Generative Künstliche Intelligenz dominiert die Schlagzeilen, doch viele Unternehmen stehen noch immer vor einer zentralen Frage: Wie schafft man damit echten Mehrwert? Maximilian Harms, Sr. Director Business Transformation Advisory bei Dataiku, räumt mit dem Mythos der »Wundertechnologie« auf und erklärt, warum KI-Agenten am besten im Team funktionieren, wie man Silos aufbricht – und weshalb der Mensch im »Maschinenraum« der Daten das wichtigste Element bleibt.
KI mit klarem Ziel
Matthias Mehl: Herr Harms, Generative KI ist derzeit das alles beherrschende Thema. Wie unterstützt Dataiku seine Kunden dabei, den Hype von echtem, nachhaltigem Mehrwert zu unterscheiden?
Maximilian Harms: Tatsächlich nimmt der Hype stetig zu, befeuert durch die rasanten Entwicklungen bei den KI-Agenten. Doch am Ende des Tages sagen wir unserer Kundschaft heute genau das Gleiche, was wir schon vor zehn Jahren betont haben, als Machine Learning und Advanced Analytics ihren Einzug hielten: Die Einführung neuer Technologien benötigt zwingend ein klares Zielbild. Es muss also ein konkretes Geschäftsproblem existieren, das gelöst werden soll, oder eine spezifische Verbesserungsidee vorhanden sein, die man anstrebt. Ohne diesen Fokus läuft man Gefahr, Ressourcen in Projekte zu investieren, die zwar technologisch beeindruckend sind, aber keinen geschäftlichen Impact haben.
Branchenspezifische Herausforderungen und Effizienzsteigerung
Matthias Mehl: Welche konkreten Herausforderungen und Wünsche tragen Ihre Kunden in diesem Zusammenhang an Sie heran?
Maximilian Harms: Das ist stark branchenabhängig. Wenn ein Unternehmen aus dem Manufacturing-Sektor zu uns kommt, geht es meist um sehr konkrete Optimierungen, wie etwa die Effizienz der eingesetzten Materialien oder die Reduktion der Wartungskosten Im Marketing hingegen geht es primär um Optimierung von Conversion Rates und Customer Lifetime Value. In allen Branchen ist es essentiell, den Business-Case fortlaufend im Blick zu halten: Man darf Ziele nicht nur am Anfang definieren, sondern sollte sie über die Zeit hinweg konsequent tracken und messen. Bei unseren Kunden steht zunächst fast immer der Effizienzgewinn im Vordergrund, wobei wir zwei wesentliche Dimensionen unterscheiden.
Matthias Mehl: Könnten Sie diese beiden Dimensionen näher erläutern?
Maximilian Harms: Auf der einen Seite stehen die Nutzerinnen und Nutzer unserer »Universal AI Platform«. Dataiku erlaubt es Unternehmen praktisch aller Branchen und Größen, eigene KI-Anwendungen und -Agenten zu entwickeln. Die Vorteile liegen auf der Hand: Ein schnellerer Zugang zu Daten, akkuratere Modellierungen und damit bessere Insights. Hier kommt die zweite Dimension ins Spiel: Am Ende müssen immer messbare Mehrwerte entstehen, die sich in der Regel in die Bereiche Umsatzsteigerung, Kostenreduktion oder Risikominimierung einordnen lassen. Im CFO Office etwa nutzen viele unsere Lösungen für den Erkenntnisgewinn und Risikominimierung, beispielsweise für präzises Cash-Flow-Forecasting. In anderen Sektoren geht es, wie erwähnt, um die »harten« Kostenpunkte in der Produktion, bspw. gemessen an Overall Equipment Effectiveness (OEE). Wenn die Modelle zwar technisch perfekt sind, aber sie niemand nutzt oder keine Geschäftsentscheidungen darauf basieren, dann ist die gesamte Technologie letztlich »für die Katz«.
Kollaboration und Governance im KI-Betrieb
Matthias Mehl: Wie funktioniert die »Universal AI Platform« von Dataiku konkret im betrieblichen Alltag?
Maximilian Harms: Im Kern geht es darum, die richtigen Leute zu involvieren. Mit unserer Plattform bringen wir diejenigen, die nah am Business sind – also Menschen aus den Fachbereichen, welche die Prozesse in- und auswendig kennen – mit Datenexperten zusammen. Nur wer den Prozess versteht, kann auch einen validen Use Case formulieren. Unsere Plattform fungiert hier als Bindeglied für die Kollaboration. Es geht um die Orchestrierung von Unternehmens-KI. Auf diese Weise können Fachbereiche gemeinsam mit Experten Anwendungsfälle bauen, wie zum Beispiel spezialisierte KI-Agenten.
Matthias Mehl: Besteht bei so viel Flexibilität nicht die Gefahr der Verzettelung? Wie behalten Unternehmen die Kontrolle?
Maximilian Harms: Das Thema »Governance« ist in diesem Zusammenhang zentral. Wir decken diesen Bereich sehr breit ab: von den Zugriffsrechten auf Daten und Modelle bis hin zur Genauigkeit und dem regelmäßigen Re-Trainieren von Modellen (Stichwort MLOps). Gerade wenn wir über das Bauen von Agenten sprechen, müssen unsere Kunden Halluzinationen vermeiden und regulatorische Anforderungen durch lückenlose Dokumentation erfüllen. Zudem hilft die Plattform dabei, die Kosten im Zaum zu halten. Man kann sehr granular einstellen, wer welches Level an Zugriff und Kompetenzen hat. Man muss sich die Plattform als eine Kollaborationsplattform vorstellen – wie einen Maschinenraum, in dem die Leute gemeinsam arbeiten. Dabei setzen wir auf einen Low-Code-Ansatz, um die Hürden für Anwender aus den Fachbereichen so niedrig wie möglich zu halten.
Dataiku als Integrationsplattform und das Potenzial von KI-Agenten
Matthias Mehl: Ein oft genanntes Problem sind Datensilos. Wie geht Dataiku damit um?
Maximilian Harms: Das ist ein entscheidender Punkt. Dataiku selbst hält keine Daten. Diese liegen in der bestehenden Firmeninfrastruktur – ob es sich dabei um eine Cloud, einen Firmenserver oder ein hybrides System handelt, ist für uns unerheblich. Wir greifen flexibel auf verschiedene Datenquellen zu. Das wird besonders in der Welt der KI-Agenten spannend: Viele Agenten werden heute noch in Silos gebaut und sind auf ihre spezifische Umgebung wie beispielsweise Azure oder Salesforce beschränkt. Wenn ein Unternehmen aber eine echte End-to-End-Optimierung anstrebt, müssen Daten und Tools aus verschiedenen Quellen zusammengeführt und orchestriert werden. Genau das leistet Dataiku.
Matthias Mehl: Sie haben das Thema »Agentic AI«, beziehungsweise KI-Agenten, bereits angesprochen. Was genau versteht man darunter?
Maximilian Harms: Ein KI-Agent ist für uns ein System, das ein oder mehrere Large Language Models (LLMs) nutzt, um ein Ziel über mehrere Schritte hinweg eigenständig zu verfolgen. Das geht weit über das bloße Abrufen von Informationen hinaus. Es ist ein Konzept mit enormem Potenzial, auch wenn es nicht immer die Lösung sein muss – oft reicht klassisches Machine Learning oder ein deterministischer Prozess völlig aus. Aber dort, wo komplexe Prozessschritte vorliegen und Aktionen auf Entscheidungen unter Unsicherheit folgen sollen, machen Agenten absolut Sinn.
Matthias Mehl: Haben Sie ein konkretes Beispiel für einen solchen Einsatz?
Maximilian Harms: Über 100 Kunden entwickeln bereits Agenten Use Cases mit Dataiku. Ein besonders spannender Fall stammt vom Pharmakonzern Roche aus der Schweiz. Dort haben die Patentanwälte selbstständig einen Agenten gebaut. Dieser unterstützt sie dabei, Patentanmeldungen zu screenen, Beschreibungen eigener Medikamente abzuklären und Gerichtsentscheidungen zu scannen. Diese Informationen werden genutzt, um Nachfragen oder Klagen effizienter zu handhaben. Das Ergebnis? Eine Ersparnis von bis zu 475.000 US-Dollar pro Jahr.
Zukunft der KI im Unternehmen
Matthias Mehl: Trotz aller Technik bleibt der Mensch der entscheidende Faktor. Wie stellen Sie sicher, dass die Mitarbeitenden Ihrer Kundenbetriebe auch bereit für diese Tools sind?
Maximilian Harms: Alles beginnt mit der Vision und dem Commitment des Kundenunternehmens. Die Führung muss die Fachbereiche aktiv befähigen und dedizierte Programm-Ressourcen bereitstellen . Ohne diesen Rückhalt funktioniert die Transformation nicht. Unsere Plattform trägt mit ihrer intuitiven und kollaborativen Oberfläche zum Erfolg bei. . Zudem bieten wir umfangreiche Zertifizierungsprogramme an, die online zugänglich sind – etwa zum »Generative AI Engineer«. Diese stehen den Kunden zur freien Verfügung. Zusätzlich unterstützen wir und unsere Partnerunternehmen gezieltes Onboarding und Training sowie durch rund 40 verschiedene Templates und Quick-Starter-Lösungen, um den Einstieg zu beschleunigen.
Matthias Mehl: Zum Abschluss: Welche Trends sehen Sie für die Zukunft?
Maximilian Harms: Das Thema der KI-Agenten wird uns definitiv weiter begleiten. Unsere aktuelle Studie unter 800 Datenverantwortlichent zeigt zwar, dass viele Unternehmen beim Deployment aufgrund von Governance-Bedenken noch vorsichtig sind, aber hier wird es schnelle Fortschritte geben. Ich glaube allerdings nicht an den einen, omnipotenten »Riesen-Agenten«. Vielmehr werden wir Teams aus kleinen, spezialisierten KI-Agenten sehen, die von koordinierenden Agenten orchestriert werden.
Die große Herausforderung besteht, wie bereits angetönt, darin, Agenten zu bauen, die neue Prozesse ermöglichen und nicht in Silos gefangen sind. Im Beispiel der Patentanwälte könnte man über eine Rückkopplung in die R&D Abteilung nachdenken. In der Kombination mit Robotics sehe ich ebenfalls enormes Potenzial.
