Künst­li­che Intel­li­genz. Ohne eine wirk­lich solide Daten­ba­sis bleibt jedes betrieb­li­che KI-Pro­jekt nur Stück­werk. Ein Exper­ten­kom­men­tar von Manuel Moser, Direc­tor Digi­tal Inno­va­tion & AI, CAN­COM Austria

Der Ein­satz von Künst­li­cher Intel­li­genz (KI) in Unter­neh­men schrei­tet voran. So groß die Inno­va­ti­ons­freude ist – sie stößt rasch an Gren­zen ohne ein qua­li­ta­ti­ves Daten-Fun­da­ment. Ohne struk­tu­rierte, aktu­elle und zugäng­li­che Daten wird kein KI-Sys­tem sein vol­les Poten­zial ent­fal­ten kön­nen. Das gilt auch für Gene­ra­tive KI. 

Feh­ler­hafte Daten behin­dern Pro­zesse und Wertschöpfung
In zen­tra­len Sys­te­men wie CRM oder ERP fin­den sich oft unvoll­stän­dige, feh­ler­hafte oder gar wider­sprüch­li­che Infor­ma­tio­nen. Das wirkt wie Sand im Getriebe – für klas­si­sche Ana­ly­sen und auch für moderne KI-Modelle, die einen „sau­be­ren“ Daten-Kon­text benö­ti­gen. Inves­ti­tio­nen in Daten­ar­chi­tek­tur, eine klare Data-Gover­nance und abtei­lungs­über­grei­fende Ver­ant­wort­lich­kei­ten sind daher essenziell.

Inter­es­sant ist, dass oft enga­gierte Mit­ar­bei­tende KI aus der ope­ra­ti­ven Basis vor­an­trei­ben. Sie nut­zen gene­ra­tive KI lange vor offi­zi­el­len Pro­jek­ten. Bot­tom-Up-Push und Know-how sind wich­tige, för­der­wür­dige Signale. Unter­neh­men soll­ten daher Räume für Aus­tausch, Trans­pa­renz und Best Prac­ti­ces zu schaf­fen. Die­ses Inno­va­ti­ons­po­ten­zial struk­tu­riert mit stra­te­gi­scher Gover­nance ver­bin­den, kann einen nach­hal­ti­gen Wan­del auslösen.

Der Erfolgs­fak­tor Vertrauen
Ein zen­tra­ler Erfolgs­fak­tor für KI ist auch Ver­trauen – das wächst durch greif­bare, posi­tive Erfah­run­gen. Gerade zum Start kön­nen ein­fa­che, aber effek­tive Pilo­ten den Nut­zen von KI sicht­bar machen. Wenn Mit­ar­bei­tende erle­ben, wie KI Pro­zesse und Ent­schei­dun­gen beschleu­nigt, steigt Akzep­tanz und Ver­ständ­nis. Auch Trial-and-Error gehört zum Pro­zess, nie­mand erwar­tet sofort 100-pro­zen­tige Lösun­gen. Ent­schei­dend ist zu ler­nen und mit jeder Ite­ra­tion bes­ser zu werden.

Aktu­ell sehen wir den Über­gang von regel­ba­sier­ten Chat­bots zu kom­ple­xe­ren, kon­text­sen­si­blen KI-Sys­te­men. Trans­for­mer-Modelle ver­ste­hen natür­li­che Spra­che deut­lich bes­ser – das stei­gert die Nut­zer­ak­zep­tanz. Die Anfor­de­run­gen stei­gen aber ebenso : Kund:innen erwar­ten nicht nur Ant­wor­ten, son­dern echte Assis­tenz. Der Leit­satz „Show me, tell me, and do it for me“ bringt es auf den Punkt : KI soll infor­mie­ren, anlei­ten und bes­ten­falls gleich selbst handeln. 

Die not­wen­dige Inves­ti­tion in Datenqualität
Mit Agen­tic-AI, also auto­no­men Assis­tenz­sys­te­men, ist die nächste Dis­rup­tion bereits da. Sys­teme, die eigen­stän­dig Ent­schei­dun­gen tref­fen und Aktio­nen aus­füh­ren, ver­än­dern nicht nur die Effi­zi­enz, son­dern ganze Geschäfts­mo­delle. Und das mit kla­ren Geschäfts­re­geln im Sinne des Unter­neh­mens. Der Trend geht dabei zu Tool-Mixes statt Einzelmodelle. 

Unter­neh­men, die heute die rich­ti­gen Grund­la­gen legen, bestim­men mor­gen die Spiel­re­geln. KI ist eine gesamt­un­ter­neh­me­ri­sche Auf­gabe. Wer nach­hal­tig erfolg­reich sein will, muss in Daten­qua­li­tät inves­tie­ren, Ver­trauen auf­bauen und das Wis­sen der eige­nen Mit­ar­bei­ten­den ein­bin­den. Der Wan­del beginnt nicht nur im Vor­stand, son­dern oft auf den Schreib­ti­schen derer, die heute schon KI nut­zen. Jetzt ist die Zeit, die­ses Poten­zial in gere­gelte Bah­nen zu len­ken – bevor andere es tun.