Kenza Ait Si Abbou: Wege zur echten AI Readiness im Unternehmen

Wie gelingt der Sprung von der spielerischen Nutzung von KI-Tools wie ChatGPT zur tiefgreifenden, wertschöpfenden Integration in einem etablierten Unternehmen? In der neuesten Folge von AI to the DNA spricht Host Christoph Magnussen mit Kenza Aizy Abu, einer erfahrenen Technologie-Führungskraft mit Stationen bei der Telekom, IBM und als Technikvorständin beim Logistikunternehmen Fiege. Sie schlägt eine Brücke zwischen der technischen Tiefe und dem strategischen Geschäftswert von KI. Das Gespräch beleuchtet, warum die wahre Herausforderung nicht im Mangel an Ideen, sondern in der mangelnden Vorbereitung der Organisation liegt und wie Unternehmen die Kluft zwischen dem Hype und der harten Realität der Implementierung überwinden können. Es geht um die entscheidende Frage: Was braucht es wirklich, um KI nachhaltig in die DNA eines Unternehmens zu integrieren?

Das Wichtigste auf einen Blick

• Fundament vor Fassade: Kenza betont, dass eine erfolgreiche KI-Implementierung weniger von spektakulären Einzelprojekten abhängt, sondern von grundlegender Arbeit an Prozessen, Datenqualität und IT-Infrastruktur. Ohne standardisierte Prozesse entsteht ein Datenchaos, das jede KI-Initiative von vornherein behindert.
• Die Erwartungsfalle durch ChatGPT: Die einfache und kostenlose Nutzung von Tools wie ChatGPT im Privaten erzeugt eine gefährliche Erwartungslücke im Unternehmenskontext. Führungskräfte und Mitarbeitende erwarten ähnliche Plug-and-Play-Lösungen, was den Druck auf IT-Abteilungen massiv erhöht und die Komplexität interner Projekte verschleiert.
• KI-Reifegrad ist mehrdimensional: Ein entscheidender Erfolgsfaktor ist die ehrliche Einschätzung des eigenen Unternehmens. Kenzas AI Readiness Assessment bewertet fünf Dimensionen: IT-Infrastruktur, Daten, Organisation (Strukturen, Rollen), Kultur (Fehlertoleranz, Lernbereitschaft) und Governance (Entscheidungs- und Compliance-Prozesse).
• Agenten brauchen Autonomie und Vertrauen: Ein echter KI-Agent zeichnet sich durch seine Autonomie aus. Ohne diese Fähigkeit, selbstständig Entscheidungen zu treffen und Prozesse auszuführen, handelt es sich lediglich um eine erweiterte Prozessautomatisierung (RPA). Die Voraussetzung dafür sind robuste Sicherheitsarchitekturen wie ein eigenes Identity- und Access-Management für technische Nutzer.
• Effektivität schlägt Effizienz: Der alleinige Fokus auf kurzfristige Kosteneinsparungen (Effizienz) ist gefährlich. Kenza plädiert dafür, strategische Wirksamkeit (Effektivität) in den Vordergrund zu stellen. Die entscheidende Frage ist nicht nur Was sparen wir heute?, sondern Was sind die Opportunitätskosten, wenn wir jetzt nicht handeln?.
• Neugier als Kernkompetenz: Sowohl für Einzelpersonen als auch für ganze Organisationen ist Neugier die wichtigste Eigenschaft, um die KI-Transformation zu meistern. Sie ist die treibende Kraft für kontinuierliches Lernen, Experimentieren und die Offenheit, bestehende Denkmuster zu hinterfragen.

Die Kluft zwischen KI-Hype und Unternehmensrealität

Kenza schildert ihre Erfahrungen bei Fiege, einem 150 Jahre alten Logistikunternehmen, als prägnantes Beispiel für die Herausforderungen der digitalen Transformation. Als sie als Technikvorständin antrat, traf eine disruptive Vision auf eine gewachsene, heterogene IT-Landschaft und stark dezentralisierte Prozesse. An 130 Standorten wurden zwar ähnliche Aufgaben erfüllt, aber auf sehr unterschiedliche Weise. Diese fehlende Standardisierung führte zu einem inkonsistenten Datenfundament - eine denkbar schlechte Ausgangslage für datengetriebene KI-Anwendungen. Christoph und sie sind sich einig, dass der erste und schwierigste Schritt darin besteht, eine gemeinsame Sprache zwischen Business und IT zu finden. Es geht darum, zu verstehen, was den Kern des Unternehmens ausmacht - bei Fiege die extreme Kundenorientierung - und diesen Wert zu schützen, während die dahinterliegenden Prozesse im Maschinenraum standardisiert und modularisiert werden.

Das Fundament für KI: Mehr als nur Daten und IT

Die größte Hürde ist oft nicht die Technologie selbst, sondern die mangelnde Reife der Organisation. Kenza erklärt, dass man den Erfolg von KI-Initiativen anhand von fünf Dimensionen bewerten muss. Neben den offensichtlichen Faktoren IT-Infrastruktur und Daten sind dies Organisation, Kultur und Governance. Eine Organisation muss über klare Rollen, Verantwortlichkeiten und Freigabeprozesse verfügen, um agil handeln zu können. Ein entscheidender Indikator ist, wie die IT-Abteilung wahrgenommen wird: als reines Cost-Center, das möglichst günstig laufen muss, oder als strategischer Investment-Partner für die Wertschöpfung. Ebenso entscheidend ist eine lernende Kultur, in der Experimente nicht als Fehler, sondern als notwendiger Teil des Weges zum Ziel gesehen werden. Schließlich braucht es eine klare Governance, die regelt, wer über den Einsatz von KI entscheidet und wie Themen wie Sicherheit und Compliance (z.B. der AI Act) gehandhabt werden.

Vom Shiny Use Case zum skalierbaren Wert

Viele Unternehmen jagen nach dem einen, beeindruckenden Shiny Use Case, um zu beweisen, dass sie innovativ sind. Kenza und Christoph diskutieren, dass dies zwar für das interne Marketing nützlich sein kann, der wahre Hebel aber oft in unscheinbareren, dafür aber hochskalierbaren Anwendungen liegt. Als Paradebeispiel nennt Kenza das Dokumentenmanagement. Jede Abteilung - von HR über Finanzen bis zur Produktion - arbeitet mit Dokumenten. Ein System, das diese Dokumente automatisiert klassifiziert, archiviert, durchsuchbar macht und nach gesetzlichen Fristen löscht, schafft einen enormen Mehrwert über das gesamte Unternehmen hinweg. Technisch basiert eine solche moderne Lösung oft auf einem RAG-System (Retrieval-Augmented Generation). Kenza zerlegt den Prozess: Es geht nicht nur darum, eine Frage an ein Sprachmodell zu stellen. Zuerst analysiert ein Modell die Absicht der Frage (Intent Recognition), dann durchsucht und bewertet ein weiteres Modell die kuratierte, interne Wissensdatenbank nach den relevantesten Informationen. Erst ganz am Ende formuliert ein großes Sprachmodell (LLM) aus diesen Fakten eine verständliche Antwort. Dieser Ansatz stellt sicher, dass die KI nicht halluziniert, sondern sich strikt an die vorgegebenen Unternehmensdaten hält.

KI-Agenten: Autonomie als entscheidender Faktor

Der nächste große Schritt sind KI-Agenten, doch der Begriff wird oft missverstanden. Kenza stellt klar: Das entscheidende Merkmal eines Agenten ist seine Autonomie. Ein System, das nur vordefinierte Regeln abarbeitet, ist letztlich eine Weiterentwicklung von Robotic Process Automation (RPA). Ein echter Agent kann selbstständig komplexe, mehrstufige Aufgaben lösen, beispielsweise eine komplette Reisebuchung inklusive Flug, Hotel und Terminkoordination. Damit dies sicher und nachvollziehbar funktioniert, sind erhebliche technische und organisatorische Vorarbeiten nötig. Ein zentraler Punkt ist ein ausgereiftes Identity- und Access-Management. Agenten sollten nicht die Zugangsdaten von Mitarbeitenden nutzen, sondern eigene, technische Identitäten mit klar definierten Rechten erhalten. Nur so lässt sich in Logfiles nachvollziehen, ob eine Aktion von einem Menschen oder einer Maschine ausgeführt wurde. Zudem müssen die Backend-Systeme (wie SAP oder Salesforce) über saubere Schnittstellen (APIs) angebunden sein, damit der Agent überhaupt handeln kann. Der Weg zu einer Organisation, in der Dutzende solcher Agenten nahtlos zusammenarbeiten - eine Vision, die Microsoft als Work Chart statt Org Chart bezeichnet - ist laut Kenza noch sehr weit.

Praktische Schritte zur KI-Implementierung

Wie kannst Du nun konkret vorgehen? Kenza leitet aus ihren Erfahrungen klare Handlungsempfehlungen ab, die Dir helfen, Deine KI-Strategie auf ein solides Fundament zu stellen.

1. Führe eine ehrliche Bestandsaufnahme durch: Beginne mit einem AI Readiness Assessment. Analysiere, wo dein Unternehmen in den fünf Schlüsselbereichen IT-Infrastruktur, Daten, Organisation, Kultur und Governance wirklich steht. Diese Analyse ist die Basis für alle weiteren Investitionsentscheidungen.
2. Fahre eine zweigleisige Strategie: Es ist wichtig, schnelle Erfolge zu zeigen. Wähle dafür einen sichtbaren Shiny Use Case, der Begeisterung weckt und das Management überzeugt. Arbeite aber parallel und mit gleicher Priorität an den unsichtbaren, aber fundamental wichtigen Grundlagen wie Datenbereinigung, Prozessstandardisierung und dem Aufbau einer modernen IT-Architektur.
3. Priorisiere intelligent: Nutze eine einfache Matrix, um potenzielle Use Cases zu bewerten: Welchen Geschäftswert (Impact) hat das Projekt und wie hoch ist die technische und organisatorische Machbarkeit? Suche gezielt nach horizontalen Anwendungsfällen wie dem intelligenten Dokumentenmanagement, die du einmal entwickelst und dann in vielen Abteilungen ausrollen kannst.
4. Schaffe klare Governance-Strukturen: Bevor du über autonome Agenten nachdenkst, schaffe die regulatorischen und technischen Voraussetzungen. Implementiere ein robustes Identity- und Access-Management, das auch technische Nutzer (also Bots und Agenten) berücksichtigt. Definiere klare Richtlinien, wer KI-Systeme einführen darf und wer für deren Überwachung verantwortlich ist.
5. Kultiviere Neugier: Die wichtigste Maßnahme ist nicht technischer, sondern kultureller Natur. Fördere eine Haltung der Neugier und des Experimentierens. Schaffe Räume, in denen Mitarbeitende neue Tools ausprobieren, Ideen austauschen und auch mal scheitern dürfen, ohne negative Konsequenzen befürchten zu müssen. Denn am Ende ist die Fähigkeit, kontinuierlich zu lernen, der entscheidende Wettbewerbsvorteil.