Warum erfolgreiche AI-Initiativen mit einem Use Case beginnen, aber mit Architektur gewinnen

Unternehmen investieren derzeit Milliarden in Künstliche Intelligenz. Sie testen Copilots, evaluieren Agenten und diskutieren die neuesten Modelle. Gleichzeitig fällt es vielen schwer, daraus nachhaltigen Business Value zu erzeugen.

Aus Sicht von SYBIT liegt das Problem selten bei der Technologie selbst. Die eigentliche Herausforderung besteht darin, AI von einzelnen Pilotprojekten zu einem skalierbaren Bestandteil des Unternehmens zu entwickeln.

"Wir sehen aktuell in vielen Unternehmen dieselbe Situation: Die ersten Use Cases funktionieren. Die eigentliche Frage beginnt danach. Wie schaffe ich eine Grundlage, auf der der zweite, dritte und zehnte Use Case deutlich schneller entstehen kann?", sagt Jonas Degener, Enterprise-Architecture-Experte bei SYBIT   .

Die meisten Unternehmen starten mit der falschen Frage

Wer heute ein AI-Projekt beginnt, diskutiert häufig zunächst über Plattformen, Agenten oder LLMs.

Doch erfolgreiche Unternehmen stellen andere Fragen:

• Wo verlieren Mitarbeitende täglich Zeit?
• Welche Entscheidungen werden auf Basis unvollständiger Informationen getroffen?
• Welche Prozesse verursachen unnötigen manuellen Aufwand?
• Welche Erkenntnisse sind bereits vorhanden, werden aber nicht genutzt?

Genau hier entstehen die besten AI-Anwendungsfälle.

Im Kundenservice können beispielsweise Anfragen zu Lieferterminen, Auftragsstatus oder Sendungsverfolgung automatisiert klassifiziert, beantwortet und dokumentiert werden. Was heute mehrere manuelle Arbeitsschritte erfordert, kann künftig innerhalb weniger Minuten automatisch abgewickelt werden.

Im Service lassen sich eingehende Störungen automatisch priorisieren und an die richtigen Teams weiterleiten. Kritische Vorfälle werden früher erkannt, Reaktionszeiten sinken und Serviceorganisationen werden entlastet.

Im Vertrieb kann AI Außendienstmitarbeiter bereits während der Anfahrt mit relevanten Kundeninformationen versorgen und Besuchsberichte anschließend per Spracheingabe direkt im CRM dokumentieren. Aus Fahrzeit wird produktive Zeit.

Diese Projekte zeigen: Erfolgreiche AI beginnt nicht bei der Technologie. Sie beginnt bei konkreten Geschäftsproblemen.

Warum der richtige Use Case allein noch keinen Erfolg garantiert

Viele Unternehmen erleben nach ersten Erfolgen jedoch eine überraschende Entwicklung.

Der erste AI-Use-Case liefert Ergebnisse.

Der zweite ebenfalls.

Doch mit jedem weiteren Projekt steigen die Anforderungen an Daten, Integrationen und Governance.

Plötzlich stellt sich die Frage:
Woher kommen eigentlich die Daten, auf die alle diese Anwendungen zugreifen?

Denn nahezu jeder AI-Anwendungsfall benötigt Informationen aus unterschiedlichen Quellen:

• ERP-Systeme
• CRM-Systeme
• Dokumente
• Servicehistorien
• Verträge
• Produktdaten
• Expertenwissen

Wer jeden neuen Use Case erneut mit individuellen Schnittstellen und Integrationen realisiert, schafft keine Skalierung. Er schafft Komplexität.

Der eigentliche Engpass heißt Daten

Deshalb spricht SYBIT im Rahmen seiner speziell auf AI und Daten ausgelegten "PhAIse 0" Workshops   bereits beim ersten Use Case über Daten und Architektur.

"Der größte Fehler ist zu glauben, man müsse zuerst das perfekte Modell auswählen. In Wirklichkeit entscheidet die Datenbasis darüber, ob AI langfristig skaliert oder ein Pilotprojekt bleibt", sagt Jonas Degener.

Dabei geht es nicht darum, zunächst zwei Jahre Stammdaten zu bereinigen.

Es geht darum, zu verstehen:

• Wo liegen die Daten?
• Wie können sie verfügbar gemacht werden?
• Welche Informationen werden für die wichtigsten Use Cases benötigt?
• Wie lassen sich diese Daten künftig wiederverwenden?

Aus genau diesem Gedanken heraus entstehen Datenprodukte.

Vom AI-Use-Case zum Datenprodukt

Ein besonders anschauliches Beispiel liefert ein Customer-Insight-Hub.

Statt einen einzelnen Agenten für Vertrieb oder Service zu entwickeln, werden Kundendaten, Opportunities, Verträge, Service-Tickets, Anlageninformationen und Expertenwissen in einer gemeinsamen Informationsbasis zusammengeführt.

Das Ergebnis ist weit mehr als ein einzelner Use Case.

Auf derselben Datengrundlage können entstehen:

• Vertriebsassistenten
• Service-Agenten
• Kundenportale
• Self-Service-Anwendungen
• Analytics-Lösungen
• Forecasting- und KI-Modelle

Jede neue Anwendung erhöht den Wert der bestehenden Plattform.

Genau an dieser Stelle verschiebt sich die Perspektive:
Unternehmen investieren nicht mehr in einzelne AI-Lösungen.
Sie investieren in wiederverwendbare Fähigkeiten.

Warum Enterprise Architecture plötzlich zum Innovationstreiber wird

Der Begriff "Enterprise Architecture" klingt zunächst technisch.

Tatsächlich beschreibt er eine sehr einfache Idee:
Eine stabile Grundlage schaffen, auf der neue Innovationen schneller entstehen können.

Aus Sicht von SYBIT besteht eine moderne AI-Ready Enterprise Architecture aus drei zentralen Bestandteilen:

1. Klare Business-Ziele und priorisierte Use Cases
2. Wiederverwendbare Datenprodukte
3. Eine Architektur, die Daten, Systeme und Anwendungen intelligent verbindet

"Viele Unternehmen denken bei AI zuerst an Chatbots. Wir beobachten jedoch, dass die größte Wirkung entsteht, wenn Unternehmen ihre Daten, Prozesse und Architekturen neu denken. Dann wird AI nicht zum Projekt, sondern zu einer Fähigkeit des Unternehmens", erklärt Ron Boes, Director Innovation & Portfolio bei SYBIT.

Aus diesem Grund beginnt SYBIT AI-Projekte heute häufig nicht mit Technologie-Workshops, sondern eben mit der PhAIse 0.

Im Mittelpunkt stehen unter anderem folgende Fragen:

• Welche strategischen Ziele verfolgen wir?
• Welche Use Cases zahlen darauf ein?
• Welche Daten werden benötigt?
• Wie lassen sich diese Daten nachhaltig bereitstellen?
• Welche Architektur schafft die Grundlage für weitere Innovationen?

Die nächste Phase der AI-Transformation hat bereits begonnen

Die erste Welle der AI war geprägt von Experimenten.

Die zweite Welle wird von Skalierung geprägt sein.

Gewinnen werden nicht die Unternehmen, die die meisten Agenten entwickeln, die neuesten Modelle testen oder die
lautesten AI-Initiativen starten.

Gewinnen werden diejenigen, die AI als Teil ihrer Unternehmensarchitektur verstehen.

Diejenigen, die aus einzelnen Use Cases wiederverwendbare Datenprodukte entwickeln.

Und diejenigen, die heute die Grundlage schaffen, auf der morgen neue Innovationen entstehen können.

Oder, um es mit einer Beobachtung aus zahlreichen AI- und Architekturprojekten von SYBIT zu sagen:

Ein AI-Projekt löst ein Problem. Eine Enterprise Architecture schafft die Grundlage, hunderte Probleme zu lösen.

Dr. Anders Landig
Teamlead Corporate Marketing

Sybit GmbH
Sankt-Johannis-Strasse 1-5
78315 Radolfzell
https://www.sybit.com/de