KI bringt messbaren Geschäftsnutzen, wenn Unternehmen mit dem richtigen Ausgangspunkt beginnen: dem konkreten Problem, nicht der Technologie. Die Grundlage sind saubere Daten, eine Organisation, die Veränderungen trägt, und eine Systemarchitektur, die skaliert und angepasst werden kann, ohne von vorne anzufangen. Im Experteninterview zeigt Leonard Püttmann, Solutions Architect für KI bei accompio, was es dafür braucht.
Kaum ein Thema wird in Unternehmen gerade so intensiv diskutiert wie Künstliche Intelligenz. Viele Projekte scheitern dabei nicht an der Technologie, sondern an Entscheidungen, die lange vor dem ersten Piloten getroffen werden. Leonard Püttmann, Solutions Architect für KI bei accompio, erklärt aus der täglichen Projektarbeit heraus, worauf es von Anfang an ankommt.
Das Wichtigste in Kürze
KI-Projekte scheitern am häufigsten, weil Unternehmen mit dem falschen Ausgangspunkt, häufig der Technologie, statt mit den konkreten Business-Herausforderungen beginnen.
Laut Schätzung von Leonard Püttmann liegen in mindestens 80 Prozent der Fälle, in denen die Skalierung scheitert, Datenprobleme zugrunde.
Erste messbare Ergebnisse von KI-Projekten sind häufig schon nach 90 Tagen sichtbar.
Relevante KPIs für KI-Projekte sind: Genauigkeitsquote, Halluzinationsrate und Output-Latenz.
Viele Unternehmensdokumente sind für Menschen erstellt und nicht direkt von KI-Systemen verarbeitbar. Daher muss die Datenqualität vor dem Technologieeinsatz geprüft und ggf. neu strukturiert werden.
Eine modulare Systemarchitektur verhindert, dass neue KI-Modelle bestehende Prozesse gefährden.
Die Akzeptanz in den Fachbereichen ist ein wesentlicher Erfolgsfaktor für die Einführung von KI.
Eine realistische Roadmap verhindert Aktionismus und schafft die Grundlage für nachhaltige Wettbewerbsvorteile.
KI ohne Hype: Experteninterview mit Leonard Püttmann, Solution Architect bei accompio AI
Erhalten Sie interessante Einblicke in KI-Neuheiten und Trends im Interview mit unserem Solutions Architect für Künstliche Intelligenz, Leonard Püttmann. Schauen Sie jetzt kostenlos das Interview in voller Länge an!
Warum Technologie der falsche Ausgangspunkt ist
Der häufigste Denkfehler bei KI-Projekten ist laut Leonard Püttmann, dass Unternehmen die Technologie zum Ausgangspunkt machen. KI ist kein Selbstzweck, sondern ein Hebel für bestehende Prozesse, Daten und Menschen im Unternehmen.
Der richtige Einstieg beginnt mit einer Frage, die unabhängig von KI beantwortet werden muss:
Was sind die größten Pain-Points im Unternehmen?
Je nach Unternehmensbereich fällt diese Antwort unterschiedlich aus. Erst wenn das geklärt ist, folgt die Frage, welche Technologien dabei sinnvoll eingesetzt werden können und wo der Einsatz einen sinnvollen Mehrwert bringt.
Diese Reihenfolge ist entscheidend. Unternehmen, die zuerst in Technologie investieren und dann nach passenden Anwendungsfällen suchen, laufen Gefahr, nach drei Monaten mit spannenden, aber geschäftlich wirkungslosen Projekten dazustehen. Gescheiterte KI-Initiativen nähren im Unternehmen kritische Stimmen und erschweren spätere Projekte erheblich.
Wie eine belastbare KI-Strategie aufgebaut ist
Leonard Püttmann beschreibt im Interview drei aufeinanderfolgende Phasen:
Phase 1: Problem definieren
Unabhängig von Technologie identifizieren, was das größte Problem im Unternehmen ist. Dabei ist es wichtig, verschiedene Perspektiven einzuholen, weil unterschiedliche Personen im Unternehmen unterschiedliche Antworten geben.
Phase 2: Technologische Möglichkeiten prüfen
Welche Systeme und Technologien stehen zur Verfügung? Wie lassen sie sich für das definierte Problem einsetzen? Hier geht es darum, bestehende Systemlandschaften zu verstehen und zu prüfen, wo neue Komponenten sinnvoll ergänzt werden können.
Phase 3: Ausrollen
Nicht als einmaliger Rollout, sondern so konzipiert, dass das Projekt über die gesamte Organisation hinweg skalierbar ist. Das erfordert von Anfang an eine Architektur, die Blaupausen schafft, also wiederkehrende Muster identifiziert und auf andere Unternehmensteile überträgt.
Der Unterschied zu isolierten Pilotprojekten: Wer von Beginn an plant, wohin das Projekt skaliert werden soll, trifft bessere Entscheidungen bei Daten, Systemarchitektur und Ressourcen.
„Man sollte sich nicht von der Technologie als erstes leiten lassen, sondern eher von den Problemen im Unternehmen.“
— Leonard Püttmann, Solution Architect bei accompio AI
Wie KI-Projekte gemessen werden
KI-Ergebnisse sind messbar. Leonard Püttmann nennt drei KPIs, die bei accompio in KI-Projekten eingesetzt werden:
Genauigkeitsquote
Fachleute bewerten die Antworten der KI in definierten Szenarien. Dieser Wert zeigt, ob die KI zuverlässig richtige Ausgaben liefert.
Halluzinationsrate
Wie oft erfindet das Modell Informationen, die nicht in den zugrunde liegenden Daten vorhanden sind? Für Unternehmensanwendungen sollte dieser Wert im Nullkommabereich liegen.
Output-Latenz
Wie schnell liefert die KI verwertbare Ergebnisse? Besonders in Bereichen, die schnelle Antworten erfordern, ist Geschwindigkeit ein eigenständiger Qualitätsfaktor.
Der Zeitrahmen für erste Ergebnisse: nach maximal 90 Tagen sollte etwas Greifbares und Messbares vorliegen. In der Praxis liegen erste auswertbare Ergebnisse oft schon nach mehreren Wochen vor. Das ermöglicht früh zu erkennen, ob ein Projekt in die richtige Richtung geht.
Warum Skalierung so häufig scheitert
Viele KI-Projekte kommen nie über die Pilotphase hinaus. Das liegt laut Leonard Püttmann in mindestens 80 Prozent der Fälle an Datenproblemen: Ein kleiner Pilot kommt mit wenig Daten aus, aber sobald das Projekt auf weitere Unternehmensteile ausgedehnt wird, fehlen die Daten, die Datenbanken oder die Systemschnittstellen.
Die Lösung beginnt vor dem ersten Piloten: Wer von Anfang an plant, in welche Unternehmensteile und Prozesse ein KI-Projekt später ausgerollt werden soll, kann rechtzeitig klären, welche Daten dafür notwendig sind und wie der Zugang dazu gesichert wird. Dafür braucht es eine enge Zusammenarbeit mit den IT-Fachkräften des Unternehmens, die die betroffenen Systeme kennen.
Eigene Entwicklung oder externe Lösung?
Die accompio-Philosophie ist eindeutig: Unternehmen sollen sich auf ihr Kerngeschäft konzentrieren. Eigene KI-Plattformen zu entwickeln ist für die meisten Unternehmen kein sinnvoller Einsatz von Ressourcen.
Sinnvoller ist der Ansatz, eine bestehende Systemlandschaft um eine neue Plattform zu ergänzen und dabei die Schnittstellen so zu gestalten, dass Systeme reibungslos miteinander kommunizieren. Das schützt auch vor Vendor-Lock-in: Wer seinen KI-Anbieter wechseln oder ergänzen möchte, riskiert dabei keine Unterbrechung laufender Prozesse.
AI as a Service ist dabei eine Option, die verschiedene KI-Modelle zugänglich macht und in bestehende Systemlandschaften integriert werden kann.
Lassen Sie uns eine KI-Strategie entwickeln
accompio bietet umfassende Lösungen, damit Sie KI-Potenziale für sich nutzen können. Wir begleiten Sie von Beginn an.
Organisationsstruktur und Change Management
KI-Projekte verändern Rollen, Prozesse und Verantwortlichkeiten. Leonard Püttmann empfiehlt, von Anfang an eine Person zu definieren, die das Projekt begleitet. Dieser AI-Owner muss die Technologie nicht in- und auswendig kennen, aber die Organisation verstehen: Wer sind die relevanten Ansprechpartner? Wie reagieren die Mitarbeitenden auf neue Technologien?
„Man muss einkalkulieren, dass sich mit KI Rollen, Prozesse, die Verantwortlichkeiten, alles im Unternehmen ein bisschen verändert.“
— Leonard Püttmann, Solution Architect bei accompio AI
Für agilere Organisationen kann eine hybride Struktur sinnvoll sein, bei der es einen zentralen Ansprechpartner gibt, aber zusätzlich in jedem Team einen „Champion“, der KI-Fragen intern beantworten kann.
Change Management ist dabei kein optionaler Zusatz. Viele Mitarbeitende haben noch nicht mit KI gearbeitet und haben konkrete Sorgen oder unrealistische Erwartungen. Beides lässt sich durch frühzeitige Gespräche und das Zeigen konkreter Ergebnisse adressieren. Wer diese Phase überspringt, riskiert, dass eine technisch erfolgreiche Lösung intern nicht akzeptiert und damit nicht genutzt wird.
Langfristig wettbewerbsfähig bleiben: Modulare Resilienz
KI-Modelle entwickeln sich schnell weiter. Neue Architekturen und Möglichkeiten erscheinen in kurzen Abständen. Unternehmen, die ihre Systeme so aufgebaut haben, dass ein Modellwechsel die gesamte Prozesslandschaft in Mitleidenschaft zieht, stehen nach zwölf Monaten vor einem vollständigen Neustart.
Leonard Püttmann spricht hier von modularer Resilienz: Das System ist so aufgebaut, dass einzelne Bausteine ausgetauscht werden können, ohne dass der Rest der Prozesse und Systeme davon betroffen ist. Das schützt Investitionen in bestehende Infrastruktur und erlaubt es, neue Modelle zu integrieren, ohne von vorne anzufangen.
FAQ: Häufige Fragen zur Umsetzung von KI-Projekten im Unternehmen
Wie lange dauert es, bis KI erste Ergebnisse liefert?
Nach Einschätzung von Leonard Püttmann, Solutions Architect für Künstliche Intelligenz bei accompio, sollten erste messbare Ergebnisse nach maximal 90 Tagen vorliegen. In vielen Projekten sind erste auswertbare Daten bereits nach wenigen Wochen verfügbar. Vollständige Qualität ist nach 90 Tagen noch nicht zu erwarten, aber eine klare Richtungsaussage schon.
Womit sollte ein Unternehmen bei KI konkret beginnen?
Der erste Schritt ist die Identifikation des größten Problems im Unternehmen und die Klärung, welche Daten zur Lösung dieses Problems vorhanden sind. Erst dann folgt die Technologieentscheidung. Dieser Ablauf verhindert, dass Ressourcen in technisch spannende, aber geschäftlich wirkungslose Projekte fließen.
Was ist der Unterschied zwischen einem Pilotprojekt und einem skalierbaren KI-Einsatz?
Ein Pilot testet eine Technologie isoliert. Skalierbare KI-Projekte sind von Anfang an so konzipiert, dass Blaupausen entstehen, also wiederkehrende Muster, die auf andere Unternehmensteile übertragen werden können. Der Unterschied liegt nicht in der Größe des Projekts, sondern in der Architekturentscheidung am Anfang.
Wann sollte ein Unternehmen KI selbst entwickeln und wann externe Lösungen nutzen?
KI-Plattformen selbst zu entwickeln ist für die meisten Unternehmen kein sinnvoller Einsatz. Zielführender ist es, bestehende Systemlandschaften durch neue Plattformen zu ergänzen und dabei Schnittstellen so zu gestalten, dass Anbieter später gewechselt werden können, ohne laufende Prozesse zu gefährden.
Welche Rolle übernimmt der AI-Owner in einem Unternehmen?
Der AI-Owner begleitet KI-Projekte organisatorisch. Diese Person muss die Technologie nicht technisch vollständig beherrschen, aber die Organisation kennen, Ansprechpartner koordinieren und Change-Management-Aufgaben übernehmen. In größeren oder agileren Unternehmen kann diese Rolle durch „Team-Champions“, also KI-Ansprechpartner pro Abteilung, ergänzt werden.
Leonard Püttmann
Solution Architect, accompio AI
Ãœber den Autor
Leonard ist Lösungsarchitekt im Bereich KI, insbesondere mit Fokus auf intelligentes Wissensmanagement und der Nutzung von Large Language Models (LLMs).
KI ohne Hype: Wie Unternehmen messbare Ergebnisse statt Pilotprojekte erreichen hinzugefügt von Presse am
Alle Beiträge von Presse →
