Anbieter zum Thema

ServiceNow

CADFEM Germany GmbH

d.velop AG

Esker Software Entwicklungs-und Vertrieb

Q&A: ServiceNow Enterprise AI Maturity Index

Der Enterprise AI Maturity Index zeigt, dass die KI-Reife deutscher Unternehmen gestiegen ist. Was sagt dieser Wert tatsächlich über den Stand der KI-Transformation aus?

Der Anstieg des Reifegrads ist ein wichtiges Signal. Es zeigt, dass KI in deutschen Unternehmen kein reines Experiment mehr ist. Das Thema hat die Vorstandsetagen erreicht, die Investitionen steigen – der Index zeigt, dass Deutschland seine Ausgaben für KI im Vergleich zum Vorjahr um 118 Prozent gesteigert hat - und die meisten Unternehmen verfügen inzwischen über eine klare Vorstellung davon, welche Rolle KI künftig spielen soll.

Gleichzeitig ist es ein Fehler, den Reifegrad als Beleg dafür zu verstehen, dass die KI-Transformation bereits vollständig gelungen ist. Die Studie zeichnet vielmehr ein differenziertes Bild. Viele Unternehmen haben bei Strategie und Investitionsbereitschaft Fortschritte erzielt. Deutlich schwieriger wird es jedoch dort, wo KI in bestehende Prozesse und Arbeitsabläufe integriert werden muss. Gerade bei KI-gestützten Workflows liegen die Werte deutlich hinter anderen Reifegrad-Dimensionen zurück, denn obwohl 58 Prozent der Unternehmen agentische KI nutzen, haben nur 11 Prozent Fortschritte beim Aufbau autonomer Arbeitsabläufe erzielt. Deshalb beschreibt der Index vor allem einen Übergang: Deutsche Unternehmen haben verstanden, warum KI wichtig ist. Der nächste Schritt besteht darin, aus einzelnen Anwendungen skalierbare Wertschöpfung zu machen.

Woran entscheidet sich heute, ob KI einen echten Geschäftswert schafft?

Der größte Irrtum besteht darin, Geschäftswert mit Automatisierung gleichzusetzen. Natürlich kann KI einzelne Aufgaben schneller erledigen. Die entscheidende Frage ist aber, ob dadurch ein gesamter Prozess besser funktioniert. Blicken wir z.B. auf den Kundenservice: Wenn KI eine Anfrage schneller beantwortet, spart das Zeit. Wenn sie jedoch gleichzeitig Informationen aus unterschiedlichen Systemen zusammenführt, die richtige Priorisierung vornimmt, Folgeprozesse anstößt und den Mitarbeitenden alle relevanten Informationen bereitstellt, verändert sich die Leistungsfähigkeit des gesamten Prozesses.

Genau daran, wie gut Unternehmen KI in ihre operativen Abläufe integrieren können, entscheidet sich heute der Geschäftswert von KI.  Die Ergebnisse des Enterprise AI Maturity Index zeigen, dass viele Unternehmen genau hier an Grenzen stoßen. Fast drei Viertel kämpfen mit einem fragmentierten Datenbestand und mangelnder Genauigkeit, 44 Prozent mit einer unzureichenden IT-Infrastruktur. Dadurch bleibt KI häufig auf einzelne Anwendungsfälle beschränkt, statt entlang kompletter Wertschöpfungsketten zu wirken.

Warum erzeugen viele Unternehmen mehr KI-Aktivität als KI-Wertschöpfung?

Weil zwischen dem Einsatz von KI und gelebter Transformation ein großer Unterschied liegt. KI-Pilotprojekte schaffen Aufmerksamkeit. Doch messbarer Geschäftswert entsteht erst, wenn KI den Arbeitsalltag dauerhaft verändert. Der Index zeigt, dass viele Unternehmen noch Schwierigkeiten haben, KI in ihre Kernprozesse zu integrieren. Daten liegen weiterhin in Silos, Workflows sind fragmentiert und viele Anwendungen bleiben auf einzelne Teams oder Abteilungen beschränkt. Dadurch entstehen viele isolierte KI-Erfolge, aber nur begrenzt unternehmensweite Effekte.

Hinzu kommt, dass viele Organisationen KI vor allem nutzen, um einzelne Aufgaben schneller zu erledigen. Beispielsweise nutzen 46 Prozent der deutschen Unternehmen KI-Agenten lediglich als individuelle persönliche Assistenten. Das ist zwar ein erster Schritt, es schöpft das Potenzial aber bei Weitem nicht aus. Denn Mehrwert entsteht vor allem, wenn die KI-Agenten als Team zusammenarbeiten, d.h. Informationen austauschen und gemeinsam komplette Prozesse unterstützen oder ausführen. Dieses Teamwork in der Autonomous Workforce sehen wir aktuell noch nicht.

Wo liegen die größten blinden Flecken deutscher Unternehmen beim Thema KI?

Unternehmen hierzulande beschäftigen sich noch zu wenig mit der Frage, wer ihre KI-Systeme eigentlich steuert und kontrolliert und wer letztlich für deren Ergebnisse verantwortlich ist. Mit jeder neuen KI-Anwendung werden Entscheidungen automatisiert oder zumindest vorbereitet. Trotzdem fehlen in vielen Unternehmen noch klare Regeln dafür, welche Aufgaben KI übernehmen darf, welche Kontrollmechanismen erforderlich sind und wann Menschen bewusst eingreifen müssen. Aktuell haben nur 16 Prozent der deutschen Unternehmen KI-Tests, -Audits und -Risikobewertungen eingeführt – das ist zu wenig!

Gerade in Deutschland und Europa wird Governance häufig als regulatorische Pflichtübung verstanden. Die erfolgreichsten Unternehmen betrachten sie jedoch als strategische Fähigkeit. Wir sehen täglich bei unseren Kunden, dass es essenziell ist, Verantwortlichkeiten, Transparenz und Kontrollmechanismen von Anfang an mitzudenken. Nur so lässt sich KI über einzelne Pilotprojekte hinaus skalieren. Der „blinde Fleck“ besteht also darin, Governance als nachgelagertes Thema zu behandeln. In diesem Fall hat es sich definitiv für die Unternehmen ausgezahlt, die nicht schnellstmöglich auf einen Technologietrend reagiert haben, sondern Governance von Anfang an als Grundvoraussetzung für einen verantwortungsvollen Umgang mit KI gesehen haben.

Welche Unternehmensbereiche werden durch autonome Workflows zuerst verändert?

Das größte Potenzial liegt dort, wo viele ähnliche Vorgänge nach festen Regeln bearbeitet werden und mehrere Systeme oder Abteilungen beteiligt sind. Typische Beispiele sehen wir immer wieder im IT-Service, im Kundenservice sowie bei internen Leistungen in den Bereichen HR, Einkauf oder Recht. Auch in der Cybersicherheit können KI-Agenten Auffälligkeiten erkennen, Risiken bewerten und innerhalb klarer Grenzen erste Maßnahmen ergreifen. Die Studie zeigt, dass viele Unternehmen zunächst einzelne Abläufe optimieren: 32 Prozent setzen KI bereits breit ein, um Workflows zu automatisieren oder zu optimieren. Über Abteilungsgrenzen hinweg gelingt das jedoch erst in 16 Prozent der Fälle.

Entscheidend ist jedoch weniger die Abteilung als die Struktur des Prozesses. Besonders geeignet sind Abläufe mit hohen Fallzahlen, langen Wartezeiten und vielen manuellen Übergaben. Genau an diesen Schnittstellen entsteht heute ein erheblicher Koordinationsaufwand. Autonome Workflows können Informationen zusammenführen, die nächsten Schritte anstoßen und einen Vorgang bis zur Lösung begleiten. Wir empfehlen deshalb unseren Kunden, sich zuerst die Frage zu stellen, in welchem Prozess heute besonders viel Zeit durch Rückfragen, Systemwechsel oder unklare Zuständigkeiten verloren geht.

Was bedeutet eine Autonomous Workforce für die Beschäftigten?

Mitarbeitende werden künftig weniger Zeit damit verbringen, Informationen aus verschiedenen Systemen zusammenzutragen oder Vorgänge manuell weiterzuleiten. Ihre Arbeit verschiebt sich von standardisierten Fällen hin zu Ausnahmen, Entscheidungen und Qualitätskontrolle. Das bedeutet konkret, dass sie in Zukunft dafür verantwortlich sind, komplexe Fälle zu kontrollieren, Regeln zu verbessern und dort Entscheidungen zu treffen, wo Erfahrung, Empathie oder persönliche Verantwortung gefragt sind.

Dafür brauchen sie allerdings ein klares Bild davon, was die KI kann und wo ihre Grenzen liegen. Denn sie müssen selbstverständlich auch Ergebnisse einordnen sowie Fehler erkennen und dementsprechend beurteilen können, wann ein Eingriff nötig ist. Das erfordert mehr als nur eine allgemeine KI-Schulung. Gefragt ist ein rollenbezogenes Lernen im Arbeitsprozess. Konkret heißt das, dass Mitarbeitende anhand realer Fälle üben, denn die neuen Fähigkeiten müssen sich an den konkreten Aufgaben und Verantwortlichkeiten der jeweiligen Rolle orientieren. Dazu gehören klare Eskalationsregeln, regelmäßiges Feedback und feste Möglichkeiten, ungeeignete Entscheidungen der KI zurückzumelden.

Auch Führung verändert sich. Vorgesetzte steuern künftig Teams, in denen Menschen und KI-Agenten zusammenarbeiten. An ihnen liegt es, Aufgaben sinnvoll zu verteilen, Entscheidungsrechte festzulegen und die Qualität zu beurteilen. Diese Führungsaufgabe wird zunehmend anspruchsvoller und keinesfalls überflüssig, wie oft behauptet wird.

Ist eine Autonomous Workforce auch für den Mittelstand realistisch?

Ja, absolut! Viele mittelständische Unternehmen arbeiten mit knappen personellen Kapazitäten und verfügen zugleich über wertvolles Fachwissen, das jedoch oft an einzelne Beschäftigte gebunden ist. Autonome Workflows können dieses Wissen besser verfügbar machen und wiederkehrende Abläufe entlasten.

Der Mittelstand sollte jedoch nicht versuchen, das gesamte Unternehmen sofort umzugestalten. Ein besserer Ausgangspunkt ist ein klar abgegrenzter Prozess mit hohem Volumen, festen Regeln und einem messbaren Ergebnis. Das kann etwa die Bearbeitung interner IT-Anfragen, ein standardisierter Bestellvorgang oder ein Teil des Kundenservice sein. Wichtig ist, von Anfang an über den einzelnen Anwendungsfall hinauszudenken. Wenn jeder Bereich eine eigene Lösung aufbaut, entstehen neue Silos. Unternehmen brauchen daher eine gemeinsame technische und organisatorische Grundlage, auf der sie weitere Prozesse schrittweise ergänzen können.

Was unterscheidet die Unternehmen, die in den kommenden Jahren zu den KI-Gewinnern gehören werden?

Aus den meisten KI-Projekten lässt sich heute relativ schnell ein Business Case ableiten. Deutlich schwieriger ist die Frage, welche Teile der Organisation sich dafür verändern müssen. Genau hier zeigt sich oft der Unterschied zwischen Vorreitern und Nachzüglern. Die erfolgreichsten Unternehmen nutzen KI als Anlass, lang etablierte Annahmen zu hinterfragen: Warum sind Prozesse so gestaltet, wie sie heute sind? Weshalb durchläuft ein Vorgang fünf Freigabestufen? Welche Informationen fehlen Mitarbeitenden, um besser entscheiden zu können?

Außerdem schaffen Unternehmen frühzeitig die Voraussetzungen für den skalierbaren Einsatz von KI: Sie vernetzen Daten, integrieren Prozesse und schaffen Transparenz darüber, wie KI eingesetzt wird und welche Ergebnisse sie erzielt. Zusätzlich investieren sie konsequent sowohl in Menschen als auch in Technologie. Denn je stärker KI in Entscheidungen und Arbeitsabläufe eingebunden wird, desto wichtiger werden neue Fähigkeiten und klare Verantwortlichkeiten. Governance ist dabei kein Kontrollinstrument, sondern die Voraussetzung dafür, KI überhaupt im großen Maßstab einsetzen zu können.

In vielen unserer Kundenprojekte zeigt sich, dass die größten Effizienzgewinne dort entstehen, wo Unternehmen unnötige Komplexität aus ihren Prozessen entfernen und Entscheidungen näher an den Punkt bringen, an dem Wertschöpfung entsteht. Deshalb werden die Gewinner der KI-Ära diejenigen sein, die den Mut haben, ihre Organisation radikal zu vereinfachen, während andere versuchen, ihre Komplexität mithilfe von KI zu verwalten.

KI-Strategie

KI-Agenten: Ein ehrlicher und unbequemer Blick auf deren Leistung