Silos bremsen Enterprise AI KI braucht Prozessverständnis, nicht nur Daten

Anbieter zum Thema

SAG ARIS GmbH

WatchGuard Technologies GmbH

Unternehmen mit starkem Prozessverständnis erzielen fünfmal häufiger erfolgreiche KI-Ergebnisse. Doch die meisten Firmen haben nur fragmentierte Sicht auf ihre Prozesse – eine neue Studie erklärt, warum Daten allein für KI-Agenten nicht ausreichen.

Die Industrie treibt das Tempo bei der Einführung von Agentic AI massiv voran. Doch eine neue Studie von The Hackett Group und ARIS offenbart ein Umsetzungsproblem. Fast neun von zehn befragten Führungskräften aus Global-2000-Unternehmen sind zwar davon überzeugt, dass KI-Agenten ohne fundierten Prozesskontext nicht zuverlässig funktionieren können. Doch nur jedes fünfte dieser Unternehmen verfügt tatsächlich über eine umfassende Echtzeit-Sicht auf seine End-to-End-Prozessabläufe. Noch besorgniserregender: Etwa sechs von zehn Unternehmen beschreiben ihre Prozessübersicht als stark fragmentiert, verteilt über verschiedene Systeme und Abteilungen.

Process Context als unsichtbare Infrastruktur

Das zentrale Konzept der Studie heißt „Process Context“ – ein tiefes Verständnis für die betriebliche Realität. Die meisten Unternehmen verstehen darunter vor allem die Echtzeit-Sichtbarkeit darüber, wie Arbeit über Systeme und Funktionen hinweg fließt. Process Context umfasst aber auch Workflows, Regelwerke, Kontrollmechanismen, Genehmigungspfade und Systeminteraktionen im gesamten Unternehmen.

Der Unterschied ist fundamental: Während ein Reporting-Tool mit gewissen Ambiguitäten leben kann, weil Menschen die Ergebnisse noch interpretieren und überprüfen, muss ein autonomer KI-Agent verstehen, wie Arbeit tatsächlich ausgeführt wird. Das bedeutet: Er muss die Regeln kennen, die Ausnahmefälle verstehen und wissen, wann er eskalieren muss.

Der Multiplikator-Effekt

Unternehmen mit umfangreicher Process-Context-Erfahrung erzielen laut der Studie fünfmal häufiger sehr erfolgreiche KI-Ergebnisse. Das ist nicht irgendein Effizienzgewinn – es ist ein entscheidender Unterschied zwischen Erfolg und Scheitern. Gleichzeitig berichten diese Unternehmen auch knapp sechsmal häufiger über umfassende Echtzeit-Sichtbarkeit auf ihre Prozesse. Der Zusammenhang ist deutlich: Wer seine Prozesse versteht, setzt KI erfolgreicher ein.

Ein konkreter Vergleich zeigt: Unternehmen mit hohem Process-Context-Reifegrad berichten knapp 50 Prozent von moderaten bis sehr erfolgreichen KI-Ergebnissen. Bei Unternehmen mit niedriger Erfahrung sind es weniger als ein Drittel. Das ist mehr als ein Unterschied in der Geschwindigkeit – es ist die Differenz zwischen großen Erfolgen und bescheidenen Ergebnissen.

Agentic AI

KI-Agenten: vom Brandbeschleuniger zum Produktivitätsturbo

Die Top-Barrieren: Kosten, Datenqualität und organisatorische Silos

Was hält Unternehmen zurück? Die Hälfte der Hindernisse entsteht durch drei bekannte Probleme: Hohe Kosten und technische Komplexität sind das größte Hindernis, gefolgt von Datenqualitätsproblemen. Gleichzeitig beschränken organisatorische Silos – jede Abteilung mit ihren eigenen Systemen und Prioritäten – die Sicht auf End-to-End-Prozesse erheblich.

Besonders kritisch ist die Governance-Lücke: Nur ein Drittel der Unternehmen ist zuversichtlich, KI-gestützte Entscheidungen effektiv zu steuern und zu kontrollieren. Und nur gut jedes sechste Unternehmen hat heute ausgeifte, unternehmensweite Governance-Rahmenwerke etabliert. Ein weiteres großes Problem: In fast der Hälfte aller Unternehmen liegt die KI-Verantwortung ausschließlich bei der IT. Das führt zwangsläufig zu fehlenden fachlichen Zuständigkeiten – Geschäftsbereiche verstehen nicht, wer für KI-gestützte Entscheidungen verantwortlich ist.

Wo der Mehrwert konkret entsteht

Die Studie zeigt, dass Unternehmen mit besserer Prozesskenntnis überraschend breite Vorteile erzielen. Deutlich mehr Unternehmen berichten, dass ihre Prozessabläufe schneller werden – kürzere Durchlaufzeiten und komprimierte Prozesszyklen ermöglichen es, Kundenanfragen zügiger zu bearbeiten. Knapp drei Viertel aller Befragten beschreiben eine deutliche Reduktion manueller, repetitiver Aufgaben. Das ist besonders wichtig, weil diese Routinearbeit oft anfällig für Fehler ist. Viele Unternehmen sehen auch eine höhere Prozessqualität und -konsistenz – KI-Agenten machen Dinge konstant richtig, nicht manchmal richtig und manchmal falsch. Die Entscheidungsqualität verbessert sich ebenfalls spürbar. Und schließlich schöpfen mehr Unternehmen echten Mehrwert aus besserer Governance, die es ihnen ermöglicht, KI-Einsätze zu kontrollieren und zu erklären.

In einzelnen Funktionsbereichen gibt es dabei Schwerpunkte: In der Supply Chain kümmern sich Führungskräfte besonders um verbessertern Kundenservice und größere operative Effizienz. Im Finanzwesen liegt der Fokus klar auf höherer Produktivität und weniger manualer Arbeit.

Der strategische Fehler: Silos statt Enterprise-Verständnis

Ein oft unterschätzter Punkt der Studie betrifft die Grenzen funktionaler Silos. Enterprise AI funktioniert nur, wenn Prozesse funktionsübergreifend verstanden werden. Ein Finanzbuchhaltungs-Agent braucht Kontext über Sales, Kunden und Erfüllung. Ein Beschaffungs-Agent benötigt Finanz-, Lieferanten- und Rechts-Kontext. Supply-Chain-Agenten brauchen ein Verständnis von Beschaffung, Bestandsverwaltung und Kundenanforderungen. Wer diese Kontexte voneinander trennt, baut Agenten, die nur in ihrer eigenen Ecke funktionieren.

Rick Gardner, Senior Director bei The Hackett Group, betont den grundsätzlichen Paradigmenwechsel: „Während sich KI vom Assistenten zum eigenständigen Akteur wandelt, wird das Schließen dieser Lücke immer entscheidender. Unternehmen müssen KI-Agenten das operative Prozessverständnis vermitteln, damit diese nicht nur wissen, was sie tun können, sondern auch, wie diese Arbeit im Unternehmensalltag tatsächlich ausgeführt werden muss."

HP Work Relationship Index

Deutschland bei KI-Agenten weltweit in der Spitzengruppe

Kleine Schritte, großer Einfluss

Anstatt Agentic AI als riesiges Transformationsprojekt zu starten, empfiehlt die Studie einen deutlich fokussierten Ansatz. Unternehmen sollten mit wertschöpfungsintensiven Workflows beginnen: Finanzplanung und -analyse, Ausgabenanalysen und Vertragsmanagement, IT-Service-Desks mit automatisiertem Incident-Management oder Recruiting und Mitarbeiter-Onboarding. Das sind Bereiche, wo KI schnell Mehrwert schafft.

The Hackett Group und ARIS schlagen dann ein fünfstufiges Programm vor. Im ersten Schritt sollten Unternehmen die wichtigsten Workflows identifizieren, wo Risiken beherrschbar sind und wo sich Erfolg schnell zeigt. Dann müssen die Rollen, Regeln, Genehmigungspfade und Kontrollmechanismen abgebildet werden – das ist die Feinarbeit, die am meisten Zeit kostet. Im dritten Schritt sollten Unternehmen von statischer Dokumentation zu dynamischen Prozessmodellen übergehen, mit Hilfe von Process Mining und Simulation. Im vierten Schritt sei es entscheidend, die AI-Governance klar mit den Prozessverantwortlichen zu verbinden – sonst bleibt unklar, wer entscheidungsbefugt ist. Und schließlich sollte der Erfolg nicht nur an Adoption oder Modellperformance gemessen werden, sondern an echten Geschäftsergebnissen wie Produktivität, Geschwindigkeit und Risiken.

Reine Rechenpower schafft keinen Mehrwert

Guillaume Bacuvier, CEO von ARIS, fasst die zentrale Erkenntnis so zusammen: „Künstliche Intelligenz wird in rasanter Geschwindigkeit leistungsfähiger, aber reine Leistungsfähigkeit schafft noch keinen Mehrwert. Der entscheidende Unterschied liegt darin, wie effektiv Unternehmen diese Intelligenz im operativen Geschäft einsetzen. Daten verraten der KI Fakten über Ihr Unternehmen – der Prozesskontext erklärt der KI, wie Ihr Unternehmen funktioniert.“

Die zentrale Botschaft der Studie: KI-Systeme brauchen nicht nur mehr Daten und bessere Modelle. Sie brauchen ein echtes Verständnis für die Realität, in der sie agieren sollen. Unternehmen, die dieses Verständnis aufbauen, werden ihre Wettbewerber deutlich überflügeln. Alle anderen werden in Pilotprojekten steckenbleiben.

Die finanzielle Grundlage von KI

Können wir uns die KI noch leisten?

(ID:50975353)