Künstliche Intelligenz in Unternehmen bezeichnet den Einsatz von KI-Technologien (wie maschinelles Lernen, Verarbeitung natürlicher Sprache, generative KI, vorausschauende Analyse und Computer Vision) zur Automatisierung von Arbeitsabläufen, zur Optimierung von Betriebsabläufen, zur Verbesserung der Entscheidungsfindung und zur Steigerung des Unternehmenswerts.
Anfangs konzentrierte sich KI in Unternehmen auf Pilotprojekte oder einfache Automatisierungsmaßnahmen. Heute, da die Technologie ausgereifter wird und immer häufiger zum Einsatz kommt, nutzen Unternehmen KI, um:
Das Ziel des Einsatzes von KI in der Wirtschaft besteht darin, Unternehmen schnellere Fortschritte zu ermöglichen, manuellen Aufwand zu reduzieren und umsetzbare Erkenntnisse zu gewinnen, die bei einer herkömmlichen Datenanalyse allein möglicherweise übersehen würden.
Gleichzeitig erfordert ein erfolgreicher KI-Einsatz mehr als nur die Einführung von Einzelanwendungen oder Chatbots. Unternehmen benötigen die richtige Datenbasis, ein effektives Governance-Modell und einen Plan zur Weiterentwicklung der Kompetenzen ihrer Mitarbeiter. Zudem müssen sie ihre KI-Fähigkeiten und -Investitionen auf spezifische geschäftliche Anforderungen und die erwarteten Erträge abstimmen.
Laut einer Studie des IBM Institute for Business Value (IBV) geben 79 % der Führungskräfte an, dass KI die Produktivität gesteigert hat und bis 2030 erheblich zu ihrem Umsatz beitragen wird; allerdings können nur 24 % klar erkennen, woher dieser Umsatz stammen wird. Diese Diskrepanz verdeutlicht eine zentrale Herausforderung der künstlichen Intelligenz in der heutigen Geschäftswelt: Unternehmen erkennen zwar Produktivitätssteigerungen und andere Vorteile, doch viele benötigen Unterstützung dabei, den Einsatz von KI mit finanziellen Ergebnissen und langfristigen Wettbewerbsvorteilen zu verknüpfen.
Bleiben Sie mit dem zweimal wöchentlich erscheinenden Think-Newsletter über die wichtigsten und spannendsten Branchentrends zu KI, Automatisierung, Daten und mehr auf dem Laufenden. Weitere Informationen finden Sie in der IBM Datenschutzerklärung.
Künstliche Intelligenz (KI) bezeichnet Computersysteme, die Aufgaben ausführen, die üblicherweise mit menschlicher Intelligenz in Verbindung gebracht werden, wie beispielsweise das Verstehen von Sprache, das Erkennen von Mustern, das Treffen von Vorhersagen, das Erstellen von Inhalten und das Empfehlen von Maßnahmen. Im geschäftlichen Umfeld nutzen KI-Systeme Daten, Algorithmen und Modelle, um funktionsübergreifende Prozesse zu unterstützen oder zu automatisieren. Zu diesen Geschäftsbereichen können Marketing, Vertrieb, Kundensupport, Finanzen, Beschaffung, IT, Softwareentwicklung, Personalwesen und Lieferkettenmanagement gehören.
Zu den wichtigsten KI-Technologien gehören:
Maschinelles Lernen (ML) ist ein Teilgebiet der künstlichen Intelligenz, bei dem Algorithmen eingesetzt werden, um Muster in Daten zu erkennen und Vorhersagen oder Klassifizierungen zu erstellen. Im geschäftlichen Umfeld kann maschinelles Lernen bei der Nachfrageprognose, der Betrugserkennung, der Preisoptimierung, der Kundensegmentierung, der Abwanderungsprognose und der Risikobewertung helfen.
Beispielsweise könnte ein Einzelhändler Modelle des maschinellen Lernens einsetzen, um Kundendaten, E-Commerce-Verhalten, Lagerbestände und saisonale Kaufmuster zu analysieren und so vorherzusagen, welche Produkte sich in bestimmten Regionen verkaufen werden. Ein Finanzinstitut könnte maschinelles Lernen nutzen, um verdächtige Transaktionen nahezu in Echtzeit zu erkennen.
Die Verarbeitung natürlicher Sprache (NLP) hilft Computern dabei, Text oder Sprache zu verstehen, zu interpretieren und zu erzeugen. NLP bildet die Grundlage für Chatbots, virtuelle Assistenten, die Zusammenfassung von Dokumenten, Stimmungsanalysen, Suchfunktionen, Übersetzungen und Wissensmanagementsysteme.
Im Kundenservice kann NLP dabei helfen, eingehende Serviceanfragen zu klassifizieren, frühere Interaktionen zusammenzufassen und menschlichen Mitarbeitern die nächstbesten Maßnahmen zu empfehlen. Im Marketing kann es Quellen wie Social-Media-Konversationen, Produktbewertungen und Anrufprotokolle analysieren, um sich abzeichnende Kundenbedürfnisse zu identifizieren.
Generative KI erstellt neue Inhalte – wie beispielsweise Texte, Code, Bilder, Zusammenfassungen, Produktbeschreibungen, Berichte, E-Mails und Softwaretests – auf der Grundlage von Prompts und Kontext. In Unternehmen wird generative KI zunehmend für die Erstellung von Inhalten, Marktforschung, Softwareentwicklung, Wissensgewinnung und zur Steigerung der Mitarbeiterproduktivität eingesetzt.
Im Gegensatz zu früheren KI-Tools, die in erster Linie Informationen klassifizierten oder Vorhersagen trafen, kann generative KI dabei helfen, Entwürfe, Ideen, Code, Dokumentationen und Empfehlungen zu erstellen. KI-generierte Ergebnisse sollten jedoch einer angemessenen Überprüfung, Validierung und Steuerung durch Menschen unterzogen werden. Dies ist besonders wichtig in regulierten Branchen, in denen Unternehmen Aspekte wie Genauigkeit, Datenschutz, Sicherheit, geistiges Eigentum, Verzerrung sowie die Einhaltung von Gesetzen, Vorschriften und internen Richtlinien berücksichtigen müssen.
Datenanalyse kann Unternehmen dabei helfen, zu verstehen, was geschehen ist. Vorausschauende Analyse nutzt historische und aktuelle Daten, um abzuschätzen, was als Nächstes wahrscheinlich geschehen wird. Gemeinsam tragen sie zu einer besseren Prognoseerstellung, Kapazitätsplanung, Optimierung der Lieferkette, Kundenbindung und Finanzplanung bei. So kann die vorausschauende Analyse beispielsweise einem Hersteller helfen, Ausfälle von Anlagen vorherzusehen, oder einem Kleinunternehmen, den Cashflow auf der Grundlage von Umsatztrends abzuschätzen.
Computer Vision ermöglicht es KI-Systemen, Bilder und Videos zu interpretieren und aus visuellen Daten aussagekräftige Informationen zu gewinnen. Sie findet Anwendung in der medizinischen Bildgebung, der Qualitätskontrolle in der Fertigung, der Überwachung von Verkaufsregalen im Einzelhandel, der Bearbeitung von Versicherungsansprüchen, der Logistik sowie im Bereich der Arbeitsplatzssicherheit.
KI ist zu einem zentralen Bestandteil der Unternehmensstrategie geworden, da Unternehmen nach Möglichkeiten suchen, sowohl ihre Effizienz als auch ihr Wachstum zu steigern. Zu Beginn lag der Schwerpunkt auf der Automatisierung sich wiederholender Aufgaben. Fortschrittlichere Unternehmen nutzen KI mittlerweile, um Betriebsmodelle neu zu gestalten, neue Produkte zu entwickeln und die Entscheidungsfindung zu verbessern.
Untersuchungen zeigen, dass KI für die Produktivität und den industriellen Wandel zunehmend eine zentrale Rolle spielt. So geben beispielsweise 93 % der Führungskräfte an, dass die KI-Souveränität in ihrer Geschäftsstrategie für 2026 berücksichtigt werden muss, während 53 % davon ausgehen, dass KI die Geschäftsmodelle in ihrer Branche bis 2030 verändern wird. Zudem erwarten sie, dass KI die Produktivität bis 2030 um 42 % steigern wird, wobei 67 % davon ausgehen, dass die meisten durch KI ermöglichten Produktivitätsgewinne bis dahin realisiert sein werden.
Diese Erkenntnisse spiegeln einen allgemeinen Wandel wider: KI im Unternehmensbereich entwickelt sich von der Experimentierphase hin zur praktischen Umsetzung. Unternehmen fragen nicht mehr nur: „Wo können wir KI einsetzen?“ Sie fragen vielmehr: „Wie können wir KI nutzen, um uns einen Wettbewerbsvorteil zu verschaffen und gleichzeitig Kosten, Sicherheit, Vertrauen und Governance im Griff zu behalten?“
Da neue Technologien veröffentlicht werden und bestehende verbessert werden, erweitern sich die Anwendungsmöglichkeiten künstlicher Intelligenz in der Wirtschaft. Hier sind einige Beispiele:
KI wird häufig zur Automatisierung sich wiederholender Aufgaben wie Dateneingabe, Rechnungsabgleich, E-Mail-Klassifizierung, Berichterstellung, Terminplanung, Dokumentenprüfung und Einarbeitung neuer Mitarbeiter eingesetzt. Diese Art der Automatisierung hilft den Mitarbeitern, weniger Zeit mit zeitaufwändigen Aufgaben zu verbringen und sich stattdessen stärker auf wertschöpfendere Tätigkeiten zu konzentrieren.
Moderne, KI-gestützte Automatisierung geht zudem über einzelne Aufgaben hinaus. Tools wie IBM watsonx Orchestrate sollen Mitarbeitern dabei helfen, ihre Arbeit über Anwendungen, Systeme und Teams hinweg zu koordinieren. Anstatt als eigenständiger Chatbot zu fungieren, kann watsonx Orchestrate dazu beitragen, Workflows zu optimieren, indem es Aufgaben, Daten und Geschäftsanwendungen miteinander verknüpft, sodass die Mitarbeiter ihre Arbeit schneller erledigen können.
KI wird im Kundensupport in großem Umfang eingesetzt, um Unternehmen dabei zu unterstützen, schneller zu reagieren, die Servicequalität zu verbessern und die Customer Experience individuell zu gestalten. KI-gestützte Chatbots können häufig gestellte Fragen beantworten, komplexe Anliegen an den zuständigen Mitarbeiter weiterleiten und rund um die Uhr Unterstützung bieten.
Fortgeschrittenere KI-Systeme können Kundenhistorien zusammenfassen, die Stimmung analysieren oder sich in Plattformen für Kundenbeziehungsmanagement (CRM) integrieren lassen. Dies kann die Kundenbindung verbessern, indem es den Mitarbeitern hilft, die Kundenbedürfnisse zu verstehen, bevor sie antworten.
Beispielsweise könnte ein Kundensupportmitarbeiter mithilfe von KI eine prägnante Zusammenfassung der jüngsten Einkäufe eines Kunden, offener Tickets, der Support-Historie und des wahrscheinlichen Grundes für die Kontaktaufnahme mit dem Unternehmen einsehen. Das Ergebnis ist ein schnellerer und relevanterer Support.
Marketingteams nutzen KI-Tools, um Kundendaten zu analysieren, Zielsegmente zu identifizieren, neue Botschaften zu testen, Kampagnenideen zu entwickeln und Marketingstrategien zu optimieren. KI kann Teams dabei helfen, zu erkennen, welche Zielgruppen am ehesten zu einer Konversion führen, welche Kanäle am besten funktionieren und welche Botschaften in den Bereichen E-Mail, Suche, E-Commerce, soziale Medien und LinkedIn besonders gut ankommen.
Generative KI kann die Erstellung von Inhalten unterstützen, indem sie Entwürfe für Produkttexte, Anzeigenvarianten, Social-Media-Beiträge und Kampagnen-Briefings erstellt. Vorausschauende Analysen können dabei helfen, die Kampagnenleistung, den Customer Lifetime Value und die Nachfrage zu prognostizieren. Bei verantwortungsvollem Einsatz hilft KI den Teams, fundiertere, datengestützte Entscheidungen zu treffen.
KI kann Unternehmen dabei unterstützen, ihre Lieferkettenabläufe zu optimieren, indem sie die Nachfrageprognose, die Bestandsplanung, die Logistikroutenplanung, die Überwachung von Lieferantenrisiken und die Preisanalyse verbessert.
Lieferketten sind komplex, und Störungen können durch Wetterbedingungen, geopolitische Ereignisse, Arbeitskräftemangel, Transportverzögerungen oder plötzliche Nachfrageschwankungen verursacht werden. KI-Systeme können interne und externe Datensätze analysieren, um Muster zu erkennen und Maßnahmen zu empfehlen. Beispielsweise kann ein Unternehmen KI einsetzen, um Lieferanten zu identifizieren, bei denen Verzögerungsrisiken bestehen, die regionale Nachfrage zu prognostizieren oder den Lagerbestand neu auszurichten, bevor Artikel ausverkauft sind.
Dies ist besonders wertvoll in Branchen wie dem Einzelhandel, der Fertigungsindustrie, dem Gesundheitswesen und der Konsumgüterindustrie, in denen Nachfrageschwankungen und betriebliche Komplexität sich auf Umsatz, Kosten und Kundenzufriedenheit auswirken können.
KI kann Cybersicherheitsteams dabei unterstützen, Anomalien zu erkennen, verdächtiges Verhalten zu identifizieren, Alerts zu priorisieren, Vorfälle zu untersuchen und schneller auf Bedrohungen zu reagieren.
Da Unternehmen zunehmend Cloud-Services, vernetzte Geräte und KI-Tools einsetzen, müssen Sicherheitsteams ein wachsendes Volumen an Alerts, Ereignissen und Telemetriedaten bewältigen. KI kann dazu beitragen, die Alarmermüdung zu verringern, indem sie ermittelt, welche Ereignisse am ehesten auf ein erhebliches Risiko hindeuten. Zudem kann sie die Betrugserkennung, den Identitätsschutz und das Management von Sicherheitslücken unterstützen.
KI birgt jedoch auch neue Risiken. Mitarbeiter könnten sensible Daten über nicht autorisierte Tools weitergeben, Angreifer könnten generative KI nutzen, um überzeugendere Phishing-Nachrichten zu erstellen, und KI-Modelle selbst können zu Angriffszielen werden. Aus diesem Grund benötigen Unternehmen KI-Governance, Zugriffskontrollen, Überwachungsmaßnahmen und klare Richtlinien für den Einsatz verantwortungsvoller KI.
Softwareentwickler nutzen KI, um Code zu schreiben, Tests zu generieren, Altsysteme zu erklären, APIs zu dokumentieren, Fehler zu beheben und Anwendungen zu modernisieren.
Der Markt verlagert sich von der einfachen Code-Vervollständigung hin zu KI-gestützten Entwicklungssystemen, die einen größeren Teil des Softwareentwicklungszyklus unterstützen. IBM Bob ist beispielsweise ein Tool, das als KI-Entwicklungspartner konzipiert wurde und Teams dabei unterstützt, die Softwarebereitstellung zu planen, zu programmieren, zu testen, zu dokumentieren, zu modernisieren und zu steuern. Es unterstützt die Entwicklungsanforderungen von Unternehmen, wie beispielsweise die Java-Modernisierung, das Verständnis von COBOL- und RPG-Anwendungen, die DevOps-Automatisierung, die richtlinienkonforme Entwicklung sowie Kostentransparenz.
Für große Unternehmen ist diese Modernisierung wichtig, da viele geschäftskritische Systeme nach wie vor auf veraltetem Code und in hybriden Umgebungen laufen. Allgemeine Assistenten für die Codierung können bei gängigen Programmieraufgaben helfen, doch Unternehmen benötigen für komplexe Anwendungslandschaften oft einen tieferen Kontext, Nachvollziehbarkeit, Governance und Unterstützung. IBM Bob wurde entwickelt, um Teams dabei zu unterstützen, die kognitive Belastung zu verringern, die Konsistenz zu verbessern und die Modernisierung voranzutreiben, ohne dabei Abstriche bei der Qualität zu machen.
KI-gestützte Entwicklung kann zur Weiterqualifizierung von Entwicklern beitragen, indem sie den Zugang zu institutionellem Wissen erleichtert. Nachwuchsentwickler können schneller lernen, wenn KI Code erklärt, Dokumentation erstellt und sichere Muster empfiehlt. Erfahrene Entwickler können mehr Zeit für Architektur, Sicherheit und Geschäftslogik aufwenden.
KI wird zunehmend im Finanzwesen und im Backoffice-Bereich eingesetzt, wo große Mengen strukturierter Daten eine Automatisierung praktikabel machen. In Order-to-Cash-Prozessen kann KI beispielsweise die Rechnungsstellung, das Debitorenmanagement, das Inkasso und die Auftragsabwicklung unterstützen, indem sie Ausnahmen identifiziert, Maßnahmen empfiehlt und die Kontrolle verbessert.
Finanzteams können KI zudem für die Budgetierung, Prognosen, die Erkennung von Anomalien, die Unterstützung bei der Compliance sowie die Szenariomodellierung nutzen. Beschaffungsteams können die Leistung von Lieferanten, Vertragsbedingungen, Marktpreise und Ausgabeverhalten analysieren, um Einsparpotenziale zu identifizieren.
Im Gesundheitswesen kann KI die klinische Dokumentation, die Bildauswertung, die Terminplanung für Patienten, die Abrechnungsbearbeitung, die Analyse der Bevölkerungsgesundheit sowie operative Prognosen unterstützen. KI kann helfen, Muster in Patientendaten zu erkennen, doch müssen Unternehmen des Gesundheitswesens strenge Governance-Regeln, Datenschutzmaßnahmen und eine menschliche Aufsicht gewährleisten.
Das Gleiche gilt für das Bankwesen, das Versicherungswesen, den öffentlichen Sektor und andere regulierte Branchen. KI-Lösungen müssen erklärbar, sicher und überprüfbar sein sowie den rechtlichen und ethischen Anforderungen entsprechen.
Bei verantwortungsvollem Einsatz kann KI Unternehmen dabei unterstützen:
Für Teams in kleinen Unternehmen kann KI besonders wertvoll sein, da sie die Kapazitäten erweitern kann, ohne dass dafür große Abteilungen erforderlich sind. Ein kleines Unternehmen könnte KI für Chatbots im Kundenservice, Produktbeschreibungen im E-Commerce, Unterstützung bei der Buchhaltung, CRM-Aktualisierungen, die Planung von Social-Media-Aktivitäten oder Preisanalysen einsetzen.
Trotz der Chancen bringt die Einführung von KI zahlreiche Herausforderungen mit sich.
Mit der zunehmenden Nutzung von KI gewinnt das Kostenmanagement an Bedeutung. Unternehmen sollten Preisgestaltungsmodelle, Nutzungskontrollen und die Messung des ROIs prüfen, bevor sie KI in großem Umfang einführen.
KI-Systeme sind nur so nützlich wie die Daten, auf die sie zugreifen können. Daten von schlechter Qualität, unvollständige oder isolierte Daten können ungenaue Empfehlungen verursachen. Unternehmen benötigen Verfahren zur Data Governance, -integration und -sicherheit, die relevante Daten verfügbar machen und gleichzeitig sensible Informationen schützen.
KI kann sensible Daten offenlegen, wenn die Tools nicht ordnungsgemäß verwaltet werden. Unternehmen sollten prüfen, wo Daten verarbeitet werden, wer Zugriff auf Modelle hat, welche Protokolle aufbewahrt werden und wie von KI generierte Ergebnisse überprüft werden.
Der Einsatz von KI verändert die Art und Weise, wie Menschen arbeiten. Unternehmen sollten ihre Mitarbeiter weiterbilden, damit diese KI-Tools effektiv nutzen können.
Von KI generierte Ergebnisse können ungenau, verzerrt oder unvollständig sein. Unternehmen benötigen Richtlinien, die die zulässige Nutzung von KI, Anforderungen an die Überprüfung durch Menschen, die Modellüberwachung, den Datenschutz und Prüfpfade festlegen.
Der Prozess zur Integration von KI-Tools in die Geschäftsabläufe hängt von den Zielen und dem geschäftlichen Kontext des Unternehmens ab. Zu den Standardprozessen gehören häufig:
Künstliche Intelligenz in Unternehmen entwickelt sich von isolierten Tools hin zu integrierten Betriebsmodellen. Die nächste Phase wird durch KI-Agenten, Orchestrierung, vertrauenswürdige Daten, branchenspezifische Modelle und Governance geprägt, die in die tägliche Arbeit eingebunden sind.
Unternehmen, die mit KI erfolgreich sind, werden über die Automatisierung alter Prozesse hinausgehen und die Arbeit umfassender neu gestalten, wobei sie die sich ergänzenden Stärken von Menschen und KI-Systemen nutzen. KI wird sich verstärkt um routinemäßige Analysen, Koordinationsaufgaben und die Erstellung von Inhalten kümmern, während Menschen für Urteilsvermögen, Kreativität, ethische Kontrolle, Beziehungsmanagement und strategische Ausrichtung sorgen.
Trainieren, validieren, optimieren und implementieren Sie generative KI, Foundation Models und maschinelle Lernfunktionen mit IBM watsonx.ai, einem Studio der nächsten Generation für AI Builder in Unternehmen. Erstellen Sie KI-Anwendungen mit einem Bruchteil der Zeit und Daten.
Setzen Sie KI in Ihrem Unternehmen ein – mit branchenführendem Fachwissen im Bereich KI und dem Lösungsportfolio von IBM an Ihrer Seite.
Erfinden Sie kritische Workflows und Abläufe neu, indem Sie KI einsetzen, um Erfahrungen, Entscheidungsfindung in Echtzeit und den geschäftlichen Nutzen zu maximieren.
1, 2 „The state of AI in 2022—and a half decade in review“. McKinsey & Company. 6. Dezember, 2022
3 „What is artificial intelligence?“. IBM.com
4 “What is natural language processing?“. IBM.com
5 „What is computer vision?“. IBM.com
6 „Generative AI will first be successfully scaled in business operations“. Marie El Hoyek, Curt Mueller, Nicolai Müller. McKinsey & Company. 5. Februar 2024.
7 „What Generative AI Means for Business“. gartner.com.