Strategien und Maßnahmen für den Aufbau von KI-Kompetenzen
Die Lünendonk-Studie „AI Transformation – Von der Experimentierphase zur produktiven Skalierung“ zeigt, dass Skalierung erfolgreicher KI-Proofs-of Concept bislang nur wenigen Unternehmen gelingt und welche Faktoren die AI-Transformation bremsen.
Redaktion ProduktionRedaktionProduktion
VeröffentlichtGeändert
Die vorliegende Lünendonk Studie bietet eine umfassende Bestandsaufnahme der AI-Transformation in der DACH-Region.(Bild: Lünendonk)
Anzeige
Nur vier von zehn Unternehmen setzen KI-Agenten und autonome KI ein.(Bild: Lünendonk)
Bei der Einführung von Künstlicher Intelligenz (KI) zeigt sich ein deutliches Spannungsfeld zwischen den hohen Erwartungen und der tatsächlichen Umsetzung. Vielen Unternehmen gelingt es bisher nicht, aus der Vielzahl ihrer Proofs of Concept (PoC) KI-Lösungen erfolgreich in ihre Geschäftsprozesse zu integrieren. Die Ursachen hierfür liegen vor allem im Change Management und in der Datenqualität, weniger in der Technologie. Gleichzeitig kündigt sich mit Agentic AI bereits die nächste technologische Welle an: 73 Prozent der Entscheider rechnen bis 2028 mit einer zunehmenden Relevanz autonomer KI-Agenten. Aktuell experimentieren 38 Prozent mit ersten Anwendungen. Nachfolgend finden Sie ausgewählte Ergebnisse aus der neuen Lünendonk-Studie „AI Transformation – Von der Experimentierphase zur produktiven Skalierung“.
Wie Skalierung gelingt - Business-Fokus, Data-Governance und Zusammenarbeit zählen.(Bild: Lünemdonk)
Skalierung als zentrale Herausforderung der KI-Transformation
Anzeige
Proofs of Concept haben sich als beliebtes Werkzeug etabliert, um KI-Anwendungsfälle zu testen. Doch nur 30 Prozent der Unternehmen schaffen es derzeit, mehr als 25 Prozent der entwickelten KI-Prototypen in den operativen Einsatz zu überführen. Erfolgsentscheidend sind bereichsübergreifende Zusammenarbeit, klare Verant-wortlichkeiten und ein definierter Geschäftsnutzen. Sechs von zehn Unternehmen betonen, dass realistische Erwartungen an die Leistungsfähigkeit von KI entscheidend sind. Mit zunehmendem Reifegrad setzen Unternehmen stärker auf organisatorische Rahmenbedingungen als auf Technik allein: 86 Prozent der fortgeschrittenen Anwender integrieren IT und Fachbereiche frühzeitig in Pilotprojekte.
Agentic AI verspricht Produktivitätssprünge
Insbesondere Agentic AI rückt als Schlüssel für die nächste Stufe der Automatisierung zunehmend in den Fokus. Autonome KI-Agenten können komplexe Aufgaben selbstständig planen, Entscheidungen treffen und ausführen, ohne dass eine permanente Nutzeraufsicht erforderlich ist. Derzeit befinden sich 20 Prozent der befragten Organisationen in der Testphase, weitere 18 Prozent setzen Agentic AI bereits gezielt ein. Großes Potenzial sehen die Entscheider in Backoffice-Funktionen, Cyber Security sowie im Kundenservice. Herausforderungen bestehen jedoch in der Systemintegration, der Datenverfügbarkeit und der Nachvollziehbarkeit der Entscheidungen. Damit bleibt Agentic AI vorerst ein Zukunftsversprechen, das klare Governance-Strukturen und standardisierte Schnittstellen erfordert.
Anzeige
60 Prozent der Studienteilnehmer sagen: „Die erfolgreiche Einführung von KI ist vor allem eine anspruchsvolle Führungsaufgabe und weniger eine technologische Herausforderung.“(Bild: Lünendonk)
Für die Lünendonk-Studie „AI Transformation – Von der Experimentierphase zur produktiven Skalierung“ wurden 150 IT- und Business-Verantwortliche mittelständischer und großer Unternehmen aus diversen Branchen befragt. Die Studie wurde in fachlicher Zusammenarbeit mit Gofore, Materna, QAware, Randstad Digital und Senacor realisiert und steht ab sofort zum kostenfreien Download bereit.
5 FAQs zur AI-Transformation
Warum scheitert die Skalierung von KI-PoCs? Organisatorische Hürden wie fehlendes Change Management, schlechte Datenqualität und unklare Zuständigkeiten verhindern den Übergang in den Regelbetrieb.
Was unterscheidet Agentic AI von klassischer KI? Agentic AI handelt autonom: Sie plant, entscheidet und agiert selbstständig – im Gegensatz zu klassischen, auf Einzelaufgaben beschränkten KI-Systemen.
Wie gelingt der Sprung vom PoC zur Produktivanwendung? Durch frühe Einbindung aller Fachbereiche, klare Ziele, skalierbare Architekturen und eine durchdachte Datenstrategie.
Warum ist Datenqualität so entscheidend? Fehlerhafte oder unvollständige Daten gefährden die Leistung der KI – gute Datenbasis ist Voraussetzung für Skalierung und Akzeptanz.
Wo wird Agentic AI aktuell eingesetzt? Vor allem in Backoffice, Kundenservice und Cybersecurity – überall dort, wo Prozesse standardisiert und automatisierbar sind.
