Künstliche Intelligenz ist aktuell eines der meistdiskutierten Themen überhaupt. Ob auf LinkedIn, Instagram, TikTok oder in den Nachrichten – kaum ein Tag vergeht ohne neue Anwendungsfälle, Ankündigungen oder Diskussionen. Auch in Unternehmen ist das Thema längst angekommen. Auf Messen, in Fachartikeln und in Kundengesprächen scheint es kaum noch ein anderes Thema zu geben. Die Frage, ob KI unseren Alltag und die Arbeitswelt verändern wird, stellt inzwischen kaum noch jemand. Stattdessen geht es meist darum, wie schnell man reagieren muss und welche Lösungen die richtigen sind.
Interessant ist dabei eine Beobachtung, die mir in Gesprächen immer wieder begegnet: Obwohl alle von KI sprechen, meinen sie häufig völlig unterschiedliche Dinge. Die einen denken an ChatGPT oder Microsoft Copilot und die Möglichkeit, Fragen in natürlicher Sprache zu stellen. Andere beschäftigen sich mit Systemen, die Daten analysieren und Muster erkennen sollen. Wieder andere sprechen über Agenten, die eigenständig Aufgaben übernehmen und Prozesse unterstützen können. All diese Technologien werden häufig unter dem Begriff „KI“ zusammengefasst. Tatsächlich verfolgen sie jedoch unterschiedliche Ziele und lösen unterschiedliche Probleme.
Vereinfacht betrachtet begegnen Unternehmen aktuell vor allem drei Formen von KI:
- KI-Assistenten, die Fragen beantworten und Informationen bereitstellen
- Analyse-KI, die Muster und Zusammenhänge erkennt
- Agenten, die Aufgaben ausführen und Prozesse unterstützen
Ein Beispiel aus dem Lebensmittelgroßhandel
Nehmen wir einen typischen Großhändler. Die Vertriebsleitung stellt fest, dass ein langjähriger Kunde in den vergangenen Monaten deutlich weniger bestellt hat als früher. Die Frage lautet: Warum geht der Umsatz bei diesem Kunden zurück? Auf den ersten Blick könnte man sagen, dass dies eine klassische Aufgabe für KI ist. Tatsächlich hängt die Antwort aber stark davon ab, welche Art von KI wir betrachten.
Wenn ein KI-Assistent ins Spiel kommt
Angenommen, die relevanten Informationen liegen bereits in Microsoft Dynamics 365 Business Central vor. Verkaufszahlen, Aufträge, Kundeninformationen und Artikelgruppen stehen zur Verfügung. In diesem Fall könnte ein KI-Assistent den Anwender unterstützen, indem er Fragen zu diesen Informationen beantwortet. Der Vertriebsleiter könnte beispielsweise fragen:
- Welche Kunden haben im Vergleich zum Vorjahr mehr als zehn Prozent Umsatz verloren?
- Welche Artikelgruppen wurden von diesem Kunden zuletzt deutlich weniger bestellt?
- Welche Reklamationen gab es in den vergangenen Monaten?
Der KI-Assistent durchsucht die vorhandenen Informationen und liefert die passenden Antworten. Er hilft dabei, Wissen schneller zugänglich zu machen und Informationen effizienter zu finden. Zu dieser Kategorie gehören beispielsweise ChatGPT, Microsoft Copilot oder ähnliche Systeme, die Informationen bereitstellen, Inhalte erzeugen oder Fragen beantworten. Die KI fungiert dabei als Assistent und unterstützt Mitarbeiter im Arbeitsalltag.
Wenn KI Muster erkennen soll
Eine andere Form von KI geht einen Schritt weiter. Sie beantwortet nicht nur Fragen, sondern versucht Zusammenhänge zu erkennen. Stellen wir uns vor, ein Unternehmen analysiert seine Verkaufsdaten. Dabei zeigt sich, dass Kunden einer bestimmten Kundengruppe seit einigen Monaten deutlich weniger Produkte einer Warengruppe bestellen. Gleichzeitig entwickeln sich alternative Produkte überdurchschnittlich gut. In diesem Fall liefert die KI nicht einfach eine Antwort auf eine konkrete Frage. Sie macht auf Entwicklungen aufmerksam, die möglicherweise bislang niemand bemerkt hat. Solche Szenarien werden häufig als Analyse-KI bezeichnet. Das Ziel besteht darin, Muster, Zusammenhänge und Auffälligkeiten sichtbar zu machen, die in großen Datenmengen nur schwer erkennbar sind.
Gerade im Lebensmittelgroßhandel kann das interessant sein. Saisonale Schwankungen, Preisentwicklungen, Aktionsgeschäfte oder verändertes Kaufverhalten erzeugen täglich große Mengen an Informationen, aus denen sich wertvolle Erkenntnisse gewinnen lassen.
Wenn Agenten aktiv handeln
Noch einmal anders funktionieren Agenten. Während ein KI-Assistent Informationen bereitstellt und Analyse-KI Muster erkennt, können Agenten aktiv Aufgaben übernehmen. Bleiben wir bei unserem Beispiel. Ein Agent könnte feststellen, dass ein wichtiger Kunde deutlich weniger bestellt als üblich. Anschließend könnte er automatisch eine Aufgabe für den zuständigen Vertriebsmitarbeiter erstellen, relevante Informationen zusammenstellen und einen ersten Handlungsvorschlag vorbereiten. Denkbar wären auch Szenarien im Einkauf, in denen Agenten Lieferverzögerungen überwachen, Informationen zusammentragen oder bestimmte Abläufe selbstständig anstoßen. Der entscheidende Unterschied besteht darin, dass Agenten nicht nur Informationen liefern, sondern aktiv in Arbeitsabläufe eingebunden werden können. Genau deshalb wird aktuell so intensiv über Agenten gesprochen. Sie versprechen nicht nur bessere Informationen, sondern auch eine Entlastung bei wiederkehrenden Aufgaben.
Warum die Unterscheidung wichtig ist
Auf den ersten Blick mögen diese Unterschiede eher theoretisch wirken. Für Unternehmen sind sie jedoch sehr relevant. Wer über KI spricht, sollte zunächst verstehen, welche Art von Unterstützung überhaupt gesucht wird.
- Geht es darum, Informationen schneller zu finden?
- Sollen Muster in Daten erkannt werden?
- Oder sollen bestimmte Aufgaben automatisiert werden?
Je nach Zielsetzung kommen völlig unterschiedliche Technologien infrage. Und genau deshalb führen viele Diskussionen über KI häufig in die falsche Richtung. Es wird über Werkzeuge gesprochen, obwohl das eigentliche Ziel noch gar nicht klar definiert wurde.
Die eigentliche Frage
Aus meiner Sicht beginnt die Diskussion deshalb oft an der falschen Stelle. Viele Unternehmen beschäftigen sich sehr früh mit Fragen wie:
- Wie führe ich Microsoft Copilot ein?
- Wie erstellt man einen Agenten?
- Welche KI-Plattform ist die richtige?
Dabei steht eine andere Frage eigentlich viel weiter vorne: Was möchten wir überhaupt erreichen? Geht es darum, bessere Entscheidungen zu treffen? Informationen schneller verfügbar zu machen? Wiederkehrende Aufgaben zu reduzieren? Transparenz über Kennzahlen zu schaffen? Oder den Arbeitsalltag bestimmter Mitarbeiter zu vereinfachen? Erst wenn das Ziel klar ist, lässt sich sinnvoll beurteilen, welche Lösung den größten Nutzen bringt.
- Manchmal ist das ein KI-Assistent.
- Manchmal eine Analyse-Lösung.
- Manchmal ein Agent.
- Und manchmal eine Lösung, die mit KI überhaupt nichts zu tun hat.
Die spannendste Frage lautet deshalb häufig nicht: „Welche KI sollten wir einsetzen?“
Sondern vielmehr: „Was möchten wir eigentlich verbessern?“
Wenn diese Frage beantwortet ist, wird es oft deutlich einfacher zu entscheiden, welche Werkzeuge sinnvoll sind – und ob KI überhaupt dazugehört. Doch auch mit einem klaren Ziel vor Augen verläuft der Weg nicht immer so geradlinig, wie es die aktuellen Diskussionen rund um KI manchmal vermuten lassen. Auf diesem Weg begegnen Unternehmen häufig ähnlichen Herausforderungen und Fragestellungen. Genau dort wird es in der Praxis oft besonders spannend. Mehr dazu im nächsten Beitrag.
