Die Aktion im Fokus der KI-Leistung

Jedes Quartal scheint ein neues „bestes“ KI-Modell die nächste Phase von Fähigkeiten in den Bereichen Logik, Schreiben und Codierung einzuleiten. Aber es passiert zugleich etwas anderes.

Die Unterschiede der KI-Leistung zwischen den Top-Modellen schrumpfen schnell. Mit der Annäherung der Benchmarks sinken die Preise. Laut Gartner^® werden „LLMs 2030 bis zu 100 Mal kosteneffizienter sein als die ersten 2022 entwickelten Modelle ähnlicher Größe“.¹

Bei einfach zugänglicher Datenintelligenz ist die Ausgereiftheit eines KI-Modells nicht mehr das Alleinstellungsmerkmal.

Der wahre KI-Wert liegt im Unternehmenskontext, der KI in der Realität verankert, in der Governance, die sie schützt, und in der Ausführungsinfrastruktur, die Einblicke in Aktionen verwandelt. KI ohne Workflows ist nur teurer Rat. Der Wettbewerbsvorteil liegt bei Unternehmen, die KI in ihren Workflows einsetzen.

Fragmentierung begrenzt das KI-Potenzial

Unternehmen nutzen häufig Technologie, um getrennte, lokalisierte Probleme zu lösen. KI wächst als unkoordinierter Flickenteppich und wird von verschiedenen Teams in unterschiedlichen Systemen mit unterschiedlichen Regeln und ohne einheitliche Kontrolle erstellt.

Datenplattformen helfen Teams beispielsweise dabei, zu verstehen, was sie haben. Aber jede Aktion, die auf diesen Einblicken basiert, wird in der Regel über ein anderes getrenntes System ausgeführt.

Eigenständige LLMs können zwar komplexe Aktionen vorschlagen, aber sie können sie nicht über mehrere Systeme hinweg orchestrieren. Sie verfügen über keinen dauerhaften Speicher und haben keine Verbindung zu den Systemen, in denen die Arbeit stattfindet.

KI-gestütztes Prototyping oder Vibe-Coding macht die Entwicklung schnell und auch für nicht-technische Mitarbeiter zugänglich. Doch Prototypen schaffen keinen Mehrwert für Unternehmen. Dieser entsteht vielmehr durch die Einbeziehung vielfacher Iterationen, die auf jahrzehntelanger gesammelter Business Intelligence basieren, von Genehmigungen über Servicelevel-Vereinbarungen bis hin zu eingebetteten gesetzlichen Kontrollen.

Selbst KI-Agenten haben Grenzen. Eine nicht kontrollierte Ausführung schafft Risiken, sodass Unternehmen die Bereitstellung auf vertrauenswürdige, isolierte Umgebungen beschränken. KI wird auf bestehende Anwendungen aufgesetzt und als flache Datenintelligenz über nicht vernetzte Daten gelegt.

Neue Technologien wie diese haben das Potenzial für Produktivitätssteigerungen, aber isoliert lösen sie keine komplexen Probleme. Selbst die leistungsfähigste konversationsfähige KI kann keine Diskrepanzen einer systemübergreifenden Gehaltsabrechnung beheben oder einem Mitarbeiter über fünf Systeme hinweg, die jeweils eine eigene Genehmigungskette haben, die erforderlichen Daten bereitstellen.

Das neue Alleinstellungsmerkmal: ein Plattformansatz

Die meisten Unternehmen setzen KI auf Infrastrukturen auf, die nicht für sie entwickelt wurden. Der KI-Reifeindex für Unternehmen 2026 von ServiceNow belegt, dass nur 16 % der Unternehmen weltweit fragmentierte Systeme durch eine integrierte Plattform ersetzen.

Um zum nächsten Kapitel der Unternehmens-KI überzugehen, müssen Führungskräfte überlegen, wie sie Einblicke sicher und unternehmensweit in Aktionen umsetzen können. Dies erfordert:

• Unternehmenskontext, um KI in der Realität zu verankern
• Integrierte Governance für sichere Bereitstellungen
• Ausführungsinfrastruktur für End-to-End-Prozessautomatisierung

Eine KI-Plattform führt Daten, KI, Workflows und Sicherheit an einem Ort zusammen. So können Unternehmen KI-Anwendungen effizient bereitstellen und verwalten, anstatt auf unzusammenhängende Punktlösungen zuzugreifen. Es ist der Unterschied zwischen universell einsetzbarer KI, die Einzelpersonen unterstützt, und eingebetteten, kontrollierten KI-Agenten, die ein Unternehmen voranbringen.

Das Potenzial ist riesig. Wenn KI-Agenten sicher in Workflows eingesetzt werden, können sie Ihren Mitarbeitern alltägliche Routineaufgaben abnehmen und ihnen die Autonomie zurückgeben, die Aufgaben zu erledigen, für die sie eigentlich eingestellt wurden.

Ärzte können schnell klinische Notizen erstellen und haben mehr Zeit für die Patientenversorgung. Sicherheitsanalysten können die Sichtung von Warnungen automatisieren und sich auf die Weiterbildung von Mitarbeitern in der Cybersicherheit konzentrieren. KI hilft, einen größeren Mehrwert zu schaffen, und die Arbeit wird menschlicher.

Mehrwert mit einem AI Control Tower

Erweiterte Autonomie erfordert ein neues Maß an Kontrolle. Sie können einem autonomen Personal nicht ungesteuerten Zugriff auf Ihre Systeme erlauben. Sie benötigen eine Möglichkeit, Leistung und Risiken über eine einzige Steuerungsebene zu verwalten. Das ist der Wert von ServiceNow als AI Control Tower für die Neuerfindung von Unternehmen.

Seine Architektur umfasst vier miteinander verbundene Fähigkeiten: Erkennen, Entscheiden, Handeln und Absichern. Zusammen bilden sie die Grundlage, um KI skalierbar arbeiten zu lassen. Hier ist eine Übersicht, die auf dem ServiceNow-Blueprint für agentenbasiertes Business basiert.

Erkennen: Die meisten LLMs werden anhand von Daten aus dem Internet trainiert, aber KI benötigt den Unternehmenskontext, um Ihr Unternehmen zu verstehen. Die ServiceNow® AI Platform verbindet mehr als 350 Systeme, vom Enterprise Resource Planning (ERP) bis zum Customer-Relationship-Management (CRM), um Ihre Daten in Echtzeit zu kontextualisieren. So erhalten KI-Agenten einen umfassenderen Überblick über Clouds und Assets, um zu erfahren, was vorhanden ist, wie die Komponenten vernetzt sind und was sie dem Unternehmen bieten.

Entscheiden: Die Entscheidungsfindung auf Unternehmensebene kann nicht auf probabilistischem Rätselraten basieren. Um einen sicheren Mehrwert zu schaffen, müssen KI-Modelle die Entscheidungsfindung an bestimmten Geschäftsregeln, Richtlinien und Informationen ausrichten. Die Kontext-Engine wurde entwickelt, um diese organisatorische Intelligenz bereitzustellen und die Beziehungen zwischen Ihren Mitarbeitern, Richtlinien, Systemen, Assets und früheren Entscheidungen abzubilden. So kann sie ermitteln, was in dem Moment relevant ist, in dem ein KI-Agent Entscheidungen trifft und handelt. Das Ergebnis ist ein auditfähiges, vorhersehbares Verhalten, das die Qualität der von Führungskräften getroffenen Entscheidungen emuliert.

Handeln: Eine autonomous Workforce aus KI-Spezialisten kann End-to-End-Prozesse über IT, HR und Kundenservice hinweg ausführen, von der automatischen IT-Lösung bis hin zur Aktualisierung von CRM-Datensätzen. Wenn kein sofort einsatzbereiter KI-Spezialist oder agentenbasierter Workflow vorhanden ist, können Teams neue KI-Agenten entwickeln, die auf bestimmte Geschäftsfunktionen zugeschnitten sind.

Absichern: Zum Zeitpunkt der Aktion müssen Kontrollen angewendet werden, damit jedes KI-System sowohl interne Richtlinien als auch externe Vorschriften einhalten kann. Wenn ein KI-Agent unerwartete Handlungen ausführt, können Sie ihn unterbrechen, umleiten oder stoppen.

Die KI-Landschaft entwickelt sich rasant, und Datenintelligenz ist reichlich vorhanden. Im nächsten Schritt müssen Unternehmen diese Intelligenz mit Geschäftskontext, Ausführungsinfrastruktur und Governance ausstatten. Diese müssen integriert und nicht nur aufgesetzt werden.

Erfahren Sie, wie ServiceNow Ihrem Unternehmen zur vollen Kontrolle über die KI verhelfen kann.

¹ Gartner Pressemitteilung. Gartner prognostiziert, dass bis 2030 das Durchführen von Rückschlüssen auf einem LLM mit 1 Billion Parametern Anbietern von generativer KI über 90 % weniger kosten wird als im Jahr 2025, 25. März 2026.

GARTNER ist eine Marke von Gartner, Inc. und/oder den Tochterunternehmen des Unternehmens.