Anbieter zum Thema

Dataiku SAS

d.velop AG

xSuite Group GmbH

Opportunitätskosten, Overengineering & Skalierung

Warum lohnt sich die Strenge eines solchen Testdesigns trotz Opportunitätskosten?

Maximilian Harms: Weil belastbare Evidenz Entscheidungen beschleunigt und Fehlinvestitionen verhindert. Mit klaren, empirisch gesicherten Ergebnissen lassen sich Budgets schneller freigeben und die richtigen Initiativen skalieren. Wo der Nutzen sehr offensichtlich ist, genügt oft ein verkürzter, pragmatischer Ansatz. Doch gerade bei unsicherer Hypothese gibt ein begrenzter, gut aufgesetzter Test die nötige Sicherheit – und stärkt das Vertrauen in die Skalierung.

Brauchen Initiativen für ROA bestimmte Leitplanken – und wann sollte man Agentenprojekte konsequent stoppen?

Maximilian Harms: Ich achte darauf, dass das Businessproblem und die angestrebten KPIs eindeutig formuliert sind, das Team Fachwissen mit Software‑ und Datenkompetenz verbindet, Wiederverwendbarkeit von Beginn an vorgesehen ist und Governance für Qualität, Sicherheit, Nachvollziehbarkeit und Kosten steht. Sehr wichtig ist die Technologiewahl entlang des Ziels: Nicht jeder Anwendungsfall benötigt ein LLM oder agentische Fähigkeiten. Wenn zentrale KPIs nicht erreichbar sind, keine Ende‑zu‑Ende‑Anbindung möglich ist, die Kosten pro Vorgang nicht unter Zielwerten bleiben oder sich der Nutzen nicht replizieren lässt, dann stoppe ich – sichere die Bausteine, ziehe Schlüsse und setze neu an.

Welche technischen und organisatorischen Bausteine benötigen agentische Systeme – ohne in Overengineering zu kippen?

Maximilian Harms: Viele Firmen verfügen bereits über Cloud‑Infrastruktur, Rechenzentren, Enterprise‑Anwendungen und Zugänge zu Sprachmodellen. Was den Unterschied macht, ist erstens die Befähigung der Fachbereiche, von No‑Code bis Full‑Code mitzuwirken. Zweitens braucht es Orchestrierung über Datenquellen, Tools und Infrastrukturen hinweg, damit Agenten systemübergreifend arbeiten können. Drittens ist eine robuste Governance nötig, die Observability, Guardrails, Compliance, Sicherheit und Kostenkontrolle vereint. Plattformen wie Dataiku setzen genau hier an: Sie liegen auf der vorhandenen Infrastruktur, halten selbst keine Daten, erlauben Teams mit unterschiedlichen Skills das gemeinsame Arbeiten und liefern Governance‑Fähigkeiten out of the box. Ergänzend braucht es ein Operating Model mit zentralem Enablement, Wiederverwendungs‑Katalogen, Trainings und einem PMO, das Priorisierung, Onboarding und Wertrealisierung steuert.

Wie wird aus einem funktionalen Setup ein wertstromorientiertes Operating Model – inklusive Produktverantwortung und Budgetlogik?

Maximilian Harms: Bewährt hat sich ein Hub‑and‑Spoke‑Modell. Das zentrale Hub stellt Plattform, Infrastruktur, Modellkataloge, Richtlinien und Schulungen bereit. In den Spokes der Fachbereiche entstehen die Use Cases – mit abgestufter Autonomie je Reifegrad. Reife Domänen können Agenten Ende‑zu‑Ende bis in die Produktion bringen; andere arbeiten in einer gesicherten Umgebung, während das Hub den produktiven Zugriff auf Live‑Systeme verantwortet. Produktverantwortung sollte beim jeweiligen Fachbereich liegen, idealerweise in der Rolle eines Agent‑Product‑Owners, der Businessnutzen und Risiken im Blick behält. Die laufenden Kosten für Betrieb und Modellaufrufe werden sinnvollerweise im Fachbereich verankert, während die Plattform zentral budgetiert und verantwortet wird. Mit wachsender Reife verschiebt sich die Autonomie, ohne dass Governance und Kostenkontrolle verloren gehen.

KI-Richtlinien

Agentenbasierte KI: Governance-Lücken gefährden Verbrauchervertrauen

Welche Roadmap empfehlen Sie, um über Abteilungsgrenzen hinweg zu skalieren, ohne Geschwindigkeit zu verlieren?

Maximilian Harms: Starten Sie mit einem priorisierten Use‑Case‑Backlog, klaren Hypothesen und Baselines. Definieren Sie den Sollprozess samt Human‑in‑the‑Loop‑Punkten, Rechte‑ und Zugriffsmodellen sowie den Kostenkorridoren für Modellaufrufe. Bauen Sie Agenten aus wiederverwendbaren Bausteinen – von Prompts und Toolaufrufen bis hin zu Policies und Evaluations. Führen Sie Piloten in produktionsnahen Umgebungen durch, messen Sie Effekte transparent und treffen Sie Go‑/No‑Go‑Entscheidungen an harten Kennzahlen. Parallel etablieren Sie Schulungen, ein gemeinsames Vokabular und ein Review‑Gremium, das Qualität, Sicherheit und Kostenentwicklung überwacht. So wächst die Skalierung organisch entlang der Wertströme, nicht entlang einzelner Silos.

Ihr Schlusswort zur ROA‑Gap?

Maximilian Harms: Ich bin optimistisch, dass Unternehmen die Lücke schließen. Wer beim Businessproblem beginnt, Fachbereiche befähigt, Orchestrierung und Governance ernst nimmt und den Nutzen konsequent misst, wird Agenten vom Showcase zum skalierbaren Werttreiber entwickeln. Dazu gehört auch der Mut, Piloten zu beenden, die diesen Maßstab nicht erfüllen.

Serie: Human in the Loop

Human in the Loop: Der Weg vom Jobtitel zur KI-Kompetenz