Vier Schritte vor der Einsatz von KI im Geschäft: Cloud, Daten, Qualität und Mehrwert

Der unaufhaltsame Vorstoß der KI in die Geschäftsprozesse nimmt weiter Fahrt auf. Analysen von Gartner deuten darauf hin, dass innerhalb der nächsten zwei Jahre die Hälfte aller Geschäftsentcheidungen durch KI-Agenten vollständig automatisiert oder zumindest teilweise unterstützt werden wird. Vier Führungskräfte, die in verschiedenen Organisationen bereits mit KI experimentiert haben, teilten ihre Erfahrungen auf einem Medienrundgespräch während des Snowflake Summit 2025 in San Francisco. Hier sind ihre wichtigsten Erkenntnisse: Stellen Sie Ihre Cloud-Strategie richtig Wayne Filin-Matthews, Chief Enterprise Architect bei AstraZeneca, erläuterte, wie seine Organisation KI-Implementierungen in mehreren Bereichen pioniert. Das Pharmaunternehmen hat einen KI-gestützten Forschungsassistenten entwickelt, der die Produktivität wissenschaftlicher Forscher durch den Fokus auf die Wiederholbarkeit wissenschaftlicher Methoden und die Entwicklung neuer Medikamente erhöht. AstraZeneca arbeitet dabei mit führenden akademischen Institutionen wie der Stanford University zusammen, um KI-Experimente durchzuführen. "Wir denken darüber nach, wie man ein Team von Agenten haben kann, das traditionellen Wissenschaftlern bei ihren Forschungen zur Seite steht," sagte Filin-Matthews. Das Unternehmen setzt auch KI in kommerziellen Bereichen ein. AstraZeneca ist in 126 Märkten tätig, und die Versorgung dieser vielfältigen Standorte mit Inhalten stellt eine komplexe Herausforderung dar. "Wir haben die Technologie aus KI-Sicht genutzt, um die Erstellung von Marketingmaterialien und Informationen über die Entwicklung von Arzneimitteln zu automatisieren," erklärte er. Diese Experimente haben die Vorteile von KI verdeutlicht, aber auch die Bedeutung solider Datenfundamente gezeigt. Filin-Matthews betonte, dass Unternehmen nur dann Probleme mit KI lösen können, wenn sie eine starke unterliegende Cloud-Infrastruktur aufgebaut haben. "Es gibt viele Anwendungsfälle, wo der Nutzen sich auf unserem Weg klar zeigt," sagte er. "Wir befinden uns definitiv im Zeitalter der KI-gestützten Entscheidungsfindung. Aber der Schlüssel für mich ist, dass man die anderen unterliegenden Elemente nicht vergessen darf. Man kann nicht KI-first sein ohne Cloud-first zu sein." Konzentrieren Sie sich auf Datenverwaltung Amit Patel, Chief Data Officer für Großbankgeschäfte bei Truist, berichtete von zwei wichtigen Lektionen, die er beim Einführen von KI-Anwendungsfällen gelernt hat. Die erste war die Bedeutung der zugrundeliegenden Datenfundamente. "Als Bank muss ich beweisen, woher die Daten stammen, ob sie korrekt sind, ob sie verwaltet werden, ob ich eine Linie habe, Metadaten, Datenqualitätsprüfungen," sagte Patel. "Ich muss diese Punkte einem externen Regulator beweisen. Ich kann nicht einfach ein großes Sprachmodell (LLM) in die Wildnis entlassen, oder es auf interne Quellen richten, ohne dass sie reguliert sind. Es muss eine genehmigte Quelle sein, ein autorisierter Bereitstellungspunkt." Durch diesen Prozess habe er erkannt, dass er weniger verlässliche Quellen hat, als ihm lieb wäre. "Ich muss erst diese Fundamente schaffen, bevor ich darauf aufbauen kann," sagte er. Patel fügte hinzu, dass die zweite Lektion darin besteht, dass Mitarbeiter, die KI privat nutzen, davon ausgehen, dass die Einführung von LLMs im Unternehmensumfeld einfach sei. "Es ist nicht so einfach," sagte er. "Man muss Regeln definieren, auf welche Modelle die Modelle zugreifen dürfen. Man sollte Metadaten definieren, um die Interpretationen der Modelle zu leiten. Und dieser Prozess dauert Zeit." Sein Team habe diese Missverständnisse durch Erwartungsmanagement gelöst. "Als wir anfangen, Anwendungsfälle zu ermöglichen, begreifen die Menschen, dass es nicht so einfach ist wie ein Klick-und-Klick-Prozess," sagte Patel. "Obwohl die Implementierung von Technologien schneller geworden ist, bleibt es herausfordernd und erfordert Zeit und Überlegung, wie man Governance und Struktur um die KI herum aufbaut, bevor man sie für die Arbeit freigibt." Berücksichtigen Sie die Qualität Ihrer Ausgaben Anahita Tafvizi, Chief Data and Analytics Officer bei Snowflake, erklärte, wie ihr Team der Technologiefirma hilft, KI-gestützte Produkte für ihre Kunden zu entwickeln. Tafvizi betonte, dass ihre Firma diese Produkte nicht nur verkauft, sondern auch die Gelegenheit hat, mit diesen Technologien zu experimentieren. "Was spannend ist, wenn man CDO einer Datenfirma ist, ist, dass man das Privileg hat, der erste Kunde vieler unserer Produkte zu sein," sagte sie. Ihr Team arbeitete eng mit dem Produktteam zusammen, um einen KI-gestützten Assistenten für die interne Vertriebsorganisation zu entwickeln. Sie erkannte, dass die Einführung neuer KI-Tools Herausforderungen mit sich bringt, insbesondere wenn es darum geht, die Geschwindigkeit der Innovation mit Governance-Anforderungen zu balancieren. Ein entscheidender Punkt ist die Qualität. Als das Team den Assistenten den Vertriebsmitarbeitern zur Verfügung stellte, dachte es über wichtige Fragen nach, wie zum Beispiel, "Reicht 95% Qualität?" Tafvizi riet anderen Führungskräften, sich sorgfältig mit diesen Herausforderungen auseinanderzusetzen, da Mitarbeiter das Ergebnis der KI-Experimente vertrauen müssen. "Der Fokus auf Qualität ist für uns wichtig gewesen," sagte sie. "Die richtigen Governance-Strukturen, Zugriffssteuerungen, Linien, Metadaten und semantische Modelle sind ebenfalls kritisch. Wir denken ständig über diese Dinge nach, als Teil der Spannung zwischen Innovation und Geschwindigkeit." Suchen Sie nach unerwarteten Vorteilen Thomas Bodenski, Chief Data and Analytics Officer bei dem Finanztechnologie-Spezialisten TS Imagine, sagte, dass sein Unternehmen seit Oktober 2023 KI nutzt, um die Arbeitslast der Mitarbeiter zu reduzieren. Obwohl der Schwerpunkt von KI oft auf der Automatisierung manueller Prozesse liegt, deuteten seine Erfahrungen darauf hin, dass Geschäftsleiter auch andere Vorteile erkennen sollten. "KI zu nutzen geht nicht nur um die Reduzierung von Aufwand," sagte er. "Man kann Dinge schneller, besser und mit unglaublicher Abdeckung machen." Er erklärte, wie TS Imagine Daten von spezialisierten Anbietern kauft, die E-Mails über bevorstehende Produktänderungen senden. "Das Unternehmen erhält 100.000 dieser E-Mails pro Jahr. Jede E-Mail muss gelesen und ihre Auswirkungen verstanden werden," sagte er. "Traditionell hat dieser arbeitsintensive Prozess im Schnitt 2,5 Vollzeitkräfte pro Jahr beansprucht. Es ist stressig, weil man keine Fehler machen darf. Wenn wir Informationen in einer E-Mail übersehen, gehen unsere Systeme offline. Tausende von Händlern können nicht handeln und Tausende von Risikomanagern können ihre Exposition nicht beurteilen, was potenziell katastrophal wäre." Um dieses Szenario zu vermeiden, nutzt das Unternehmen Snowflakes KI-Modelle, um diese zeitaufwendige Arbeit abzuwickeln. "Jetzt verpassen wir nie das Ergebnis," sagte er. "Diese 2,5 Vollzeitkräfte können Wissensarbeit anstelle von manueller Datencuration oder -eingabe leisten." Bodenski fügte hinzu, dass KI auch Schwachstellen managen kann, die zuvor existierten, wie die Sicherstellung, dass Kundeanfragen auch am Wochenende bearbeitet werden. "Früher arbeitete niemand an diesen Tagen. Jetzt gibt es KI, und sie antwortet auf Kundenanfragen und ordnet die Tickets dem richtigen Ansprechpartner zu," sagte er. Brancheinsider sehen diese Entwicklung positiv. Sie betonen die Notwendigkeit, sowohl robuste Datenfundamente als auch klare Governance-Strukturen aufzubauen, um die volle Potenzial von KI auszuschöpfen. AstraZeneca, ein führender Pharmakonzern, setzt KI sowohl in der Forschung als auch im Marketing ein, um die Effizienz und Produktivität zu steigern. Truist, eine große US-Bank, legt den Fokus auf die Regulierung und Authentifizierung von Datenquellen, um die Anwendung von KI in einem regulatorisch strengen Umfeld sicherzustellen. Snowflake, ein Technologieunternehmen, betont die Bedeutung der Qualität und Governance bei der Entwicklung und Implementierung von KI-gestützten Produkten. TS Imagine, ein Spezialist für Finanztechnologie, zeigt, wie KI nicht nur die Effizienz steigern, sondern auch Schwachstellen in den Geschäftsprozessen ausgleichen kann.