Wie Unternehmen den KI-Kinderschuhen entwachsen

(Source: zVg)

(Source: zVg)

Die künstliche Intelligenz (KI) kommt mit zahlreichen verlockenden Versprechen von gestiegener Effizienz. Tatsächlich erzielen viele Organisationen schnell erste Erfolge mit KI-Pilotprojekten. In der Praxis sehen sie sich danach jedoch mit einer grossen Herausforderung konfrontiert: der Schritt von diesen ersten Gehversuchen hin zur Skalierung im gesamten Unternehmen. 

Mit dieser Problematik, wie sich KI nachhaltig skalieren lässt, befassten sich Netzmedien, Dell Technologies und NVIDIA Mitte März in einem gemeinsamen Webinar. Harry Meier, AI Pursuits Lead für Global Accounts & CSPs bei Dell Technologies, zeichnete in seiner Präsentation zunächst ein umfassendes Bild der Entwicklung. 

Die vier Autonomiestufen

92 Prozent der Grossunternehmen investieren stark in KI, wie er aufzeigte. 87 Prozent glauben daran, dass KI ihre Branchen signifikant transformieren werde. Und 39 Prozent setzten bereits erste Experimente mit KI-Agenten um. "Wenn man aber standardisierte SaaS-Lösungen wie Microsoft Copilot ausklammert, gibt es nur sehr wenige Unternehmen, die tatsächlich ausgereifte Implementierungen vorweisen können", sagte Meier. Die Hauptgründe sieht er in der Komplexität und der Verfügbarkeit von Unternehmensdaten. 

Gerade vor diesem Hintergrund rückt eine neue Klasse von Systemen in den Fokus: KI-Agenten. 2026 sieht Meier als das Jahr, in dem erste produktive Agenten-Lösungen live gehen. "Nun haben wir Systeme, die planen, logisch denken, Notizen machen, Informationen in Tools nachschlagen und Massnahmen ergreifen können", erklärt Meier die entscheidenden Vorteile dieser Technologie. 

Harry Meier, AI Pursuits Lead für Global Accounts & CSPs bei Dell Technologies. (Source: Screenshot / Webinar)

Dell differenziert bei der Implementierung von Agentic AI vier Autonomiestufen: 

1. Agentic AI wird nur für Monitoring eingesetzt und informiert.
2. Agentic-AI-Systeme werden von Menschen initiiert.
3. Prozesse oder Applikationen initiieren Agentic AI, die Ergebnisse werden jedoch von Menschen überprüft (Human-in-the-Loop).
4. Vollständig autonome Agentic-AI-Systeme.

Aktuell setzen die meisten Unternehmen Anwendungsfälle auf den Autonomiestufen 2 oder 3 um. Auch bei den derzeit umgesetzten Use Cases von Dell ist stets noch der Mensch involviert.

Die Reise geht gemäss Meier zwar mittelfristig in Richtung stärker autonomer Systeme, jedoch nicht in jedem Use Case. "Wir glauben, dass wir im Laufe der Zeit KI-Agenten haben werden, die Geschäftsprozesse und Arbeitsabläufe überwachen, diese analysieren und möglicherweise sogar spontan Anwendungen erstellen, um diese zu optimieren", zitierte Meier in seiner Präsentation John Roese, CTO und Chief AI Officer von Dell Technologies. 

Die Grundlagen einer KI-Strategie gemäss Dell. (Source: Screenshot / Webinar)

Aus seinen Projekten hat Dell einige zentrale Lernpunkte gezogen. Heute könne man KI nicht einfach auf einen kaputten Prozess anwenden. "Das funktioniert nicht", sagte Meier. Ein wichtiger Lernprozess war zudem, nicht für jeden Use Case separate Daten-Pipelines zu erstellen, sondern Daten wiederverwendbar zu machen. Diese Erkenntnisse resultierten in einem Produkt, das Dell nun Kunden offerieren kann. 

Als konkretes Beispiel präsentierte Meier einen Fall aus dem Wealth Management: Ein System von KI-Agenten analysiert den Aktienmarkt und macht Optimierungsvorschläge - die finalen Entscheidungen trifft jedoch ein Mensch. Wichtig sei jedoch, dass alles dokumentiert wird, betonte Meier mit Blick auf Governance-Anforderungen wie den EU AI Act.

"Natürlich könnten wir das System vollständig automatisieren", sagte Meier. Aber in den meisten Fällen würden die Kunden gar nicht wollen, dass ein Algorithmus den Kauf und Verkauf automatisch abwickelt. "Sie möchten zuerst einen Menschen sehen und mit einem Menschen sprechen."

Eine Plattform, mehrere Use Cases

Eine erfolgreiche unternehmensweite Skalierung benötigt gemäss Meier drei Ebenen. Auf der Ebene der KI-Use-Cases müsse man sich zunächst auf die Bereiche konzentrieren, in denen sich das Unternehmen vom Wettbewerb unterscheidet – etwa in Vertrieb, Service oder Supply Chain. Dort sollten Use Cases gewählt werden, bei denen KI in die bestehenden Geschäftsprozesse eingebettet ist, auf Unternehmensdaten zugreifen kann und durch klare Governance-Regeln abgesichert wird. Nur so entsteht ein echter Mehrwert statt bloss zusätzlicher Aufwand.

Darunter liegen jedoch zwei Ebenen, die man laut Meier oft vergisst: "KI- und Datenplattform" und "Infrastruktur und Resilienz". Machen Unternehmen auf diesen Ebenen Fehler, kostet sie das Zeit und Geld. "Wenn man massiv skaliert - und wir haben mehrere Beispiele für solche Kunden -, kosten auch kleine Designfehler Millionen."

KI-Erfolg baut auf drei Ebenen auf: AI Use Cases, AI & Data Platform sowie Infrastructure & Resiliency. (Source: Screenshot / Webinar)

Mittelgrosse und grosse Unternehmen sollten auf dedizierte KI-Plattformen setzen, die verschiedene interne und kundenorientierte Anwendungsfälle abdecken könnten – von traditioneller KI über generative KI bis zu mehr oder weniger autonomen KI-Agenten. Zudem sollte die Plattform mandantenfähig und sicher sein und es ermöglichen, klein zu starten und gross zu skalieren.

Abschliessend formuliert Meier fünf Anhaltspunkte für KI-Skalierungen: 

• Auf Differenzierungsmerkmale konzentrieren - nicht nur die "Low Hanging Fruits"
• Daten als wiederverwendbare Produkte betrachten
• Mit KI-Assistenten beginnen und sich in Richtung KI-Agenten weiterentwickeln
• Echte Transformation anpeilen, statt nur Effizienzsteigerungen
• Auf einer dedizierten hybriden KI-Plattform aufbauen

Die Hürden auf dem Weg

In einer zweiten Präsentation ging Almir Hasikic, Senior Account Executive AI Software bei NVIDIA, näher auf die praktische Umsetzung von KI ein. "Für die meisten Kunden sollte die Frage nicht lauten, ob KI etwas Beeindruckendes für sie leisten kann", sagte Hasikic. "Die eigentliche Frage muss vielmehr lauten: Wie kann ich KI produktiv einsetzen, ohne dabei mehr Komplexität als Nutzen zu schaffen?"

Do it Yourself vs. das Angebot von NVIDIA. (Source: Screenshot / Webinar)

Aus seiner Sicht stehen drei grosse Hürden einer gelungenen Umsetzung im Weg. Erstens die System-Komplexität. KI sei eben nicht nur ein Modell und ein Prompt, sondern mehrere Modelle und Daten-Pipelines sowie Orchestrierung, Security, Monitoring und Life-Cycle-Management. Die zweite Herausforderung ist die Production Readiness. Hier gehe es um Fragen zu Kosten, Manageability, Sicherheit und Unterhalt. Und die dritte Hürde ist die Diversität der Infrastruktur über On-Prem, Edge, Private und Public Cloud hinweg.

Die Hürden führen dazu, dass GPUs nicht voll ausgelastet, Workloads nicht gut geplant und hochqualifizierte Teams zu viel Zeit mit Warten statt mit der Entwicklung echter Lösungen verbringen würden. "In anderen Worten: Ihre Infrastruktur mag zwar sehr leistungsfähig sein, aber Ihr Unternehmen arbeitet trotzdem nicht so schnell, wie Sie eigentlich möchten."

Um den vollen Stack abzudecken, arbeitet NVIDIA mit einem umfassenden Ökosystem zusammen. (Source: Screenshot / Webinar) 

NVIDIA propagiert daher einen Full-Stack-Ansatz. Performance alleine genüge nicht; was wirklich zähle, sei, wie gut all diese Ebenen integriert sind. "Unternehmen wollen eine End-to-End optimierte Infrastruktur", sagte Hasikic. Laut ihm stünden Unternehmen dabei grundsätzlich zwei Wege offen. Sie könnten den ganzen Stack selbst mit Open Source aufbauen. Aber dann müssten sie den vollen Aufwand alleine stemmen. Alternativ bietet NVIDIA eine AI-Enterprise-Lösung an - "eine sichere, skalierbare und zuverlässige Plattform", verspricht Hasikic. Für Agentic AI biete NVIDIA Blueprints als Referenzen an, um die KI-Adoption und die Time to Value zu beschleunigen. 

Seine abschliessende Botschaft sei dieselbe, sowohl für KMUs, die mit begrenzten Ressourcen schneller vorankommen möchten, als auch für Grossunternehmen, die KI skalieren und standardisieren wollen. "Sie müssen aufhören, KI als isoliertes Experiment zu betrachten, und anfangen, sie als Unternehmensplattform für nützliche und produktionsreife Anwendungen zu behandeln", sagte er.

Hier geht es zur vollständigen Videoaufzeichnung des Webinars.

Der Kenncode lautet: 7xdZ@5=1

Und die Slides zu den Präsentationen können Sie hier herunterladen.

Übrigens: Dies war das zweite gemeinsame Webinar von Netzmedien, Dell Technologies und NVIDIA. In der ersten Ausgabe lag der thematische Schwerpunkt darauf, wie KI sich erfolgreich in existierende Systeme und bestehende Strategien integrieren lässt. Die Berichterstattung zur ersten Ausgabe des gemeinsamen Webinars von Netzmedien mit Dell Technologies und NVIDIA finden Sie hier.