Issuu

AUSGABE NR. 3 | MAI 2026

Der Algorithmus Was es bedeutet, ein KI-orientiertes Unternehmen zu sein

„KI ist nicht nur für große Unternehmen" Gary Foote von der Formel 1 darüber, wie kleinere Organisationen größere Wettbewerber überholen können

Das neue Industriezeitalter KI-Zukunftsforscher Steve Brown erklärt, warum die Entscheidungen der nächsten zwei Jahre die folgenden zwei Jahrzehnte prägen werden

KI und die Belegschaft: Sonderausgabe » Statistiken zum Einfluss von KI auf Arbeitsplätze und Gehälter » Warum sich die Fähigkeiten, die Sie wertvoll gemacht haben, verändern » Eine KI-zentrierte Kultur von innen heraus aufbauen

Ihre Infrastruktur KI-fähig machen Vier Schritte für den Erfolg Ihrer Strategie

ARTIKEL 01

„KI ist nicht nur für große Unternehmen. In vielen Fällen ist sie für kleinere sogar wirkungsvoller.”

ARTIKEL 02

KI und Arbeitsplätze: Die Geschichte hinter den Zahlen

ARTIKEL 03

Die Fähigkeiten, die Sie wertvoll machen, verändern sich.

ARTIKEL 04

Inside Aptean AppCentral’s Role-Based AI Workspaces

ARTIKEL 05

Wie man eine KI-zentrierte Kultur von innen heraus aufbaut

ARTIKEL 06

Sobald allgemeine künstliche Intelligenz kommt, geht man bis zum Anschlag.

ARTIKEL 07

Vier Schritte, um Ihre Infrastruktur KI-fähig zu machen.

ARTIKEL 08

Nähere Betrachtung: KI im Asset Management des Gesundheitswesens

Der Algorithmus

Angst ist das größte Hindernis für die Einführung von KI Künstliche Intelligenz (KI) verspricht Herstellern und Händlern beispiellose Möglichkeiten — bringt aber auch etwas mit sich, das viele Führungskräfte nur ungern zugeben: Angst. Die Angst, den Anschluss zu verlieren. Die Angst, Fehler zu machen. Die Angst, nicht zu wissen, wo man anfangen soll. Und doch birgt Untätigkeit ein höheres Risiko als der erste Schritt. Die Wahrheit ist: KI-Einführung erfordert weder Perfektion noch absolute Gewissheit. Fortschritt entsteht durch Experimentieren, Lernen und die Anwendung gewonnener Erkenntnisse auf die nächste Herausforderung. Die Organisationen, die mit KI wirklich vorankommen, sind nicht diejenigen, die Fehler vermeiden — sondern diejenigen, die am schnellsten aus ihnen lernen. Eine offene Denkweise wird noch wichtiger werden, da KI unsere Arbeitsweise grundlegend verändert. Rollen werden sich erweitern, Arbeitsabläufe werden sich wandeln, und neue Werkzeuge werden in außergewöhnlichem Tempo entstehen. Erfolg wird davon abhängen, dass Führungskräfte auf die eigentlichen Geschäftsprobleme fokussiert bleiben und Umgebungen schaffen, in denen KI mit Klarheit, Vertrauen und Zielstrebigkeit agieren kann. Um diese Prinzipien näher zu beleuchten, sprachen wir mit Gary Foote, dem ehemaligen CIO des Haas F1-Teams. Seine Ansichten zu KI, Kultur und Leistung bieten Erkenntnisse, die weit über die Formel 1 hinaus Gültigkeit haben. Wir hatten außerdem das Glück, KI-Zukunftsforscher Steve Brown auf unserem jüngsten UNITE AI Summit begrüßen zu dürfen. Steve ist der Überzeugung, dass wir uns in einer Phase des Infrastrukturaufbaus befinden, die mit dem frühen Internet vergleichbar ist. Organisationen müssen jetzt die Grundlage schaffen, um für den Zeitpunkt gerüstet zu sein, an dem KI auf den Markt kommt, die auf menschlichem Niveau das gesamte Spektrum kognitiver Aufgaben beherrscht. Wir hoffen, dass Ihnen diese und weitere Einblicke in der aktuellen Ausgabe von, Der Algorithmus, gefallen. TVN Reddy CEO, Aptean

Der Algorithmus

ARTIKEL 01

“KI ist nicht nur für große Unternehmen. In vielen Fällen ist sie für kleinere sogar wirkungsvoller.”

Die Formel 1 hat die Nutzung von Daten zur Erzielung von Wettbewerbsvorteilen als Vorreiterin geprägt. Nun tritt der Sport in seine nächste Ära ein: KI-gestützte Entscheidungsfindung — auf und neben der Strecke. Gary Foote, der ein Jahrzehnt lang CIO des TGR Haas F1-Teams war und jetzt CIO von GM Performance Power Units ist, sprach auf der Aptean Connect, unserer britischen Konferenz, mit Kunden über die KI-Transformation in der Formel 1. Anschließend sprachen wir mit ihm darüber, wie die Formel 1 KI integriert und welche Lehren jede Branche aus dem datenintensivsten Sport der Welt ziehen kann.

Der Algorithmus

Warum fällt es Organisationen so schwer, den vollen Nutzen aus ihren Daten zu ziehen und wie kann KI hier helfen? Nutzer, ob Formel-1-Teams oder Unternehmen anderer Branchen, neigen dazu, nur einen kleinen Teil ihrer Datenbasis zu betrachten und den Rest zu ignorieren, da die menschliche Kapazität begrenzt ist. Finanzvorstände, Ingenieure und Strategen konzentrieren sich auf den Ausschnitt, den sie verstehen oder steuern können. Dahinter verbirgt sich jedoch ein riesiger Datensatz, den sie nicht im Blick haben.

Die Formel 1 war schon immer ein technologischer Vorreiter aber Sie beschreiben eine grundlegende Verschiebung in der Bedeutung von Daten im letzten Jahrzehnt. Was hat sich verändert? Als ich 2008 in der Formel 1 anfing, war Technologie eine Ergänzung. Sie verbesserte Leistung und Zuverlässigkeit, aber das Auto fuhr auch noch, wenn Systeme ausfielen. Das ist heute nicht mehr so. Heute ist der Motorsport so stark von Daten und digitalen Systemen abhängig, dass das Auto nicht anspringt, wenn nicht Daten und Software auf die Millisekunde genau funktionieren. Formel-1-Autos sind heute mit 250 bis 300 Sensoren ausgestattet, die jede Sekunde 1 bis 1,5 Millionen Datenpunkte erzeugen. Ergänzt werden diese durch virtuelle Sensoren, mathematische Modelle, die mehrere reale Sensoren kombinieren, um Erkenntnisse zu liefern, die physikalisch nicht messbar sind: zum Beispiel die Haftung am Kurvenausgang oder den Reifenverschleiß in Echtzeit. Die verfügbare Datenmenge hat explosionsartig zugenommen und die Arbeitsweise von Teams grundlegend verändert.

Hier wird KI unverzichtbar. Sobald Daten entstehen, braucht es etwas, das sie interpretiert. KI ist der einzig realistische Weg, um Muster zu erkennen, Anomalien hervorzuheben oder auf etwas hinzuweisen, das bisher übersehen wurde. Doch die Fähigkeit der KI, sofortige Erkenntnisse zu liefern, bedeutet nicht, dass ein Team diese sofort verarbeiten kann. Entscheidend ist das Verständnis der Hierarchie: Worauf muss live reagiert werden, was betrifft die künftige Leistung und was schafft strategisches Verständnis? Die Priorisierung von Daten ist entscheidend, da wir nur eine begrenzte Anzahl von Erkenntnissen gleichzeitig verarbeiten können. In der Formel 1 gibt es sicherheitskritische Werte, Temperaturen, Druck, Getriebeverhalten, die sofort sichtbar sein müssen. Wenn in der Mitte einer Runde der Getriebedruck steigt, muss das Auto aus dem Rennen genommen werden, bevor irgendjemand vor dem Fernseher bemerkt, dass etwas nicht stimmt. Nach dem Fahren werden enorme Datenmengen aus dem Fahrzeug ausgelesen und später analysiert. Diese „längerfristige“ Erkenntnis ist genauso wichtig für die Vorbereitung auf das nächste Rennen oder die nächste Saison.

Der Algorithmus

Das Potenzial von KI zur Optimierung von Anlagen und Maschinen liegt auf der Hand, aber gibt es weitere, noch unerschlossene Bereiche, in denen sie die Leistung steigern kann?

Der Einsatz von KI zur Steigerung der menschlichen Leistungsfähigkeit kann bei Mitarbeitern Bedenken wecken. Wie gehen Sie mit diesem Aspekt der KI-Einführung um?

KI kann dazu beitragen, die Leistung von Menschen zu verstehen und zu steigern. Die Formel 1 hat 70 Jahre damit verbracht, das Auto und die Fahrer zu optimieren. Aber Rennergebnisse hängen vom gesamten Team ab: 80 bis 100 Personen an der Strecke sowie Einsatzzentralen weltweit. Auch ihre Leistung zählt.

Die Angst ist real: Viele Menschen befürchten, dass ihr Unternehmen sie nicht mehr braucht, wenn KI Teile ihrer Arbeit übernehmen kann. Es braucht eine Kultur des Optimismus, um dem entgegenzuwirken.

Heute können wir Faktoren wie Jetlag-Profile, Schlafmuster, Ernährung, Arbeitsbelastungszyklen und individuelle Veränderungen analysieren, um die Leistung der gesamten Belegschaft zu maximieren, nicht nur die der Fahrer. Ein Team ist nur so schnell wie seine langsamste Kurve. KI hilft dabei, herauszufinden, warum diese Kurve langsamer ist und wie man das Problem beheben könnte. Es könnte sich zeigen, dass ein Crewmitglied beim ersten Boxenstopp hervorragende Arbeit leistet, beim zweiten aber nachlässt — und man es während des Rennens austauschen sollte. Dieses Detailniveau brauchen Teams, um wettbewerbsfähig zu bleiben.

Der Algorithmus

Wir sind weit davon entfernt, in einer Welt zu leben, in der KI Entscheidungen ohne menschliches Urteilsvermögen treffen kann. Besonders in risikoreichen Umgebungen wie der Formel 1. KI ist äußerst nützlich, um Einschätzungen zu liefern doch die Verantwortung liegt weiterhin beim Menschen. Wir brauchen Menschen, die ihr Fachwissen und ihre Intuition einsetzen, um KI-Empfehlungen zu überprüfen. Kein Stratege, kein Ingenieur, kein Bediener wird eine KI-Antwort erhalten und sagen: „Ich vertraue dem nicht, aber ich mach es trotzdem.“ So funktioniert das nicht..

KI beseitigt die lästigen Aufgaben, damit sich Menschen auf höherwertige Tätigkeiten konzentrieren können. Das gilt in der Formel 1 genauso wie in jedem anderen Unternehmen. Haas stieß anfangs auf Widerstand gegen KI-Programme, denn das Team beschäftigt hochintelligente Menschen mit bewährten Methoden. Also mussten wir digitales Vertrauen aufbauen. Wir suchten nach Bereichen, in denen KI unmittelbar Wirkung zeigen konnte, zum Beispiel im Personalwesen. Als das HR-Team erkannte, dass ein KI-Tool eine überzeugende Stellenbeschreibung erstellen kann, wurden sie zu Befürwortern. Plötzlich erklärte der Personalleiter dem technischen Leiter den Wert von KI. So verbreitet sich Vertrauen.

Kann KI gleiche Wettbewerbsbedingungen für große und kleine Organisationen schaffen? KI ist ein echter Gleichmacher. Haas ist eines der kleineren Formel-1-Teams und jeder Dollar, der für Technologie ausgegeben wird, ist ein Dollar, der nicht in das Auto fließt. Effizienz ist deshalb von entscheidender Bedeutung.

Angesichts des rasanten Tempos der KI — wie stellen Sie sich die nächsten Jahre vor? Das Tempo des Wandels ist beeindruckend. Vor vier Monaten bat ich ChatGPT, mir zu zeigen, wie ein zukünftiges Formel-1-Auto aussehen könnte. Es erzeugte etwas Albernes mit Neonlichtern und Ladebuchsen. Vor wenigen Tagen stellte ich die gleiche Frage erneut, und das Ergebnis sah den aktuellen Vorschriften sehr ähnlich. So schnell schreitet die Technologie voran. In den nächsten Jahren werden wir enorme Fortschritte bei der KI-gestützten Interpretation von Simulationsdaten, der Optimierung menschlicher Leistung und der Remote-Zusammenarbeit mithilfe von Mixed-Reality-Tools erleben. Bei all dem wird KI ein Verstärker von Entscheidungen, ein Beschleuniger von Innovation, ein Wandler von Daten in Erkenntnisse und letztlich eine Quelle für Wettbewerbsvorteile bleiben — im Sport wie in der Wirtschaft.

Wenn KI bei fünf Personen eine Effizienzsteigerung von 20% erzielen kann, entspricht das im Grunde einer sechsten Person kostenlos. Das ist eine Botschaft, die Führungskräfte sofort verstehen und einer der Gründe, warum wir früh investiert haben. KI ist nicht nur für große Unternehmen. In vielen Fällen ist sie für kleinere sogar wirkungsvoller.

Der Algorithmus

ARTIKEL 02

KI und Arbeitsplätze: Die Geschichte hinter den Zahlen Die Zahlen zu KI und Beschäftigung liegen vor. Und sie erzählen eine Geschichte von wachsenden Chancen, ungleichen Belohnungen und einer wachsenden Kluft zwischen den Organisationen, die KI-fähige Teams aufbauen, und jenen, die Stellen abbauen und auf das Beste hoffen.

Zwei Jahre nach Beginn der generativen KI-Ära beginnen die Daten zu den Auswirkungen auf die Belegschaft eine interessante Geschichte zu erzählen. Aber nicht die Geschichte, die viele erwartet hatten. Goldman Sachs schätzte, dass eine weitverbreitete KI-Einführung langfristig 6 bis 7% der US-amerikanischen Erwerbstätigen verdrängen könnte — und diese Prognose könnte sich mit der Zeit noch bewahrheiten. Die bis 2025 gesammelten Belege aus den USA und dem Vereinigten Königreich deuten jedoch auf eine differenziertere Entwicklung hin. Die wichtigsten Zahlen sind in vielerlei Hinsicht ermutigend. Der PwC 2025 Global AI Jobs Barometer zeigt, dass Branchen mit stärkerer KI-Exposition einen dreimal schnelleren Umsatz je Mitarbeiter erzielten als weniger exponierte Sektoren mit doppelt so schnellem Lohnwachstum.

Der Algorithmus

In Großbritannien berichtet KPMG, dass mehr als die Hälfte der KI-Nutzer eine höhere Effizienz, bessere Outputqualität und mehr Innovation beobachtet, 45% melden eine höhere Umsatzgenerierung. Zwei Drittel der britischen Arbeitnehmer setzen KI inzwischen bewusst ein. McKinseys globale Erhebung zeigt: 64% der Organisationen geben an, KI treibe ihre Innovationskraft voran. KI liefert Mehrwert und das zügig. Doch der Nutzen von KI verteilt sich ungleichmäßig, und die Folgeeffekte auf Einstellungen, Kompetenzen und Unternehmenskultur erzählen eine komplexere Geschichte.

KI-Kenntnisse sind besonders wertvoll Das auffälligste Ergebnis der jüngsten Daten ist der außerordentliche Wert, den der Arbeitsmarkt KI-Kenntnissen beimisst. PwC stellt fest, dass Arbeitnehmer mit KI-Kenntnissen mittlerweile einen Lohnaufschlag von 56% erzielen. Gleichzeitig verändern sich die Anforderungen an KI-exponierte Berufe 66% schneller als anderswo. Das ist keine sanfte Entwicklung, der Markt bewertet die menschlichen Fähigkeiten neu. Für Einzelpersonen ist das eine Einladung zum Lernen und sie ist mit großzügigen Belohnungen verbunden. Wie Stephanie Choi von Samsung es formuliert: KI “can open— not close—new skills, new passions, and, ultimately, new career paths.” Für Arbeitgeber ist das sowohl Chance als auch strategische Notwendigkeit. Unternehmen, die in KI-Kompetenz ihrer gesamten Belegschaft investieren, können erhebliche Erträge erzielen. Wer das nicht tut, wird feststellen, dass seine besten Mitarbeitenden abgeworben werden und die verbleibenden Teams ins Hintertreffen geraten.

Einige der weltweit größten Arbeitgeber investieren bereits erheblich in KI-Schulungsprogramme. Walmart bietet beispielsweise KI-Zertifizierungen für alle Bereiche kostenlos an. In den Worten von Allianz’ Chief People Officer Bettina Dietsche: „Weiterbildung in KI und Datenkompetenz geht nicht nur um die Schulung von Mitarbeitenden. Es geht darum, jeden Einzelnen zu befähigen, eine Kultur der Innovation, technischen Exzellenz und Effizienz voranzutreiben.” Die Herausforderung liegt im Tempo. Wenn sich Fähigkeiten in KI-exponierten Berufen 66% schneller weiterentwickeln als im Durchschnitt, stehen selbst gut gemeinte Schulungsprogramme vor einem sich ständig verändernden Ziel. Unternehmen müssen Lernen als kontinuierliche Fähigkeit begreifen, die in die tägliche Arbeitsweise integriert ist und nicht als nachträgliche Ergänzung behandelt wird.

Die überwiegende Reaktion der Unternehmen war bisher ermutigend. Weltweit ist die Umschulung bestehender Mitarbeitender mit Abstand der bevorzugte Ansatz zur KI-Integration. ONS-Daten zeigen, dass 33% der britischen Unternehmen, die KI einsetzen, ihre Belegschaft umschulen. McKinsey beobachtet international ähnliche Muster.

Einstiegspositionen werden seltener Massenentlassungen durch KI sind nicht in dem Ausmaß eingetreten, das viele Beschäftigte befürchtet hatten. ONS-Daten zeigen, dass nur 10% der britischen Unternehmen, die KI einsetzen, Stellen automatisiert oder ersetzt haben — und lediglich 7% erwarten durch geplante Einführungen einen Personalabbau. McKinseys globale Daten spiegeln ähnliche Erkenntnisse wider: Während 32% der Organisationen eine gewisse Stellenreduzierung erwarten, rechnen 43% mit keiner Veränderung und 13% mit Wachstum. Auf Einstiegsebene vollzieht sich jedoch eine subtilere Veränderung, die ernsthafte Aufmerksamkeit von allen verdient, die für langfristige Talentstrategien verantwortlich sind. Eine Stanford-Studie zeigt, dass die Beschäftigung jüngerer Arbeitnehmer in KI-exponierten US-Branchen seit dem Start von ChatGPT um 6% gesunken ist — während sie bei älteren Arbeitnehmern in denselben Branchen um 7 % gestiegen ist.

Britische Stellendaten zeichnen ein ähnliches Bild: Stellenanzeigen in den 20 am stärksten KI-exponierten britischen Sektoren sind seit Mitte 2022 um 47% gesunken gegenüber 26% in weniger exponierten Sektoren, gesunken. Das ist kein Grund zur Panik aber ein Grund für gezieltes Handeln. Wenn KI die Aufgaben übernimmt, die früher zur Einarbeitung von Nachwuchskräften dienten, müssen Unternehmen kreativ darüber nachdenken, wie sich die nächste Generation von Fachkräften entwickeln wird. Unternehmen, die diese Herausforderung lösen, neue Ausbildungsmodelle entwickeln und neu überdenken, wie Berufsanfänger neben KI lernen, werden sich einen deutlichen langfristigen Vorsprung sichern.

Der Algorithmus

Das Risiko der Überabhängigkeit Die KI-Einführung schreitet schnell voran, in manchen Fällen schneller, als Organisationen vollständig erfasst haben. KPMG stellte fest, dass 39 % der Arbeitnehmer das Gefühl haben, ihre Arbeit ohne KI nicht erledigen zu können, und 44 % befürchten, abgehängt zu werden, wenn sie sie nicht nutzen. Diese Begeisterung ist in vielerlei Hinsicht ein gutes Zeichen, sie deutet darauf hin, dass KI sich als wirklich nützlich erweist. Es gibt jedoch einen Aspekt, der es wert ist, hervorgehoben zu werden. Dieselbe KPMG-Forschung zeigt, dass 45 % der Arbeitnehmer KI nutzen, um Aufgaben auszuführen, anstatt zu lernen, wie sie diese selbst erledigen. 18 % berichten von erhöhtem Arbeitsstress, und 29 % sagen, KI habe Compliance- und Datenschutzrisiken erhöht. Isabelle Kokoschka von der Allianz plädiert dafür, „menschenzentrierte Fähigkeiten wie kritisches Denken und analytische Kompetenz neben digitalen und KI-Fähigkeiten zu stärken, da KI-Einführung mit verantwortungsvollem Entscheiden Hand in Hand gehen muss.“ Das Ziel sollte sein, sicherzustellen, dass KI die menschliche Leistungsfähigkeit verstärkt und nicht ersetzt. Organisationen, die schnelle KI-Einführung mit Investitionen in Fachexpertise und professionelles Urteilsvermögen verbinden, werden Teams aufbauen, die sowohl produktiver als auch widerstandsfähiger sind. Wer KI als Abkürzung zum Stellenabbau betrachtet, riskiert, in einigen Jahren festzustellen, dass genau die Fähigkeiten weggefallen sind, die die Mitarbeitenden wertvoll machen.

Führungskräfte geben den Ton an Der wohl praxisrelevanteste Befund stammt von der Boston Consulting Group: Der Anteil der Mitarbeitenden, die generativer KI positiv gegenüberstehen, steigt von 15% auf 55%, wenn starke, sichtbare Führung vorhanden ist. Diese Schwankung von 40 Prozentpunkten sollte in jedem Vorstandsbüro an der Wand hängen, sie bedeutet, dass der kulturelle Erfolg oder Misserfolg der KI-Einführung eine Führungsvariable ist. Die Einsätze sind hoch. BCG stellte zudem fest, dass 46% der Mitarbeitenden in Unternehmen, die in der KI-getriebenen Neugestaltung am weitesten fortgeschritten sind, um ihre Arbeitsplatzsicherheit besorgt sind gegenüber 34% in weniger fortgeschrittenen Organisationen. Führungskräfte und Manager sind besorgter als Mitarbeitende an der Front. Menschen, die aus nächster Nähe gesehen haben, was KI leisten kann, kalkulieren ihre eigenen Rollen neu und das ist eine völlig verständliche Reaktion.

Der Algorithmus

Die Antwort liegt nicht darin, diese Bedenken zu minimieren, sondern sie zu kanalisieren. Doug McMillons Ansatz bei Walmart, der anerkennt, dass KI jeden Arbeitsplatz verändern wird, und gleichzeitig in den universellen Zugang zu KI Schulungen investiert, bietet ein gutes Vorbild für die Reaktion darauf. Es verbindet Ehrlichkeit über das Ausmaß des Wandels mit einer greifbaren Verpflichtung, Menschen dabei zu helfen, darin aufzublühen. Wenn Mitarbeitende sich unterstützt fühlen, wechseln sie von Widerstand zu Engagement. Dennoch besteht nach wie vor eine erhebliche Kluft zwischen Absicht und Umsetzung. Nur 13% der Mitarbei -tenden berichten, dass KI-Agenten tief in ihre täglichen Arbeitsabläufe integriert sind, und nur ein Drittel gibt an zu verstehen, wie diese Tools funktionieren. Bei allem Enthusiasmus auf Vorstandsebene befinden sich die meisten Organisationen noch in den Anfangsphasen der KI-Verankerung in Kultur und Prozessen.

Den KI-Vorteil nutzen Branchenstatistiken zeichnen das Bild einer Technologie, die denen, die sich durchdacht damit befassen, echten und wachsenden Nutzen liefert. Branchen, die KI annehmen, übertreffen diejenigen, die es nicht tun. Arbeitnehmende mit KI-Kenntnissen werden reichlich belohnt. Organisationen, die Menschen durch diesen Wandel unterstützen, verzeichnen Erträge in Effizienz, Innovation und Umsatz. Die Unternehmen, die den größten Wertanteil gewinnen werden, sind diejenigen, die KI-Einführung als gesamtorganisatorisches Unterfangen behandeln und nicht als Technologieprojekt. Das bedeutet, die Talentpipeline zu schützen, damit Berufseinsteiger sich neben KI entwickeln statt verdrängt zu werden.

Es bedeutet, in kontinuierliches Lernen zu investieren. Das bedeutet, eine Unternehmenskultur zu schaffen, in der KI Fachwissen ergänzt, anstatt es zu ersetzen. Und es bedeutet, dass Führungskräfte präsent und ehrlich sind und sich persönlich dafür einsetzen, ihren Teams bei der Anpassung zu helfen. Keine dieser Aufgaben ist einfach. Aber die Beweislage ist überzeugend. Dreifaches Umsatzwachstum je Mitarbeiter. Eine Schwankung von 40 Prozentpunkten bei der Mitarbeiterstimmung. Das sind keine marginalen Unterschiede, das sind die frühen Anzeichen einer Wettbewerbskluft, die sich nur vertiefen wird.

Der Algorithmus

ARTIKEL 03

Die Fähigkeiten, die Sie wertvoll machen, verändern sich Von Jenny Peng, CTO, Aptean

Seit 30 Jahren baue ich meine Karriere auf technischem Fachwissen auf. Doch KI hat mich dazu gebracht zu hinterfragen, ob die Fähigkeiten, die mich hierher geführt haben, noch diejenigen sind, die ich für eine wirksame Führung brauche. Als CTO lerne ich: Menschen dabei zu helfen, sich an neue Wertdefinitionen anzupassen, ist schwieriger und wichtiger, als jede technische Herausforderung. Wer jahrzehntelang Code geschrieben hat, dem fällt es schwer zuzugeben, dass dieses Fachwissen möglicherweise an Relevanz verliert. Daher überrascht es mich nicht, dass erfahrene Ingenieure den Übergang zu KI-gestützten Methoden schwerer nehmen als alle anderen. Die Architekten und technischen Leiter, diejenigen, die am stolzesten auf ihr Wissen sind, müssen den größten Sprung machen. Junge Entwickler und neue Mitarbeitende hingegen greifen ohne Zögern auf KI zurück, weil sie keine jahrelangen eingeübten Praktiken verlernen müssen. Ich habe erfahrene Ingenieure sagen hören, sie können Code schneller überprüfen als jede KI. Und sie haben Recht — als

Der Algorithmus

Einzelperson können sie das. Aber KI kann 20 Check-ins gleichzeitig bearbeiten, während ein Mensch an einem einzigen arbeitet. Es ist eine Frage des Maßstabs.

geben lassen, das Aufgabenmanagement automatisieren und Erkenntnisse gewinnen, die früher eine Interpretation durch die Führungsebene erforderten.

Die gute Nachricht: Sobald erfahrene Ingenieure KI als Werkzeug verstehen, das ihr Fachwissen erweitert anstatt es zu ersetzen, werden sie zu den wirkungsvollsten Botschaftern. Denn sie verfügen über den Kontext, das Urteilsvermögen und die Erfahrung, um zu erkennen, wann KI richtig liegt und wann nicht. Das ist von unschätzbarem Wert.

Was bleibt dann? Strategie, Kontext und Beziehungen — Dinge, die sich nicht automatisieren lassen. Doch das ist eine andere Aufgabe als die, für die sich die meisten Führungskräfte einst entschieden haben. Und sie erfordert andere Kompetenzen.

Die Rolle der Führungskraft verändert sich Es gibt einen McKinsey-Bericht, auf den ich mich oft beziehe: Er besagt, dass Mitarbeitende besser auf KI vorbereitet sind als ihre Vorgesetzten. Das deckt sich mit meinen Beobachtungen in vielen Organisationen. Führungskräfte hatten traditionell die Aufgabe, Mitarbeitenden Dinge zu erklären, Arbeit zu verteilen, Fortschritte zu prüfen und Prioritäten zu setzen. Doch KI verändert jede dieser Funktionen. Mitarbeitende können sich Erklärungen von KI

Führungskräfte, die das frühzeitig erkennen und den Wandel aktiv annehmen, werden wertvoller. Sie konzentrieren sich auf Coaching, strategisches Denken und die Schaffung von Bedingungen, unter denen ihre Teams experimentieren und lernen können. Sie stellen bessere Fragen, anstatt alle Antworten zu liefern. Doch eine gute Führungskraft im KI-Zeitalter zu sein bedeutet, das Kontroll- und Überwachungsmodell loszulassen, das Management jahrzehntelang geprägt hat. Das ist unbequeme Arbeit, und manche Menschen nehmen sie schneller an als andere.

Ich konzentriere mich darauf, Führungskräften zu helfen zu verstehen, wie ihre neue Rolle aussieht. Sobald sie sehen, dass Kolleginnen und Kollegen mit einem anderen Ansatz Erfolg haben, entsteht Dynamik. Der Schlüssel liegt darin, genug frühe Beispiele zu schaffen, aus denen andere lernen können.

Erreichen wir das Ende der Einzelfunktionsrollen? Die Arbeitswelt verändert sich schneller, als Stellenbeschreibungen Schritt halten können. Nehmen wir die Qualitätssicherung (QS) als Beispiel. KI kann Regressionstests durchführen, Grenzfälle identifizieren und Probleme schneller und umfassender kennzeichnen als manuelle Prozesse. Das beseitigt jedoch nicht den Bedarf an Qualitätsexpertise. Die Frage lautet: Wie verankern wir Qualitätsdenken im gesamten Entwicklungsprozess, anstatt es als separate Phase zu behandeln? Enge Spezialisierung verliert an Bedeutung. Statt getrennter Rollen für Code, Design, Test und Dokumentation entstehen kleinere, multifunktionale Teams. Deren Mitglieder kombinieren mehrere Fähigkeiten in einer Person. KI schließt einige Lücken, aber menschliches Urteilsvermögen bleibt unverzichtbar.

Bei Aptean schaffen wir Positionen, die es vor zwei Jahren noch nicht gab. In zwei weiteren Jahren wird es Rollen geben, die wir uns heute noch nicht vorstellen können. Die Herausforderung liegt nicht nur im Anpassen an Veränderungen sondern darin, neugierig zu bleiben, was dadurch möglich wird.

Spannend daran ist das Entstehen völlig neuer Rollen. Wir brauchen Menschen, die KI-Agenten trainieren, Eingabeaufforderungen verfeinern und Arbeitsabläufe gestalten können. Und wir brauchen Menschen, die verstehen, wie man Daten kuratiert, denn alles in ein Repository zu werfen macht KI nicht intelligenter, sondern verwirrt sie nur.

Die Arbeitskräfte, die wir einstellen, denken anders Während wir Rollen neu gestalten und Expertise neu definieren, gewinnen wir gleichzeitig eine Generation von Ingenieuren, die grundlegend andere Erwartungen an relevante Fähigkeiten haben. Die nächste Generation ist nicht nur einverstanden damit, dass KI Aufgaben übernimmt; sie erwartet es sogar. Ich habe einen 16-jährigen Sohn. In meinem damaligen Alter war der Führerschein der Gipfel der Unabhängigkeit. Er hat kein Interesse daran. Er sagte zu mir: „Mama, ich muss nicht lernen, Auto zu fahren. Autofahren ist nicht cool. Ich warte auf autonome Fahrzeuge.“ Er geht davon aus, dass er nur wissen muss, wie er als Beifahrer sicher bleibt.

Diese Haltung, die Bereitschaft, Fähigkeiten loszulassen, die frühere Generationen für unverzichtbar hielten, kennzeichnet die Arbeitskräfte der Zukunft. Jede Fachkraft sollte sich fragen: Welche meiner Fähigkeiten entsprechen dem Autofahren in einer Welt autonomer Fahrzeuge? An welchen halte ich fest, weil sie früher wichtig waren — nicht weil sie es noch sind? Damit die KI-Einführung voranschreitet, müssen Organisationen ihre Early Adopters finden. Das sind die Menschen, die intellektuell neugierig und bereit sind zu experemtieren - ihnen müssen sie die Führung überlassen. Wenn andere sehen, dass Kollegen Erfolg haben, fragen sie sich, wie sie es selbst schaffen können. Dann beschleunigt sich die Transformation.

Der Algorithmus

Man kann nicht alle im gleichen Tempo mitnehmen und das ist in Ordnung. Manche brauchen mehrere Beispiele, bevor sie bereit sind zu experimentieren. Andere wollen detaillierte Erklärungen, wie etwas funktioniert, bevor sie es ausprobieren. Der Schlüssel liegt darin, genug konkret Beispiele zu schaffen, damit jeder einen passenden Einstieg findet.

Unbehagen gehört zum Wachstum Immer wenn ich mich als Führungskraft unwohl fühle, erinnere ich mich daran: Unbehagen bedeutet, dass ich lerne. Es bedeutet, dass ich mich auf unbekanntem Terrain befinde, genau dort, wo ich sein muss, wenn sich Technologie so schnell weiterentwickelt. Das sage ich auch meinen Praktikanten, wenn sie anfangen: „Ich erwarte, dass Sie mir etwas beibringen.“ Und das meine ich ernst. Zum ersten Mal seit Jahrzehnten befinden wir uns in Sachen KI auf ähnlich gleichberechtigter Basis. Ich habe keine jahrzehntelange Erfahrung mehr als sie, niemand hat das. Wir finden alle gemeinsam die Lösung. Das ist befreiend, aber auch eine Herausforderung für Menschen, die ihre Karriere darauf aufgebaut haben, der Experte im Raum zu sein. Für CTOs wie mich, die es gewohnt sind, die Antworten zu kennen, stellt KI uns auf eine Weise auf die Probe, wie es andere Technologien nicht getan haben. Die Auswirkungen von KI auf die Belegschaft reichen tiefer als Automatisierung oder Effizienz. Sie stellen grundlegende Annahmen über Expertise, Karriereentwicklung, Organisationsstruktur und Wertschöpfung im beruflichen Kontext in Frage.

Der Algorithmus

Fähigkeiten werden sich weiterentwickeln. Rollen werden sich wandeln. Und das Ziel ist ein Ort, den keiner von uns bisher klar erkennen kann. Aber Folgendes habe ich gelernt: Die Organisationen, die diesen Wandel begrüßen, werden führen. Jene, die ihren Mitarbeitenden Experimente ermöglichen, Rollen neu gestalten, wenn alte Strukturen nicht mehr funktionieren, und Unsicherheit als Teil des Wachstums begreifen. Die Zukunft gehört den Menschen, die bereit sind ihr Wissen zu hinterfragen und Neues zu lernen. Sie bauen ihre Expertise für eine Welt neu auf, die sich noch nicht vollständig geformt hat. Jenny Peng ist Chief Technology Officer bei Aptean, wo sie die Technologiestrategie und KI-Einführung im gesamten Unternehmenssoftwareportfolio verantwortet. Kürzlich veröffentlichte sie das „CTO’s Playbook for Building Enterprise AI“, das ab sofort zum Download bereitsteht.

ARTIKEL 04

Einblick in die rollenbasierten KI-Arbeitsbereiche von Aptean AppCentral Die meisten Unternehmen erkennen das Potenzial von KI, doch auf Team- und Individualebene verläuft die Einführung zögerlich. Menschen befürchten entweder, KI bedrohe ihre Rolle, oder sie sehen schlicht nicht, wie sie für ihre Aufgaben relevant ist. Die grundlegende Herausforderung: Verschiedene Menschen brauchen unterschiedliche Einblicke und Unterstützung. Was ein CFO von KI benötigt, unterscheidet sich von den Anforderungen eines Werksleiters — und ein einziges Dashboard wird keinem von beiden gerecht. Generische KI-Tools geben allen Zugang zu allem, was in der Realität bedeutet, dass die meisten Menschen die für sie nützlichsten Funktionen nicht finden. Die rollenbasierten KI-Arbeitsbereiche von Aptean, eingebettet in AppCentral, basieren auf einer anderen Prämisse: Die richtigen Informationen, der richtigen Person zum richtigen Zeitpunkt geliefert, sind mehr wert als eine Informationsflut. Rollenbasierte Arbeitsbereiche machen die KI-Ergebnisse spezifisch für die jeweiligen Verantwortlichkeiten, sodass Erkenntnisse hochrelevant und sofort umsetzbar sind. Innerhalb von AppCentral ist jeder Arbeitsbereich auf bestimmte Rollen konfiguriert — CFO, COO, Werksleiter, Serviceleiter und so weiter — und öffnet sich mit einer KI-gesteuerten täglichen Zusammenfassung, die auf die Prioritäten der jeweiligen Person zugeschnitten ist. Mit dem GenAI Query-Tool können Nutzer Fragen in einfacher Sprache stellen und Anomalien direkt untersuchen, ohne auf einen Analystenreport warten zu müssen. Aufgaben lassen sich, mit vollständiger Verantwortlichkeit und Nachverfolgung, direkt aus dem Arbeitsbereich delegieren.

Für viele Branchenexperten finden die wichtigsten Momente des Tages nicht am Schreibtisch statt. Deshalb sind die AppCentral-Arbeitsbereiche mobil und sprachgesteuert, für Entscheidungen direkt im Betrieb, unterwegs und zwischen Meetings. Während rollenbasierte Ansichten die Datenkontrolle einer Organisation leicht fragmentieren könnten, verhindert die in AppCentral integrierte, kontrollierte KPI-Ebene genau das. Finanz-, Betriebs- und Kundendaten werden in einer einzigen Datenquelle zusammengeführt, sodass jeder Mitarbeitende die für seine Rolle relevanten Daten sieht, ohne dass die Konsistenz über Funktionen hinweg verloren geht. Jede KI-gestützte Aktion kann mit klaren Erklärungen und Prüfprotokollen überprüft, genehmigt oder angepasst werden, damit Experten die Kontrolle behalten.

Entdecken Sie die rollenbasierten KI-Arbeitsbereiche von AppCentral auf aptean.com AppCentral entdecken → Der Algorithmus

ARTIKEL 05

Wie man eine KI-zentrierte Kultur von innen heraus aufbaut Von Iain Crawford, Senior Director of Revenue Operations, Aptean

Meine erste Begegnung mit KI bei Aptean fand statt, bevor die meisten Mitarbeitenden den Begriff überhaupt kannten. Das Führungsteam engagierte mich, um ein Machine-Learning-Modell (ML) zu entwickeln, das vorhersagen kann, ob ein Lead zu einem Kunden wird. Das Sales-Development-Team ertrank in Leads und hatte keine Zeit herauszufinden, welche eine Weiterverfolgung wert waren. Unser ML-Modell filterte diese Leads und ermöglichte es dem Team, sich auf die besten Chancen zu konzentrieren. Diese frühe Erfahrung lehrte mich etwas, das ich seither in jedes KI-Projekt mitgenommen habe: Technologie funktioniert am besten, wenn sie ein echtes Problem für einen echten Menschen löst. Abstrakte KI-Strategien ändern kein Verhalten, greifbare Erfolge schon. Echter Wandel lässt sich nicht erzwingen Wenn es um die Verankerung von KI in einer Organisation geht, bin ich fest davon überzeugt: Es muss von unten nach oben kommen. Eine KI-Kultur lässt sich nicht verordnen. Stattdessen müssen KI-Tools in die Hände der Menschen gelegt, Möglichkeiten gezeigt und dann der Weg freigemacht werden. Bei Aptean haben wir das erreicht, indem wir allen Mitarbeitenden Zugang zu unserer AppCentral-Plattform gewährt und Teams in einem Workshop-Programm darin geschult haben, eigene KI-Agenten zu entwickeln. Vor jeder Sitzung sende ich den Teilnehmenden ein Vorbereitungsblatt mit der Bitte, vier oder fünf Ideen mitzubringen: was der Agent tun soll, welche Ergebnisse sie anstreben und mit welchen Systemen oder Daten er verbunden werden muss. Die Menschen kommen mit allem — von ambitionierten Ideen zur Automatisierung komplexer Arbeitsabläufe bis hin zu einfachen Anforderungen.

Der Algorithmus

Eine Person wollte den Prozess der monatlichen Rechnungsabstimmung aus sechs verschiedenen Abrechnungscodes automatisieren. Das würde ihr drei Stunden im Monat sparen, was nicht dramatisch klingt. Aber wenn Teams fünf Agenten entwickeln, die jeweils drei Stunden im Monat einsparen, haben wir plötzlich mehr als zwei Arbeitstage zurückgewonnen. Der Aha-Moment Ich eröffne jeden Workshop auf die gleiche Weise. Ich bitte alle, eine Geschichte zu erzählen, wie sie KI bereits genutzt haben: ChatGPT, Copilot, was auch immer. Die meisten haben eine Anekdote und das zeigt, dass KI kein unbekanntes Terrain ist. Dann bauen wir live gemeinsam etwas auf dem Bildschirm. Ich beginne mit etwas Unterhaltsamem. Wenn ich zum Beispiel weiß, dass jemand im im Raum die TV-Serie Friends liebt, entwickeln wir einen Agenten, der wie Joey aus der Serie antwortet. Wir projizieren ihn auf die große Leinwand, stellen ihm Fragen und lachen darüber. Es geht nicht um den Agenten selbst, sondern darum, zu zeigen, dass man diese Tools persönlich, spielerisch und ganz nach den eigenen Vorstellungen gestalten kann. Danach widmen wir uns etwas Nützlichem. Am Ende der Sitzung teile ich den Raum in kleine Teams auf und bitte jede Gruppe, einen Agenten zu entwickeln und vorzustellen. Sie erklären, was er tut, warum sie ihn entwickelt haben und wie sie ihn gebaut haben. Den Abschluss bildet eine Live-Demo. Das ist mein Lieblingsteil, denn da springt der Funken über. Und wenn mir jemand zwei Wochen später schreibt, dass er etwas Neues gebaut hat und mein Feedback möchte, weiß ich, dass wir unser Ziel erreicht haben.

Jeder kann einen Agenten erstellen Viele der Workshop-Teilnehmenden haben keinerlei technischen Hintergrund. Das war früher ein Hindernis aber das ist es nicht mehr. Die Nutzung von Apteans Intelligence Studio ist nicht mit dem Schreiben von Code vergleichbar. Wer schon einmal mit PowerPoint, Visio oder einem Workflow-Tool gearbeitet hat, findet sich schnell zurecht. Wir haben dafür gesorgt, dass jede Sitzung praxisorientiert ist. Eines der besten Beispiele ist ein Kollege aus unserem Kreativteam. Er ist technisch absolut kein Experte, vertiefte sich während einer Sitzung jedoch völlig in die Materie. Am Ende baute er seinen eigenen Agenten, im Grunde eine digitale Version seiner selbst, die er fortan einsetzen konnte. Wenn jemand, dessen gesamtes Können auf Kreativität beruht, das schafft, kann es jeder.

In meiner eigenen Funktion bin ich noch weiter gegangen. Ich habe keine Arbeitsgruppe, sondern eine Hierarchie aufgebaut. Ein leitender Agent erhält eine Aufgabe und weist sie dem am besten geeigneten Mitglied des Agenten Teams zu. Ein Validator prüft das Ergebnis, was zu mir zurückkommt. Ich kann meine Zeit für Dinge verwenden, die Urteilsvermögen, Beziehungen und Erfahrung erfordern. Wir nutzen, was wir verkaufen, das ist der größte Unterschied zwischen Apteans Umgang mit KI und dem vieler anderer Technologieanbieter. Weil wir AppCentral täglich selbst im Einsatz haben, wissen wir genau, was es leistet und wie man es optimal nutzt. Wir spekulieren nicht darüber, was KI für unsere Kunden leisten kann. Wir wissen es, weil sie es bereits für uns tut.

Mit KI hat jeder seine eigene Belegschaft Die Vision, zu der ich bei Aptean immer wieder zurückkehre, ist folgende: Jeder Mitarbeitende sollte über eine eigene kleine KI-Belegschaft verfügen. Vier oder fünf Agenten, von denen jeder auf etwas spezialisiert ist. Sie stehen bereit, um Arbeit zu erledigen, die keinen Menschen erfordert. Die Aufgaben, die sich wiederholen, Zeit kosten und ehrlich gesagt die niemand so richtig mag.

Der Algorithmus

ARTIKEL 06

“Sobald allgemeine künstliche Intelligenz kommt, geht man bis zum Anschlag.” Steve Brown hat seine Karriere aan der technologischen Spitze in Führungspositionen verbracht: Als Zukunftsforscher bei Intel, dann bei Google DeepMind und heute als Berater für Organisationen verschiedenster Branchen beschäftigt er sich damit, was KI für die Zukunft ihrer Unternehmen bedeutet. Er nahm am UNITE 2025 AI Summit von Aptean als Teil einer Podiumsdiskussion über agentenbasierte KI teil. Anschließend sprachen wir mit Steve darüber, inwiefern sich dieser Moment von allen vorherigen Technologiewellen unterscheidet und warum die Entscheidungen, die Unternehmen jetzt treffen, weitaus wichtiger sein werden, als die meisten Führungskräfte derzeit annehmen.

Sie bezeichnen das, was mit KI gerade geschieht,als ein neues Industriezeitalter. Eine gewagte These. Worauf basiert diese Einschätzung? Ein neues Industriezeitalter wird in der Regel durch eines von zwei Dingen definiert: entweder ein neues Wundermaterial wie Stein, Eisen, Bronze, Silizium oder eine Universaltechnologie, deren Kosten gegen null tendieren. Elektrizität ist das klarste Beispiel für den zweiten Typus: Wir nutzen sie, ohne über die Kosten nachzudenken, und sie treibt alles an. Was wir jetzt beobachten: Die Kosten für allgemeine Intelligenz folgen der gleichen Entwicklung. Sie werden nicht kostenlos sein, aber den Punkt erreichen, an dem Organisationen sie umfassend und kontinuierlich einsetzen, ohne sie als Premium-Ressource zu behandeln. Eric Schmidt, der ehemalige CEO von Google, bezeichnet KI als die bedeutsamste Entwicklung in der Menschheitsgeschichte seit vielleicht tausend Jahren. Ich glaube, er hat Recht und es geschieht noch zu unseren Lebzeiten.

Der Algorithmus

Seit Jahrzehnten gibt es immer wieder Wellen der KI-Entwicklung. Was unterscheidet diese Welle von den vorherigen? Das Zusammentreffen zweier Dinge, die vorher noch nie gemeinsam existiert haben. Das erste ist das Denkvermögen. Bis vor Kurzem nutzten alle KI-Systeme — egal wie beeindruckend sie wirkten — ausschließlich das, was Psychologen als System-1-Denken bezeichnen. Wenn man jemanden fragt, was zwei plus zwei ist, kennt er die Antwort sofort. Das ist System Eins: reflexartiges Erinnern. System Zwei steht für langsames, methodisches, logisches Denken — die Art, die man braucht, um ein komplexes Problem Schritt für Schritt zu lösen. Bis vor etwa einem Jahr nutzten alle KIs ausschließlich System Eins. Neuere Modelle verfügen heute über echtes Denkvermögen: Sie können eine komplexe Herausforderung in Bestandteile zerlegen, diese methodisch bearbeiten und zu einer durchdachten Antwort gelangen. Das zweite ist die Agenten-Architektur, die dieses Denkvermögen umschließt. Wahrnehmungs-, Gedächtnis-, Planungs- und Aktionsmodule ermöglichen es KI, über längere Zeiträume autonom zu agieren — unter Nutzung von Tools, durch Aufrufen externer Systeme und durch Lernen aus der eigenen Leistung. Diese Kombination aus Denken und Handlungsfähigkeit ist es, die diese Welle grundlegend von allem Vorherigen unterscheidet.

Sie argumentieren, dass die Entscheidungen, die Organisationen in den nächsten ein bis zwei Jahren über Agenten treffen, wichtiger sein werden, als die meisten Führungskräfte derzeit annehmen. Warum? Es gibt klare Parallelen zwischen dem Aufbau des Internets und dem, was jetzt mit KI geschieht. Das wertvollste Unternehmen der Welt im Jahr 2000 war Cisco weil es die Router und Switches herstellte, die die Infrastruktur des Internets bildeten. Heute ist es Nvidia, weil es die GPUs produziert, die zum Aufbau der KI-Infrastruktur benötigt werden. Wir befinden uns genau jetzt in dieser Phase des Infrastrukturaufbaus. Irgendwann werden wir allgemeine künstliche Intelligenz (AGI) erreichen: eine KI, die auf menschlichem Niveau das gesamte Spektrum kognitiver Aufgaben beherrscht. Wenn das geschieht, erbt jeder Agent, den Sie in Ihre Arbeitsabläufe eingebunden haben, sofort diese Intelligenz auf menschlichem Niveau. Wer die Arbeit getan und Agenten im gesamten Unternehmen etabliert hat, ist vorbereitet. Wenn AGI den Durchbruch schafft, kann dieser Betrieb den Regler für das gesamte Unternehmen voll aufdrehen. Aber nur, wer die Vorarbeit geleistet hat, wird in diesem Moment mithalten können. Die Organisationen, die die Zwischenzeit damit verbracht haben, Agenten in ihre Prozesse zu integrieren, ihre Daten zu bereinigen und die Infrastruktur aufzubauen, werden diesen Wendepunkt nutzen. Diejenigen, die gewartet haben, werden hektisch versuchen, einen Abstand zu schließen, der sehr schnell sehr groß geworden ist.

Sie sagen, KI werde die Art und Weise, wie Unternehmen ihre Zielgruppen online erreichen, grundlegend verändern. Was meinen Sie damit? Die Suche wird größtenteils von Agenten im Auftrag ihrer menschlichen Nutzer durchgeführt werden. Beim Einkaufen wird sich das genauso entwickeln. Das bedeutet: Der größte Teil des Webverkehrs in der Zukunft, und mit Zukunft meine ich in wenigen Jahren, wird aus Agenten bestehen, die im Auftrag ihrer Menschen das Web nach Informationen durchsuchen. Für jeden mit einer Website bedeutet das: Sie brauchen jetzt zwei Eingangstüren. Eine, bei der die Informationen für menschliche Augen aufbereitet sind. Und eine andere, die für Agenten optimiert ist, strukturierte Daten, die es ihnen leichter machen, die benötigten Informationen zu erhalten. Organisationen, die bisher nur an die menschliche Eingangstür gedacht haben, könnten feststellen, dass ein erheblicher Teil ihrer potenziellen Zielgruppe sie nie zu Gesicht bekommt.

Wo machen die meisten Organisationen Fehler, wenn sie ihre KI-Reise beginnen? Die Organisationen, die in Schwierigkeiten geraten, suchen nach KI-Anwendungsfällen und versuchen dann, eine geschäftliche Begründung nachträglich einzufügen, Technologie auf der Suche nach einem Problem. Die Erfolgreichen stellen eine andere Frage: Was wollen wir erreichen, und wie hilft uns KI dabei, schneller oder besser ans Ziel zu gelangen? Auf dieser Grundlage ergibt sich alles andere ganz natürlich: welche Prozesse zu untersuchen, welche Agenten einzusetzen und welche Daten zuerst zu organisieren sind. Wenn Sie Data Scientists und Data Engineers in Ihrem Unternehmen haben, schätzen Sie sie sehr. Sie sind diejenigen, die entscheiden, ob Ihre KI-Strategie echte Ergebnisse oder teure Enttäuschungen liefert. Mehr über Steves Arbeit erfahren Sie unter www.stevebrown.ai und in seinem neuen Buch, „Das KI-Ultimatum: Vorbereitung auf eine Welt intelligenter Maschinen und radikaler Transformation“.

Der Algorithmus

ARTIKEL 07

Vier Schritte, um Ihre Infrastruktur KI-fähig zu machen Die meisten Organisationen versuchen, mit KI zu rennen, bevor sie laufen können und investieren in Tools und Strategien, während die zugrunde liegende Infrastruktur noch lange nicht bereit ist, diese zu unterstützen. Diese vier Schritte helfen Ihnen, die Grundlage für Ihre KI-Programme zu schaffen.

Ablösung von On-Premise Die meisten Organisationen, die auf On-Premise-Infrastruktur setzen, haben diese Entscheidung vor fünf bis zehn Jahren getroffen. Die wirtschaftliche Argumentation war damals schlüssig, hält aber heute nicht mehr stand. On-Premise-Systeme benötigen dedizierte IT-Ressourcen für die Wartung und können nicht kontinuierlich aktualisiert werden — genau das aber erfordern KI-Tools. Grundlegender betrachtet wurden sie isoliert konzipiert. Jedes System wurde unabhängig entworfen, sodass die erzeugten Daten lokal und isoliert bleiben. Der Wechsel in die Cloud beseitigt den Wartungsaufwand und ermöglicht kontinuierliche Verbesserungen ohne Ausfallzeiten. Entscheidend aber ist, dass er eine vernetzte Umgebung schafft, in der Daten frei zwischen Systemen fließen können. Genau diese Vernetzung ist die Voraussetzung für KI.

Der Algorithmus

Daten im gesamten Unternehmen sichtbar machen Eine Cloud-Migration löst Datensichtbarkeitsprobleme nicht automatisch. Viele Organisationen wechseln in die Cloud und nehmen ihre Datenfragmentierung mit, sodass operative Informationen niemals ein System erreichen, das sie analysieren könnte. KI kann nicht von Daten lernen, die sie nicht sieht. Googles Cloud-Forschung mit über 500 globalen Technologieführern identifiziert Datenqualität als die größte Herausforderung bei der KI-Einführung. Das Ziel sollte eine einzige, vernetzte Datenumgebung sein unter Nutzung offener APIs, Integrationen zwischen Kernsystemen und einer unternehmensweiten Vereinbarung, dass Daten dem Unternehmen gehören, und nicht einzelnen Abteilungen.

Von On-Premise zur Cloud: Die Reise von Quest Technology Quest Technology ist ein in Kalifornien ansässiges Unternehmen für Technologiemanagement, das sich um alles kümmert — von Managed Services und Rechenzentren bis hin zu Infrastruktur und Verkabelung. Stephanie Buckmaster leitet die Geschäfte des Unternehmens seit fast drei Jahrzehnten und war die treibende Kraft hinter Quests Wechsel zu Apteans Cloud-ERP in diesem Jahr. „Ich hatte die ständigen Wartungsarbeiten satt: das Einspielen von Patches, die Servermigrationen, die permanenten Upgrades. Ich wollte, dass jemand anderes — vollständig extern — sich um all das kümmert, damit es uns im Tagesgeschäft nicht beeinträchtigt,“ so Buckmaster.

KI-spezifische Sicherheitskontrollen entwickeln Herkömmliche Cybersicherheit wurde für eine Welt vor der KI konzipiert. Sie ist nicht darauf ausgelegt, das Verhalten von Modellen zu überwachen oder die Datenzugriffsmuster autonomer Agenten zu verwalten. Auch gegen Prompt Injection, eine Form der Manipulation, die spezifisch für große Sprachmodelle ist, bietet sie keinen ausreichenden Schutz. KI ohne Berücksichtigung dieser Risiken einzusetzen, setzt Ihre Organisation Gefahren aus. Verbesserte Sicherheitskontrollen müssen vor dem KI-Einsatz etabliert sein. Für Organisationen ohne große interne IT-Teams ist dies möglicherweise eines der stärksten Argumente für die Zusammenarbeit mit einem Cloud-Plattform-Anbieter. Solche Anbieter stellen kontinuierlich gewartete Infrastruktur bereit und halten Compliance-Zertifizierungen stets aktuell.

„In der Cloud ist das System genauso schnell, wenn nicht sogar schneller — und für unsere Remote-Nutzer weltweit ist der Zugriff viel einfacher. Nachdem wir unsere eigenen Sicherheitsherausforderungen gemeistert hatten, verlief der Rest des Übergangs sehr gut.“

Jemanden für den Wandel verantwortlich machen Infrastruktur ist nicht nur Technologie. Die Organisationen, die mit der KI-Einführung am meisten kämpfen, sind diejenigen, die sie als IT-Programm statt als organisatorisches Programm behandelt haben. Systeme werden eingesetzt, Menschen arbeiten um sie herum. Prozesse ändern sich auf dem Papier, das Verhalten auf dem Shopfloor bleibt gleich. In dieser Ausgabe beschrieb Gary Foote die Unternehmenskultur als die entscheidende Variable bei der KI-Einführung. Und unsere CTO Jenny Peng beobachtete, dass erfahrene Ingenieure, die Menschen mit dem meisten Fachwissen, den größten Sprung machen müssen. Beide Experten kommen zum gleichen Schluss: Jemand muss die menschliche Seite der KI-Transformation verantworten, und das muss genauso ernst genommen werden wie technische Innovation. Ihre KI-Verantwortlichen brauchen Sichtbarkeit auf Vorstandsebene, die Fähigkeit, klar über Veränderungen und deren Gründe zu kommunizieren, und die Geduld, Menschen in unterschiedlichem Tempo mitzunehmen.

Der Algorithmus

ARTIKEL 08

Eingehende Analyse: KI im Asset Management des Gesundheitswesens KI verspricht, Ausfälle in der gesamten Gesundheitsinfrastruktur vorherzusagen. Doch dieses Versprechen einzulösen erfordert eine Datengrundlage, die den meisten Anbietern derzeit fehlt, sagt James MacPherson, Regionaldirektor APAC, Aptean.

Geräte zeigen Auffälligkeiten, lange bevor sie ausfallen. Lange bevor ein MRTScanner ausfällt oder die Kühlanlage eines Pathologielabors versagt, gibt es Anzeichen, dass etwas nicht stimmt: Anomalien im Energieverbrauch, subtile Abweichungen in den Laufzeitdaten oder Sensormesswerte, die geringfügig vom Basiswert abweichen. Doch die meisten Asset-Management-Systeme im Gesundheitswesen sind nicht darauf ausgelegt, diese zu lesen. KI kann das ändern. In einer EAM-Plattform (Enterprise Asset Management) eingesetzt, die auf kontinuierliche, integrierte Datenflüsse zurückgreift, kann KI die Vorboten eines Ausfalls Wochen oder Monate vor dem Ereignis erkennen — und Betriebsteams Zeit zum Eingreifen geben. 61 % der globalen Führungskräfte im Gesundheitswesen haben KI und Automatisierung bereits als operative Prioritäten identifiziert, so KPMG-Daten. McKinsey schätzt, dass 55 % das Infrastrukturmanagement als den Bereich sehen, in dem generative KI kurzfristig den größten Nutzen hat. Und dennoch bleibt KI-gestütztes Asset Management in weiten Teilen des Sektors ein erstrebenswertes Ziel.

Der Algorithmus

Gesundheitseinrichtungen sind reich an Daten, aber arm an Erkenntnis Gesundheitsorganisationen erzeugen enorme Mengen an Betriebsinformationen: Wartungshistorien, Beschaffungsunterlagen, IoT-Sensortelemetrie, Compliance-Dokumentation, Vorfallberichte usw. Was in der Regel fehlt, ist ein einziges System, das all diese Daten enthält. Laut KPMG berichten 57 % der Gesundheitseinrichtungen, dass Mängel in ihren grundlegenden IT-Systemen den Betrieb jede Woche beeinträchtigen. Informationen sind über Abteilungssysteme verteilt, in Tabellen gespeichert oder nur im institutionellen Gedächtnis von Mitarbeitenden vorhanden. KI löst diese Probleme durch das Erkennen von Mustern über simultane Datenströme hinweg. Sie lernt aus Erfahrung, verfeinert Modelle im Laufe der Zeit und verbessert Prognosen mit jeder neuen Information. Doch unvollständige Asset-Register und lückenhafte Wartungsprotokolle spiegeln sich in den Ergebnissen wider. Und Im Gesundheitswesen ist eine unzuverlässige Prognose keine Kleinigkeit, sie ist ein Risiko für Patienten, Mitarbeitende und die Gemeinschaft.

Infrastrukturthemen brauchen Aufmerksamkeit auf Vorstandsebene Ungeplante Wartungen sind teuer und Mittel, die für strategische Investitionen vorgesehen sind, werden routinemäßig durch reaktive Ausfälle aufgezehrt. KI-gestützte Prognosen, die auf hochwertigen integrierten Daten basieren, bieten einen Ausweg aus diesem Kreislauf. Sie lenken Kapital dorthin, wo es den größten klinischen und finanziellen Nutzen liefert, nicht dorthin, wo die jüngste Krise es erfordert. Die Herausforderung für Führungskräfte im Gesundheitswesen besteht darin, dem Impuls zu widerstehen, KI als technologisches Problem zu behandeln, das von einer IT-Abteilung gelöst werden soll. Es ist eine Governance-Frage, die Verantwortung auf der Führungsebene verlangt, funktionsübergreifende Integration und die Bereitschaft erfordert, die Qualität der Informationen in bestehenden Systemen zu auditieren.

EAM ist die Integrationsschicht, die KI erst ermöglicht Die Lösung liegt nicht im Verzögern der KI-Einführung bis perfekte Daten vorliegen. Sie liegt in der Investition in die Integrationsinfrastruktur, die zuverlässiges, genaues Datenteilen ermöglicht. Eine EAM-Plattform liefert dieses Fundament: Sie verbindet Gebäude-, Finanz-, Technik- und klinische Systeme zu einem einheitlichen Rahmen, in dem Informationen von IoT-Sensoren, Gebäudemanagementsystemen und Wartungssystemen standardisiert und kontinuierlich aktualisiert werden. Mit dieser Grundlage kann KI entscheidungsreife Erkenntnisse generieren: Früherkennung von Defekten, evidenzbasierte Entscheidungen über Reparatur oder Ersatz sowie langfristige Kapitalprognosen mit der Glaubwürdigkeit, Investitionsstrategien zu beeinflussen. Die strategische Bedeutung der Priorisierung von KI im Gesundheits-Asset-Management ist erheblich. Ein kleinerer HLK-Defekt in einer chirurgischen Einrichtung ist für sich genommen kein katastrophales Ereignis. Bleibt er jedoch unentdeckt, kann er die Sterilisation von Operationssälen gefährden, Umplanungen im Operationsplan auslösen und sich mit erheblichen klinischen und finanziellen Folgen durch die Patientenversorgungspfade kaskadieren. KI-gestütztes EAM kann diese Temperaturanomalie erkennen, bevor sie eskaliert und ermöglicht so eine geplante Intervention statt einer Notfallreaktion. Das ist der Unterschied zwischen Infrastrukturmanagement als Wartungsfunktion und als klinische Governance-Pflicht. „Überraschungen sind im Krankenhaussektor fehl am Platz: Der Leitfaden für Führungskräfte zum Enterprise Asset Management im Gesundheitswesen“ ist das neueste E-Book von Aptean. Laden Sie jetzt Ihr kostenloses Exemplar herunter.

Der Algorithmus

Was Sie in der nächsten Ausgabe erwartet Die wichtigsten Erkenntnisse aus Apteans globaler KI-Umfrage

Schauen Sie sich unsere vorherige Ausgabe an Ausgabe ansehen →

Fokus auf KI in Transport und Logistik

Und vieles mehr von führenden Experten