In dieser Knowledge Session spricht Colin Nelson mit zwei Branchenexperten darüber, wie Unternehmen KI heute in der Praxis bewerten, steuern und erfolgreich einsetzen.
Was braucht es, damit aus KI-Experimenten erfolgreiche Anwendungen werden?
Colin Nelson moderierte eine Diskussionsrunde mit zwei Praktikern, die KI-Initiativen in ganz unterschiedlichen Unternehmenskontexten verantworten:
Auf Basis ihrer Erfahrungen in komplexen, international agierenden Unternehmen berichteten sie, wie sie KI jenseits des Hypes in die Praxis bringen – von der Identifizierung geeigneter Anwendungsfälle über erste Experimente bis hin zu Governance, Unternehmenskultur und der Skalierung erfolgreicher Ansätze.
Statt bei theoretischen Überlegungen zu bleiben, ging es in der Session darum, was passiert, wenn Unternehmen KI tatsächlich einsetzen: Wo entstehen Herausforderungen? Woran scheitern Projekte? Und was braucht es, damit aus ersten Experimenten konkrete Ergebnisse werden?
Diese Zusammenfassung bietet Ihnen einen kompakten Überblick über die wichtigsten Erkenntnisse. Wer tiefer einsteigen möchte, findet in der vollständigen Knowledge Session weitere Diskussionen, Praxisbeispiele und Tipps.
Viele Unternehmen beschäftigen sich heute intensiv mit Künstlicher Intelligenz. Pilotprojekte laufen, Teams sammeln erste Erfahrungen, Tools werden in unterschiedlichsten Unternehmensbereichen getestet.
Die eigentliche Herausforderung beginnt jedoch danach: Wie gelingt der Schritt von ersten Experimenten zu einem erfolgreichen Einsatz im Unternehmensalltag?
Einige Muster treten dabei immer wieder auf:
Es entstehen zwar interessante Anwendungsfälle – doch diese sind nicht immer mit strategischen Zielen oder messbarem Mehrwert verknüpft.
Angesichts der vielen Möglichkeiten fällt es Unternehmen schwer zu entscheiden, was skaliert, was gestoppt und was wirklich relevant ist.
Bedenken rund um Daten, Risiken und Compliance schaffen Hürden – insbesondere in einem regulierten Umfeld.
Ohne sichtbare Ergebnisse läuft KI Gefahr, zu einer weiteren Initiative zu werden, die Interesse weckt, aber keinen echten Nutzen stiftet.
Wie Colin Nelson in der Session betonte, ist KI nicht einfach nur ein weiteres Innovationsthema. Sie entwickelt sich schneller, ist leichter zugänglich und verbreitet sich rasant in Organisationen.
Gerade deshalb braucht es klare Strukturen, gemeinsame Leitplanken und eine klare Richtung. Denn KI-Initiativen scheitern selten an der Technologie – sie geraten ins Stocken, wenn aus ersten Experimenten keine konsequente Umsetzung wird.
Eine der größten Veränderungen derzeit: Immer mehr Unternehmen verlagern ihren Fokus – weg von allgemeinen Diskussionen über KI hin zu konkreten, überprüfbaren Anwendungsfällen.
Gavin McClafferty von Subsea7 beschrieb, wie sein Unternehmen diesen Wandel gestaltet hat. Statt mit einer starren Strategie zu starten, konzentrierte sich das Team zunächst darauf, zu verstehen, was für das Unternehmen tatsächlich relevant ist.
Dabei arbeiteten sie eng mit der Führungsebene zusammen, um die größten Herausforderungen der Teams zu identifizieren – danach wurden diese in konkrete KI-Anwendungsfälle übersetzt. Ergänzend startete Subsea7 eine unternehmensweite Kampagne, um Ideen aus der gesamten Organisation zu sammeln.
Die Resonanz ließ nicht lange auf sich warten.
Von überall gingen Ideen ein – aus Engineering, Supply Chain, HR und vielen weiteren Unternehmensbereichen. Die Beteiligung übertraf alles, was das Team zuvor erlebt hatte. Noch wichtiger war jedoch: Es entstand eine Pipeline konkreter Anwendungsfälle, die auf realen Problemen statt auf abstrakten Konzepten basierten.
Von diesem Zeitpunkt an wurde der Prozess deutlich strukturierter.
Dieser Ansatz erleichterte den Übergang von ersten Ideen zur praktischen Umsetzung.
John Toon von HLB International beschrieb eine ähnliche Entwicklung. In seinem Unternehmen wollte man anfangs so viele Optionen wie möglich gleichzeitig testen. Das war allerdings kein tragfähiger Ansatz, wie sich schnell zeigte.
Der Fokus verlagerte sich stattdessen sukzessive auf gezielte Experimente:
So entstand ein Ansatz, der gerade in stark regulierten und risikoscheuen Organisationen nicht selbstverständlich ist.
Das Ergebnis: bessere Anwendungsfälle, bessere Entscheidungen.
KI ist kein abstraktes Zukunftsthema mehr. Sie wird zu einem Werkzeug, mit dem Unternehmen konkrete Anwendungsfälle testen, validieren und gezielt weiterentwickeln können.
Viele Gespräche über KI beginnen mit Effizienz: schnellere Prozesse, geringere Kosten, weniger manuelle Arbeit.
Diese Vorteile sind real. Doch bei weitem nicht die wichtigste Veränderung.
In der Diskussion wurde deutlich, dass KI Dinge ermöglicht, die bisher schlicht nicht möglich waren.
Gavin McClafferty erläuterte am Beispiel von Subsea7, wie KI dort den Zugang zu Daten grundlegend verändert hat. Wie viele Unternehmen verfügt auch Subsea7 über enorme Datenmengen, die auf verschiedene Systeme verteilt sind. In der Vergangenheit konnte jedoch nur ein kleiner Teil dieser Informationen tatsächlich für Entscheidungen genutzt werden.
KI verändert das.
Statt Informationen manuell zu suchen, zusammenzuführen und auszuwerten, können Teams heute:
:
Gavin McClafferty erläuterte anhand eines Beispiels, dass Engineering-Daten, deren Analyse bislang sehr zeitaufwendig war, nun direkt ausgewertet werden konnten. So konnten Teams ähnliche frühere Projekte, relevante Experten und wichtige Erkenntnisse nahezu in Echtzeit identifizieren.
Das ist nicht einfach nur schneller – es verändert die Art und Weise, wie Entscheidungen getroffen werden.
John Toon beschrieb einen ähnlichen Wandel bei HLB International. Aufgaben, die früher Tage dauerten – etwa die Recherche zu einem neuen Kunden oder das Verständnis einer unbekannten Branche –, lassen sich heute innerhalb weniger Minuten erledigen. Und das in einer Tiefe, die bislang kaum möglich war.
Inzwischen geht die Entwicklung noch einen Schritt weiter:
Die Folge: enorme Zeitersparnis.
Aufgaben, die früher die Abstimmung zwischen Menschen, Tools und Systemen erforderten, lassen sich heute in einem Bruchteil der Zeit erledigen – mit deutlich weniger Aufwand.
Doch damit steigt auch die Messlatte. Unternehmen konkurrieren heute nicht mehr darum, ob sie KI einsetzen, sondern wie effektiv sie sie nutzen, um Erkenntnisse zu gewinnen, bessere Entscheidungen zu treffen und schneller zu handeln.
Die größte Herausforderung bei KI ist nicht die Technologie, sondern wie Menschen auf damit verbundene Veränderungen reagieren.
In Organisationen reichen die Reaktionen von großer Begeisterung über vorsichtigen Optimismus bis hin zu offenem Widerstand.
Gavin McClafferty von Subsea7 betonte, dass Unternehmen diese Reaktionen nicht ignorieren dürfen. Viele Menschen versuchen, einen Wandel zu verstehen, der schneller verläuft als alles, was sie bisher erlebt haben. Die Aufgabe von Führungskräften besteht nicht nur darin, die Einführung von KI voranzutreiben, sondern die Beschäftigten auf diesem Weg mitzunehmen – mit Klarheit und ohne Ängste zu schüren.
Andernfalls gerät der Fortschritt ins Stocken.
Hinzu kommt eine ganz persönliche Sorge, die viele Menschen beschäftigt:
Wenn KI Teile meiner Arbeit übernehmen kann – was passiert dann mit mir?
John Toon sprach das Thema bei HLB International offen an. In vielen Bereichen kann KI bereits heute große Teile prozessgetriebener Aufgaben übernehmen. Diese Realität zu ignorieren, schützt keine Arbeitsplätze. Es verzögert lediglich den Zeitpunkt, an dem Veränderungen unausweichlich werden.
Entscheidend ist deshalb, wie Menschen sich anpassen.
Dieses Muster ist nicht neu. Technologien verändern seit Jahrzehnten Aufgaben und Arbeitsweisen. Neu sind die Geschwindigkeit und Sichtbarkeit dieses Wandels.
Genau deshalb wird Unternehmenskultur entscheidend.
Wie Gavin McClafferty hervorhob, müssen Unternehmen ein Umfeld schaffen, in dem Menschen mit KI experimentieren, lernen und Vertrauen aufbauen können. Es reicht nicht aus, die Technologie einfach bereitzustellen. Sie sollen verstehen, wo KI tatsächlich hilft – und wo nicht.
Denn die Einführung von KI ist nicht nur ein technischer Rollout. Sie erfordert auch ein Umdenken.
Ohne ein Umdenken und ohne kulturellen Wandel fällt es selbst den besten Initiativen schwer, nachhaltig erfolgreich zu sein.
Um KI in echten Mehrwert zu verwandeln, braucht es mehr als gute Ideen. Wichtig ist, wie Unternehmen diese Ideen strukturieren, steuern und Schritt für Schritt weiterentwickeln.
In der Diskussion wurde deutlich: Erfolgreiche Unternehmen behandeln KI nicht als Nebenprojekt. Sie schaffen gerade genug Strukturen, um schnell voranzukommen – ohne die Kontrolle zu verlieren.
Bei Subsea7 beschrieb Gavin McClafferty ein Modell, das Flexibilität und Kontrolle in Einklang bringt. Ein kleines Kernteam arbeitet bereichsübergreifend, vernetzt unterschiedliche Funktionen, erschließt Daten und treibt Initiativen voran. Unterstützt wird es von einer größeren Gruppe von Stakeholdern, die Chancen bewertet und priorisiert.
So entsteht beides:
Ideen werden nicht alle gleich behandelt. Sie werden getestet.
Dieser "Fail fast, learn fast“-Ansatz reduziert Risiken und erhält gleichzeitig die Dynamik.
John Toon betonte bei HLB International einen ähnlichen Bedarf an Struktur – insbesondere in dezentral aufgestellten Organisationen. Wenn mehrere Teams mit unterschiedlichen Reifegraden zusammenarbeiten, kommt es weniger auf strikte Kontrolle als auf klare Leitplanken an.
Dazu gehören:
Das Ziel ist nicht, alles zu standardisieren. Es geht darum, schneller bessere Entscheidungen zu treffen.
Auch Governance spielt dabei eine entscheidende Rolle – nicht als Blockierer, sondern als Filter. Erfolgreiche Unternehmen:
Denn ohne diese Abstimmung schaffen es selbst starke Ideen oft nicht über die Pilotphase hinaus.
In der Praxis zeigt sich immer wieder:
Diese Bausteine wirken nicht isoliert – sie greifen ineinander und verstärken sich gegenseitig.
Erst wenn sie zusammenspielen, wird aus einzelnen KI-Initiativen eine Strategie, auf der Unternehmen aufbauen können.
Fehlt dieses Zusammenspiel, bleiben viele Projekte reine Insellösungen.
Gelingt es, können Unternehmen schneller handeln, bessere Entscheidungen treffen und erfolgreiche Experimente gezielt weiterentwickeln.
Der Schlüssel liegt darin, Anwendungsfälle, Governance, Experimente und Mitarbeitende von Anfang an aufeinander abzustimmen.
Identifizieren Sie wenige wirkungsvolle Anwendungsfälle mit konkretem Geschäftsbezug.
Schaffen Sie Transparenz über KI-Initiativen, um Doppelarbeit und fehlende Abstimmung zu vermeiden.
Testen Sie Ideen zügig mit Proofs of Concept, bevor Sie Ressourcen binden.
Definieren Sie einen klaren Weg vom Experiment bis zur Produktreife
Beziehen Sie funktionsübergreifende Stakeholder frühzeitig ein.
Etablieren Sie einfache Governance-Grundsätze für Daten, Risiken und Entscheidungsfindung
Investieren Sie in Schulungen, damit Teams KI effektiv einsetzen können
Machen Sie Ergebnisse sichtbar, um Dynamik und Akzeptanz zu fördern.
Wenn Sie Unterstützung bei der Planung Ihrer Innovationsaktivitäten benötigen – etwa bei der Priorisierung von Initiativen, der Transparenz Ihres Innovationsportfolios, der Einbindung von Stakeholdern oder dem strategischen Zuhören, unterstützt Sie HYPE mit einer kostenlosen Beratung und einem kompakten Innovation Management Assessment. Gemeinsam bewerten wir den Reifegrad Ihrer Organisation und identifizieren die nächsten sinnvollen Schritte.