurch Verzögerungen vermieden und die Reaktionsfähigkeit verbessert wird.

EBENE 03

Demand Sensing – Interpretation aktueller Indikatoren

Diese zukunftsorientierte Ebene erfasst Echtzeitdaten von Kundenbestellungen, Lagerbeständen der Händler, der sozialen Stimmung und dem Wetter. Es wandelt den Peitscheneffekt in verbesserte kurzfristige Prognosen um – reduziert Fehler um bis zu 30% und verbessert die Vorhersagbarkeit über alle Planungshorizonte hinweg.

Die Nachfrageerfassung spiegelt die Stimme des Kunden wider und ermöglicht es Planern, auf Marktveränderungen zu reagieren, sobald diese eintreten, wodurch der Schwerpunkt von der Brandbekämpfung auf strategisches Management verlagert wird.

16

Hinweis: Alle genannten Statistiken sind die Ergebnisse, die durch Logility-Clientimplementierungen erzielt wurden.

06 Fair by Design:

Das Geschäftsmodell für verantwortungsvolle KI Jedes KI-Projekt, das Ihr Unternehmen durchführt, schafft neue Verpflichtungen. Für Mitarbeiter, deren Leistungsdaten Algorithmen trainieren. Für Lieferanten, deren Auswahl auf automatisiertem Scoring beruht. Für Kunden, deren Kaufverhalten die Preismodelle beeinflusst. Und für Regulierungsbehörden, die Rahmenbedingungen für die Rechenschaftspflicht entwerfen.

Die ethischen Dimensionen der KI sind ebenso wichtig geworden wie die betrieblichen Vorteile, die sie bietet.

Doch Vertrauen bleibt schwer zu fassen. Einer Studie von KPMG und der University of Queensland zufolge sind drei von fünf Menschen KI-Systemen gegenüber weiterhin misstrauisch. 65% der Unternehmensleiter glauben, dass ethische Probleme ihre Branche innerhalb von drei Jahren stark beeinträchtigen werden, während 61 % der Meinung sind, dass die Einführung von KI schneller voranschreitet als die Entwicklung ethischer Richtlinien. Kurz gesagt: Es besteht eine Lücke zwischen der Bereitstellungsgeschwindigkeit und einer verantwortungsvollen Umsetzung.

Ethik sollte die Leistung vorantreiben Es gibt überzeugende geschäftliche Argumente für die ethische Einführung von KI. Voreingenommene Algorithmen verzerren Einstellungsentscheidungen, verzerren Preismodelle und führen zu inkonsistenten Kundenerlebnissen. Diese Auswirkungen verstärken sich über die Lieferketten hinweg und schädigen Beziehungen, deren Aufbau Jahre gedauert hat.

Der Wettbewerbsvorteil liegt bei denjenigen, die umsichtig handeln und ethische Überlegungen in ihre Entwicklungsstrategie einbeziehen. Einer PWCStudie zufolge betrachtet die Hälfte der Unternehmensleiter verantwortungsvolle KI mittlerweile als Differenzierungsmerkmal auf dem Markt.

Unternehmen, die ethische KI-Praktiken implementieren, berichten von einer höheren Akzeptanz bei den Mitarbeitern, stärkeren Kundenbeziehungen und einem geringeren regulatorischen Risiko.

17

Drei kritische Schwachstellen in Ihrer KI-Strategie In Fertigungsumgebungen bestehen drei unterschiedliche Risiken, die den ethischen Einsatz von KI gefährden: Verzerrte Trainingsdaten entstehen, wenn historische Muster unfaire Präferenzen verankern.

Wurden bei der Einstellung in der Vergangenheit bestimmte Bevölkerungsgruppen bevorzugt oder wurden bei der Lieferantenauswahl bestehende Partner bevorzugt, verstärken KI-Systeme, die auf diesen Daten trainiert wurden, diese Muster bei zukünftigen Entscheidungen. Derzeit fehlen 79 % der Unternehmen noch immer Richtlinien zur Vermeidung von Vorurteilen.

Black-Box-Entscheidungen untergraben die Akzeptanz, wenn die Teams nicht verstehen, wie KI zu Schlussfolgerungen gelangt. Erfahrene Anwender, die es gewohnt sind, sich auf Intuition und Fachwissen zu verlassen, zögern, Empfehlungen umzusetzen, die sie nicht bewerten oder überprüfen können.

Die Optimierung der Mehrheitsfälle führt zu unsichtbarer Ungleichheit, wenn KI-Systeme für Szenarien mit hohem Volumen optimieren und Randfälle vernachlässigen. Beispielsweise könnten Modelle zur vorausschauenden Wartung große Produktionslinien priorisieren und kritische Kleinserienprozesse übersehen, die ebenso sorgfältige Aufmerksamkeit erfordern.

Diese drei Probleme sind häufig eher auf schlechte Planung als auf unzureichende Technologie zurückzuführen. Um diese Probleme anzugehen, müssen Sie systematisch darauf achten, wie Ihre KI-Systeme konzipiert, trainiert und eingesetzt werden.

18

Vertrauen durch Design aufbauen Eine verantwortungsvolle KI-Implementierung erfordert bewusste Entscheidungen während des gesamten Entwicklungsprozesses. Es gibt vier Prinzipien, die Hersteller nutzen können, um sicherzustellen, dass die Ethik bei all Ihren KI-Projekten im Mittelpunkt steht:

1. Diversifizieren Sie die Datenquellen Nutzen Sie unterschiedliche Produkte, Produktionslinien, Einrichtungen und Benutzergruppen, um potenzielle Verzerrungen aufzudecken, bevor diese in Live-Systeme integriert werden. Algorithmen, die mit kleinen Datensätzen trainiert werden, spiegeln diese Einschränkungen zwangsläufig wider. Eine breite Repräsentation in den Trainingsdaten führt zu robusteren und faireren Ergebnissen.

2. Betriebsexpertise einbeziehen Für erfolgreiche KI-Projekte ist eine funktionsübergreifende Zusammenarbeit unerlässlich. Wenn zu den Entwicklungsteams auch Betriebspersonal und Mitarbeiter an der Front gehören, erkennen diese Beteiligten Probleme, die aus rein technischer Perspektive übersehen werden. Ein Drittel (36 %) der Arbeitnehmer glauben, dass die Akzeptanz von KI steigt, wenn die Mitarbeiter bei der Auswahl der Tools konsultiert werden.

3. Erklärbarkeit sicherstellen Teams, die verstehen, warum Systeme bestimmte Entscheidungen treffen, können fragwürdige Entscheidungen erkennen. Diese Klarheit schafft Vertrauen und ermöglicht eine fundierte Kontrolle statt blindem Vertrauen. Transparenz wird zur Voraussetzung für Skalierung.

4. Kontinuierliche Überwachung Regelmäßige Prüfungen verhindern mit der Zeit eine „ethische Abweichung“. Eine Verzerrung kann sich allmählich entwickeln, wenn sich Datenmuster verschieben oder der Geschäftskontext weiterentwickelt.

Pilotprogramme, die sowohl die Leistung als auch die Fairnessergebnisse messen, liefern das iterative Feedback, das Sie benötigen, um Ihre KI-Modelle zu verfeinern und ethische Standards einzuhalten.

Ethische KI ist ein Wettbewerbsvorteil Um KI erfolgreich im großen Maßstab einzusetzen, müssen Hersteller erkennen, dass ethische KI keine Compliance-Belastung, sondern eine Geschäftschance darstellt. Die Beweise sind eindeutig: Unternehmen, die faire, transparente Systeme aufbauen, verzeichnen höhere Akzeptanzraten, eine stärkere Kundenbindung und weniger strenge behördliche Kontrollen.

Wenn Sie von Anfang an fair und transparent planen, können Sie später teure Änderungen vermeiden.

19

07 Tristan Harper von Aviva über die Implementierung von KI im großen Maßstab Tristan Harper ist leitender Datenwissenschaftler bei Aviva, einem der größten Versicherer Großbritanniens. Er hat 19 Jahre damit verbracht, Aviva dabei zu helfen, über 20 Millionen Kunden besser zu bedienen.

Als Leiter der generativen KI-Beschwerdebearbeitung bei Aviva gibt er Einblicke in die Bewältigung von Herausforderungen bei der KI-Implementierung, die entscheidende Bedeutung einer zeitnahen Entwicklung und erklärt, warum Transparenz gegenüber Mitarbeitern und Kunden für eine erfolgreiche KI-Einführung unerlässlich ist.

Wie nutzt Aviva KI in Ihren Beschwerdemanagementprozessen und wo spielen Menschen noch eine wesentliche Rolle?

Wir nutzen KI, um den Inhalt von Beschwerden zu ermitteln, Zeitpläne zu erstellen und Antworten zu entwerfen – allerdings immer mit menschlicher Überprüfung. KI verarbeitet die verschiedenen Datenquellen, um mithilfe von Stichwortsuchen und natürlicher Sprachverarbeitung wichtige Informationen zu extrahieren, Muster zu erkennen und wichtige Elemente wie Schwachstellenindikatoren zu kennzeichnen.

Was KI nicht tut, ist, das menschliche Urteilsvermögen zu ersetzen. Unsere Spezialistenteams prüfen weiterhin, ob Beschwerden berechtigt sind, treffen differenzierte Entscheidungen und zeigen das nötige Einfühlungsvermögen, wenn Kunden verärgert sind.

20

Aviva wickelt Millionen von Kundeninteraktionen über mehrere Kanäle ab.

Welche besonderen Herausforderungen ergeben sich daraus bei der Umsetzung von KI-Initiativen?

Die schiere Vielfalt der Datenquellen ist sowohl unsere größte Chance als auch unsere größte Herausforderung. Kunden kontaktieren uns per Telefon, Live-Chat, E-Mail und sogar per Brief. Jeder erfordert eine andere Verarbeitung – Audiotranskription für Anrufe, optische Zeichenerkennung (OCR) für gescannte Briefe und Textverarbeitung für E-Mails und Chats.

Und wir haben es nicht nur mit der Menge, sondern auch mit der Komplexität zu tun. Bei einer Beschwerde über eine Rente kann es sich um eine jahrzehntealte Gesetzgebung handeln, während bei einer Beschwerde über eine Kfz-Versicherung völlig andere Fachkenntnisse erforderlich sind. Aus diesem Grund unterhalten wir für jeden Produktbereich spezialisierte Teams, deren fundiertes Wissen durch KI ergänzt wird, anstatt es zu ersetzen.

Der Schlüssel liegt in der Schaffung eines einheitlichen Ansatzes, der über alle diese Kanäle hinweg funktioniert und gleichzeitig die individuellen Anforderungen jedes Produkttyps berücksichtigt und die menschliche Expertise aufrechterhält, die für komplexe Beschwerden oft erforderlich ist.

Wie wichtig ist ein zeitnahes Engineering bei der Entwicklung von KI-Anwendungen?

Schlechte Eingabeaufforderungen führen zu schlechten Ergebnissen, was bedeutet, dass Ihnen bei Beschwerden wichtige Informationen entgehen.

Lassen Sie mich ein Beispiel geben: Stellen Sie sich vor, ein Kunde ruft wegen einer Verzögerung der Rentenauszahlung an, erwähnt im Gespräch aber auch, dass er seine Adresse ändern muss, weil er sich scheiden lässt.

Wenn jemand die KI lediglich auffordert, das Gespräch so kurz wie möglich zusammenzufassen, könnte sie sagen: „Der Kunde hat vier Themen besprochen, darunter den Zugang zur Rente und die Adressänderung.“ Dabei wird der Indikator der Verletzlichkeit, der mit einer Scheidung einhergeht, völlig außer Acht gelassen.

Aber mit einer gut durchdachten Eingabeaufforderung, die speziell nach der Identifizierung der Kundenabsichten, Unzufriedenheitsbereichen und Schwachstellenmarkierungen mit einer Zeitleiste und Aktionspunkten mit Aufzählungszeichen fragt, erhalten Sie ein Ergebnis, das alles erfasst, was ein Beschwerdebearbeiter benötigt, um diese Kundenbeziehung richtig zu verwalten.

Welchen Rat würden Sie als führendes Unternehmen im Einsatz von KI in der Versicherungsbranche anderen Organisationen geben, deren Strategie weniger weit entwickelt ist?

Erstens: Unterschätzen Sie nicht den menschlichen Faktor. Die Technologie ist der einfache Teil; viele KI-Initiativen scheitern jedoch daran, die Mitarbeiter mit ins Boot zu holen. Seien Sie transparent in Bezug auf Ihre Absichten und zeigen Sie den Mitarbeitern, wie KI ihnen hilft, ihre Arbeit besser zu erledigen, ohne dass ihre Existenz dadurch gefährdet wird.

Zweitens: Investieren Sie massiv in zeitnahe Entwicklung und Standardisierung. Der Unterschied zwischen einer einfachen und einer gut durchdachten Eingabeaufforderung ist der Unterschied zwischen nützlichen Erkenntnissen und kostspieligem Getöse.

Drittens: Lernen Sie von anderen, aber gehen Sie in Ihrem eigenen Tempo vor. Banken waren Vorreiter bei der Einführung von KI im Kundenservice, stießen jedoch auf Probleme wie Chatbots, die manipuliert werden konnten, um unangemessene Dinge zu sagen. Lernen Sie aus ihren Fehlern und bauen Sie gleichzeitig etwas, das den Anforderungen und der Risikobereitschaft Ihres Unternehmens entspricht.

Und schließlich sollten Sie bedenken, dass Transparenz in regulierten Branchen nicht nur wünschenswert, sondern Pflicht ist. Integrieren Sie Compliance von Anfang an in Ihre KI-Strategie, nicht erst im Nachhinein. Ihre Kunden und Aufsichtsbehörden werden es Ihnen danken.

Dieses Interview ist ein Auszug aus Apteans neuem E-Book, Experteneinblicke zur Verwendung von KI zur Bearbeitung von Kundenbeschwerden. Verwenden Sie den unten stehenden QR-Code, um Ihr Exemplar herunterzuladen.

Expert Insights on Using AI to Manage Customer Complaints

Jetzt herunterladen

21

08 Was bedeutet es, ein AI-First-Unternehmen zu sein?

Als Aptean begann, darüber zu diskutieren, was es bedeutet, „KI-First“ zu sein, ging das Gespräch schnell über die Technologieimplementierung hinaus und wandte sich einer grundlegenderen Frage zu: Wie verändert künstliche Intelligenz die Art und Weise, wie Führungskräfte Entscheidungen treffen, Ressourcen zuweisen und mit Kunden interagieren?

Um diese Überlegung genauer zu untersuchen, haben wir Mitglieder unseres Führungsteams gebeten, zu erklären, was es für sie bedeutet, ein KI-orientiertes Unternehmen zu sein. Folgendes haben sie uns erzählt:

Bob Kocis, Präsident und Chief Operating Officer

KI-First bedeutet: Die Akzeptanz verbessern „Ich ermutige jeden, heute etwas mit KI zu tun. Es kann entmutigend oder überwältigend wirken, ist es aber eigentlich nicht. Wenn Sie Schritt für Schritt vorgehen, werden Sie mit jeder einzelnen Aktion besser und besser integriert, und irgendwann wird es Teil Ihres täglichen Lebens werden.“

Miguel Gernaey, Chief Marketing Officer

KI-First bedeutet: KI in alles einfließen zu lassen, was wir tun „Es ist heute schwer vorstellbar, etwas zu tun oder schreiben zu müssen, ohne zuerst eine KI zu bitten, es für Sie zu schreiben und es dann zu bearbeiten.

Wir nutzen KI intensiv, um bessere digitale Erlebnisse zu bieten und tiefere Einblicke in die Käuferwelt zu gewinnen. KI wird im Marketing bereits sehr häufig eingesetzt, aber ich glaube, wir müssen noch weiter gehen.“ 22

Jeremy Wardell, General Manager, CE Products

KI-First bedeutet: Die Dringlichkeit der Einführung erkennen „Die Macht der KI nimmt in einem Tempo zu, das wir in technologischer Hinsicht meines Erachtens noch nie zuvor erlebt haben. Es geht nicht darum, dass die Kunden die Technologie jetzt nicht annehmen und denken, sie könnten es noch zwei oder drei Jahre aufschieben. Denn bei der Geschwindigkeit, mit der sich die KI beschleunigt, wäre das so, als würde man es noch 10 oder 15 Jahre aufschieben.“

Sean Nappo, Executive Vice President, Amerika

KI-orientiert zu sein bedeutet: Entscheidungsprozesse beschleunigen „In der Vergangenheit war es schwierig, an die Daten zu gelangen, die man für Entscheidungen benötigte.

Mithilfe von KI kann ich Daten extrem schnell abrufen und sehen, wie wir vorankommen und welche Änderungen wir vornehmen müssen.“

Organisationen, die KI als zentrale Geschäftsphilosophie und nicht nur als Werkzeug betrachten, werden die Zukunft gestalten. Für Aptean zeigen diese Perspektiven, dass es bei KI-First nicht um die Technologie selbst geht, sondern darum, die Arbeitsweise zu verändern.

Weitere Interviews ansehen

mehr sehen YouTube Wiedergabeliste 23

09 Fünf Bereiche für die Anwendung von KI in Ihrem Lebensmittel- und Getränkebetrieb 96 % der Lebensmittel- und Getränkeunternehmen in Großbritannien und Irland prüfen oder implementieren eine Strategie für künstliche Intelligenz (KI). Viele Unternehmen sind sich jedoch noch nicht sicher, wie sie das volle Potenzial ausschöpfen können.

24

Neue Untersuchungen von Aptean haben fünf Schlüsselbereiche identifiziert, in denen Hersteller KI erfolgreich einsetzen können, um konkrete Geschäftsverbesserungen zu erzielen: 01

Lieferkette und Logistik Von der Produktionsplanung bis hin zur Bestandsverwaltung und Qualitätskontrolle verbessert KI die Art und Weise, wie Hersteller ihre Lieferkettenabläufe verwalten und die Produktkonsistenz sicherstellen.

02

Datenanalyse Die erweiterten Analysefunktionen der KI helfen Lebensmittel- und Getränkeherstellern, Markttrends zu erkennen und datengesteuerte Entscheidungen mit größerer Genauigkeit und Geschwindigkeit zu treffen.

03

Kundenzufriedenheit Lebensmittel- und Getränkehersteller nutzen KI, um personalisierte Erlebnisse zu bieten, indem sie Kundenfeedback analysieren und Produkte entwickeln, die den Marktanforderungen besser entsprechen.

04

Leistungsoptimierung KI-gestützte Systeme tragen dazu bei, die Produktionseffizienz zu verbessern, die Datengenauigkeit zu erhöhen und Fehler in allen Produktionsanlagen zu reduzieren.

05

Arbeitsplatzmanagement KI optimiert die Personaleinsatzplanung, automatisiert Verwaltungsaufgaben und liefert datenbasierte Erkenntnisse für bessere Schulungsprogramme und Teamleistung.

25

Wie nutzen Lebensmittel- und Getränkehersteller KI? So planen Lebensmittel- und Getränkehersteller in ihren eigenen Worten, KI einzusetzen:

„Wir nutzen KI, um das Supply Chain Management zu verbessern, die Logistikeffizienz zu steigern und unnötige Ausgaben zu reduzieren und Lagerbestände.“ Britisches Getreide- und Ölsaatenmühlenunternehmen, über 100 Mio. £

„Wir nutzen KI, um alle Aspekte der Produktionslinie zu steuern und zu überwachen, um einen effizienten Betrieb zu gewährleisten und menschliche Fehler zu reduzieren.“ Irischer Snack-Hersteller, über 100 Mio. £

„Wir nutzen KI, um den Entwicklungszyklus neuer Produkte zu beschleunigen, indem wir die Marktleistung neuer Formeln simulieren und vorhersagen.“ Britischer Fleischverarbeiter, über 100 Mio. £

26

KI-gestützte Innovation: Aptean Food & Beverage ERP auf AppCentral Unser preisgekröntes, branchenspezifisches ERPSystem für die Lebensmittelbranche ist jetzt noch besser, da es auf AppCentral läuft, der KI-gestützten Plattform mit vorkonfigurierten Lösungen, die Endto-End-Abläufe rationalisiert.

Personalisierte Arbeitsbereiche

Das bedeutet, dass Kunden von Aptean Food & Beverage ERP jetzt über diese robusten KI-Funktionen verfügen:

Intelligente Vorhersage

GenAI-Abfrage

Erhalten Sie sofort Antworten zu Ihren Vorgängen in einfacher Sprache oder greifen Sie auf detaillierte Echtzeitberichte zu – alles, was Sie brauchen, genau dann, wenn Sie es brauchen.

Agentenbasierter Workflow

Statten Sie jeden Benutzer mit einer rollenspezifischen Kommandozentrale aus, die Daten, Apps und KI-Assistenten vereint, um die Leistung zu maximieren.

Erkennen Sie Trends und Risiken frühzeitig mit prädiktiven KI-Agenten und treffen Sie so proaktive und sichere Entscheidungen.

Aufgabenagenten

Überlassen Sie Routineaufgaben wie Angebotserstellung, Auftragsabwicklung und Bestandsverfolgung der KI, damit sich Ihr Team auf wichtigere Aufgaben konzentrieren kann.

Automatisieren und verbinden Sie Arbeitsabläufe abteilungsübergreifend, sodass sich Ihr Team auf die wertvolle, strategische Arbeit konzentrieren kann, die das Wachstum fördert.

27

In unserer nächsten Ausgabe Vorhersagen für 2026: Was kommt als Nächstes für KI in der Fertigung?

Arbeitswelt im Wandel: Wie KI Arbeitsplätze und Qualifikationen neu gestaltet

Schauen Sie sich unsere vorherige Ausgabe an Jetzt lesen

Ihre Perspektive zählt – gestalten Sie die KI-Debatte mit.

Welche Chancen und Herausforderungen sehen Sie im Einsatz von Künstlicher Intelligenz? Teilen Sie Ihre Einschätzung mit uns unter marketing@aptean.com

Über Aptean Aptean ist ein globaler Anbieter branchenspezifischer Software, die Herstellern und Händlern hilft, ihre Geschäfte effektiv zu führen und auszubauen. Die Lösungen und Dienstleistungen von Aptean helfen Unternehmen jeder Größe, jetzt für die Zukunft bereit zu sein ® . Aptean hat seinen Hauptsitz in Alpharetta, Georgia, und verfügt über Niederlassungen in Nordamerika, Europa und im asiatisch-pazifischen Raum.

Um mehr über Aptean und unsere Märkte zu erfahren, besuchen Sie www.aptean.com.

Aptean und Ready for What’s Next, Now sind eingetragene Marken von Aptean, Inc. Alle anderen Firmen- und Produktnamen können Marken der jeweiligen Unternehmen sein, mit denen sie verbunden sind.

Copyright © Aptean 2025. Alle Rechte vorbehalten.

Ihre Infrastruktur KI-fähig machen