Viele Unternehmen erproben inzwischen generative KI und autonome Agenten, doch nur ein Teil der Projekte schafft den Sprung in den produktiven Betrieb.
Serienproduktion statt Schatten-KI
Warum ein zentrales KI-Office zum Erfolgsfaktor wird
Ein zentrales KI-Office kann dabei helfen, Initiativen zu koordinieren, geeignete Anwendungsfälle auszuwählen und einheitliche technische sowie organisatorische Standards zu etablieren.
Vom Experiment zum unternehmensweiten Einsatz
KI-Projekte entstehen häufig direkt in den Fachabteilungen. Teams testen Anwendungen für Kundenservice, Personalwesen, Vertrieb oder Finanzprozesse, ohne dass eine übergreifende Abstimmung stattfindet. Das kann zu parallelen Entwicklungen, uneinheitlichen Standards und sogenannten Schatten-KI-Anwendungen führen. Gleichzeitig fehlt oft der Überblick über Kosten, Datenzugriffe und mögliche Risiken.
Die Technologieberatung Slalom Germany sieht deshalb eine zentrale Steuerungseinheit als wichtige Voraussetzung für eine breitere KI-Nutzung. Ein solches KI-Office soll nicht allein Regeln überwachen und gesetzliche Vorgaben wie den EU AI Act oder NIS2 berücksichtigen. Es soll vielmehr die strategische und technische Ausrichtung der KI-Projekte koordinieren und deren Umsetzung erleichtern.
Dr. Stephan Theis, Managing Director Go-to-Market bei Slalom Germany, beschreibt den Wandel so: „Eine zentrale Governance kann Risiken nicht nur einschränken, sondern eine technische und organisatorische Richtung vorgeben und Transformation beschleunigen.“
Einheitliche Grundlagen vermeiden Insellösungen
Eine wesentliche Aufgabe des KI-Office besteht darin, gemeinsame Standards für Architektur, Plattformen und Datenverarbeitung festzulegen. Dazu gehört beispielsweise, welche Systeme für KI-Anwendungen zugelassen sind, wie diese in bestehende IT-Strukturen integriert werden und welche Anforderungen für Sicherheit, Protokollierung und Überwachung gelten.
Auch der Umgang mit Unternehmensdaten muss einheitlich geregelt sein. Dazu zählen freigegebene Datenquellen, Qualitätsanforderungen, Metadaten und Schnittstellen. Werden diese Grundlagen zentral definiert, müssen einzelne Projektteams nicht immer wieder dieselben Fragen klären. Bewährte technische Lösungen lassen sich dadurch leichter wiederverwenden.
Nach Einschätzung von Theis verhindert Standardisierung, dass jedes KI-Vorhaben als Einzelprojekt mit eigenen technischen Voraussetzungen umgesetzt werden muss. Das kann Entwicklungsaufwand reduzieren und den späteren Betrieb vereinfachen.
Nicht jeder Prozess eignet sich für KI
Neben technischen Rahmenbedingungen gehört auch die Auswahl geeigneter Anwendungsfälle zu den Aufgaben des KI-Office. Entscheidend ist dabei nicht allein, ob sich ein Prozess automatisieren lässt, sondern welchen konkreten Nutzen der Einsatz von KI verspricht.
Besonders geeignet sind laut Slalom Abläufe mit nachvollziehbaren Entscheidungspunkten und einem messbaren wirtschaftlichen Effekt. Weniger sinnvoll können dagegen seltene Sonderfälle oder stark unstrukturierte Prozesse sein. Werden Projekte ohne eine solche Bewertung gestartet, besteht die Gefahr, dass entweder wenig relevante Pilotanwendungen entstehen oder Vorhaben an ihrer Komplexität scheitern.
Das KI-Office sollte deshalb frühzeitig mit den Fachabteilungen prüfen, welche Prozesse sich für eine Automatisierung eignen und welche Ergebnisse realistisch zu erwarten sind.
Fachwissen und Technologie zusammenbringen
Die Verantwortung für erfolgreiche KI-Projekte lässt sich nicht allein einer zentralen IT- oder Governance-Einheit übertragen. Das notwendige Prozesswissen liegt weiterhin in den Fachabteilungen. Sie kennen die tatsächlichen Arbeitsabläufe, Ausnahmen und Eskalationswege und können einschätzen, welche Entscheidungen eine Anwendung unterstützen oder übernehmen soll.
Slalom empfiehlt daher interdisziplinäre KI-Delivery-Teams, in denen Fachbereiche und KI-Office gemeinsam an der Umsetzung arbeiten. Während die Fachabteilungen die inhaltlichen Anforderungen und Ergebnisse verantworten, bringt das zentrale Team Kompetenzen in Architektur, Integration und Skalierung ein.
Theis sieht gerade in dieser Zusammenarbeit einen entscheidenden Faktor: „KI scheitert selten am Modell, sondern an der Übersetzung zwischen Fachbereich und Technik.“
Erfahrungen für weitere Projekte nutzbar machen
Ein KI-Office sollte nicht nur laufende Initiativen koordinieren, sondern auch deren Ergebnisse für weitere Vorhaben verfügbar machen. Erfolgreiche Projekte liefern wiederverwendbare Bausteine, etwa erprobte Architekturkonzepte, Datenpipelines, Sicherheitsmechanismen oder Erfahrungen bei der Einführung neuer Arbeitsweisen.
Slalom versteht das KI-Office deshalb auch als eine Art Wissensbibliothek. Darin werden bewährte Vorgehensweisen gesammelt und weiterentwickelt, sodass nachfolgende Projekte auf vorhandenen Erfahrungen aufbauen können.
Damit wird die zentrale Einheit zu mehr als einer Kontrollstelle: Sie schafft gemeinsame Voraussetzungen, unterstützt die Auswahl sinnvoller Anwendungsfälle und hilft Unternehmen, KI schrittweise und über einzelne Experimente hinaus in ihre Abläufe zu integrieren.
(red/Slalom)
