IBM KI-Strategie: Mit Client-Zero zu 4,5 Milliarden Dollar Ersparnis

Wie IBM durch den konsequenten Einsatz von KI und Automatisierung 4,5 Milliarden US-Dollar einsparte, erklärt Dr. Lisa Precht in der neuesten Folge des AI FIRST Podcasts. Sie treibt die KI-Strategie von IBM in der DACH-Region voran und diskutiert mit Host Felix Schlenther, warum viele Unternehmen trotz hoher Investitionen und einer Flut von KI-Agenten oft keinen messbaren Geschäftsnutzen erzielen. Im Zentrum des Gesprächs steht der Client-Zero-Ansatz von IBM: das Unternehmen behandelt sich selbst als ersten Kunden, um aus der eigenen Transformation zu lernen. Diese Episode beleuchtet, wie eine zentrale Plattform, durchdachte Governance und der Einsatz kleiner, spezialisierter Modelle zusammenwirken, um KI-Initiativen vom Experimentierstadium in den produktiven, wertschöpfenden Einsatz zu überführen.

Das Wichtigste auf einen Blick

• Das Problem des AI Sprawl: Viele Unternehmen haben einen unkontrollierten Wildwuchs an KI-Agenten und -Lösungen (Agenten-Zoo), der zu Datensilos, mangelnder Orchestrierung und ausbleibendem Geschäftsnutzen führt. Nur ein Drittel der Technologieführer gibt an, dass sich ihre KI-Investitionen bisher rentiert haben.
• IBM als Kunde Null: Mit dem Client-Zero-Ansatz hat IBM die eigene Organisation transformiert. Durch die Optimierung von Prozessen in Bereichen wie HR, IT und Einkauf - unterstützt durch KI und Automatisierung - konnten Einsparungen von 4,5 Milliarden US-Dollar realisiert werden.
• Ein zentraler Zugangspunkt: Statt unzähliger einzelner Agenten hat IBM mit Ask IBM eine zentrale Plattform geschaffen. Dieser Assistent orchestriert im Hintergrund verschiedene Systeme und spezialisierte Tools, um Mitarbeiteranfragen effizient und kontextbezogen zu bearbeiten.
• Spezialisierte Modelle statt Alleskönner: Für komplexe Prozesse, wie die Bearbeitung von Elterngeldanträgen, ist ein Mix aus kleinen, spezialisierten KI-Modellen, regelbasierten Werkzeugen und menschlicher Kontrolle der Königsweg. Das erhöht die Präzision, senkt die Kosten und schafft Vertrauen.
• Governance ist kein nachträglicher Gedanke: Erfolgreiche KI-Skalierung erfordert eine tief integrierte Governance. Eine offene Plattform, die eine zentrale Überwachung, klare Verantwortlichkeiten und automatisierte Qualitätskontrollen ermöglicht, ist entscheidend, um Vertrauen aufzubauen und den produktiven Einsatz zu sichern.

Warum so viele KI-Projekte noch keinen Geschäftsnutzen bringen

Obwohl die Investitionen in Künstliche Intelligenz massiv steigen und Unternehmen laut einer Studie durchschnittlich bereits 1.200 KI-Agenten einsetzen, bleibt der wirtschaftliche Erfolg oft aus. Dr. Lisa Precht erklärt, dass dies weniger an der technologischen Reife der KI liegt, sondern vielmehr an der Art und Weise ihrer Implementierung. Viele Unternehmen starten enthusiastisch und dezentral, was zu einem unkontrollierten Wildwuchs an Insellösungen führt - ein Phänomen, das Lisa als AI Sprawl oder Bauchladen von KI-Lösungen beschreibt. Dieser Ansatz schafft neue Datensilos, erschwert die Orchestrierung und führt zu frustrierenden Erlebnissen für Mitarbeiter und Kunden, die nicht wissen, welches Tool für welche Aufgabe zuständig ist.

Ein weiteres zentrales Hindernis ist die vernachlässigte Governance. Oft wird der Fokus zunächst voll auf die schnelle Entwicklung gelegt, während Kontrolle, Sicherheit und Verantwortlichkeiten zu einem späteren Zeitpunkt nachgeholt werden sollen. Dieser Ansatz, so Lisa, rächt sich schnell. Ohne eine von Anfang an tief integrierte Governance-Struktur wird die Wartung der Systeme extrem aufwendig, Kosten können explodieren und die technologische Entwicklung überholt die manuellen Kontrollversuche. Erfolgreiche Unternehmen, betont sie, klären Verantwortlichkeiten, bevor sie loslegen, und bauen Kontrollmechanismen direkt in ihre Plattformen ein.

Der Client-Zero-Ansatz: Wie IBM sich selbst zum Testfall machte

Um diese Herausforderungen zu meistern und gleichzeitig das eigene Produktportfolio zu schärfen, verfolgt IBM den Client-Zero-Ansatz. Das bedeutet, das Unternehmen behandelt sich selbst konsequent als ersten und wichtigsten Kunden. Felix stellt fest, dass dies eine Abkehr vom Sprichwort ist, dass die Frau des Schusters die schlechtesten Schuhe hat. Stattdessen nutzt IBM die eigenen Technologien und Consulting-Fähigkeiten, um die internen Prozesse radikal zu optimieren. Anfang 2023 gab der CEO das klare Ziel aus, die Produktivität des Unternehmens durch KI, Hybrid-Cloud und Automatisierung massiv zu steigern.

Das Ergebnis dieser Initiative sind Einsparungen in Höhe von 4,5 Milliarden US-Dollar innerhalb von etwa zwei Jahren. Lisa stellt klar, dass diese Summe nicht allein durch KI erzielt wurde, sondern durch eine ganzheitliche Betrachtung der Prozesse. Der erste Schritt war nicht die Einführung von Technologie, sondern die Analyse und Vereinfachung von Arbeitsabläufen. Mitarbeiter wurden aktiv befragt, wie ihre ideale Arbeitswelt aussehen würde, um Komplexität zu eliminieren, bevor die Automatisierung überhaupt begann. Erst danach wurden KI und Automatisierung gezielt eingesetzt, um Bereiche wie HR, IT, Vertrieb und Einkauf schrittweise zu optimieren.

Vom Agenten-Zoo zur zentralen Orchestrierung mit Ask IBM

Ein Kernstück der internen Transformation bei IBM ist die Abkehr von unzähligen, isolierten Chatbots und Assistenten hin zu einer zentralen Orchestrierungsschicht. Während viele Unternehmen einen Agenten-Zoo pflegen, bietet IBM seinen Mitarbeitern mit Ask IBM einen einzigen Ansprechpartner. Lisa beschreibt, wie dieser Assistent als universelle Schnittstelle fungiert. Egal, ob ein Mitarbeiter eine HR-Frage hat, eine IT-Anforderung stellt oder Informationen aus dem Vertrieb benötigt - die Anfrage geht an Ask IBM.

Im Hintergrund analysiert das System die Anfrage und orchestriert autonom die richtigen Werkzeuge. Das kann die Weiterleitung an einen menschlichen Experten, das Anstoßen eines vollautomatisierten Prozesses (wie die Versetzung eines Mitarbeiters) oder die Zusammenführung von Informationen aus verschiedenen Wissensdatenbanken sein. Dieser Ansatz, so Lisa, baut auf den Automatisierungen der letzten Jahre auf, die in den einzelnen Abteilungen bereits etabliert wurden - von klassischen, regelbasierten Systemen bis hin zu modernen generativen KI-Lösungen. Für den Nutzer entsteht so eine nahtlose und intuitive Erfahrung, ohne dass er die Komplexität der dahinterliegenden Systemlandschaft verstehen muss.

Kleine Modelle, große Wirkung: Der Elterngeld-Case als Blaupause

Wie ein solcher orchestrierter Ansatz in der Praxis aussehen kann, verdeutlicht Lisa am Beispiel der Bearbeitung von Elterngeldanträgen. Dieser komplexe Prozess eignet sich perfekt, um die Stärken eines Multi-Agenten-Systems aufzuzeigen. Statt ein großes, teures Allzweck-LLM zu nutzen, plädiert sie für einen Mix aus verschiedenen, hochspezialisierten Werkzeugen, die von einem zentralen System gesteuert werden.

• Ein kleines, kostengünstiges Modell könnte ausschließlich deutsche Handschrift auf Anträgen extrahieren.
• Ein anderer Agent prüft die extrahierten Daten auf Vollständigkeit und Konsistenz.
• Die eigentliche Berechnung des Elterngeldes erfolgt über ein komplett regelbasiertes Tool, um Fehler auszuschließen und Rechtssicherheit zu garantieren. Hierbei handelt es sich um eine Aufgabe, bei der keine kreative Freiheit, sondern absolute Präzision gefordert ist.
• Anfragen von Bürgern, die per Sprachnachricht eingehen, werden von einem weiteren spezialisierten Modell transkribiert und für die Beantwortung aufbereitet.

All diese kleinen, autonomen Agenten und Tools sind in einen übergeordneten, regelbasierten Prozess eingebettet, der die Arbeitsschritte, Zugriffsrechte und Abhängigkeiten definiert. Der menschliche Mitarbeiter behält dabei die Kontrolle und kann kritische Zwischenergebnisse, wie eine extrahierte IBAN, jederzeit prüfen. Dieser modulare Aufbau macht das System flexibel, skalierbar und kosteneffizient. Einzelne Modelle können bei Bedarf einfach ausgetauscht werden, ohne den gesamten Prozess zu gefährden.

Praktische Schritte zur erfolgreichen KI-Implementierung

Basierend auf den Erfahrungen aus dem Client-Zero-Ansatz gibt Lisa konkrete Empfehlungen für Unternehmen, die aus dem experimentellen Stadium herauswachsen und KI produktiv skalieren möchten. Es geht darum, vom Bastler zum Architekten zu werden.

1. Beginne beim Prozess, nicht bei der Technologie: Analysiere bestehende Arbeitsabläufe und eliminiere unnötige Komplexität, bevor du automatisierst. Definiere klare, messbare KPIs, um den Erfolg deiner KI-Initiativen von Anfang an zu verfolgen.
2. Beziehe die Nutzer mit ein: Entwickle Lösungen nicht im stillen Kämmerlein, sondern gemeinsam mit den Mitarbeitern, die sie später nutzen sollen. Ihr Wissen über Prozessschwachstellen ist entscheidend, und ihre frühe Einbindung schafft Akzeptanz und Vertrauen.
3. Schaffe eine zentrale Plattform: Vermeide den AI Sprawl, indem du eine offene, modulare Plattform etablierst. Sie sollte es ermöglichen, bestehende Lösungen zu integrieren, eine zentrale Übersicht zu schaffen und die Kontrolle über alle KI-Anwendungen im Unternehmen zurückzugewinnen.
4. Integriere Governance von Beginn an: Mache Governance und Kontrolle zu einem integralen Bestandteil deiner Plattform, nicht zu einem nachträglichen Gedanken. Kläre Verantwortlichkeiten und automatisiere die Überwachung von Leistung, Kosten und Sicherheit, um robust und skalierbar zu bleiben.
5. Setze auf einen Mix aus Modellen: Verlasse dich nicht auf ein einziges, großes Sprachmodell. Ein modell-agnostischer Ansatz, der die besten Tools für die jeweilige Aufgabe kombiniert - seien es große LLMs, kleine spezialisierte Modelle, Open-Source-Lösungen oder regelbasierte Systeme - macht dich flexibler, kosteneffizienter und zukunftssicher.