AI-Native Company: Warum KI obendrauf nicht reicht

Fast jedes Unternehmen nutzt heute ChatGPT oder betreibt einen kleinen Chatbot. Für den Wettbewerb von morgen reicht das nicht. Wer vorne bleiben will, muss die Unternehmensarchitektur selbst neu denken.

Die Wirtschaftsgeschichte der letzten 100 bis 200 Jahre folgte der Prämisse, dass Wachstum menschliche Skalierung erfordert. Mehr Umsatz bedeutete mehr Vertrieb, mehr Verwaltung, mehr Management. Wissen lag in den Köpfen einzelner Personen, und um es zu verteilen, entstanden Hierarchien und Bürokratie. Großkonzerne sind das logische Endprodukt dieser Denkweise. Eine AI-Native Company bricht mit diesem Dogma: Nicht mehr Personal vervielfacht die Arbeit, sondern Technologie vervielfacht die Produktivität. Wachstum ist von Anfang an vom Personalaufbau entkoppelt.

 

Warum viele Großunternehmen nur Pflastermanagement betreiben

Etablierte Unternehmen leiden häufig unter struktureller Schwerfälligkeit: Daten liegen in Silos, Verträge in PDFs, Absprachen versanden in Postfächern. Wird KI in diese Struktur einfach eingeführt, entsteht meist nur Pflastermanagement. Ein Mitarbeiter spart 20 Minuten beim Formulieren eines Texts, die Wertschöpfungskette selbst verändert sich dadurch nicht. Klassische Effizienzgewinne im Prozentbereich reichen dafür nicht aus. Es braucht Produktivität, die sich selbst trägt und dadurch Spielraum für neue Investitionen in Innovation schafft. Genau darauf zahlt eine veränderte Unternehmensarchitektur ein. AI-Native Companies erreichen das durch eine andere Kernphilosophie, mit der sie eher wie ein lebendiger Organismus funktionieren als ein klassisches mit Software in den Prozessen unterstütztes Unternehmen.

 

Die operative Welt: Daten entstehen digital, statt nachträglich digitalisiert zu werden

Der fundamentale Fehler klassischer Betriebe sind rauschbehaftete Medienbrüche, also Excel-Listen, Word-Dokumente, oder PDFs, die hin- und hergeschickt werden. Wird KI zusätzlich in diese Struktur eingeführt, muss sie jedes dieser Dokumente auslesen und interpretieren. Dabei gehen zwangsläufig Informationen verloren. Eine AI-Native Company eliminiert dieses Problem an der Wurzel: Statt mit Word, Excel und ähnlichen Formaten zu arbeiten, entsteht eine maßgeschneiderte digitale Anwendung für alle Daten, egal welcher Art. Daten werden nicht nachträglich digitalisiert, sondern entstehen von Anfang an in maschinenlesbarer Form. Prozesse werden nicht dokumentiert, sondern von Tag eins an digital gesteuert. Eine PDF-Datei, die aus rechtlichen Gründen entstehen muss, wird dann nur noch eine automatisch generierte Begleiterscheinung, nicht mehr Ausgangspunkt für manuelle Arbeit.

 

Die Wissenswelt: zentrale Intelligenzebene statt Intranet

Neben der operativen Welt braucht eine AI-Native Company eine zentrale Wissensebene. Technologisch stützen sich solche Unternehmen auf hochskalierbare Daten- und KI-Plattformen, etwa Snowflake AI. Dort fließen Daten aus Backoffice, Vertrieb und Marketing rauschfrei und in Echtzeit an einem einzigen Ort zusammen und werden semantisch erschlossen, das System versteht also Bedeutung und Zusammenhänge. Das ist das genaue Gegenteil verteilter Informationen in Dateien und Mailpostfächern und die Grundlage dafür, dass KI-Agenten überhaupt zuverlässig arbeiten können.

 

Agenten-Ökosysteme statt isolierter Chatbots

Ist das Unternehmenswissen an einem Ort zentral und rauschfrei erfasst, lassen sich spezialisierte KI-Agenten einsetzen, also ganze Agenten-Ökosysteme statt isolierte Chatbots. Ein Beispiel: Ein Agent für Content-Marketing greift auf den Redaktionsplan zu, holt sich Produktinformationen und technische Spezifikationen sowie die hinterlegte Brand Voice, verfasst daraus einen neuen Blogartikel, legt ihn zentral ab und gibt ihn automatisch in die Freigabe. Der entscheidende Punkt: Die gesamte Wertschöpfung wird zentral ausgelöst, alle nötigen Informationen liegen durch die zentrale Datenhaltung bereits vor, und der Prozess läuft fast vollständig autonom.

 

Auch etablierte Unternehmen können umbauen

Ein DAX-Konzern oder ein großer Mittelständler kann seine IT-Infrastruktur nicht von einem Tag auf den anderen einreißen. Trotzdem gibt es strategische Wege, abhängig von Ausgangslage und Zielbild:

• Mehrstufige Migration: Prozesse analysieren, Status quo erfassen, Zielbild formulieren und schrittweise auf eine maschinenlesbare Architektur umstellen.
• Radikale Ausgründung: Ein neues, AI-native aufgesetztes Startup als eigenständige Einheit, losgelöst von der gewachsenen Infrastruktur.

Beide Wege sind anspruchsvoll und erfordern Mut auf der Führungsebene. Auf mittlere Sicht ist der Umbau jedoch eine Frage des Überlebens: Arbeitet die Konkurrenz bereits AI-native, erreicht sie eine Geschwindigkeit, die mit klassischen menschlichen Koordinationsschleifen nicht mehr einzuholen ist. Wer diesen Engpass erst bemerkt, wenn er ihn spürt, ist meist schon vom Markt abgehängt.

 

Unser Fazit für Entscheider

Das Ziel darf nicht mehr sein, ausschließlich KI-Tools einzukaufen, um bestehende Prozesse zu beschleunigen. Gefragt ist ein grundlegendes Umdenken der Unternehmensarchitektur:

• Prüfen Sie, an welchen Stellen Daten noch nachträglich digitalisiert statt von Anfang an maschinenlesbar erfasst werden.
• Bündeln Sie Wissen aus Backoffice, Vertrieb und Marketing zentral, statt es in Dateien und Postfächern verteilt abzulegen.
• Denken Sie in Agenten-Ökosystemen statt in einzelnen Chatbot-Anwendungen, wenn Prozesse wirklich autonom laufen sollen.

Beginnen Sie heute damit, Ihre Prozesse rauschfrei und agentenfähig umzubauen, werden Sie dem Wettbewerb voraus sein und können den ein oder andern Mitbewerber dauerhaft abhängen.

Wenn Sie für die Umsetzung einen Partner suchen, beraten wir Sie gerne.

 

 

Transcript

Anke: Herzlich willkommen zu KI fürs Business mit Andreas Schrade und Anke Precht. Heute schauen wir genauer auf deine Unternehmensarchitektur. Fast jede Firma nutzt ja heute Chat -GPT oder baut kleine Chatbots. Aber mein Kollege Andreas behauptet, das ist meistens nur digitale Kosmetik. Wer in den nächsten Jahren im Wettbewerb vorne sein will, sollte die Idee der AI Native Company verstehen und verfolgen. Andreas, du bist da, also lass uns gleich einsteigen. Warum reicht es dafür nicht, KI als Tool obendrauf zu satteln?  

Andreas: Also wir erleben ja aktuell einen historischen Paradigmenwechsel. Also die gesamte Wirtschaftsgeschichte der letzten, ja. 100, 200 Jahre, basierte ja eigentlich auf einer einfachen Prämisse. Wachstum erfordert immer menschliche Skalierung. Und mehr Umsatz bedeutete linear mehr Verkäufer, mehr Verwaltung, mehr Management. Und das Wissen, womit dieses Unternehmen betrieben wurde, lag in den Köpfen einzelner Personen. Um dieses Wissen zu verteilen, mussten wir Hierarchien und damit auch Bürokratie bauen. Großkonzerne sind letztendlich das logische Endprodukt dieser Denkart. Eine AI -Native -Company bricht mit diesem Dogma. Früher brauchte man viele Menschen, um Arbeit zu vervielfachen. Heute vervielfacht die Technologie die Produktivität. Und der Wachstum wird vom Personalaufbau entkoppelt.

Anke: Aus systemischer Sicht ist das wirklich extrem disruptiv, also komplett anderes Zeitalter. Organisationen sind ja lebende Systeme, die sich erstmal gegen radikale Veränderungen wehren, die also irgendwie auch so bleiben wollen, wie sie sind. Wenn ich mir Großkonzerne anschaue, versuchen die ja gerade krampfhaft KI in ihre bestehenden Abteilungen zu pressen. Und wenn ich dich richtig verstehe, Andreas, ist das eigentlich falsch?

Andreas: Großkonzerne leiden unter struktureller Schwerfälligkeit. Also ihre Daten liegen in Silos, Verträge hängen in PDFs, Absprachen sterben in irgendwelchen Outlook -Postfächern. Und wenn sie nun KI einführen, dann machen sie oft nur ein Pflastermanagement. Also ein Mitarbeiter spart durch ein Tool 20 Minuten beim Texten, aber letztendlich verändert das nicht die Wertschöpfungskette. Und genau das ist jetzt nötig. Es gibt einen Nobelpreisträger für Ökonomie, Paul Krugmann, und der hat einmal gesagt, Produktivität ist nicht alles. Aber auf lange Sicht ist sie fast alles. Denn bei der Produktivität geht es jetzt um mehr als nur Kosteneinsparungen oder Effizienz. Es geht darum, selbstfinanzierende Mechanismen zu schaffen, die Investitionen in Innovation ermöglichen, die dann wiederum Wachstum und Wohlstand fördern. Und ja, klassische Konzerne optimieren die Produktivität. in der Regel im Prozentbereich. Bei AI -Native Companies verändert sich die Kostenkurve durch eine völlig neue Kernphilosophie. Also sie denken nicht in Software, sondern wir sollten sie eher als ein lebendiger Organismus aus der Welt betrachten. Einerseits dieser operativen Welt und andererseits der eigentlichen Wissenswelt.

Anke: Als Psychologin fasziniert mich die Idee des lebenden Organismus eines Unternehmens natürlich schon. Und da öffnen sich gerade zwei ganz unterschiedliche Spezies, die alte und die neue. Lass uns das ein bisschen dekonstruieren und einfach machen. Du unterscheidest gerade zwischen der operativen Welt und der Wissenswelt. Bei KI denken wir ja ursprünglich erstmal an Wissen, also wir kriegen Informationen. Was passiert denn in der operativen Welt einer AI -Native -Company anders als im klassischen Backoffice eines Unternehmens?

Andreas: Also der fundamentale Fehler im klassischen, ursprünglichen Betrieb ist, ist etwas, was ich ja rauschbehaftete Medienbrüche nenne. Also es werden Excel -Listen gepflegt, es entstehen Word -Dokumente, es werden PDFs hin und her geschickt und würde man nun recht oberflächlich KI in diesen Betrieb einführen, dann müsste die KI versuchen, jedes dieser Dokumente, die im Umlauf zirkulieren, automatisch zu parsen, also auszulesen und zu interpretieren. Und dadurch entstehen natürlich immer Informationsverluste. Und eine AI Native Company verfolgt einen Ansatz, der genau dieses Problem an der Wurzel eliminiert. Also anstelle nun mit diesen klassischen Tools wie Word, Excel und Code zu arbeiten, baut eine moderne Company eine maßgeschneiderte digitale Anwendung. Also Daten werden dann nicht mehr nachträglich digitalisiert von der KI, sondern die Daten entstehen direkt ideal in einer digitalen Form. Prozesse werden damit nicht nur dokumentiert, sie werden direkt von Tag 1 an digital gesteuert und jedes dieser Interaktionen ist damit auch maschinenlesbar modelliert.

Anke: Das heißt, der Mensch füttert keine Systeme mehr, sondern das System erfasst das Verhalten im Moment, wo es passiert? Klingt für mich noch abstrakt. Sag mir bitte… wie ich mir das konkret vorstellen kann.

Andreas: Genau, also angenommen, du besitzt ein Unternehmen und dieses Unternehmen produziert etwas, es gibt damit einen Produktionsprozess. Bislang werden alle Vorgänge, also diese einzelnen Schritte der Produktion, in Excel -Dateien gepflegt oder es werden Berichte geschrieben aus rechtlichen Gründen in Word -Dateien. Das heißt, es gibt… Irgendwo ein Menschen, der sagt, ich pflege händisch, manuell diese Unterlagen in einem dieser klassischen Dateiformate wie Excel oder Word. Und wenn wir dann nun sagen, gut, lass uns KI einführen, dann funktioniert das zwar, weil nun die KI auf diese Dateien zugreifen kann und zugreifen muss, aber eben dadurch, dass diese Formate noch aus der alten Ära stammen, kann die KI nicht ohne Verluste, ohne Informationsverluste, ohne Interpretationsschwierigkeiten all diese Informationen auswerten. Bei einem AI -Native -Ansatz denken wir genau von der anderen Seite kommend. Also wir priorisieren, dass die KI diese Daten direkt, maschinell, ideal, lesbar erfassen kann. Und damit entsteht eine eigenständige, dedizierte Software, die präzise den Prozess abbildet, also etwa in einem dedizierten Backoffice, in dem sich alle Daten befinden ohne Rauschen und ohne jegliche Verluste. Das heißt, wenn wir jetzt sagen, wir haben einen Produktionsprozess und es müssten an einem gewissen Zeitpunkt Dateien entstehen oder PDF -Dateien entstehen aus rein rechtlichen Gründen, dann ist es von nun an nur noch eine Begleiterscheinung. Also die Datei, die benötigt wird, wird dann von der Maschine generiert, aber es wird nicht mehr von Menschen geschrieben und anschließend von der KI ausgelesen. Also wir erfassen von Tag 1 an alle Daten in einer 100 % perfekt maschinell lesbaren Variante. Nur so bekommen wir bestmögliche KI -Unterstützung. Wenn ich jetzt überlege, wie viel Zeit schon Einzelunternehmer damit verbringen, irgendwelche Datensätze zu suchen, zu übertragen, Sachen zu schreiben, die dann irgendwo abzuspeichern, in andere Formate zu speichern. 

Anke: Das klingt nach paradiesischen Zuständen, aber auch danach, als würdest du, wenn du den Auftrag hättest, aus meinem Business jetzt zum Beispiel eine AI -Native Company zu machen. Erstmal alles vom Kopf auf die Füße oder von den Füßen auf den Kopf stellen, oder? Das heißt erstmal viel Umbau.

Andreas: Ganz genau. Also es gilt zuerst einmal die Prozesse zu analysieren, den Status Quo zu erfassen, ein Zielbild zu formulieren, aber es benötigt in jedem Fall einen Migrationsschritt. 

Anke: Okay. Und gleichzeitig habe ich danach… unfassbar viel Zeit gespart und wahrscheinlich auch viele Verluste an Dingen, die nicht auffindbar sind oder in irgendwelchen alten Versionen gefunden werden. Du hast außerdem noch von dieser Wissenswelt gesprochen. Damit ist nicht das verstaubte Intranet oder der Sharepoint gemeint, richtig? Genau, denn das wäre wieder die alte Welt. Also die Wissenswelt ist die die zentrale Intelligenzebene. Technologisch nutzen AI -Native Companies zum Beispiel hochskalierbare Daten und KI -Plattformen wie beispielsweise Snowflake AI. Hier fließen diese Daten rauschfrei aus dem Backoffice, dem Vertrieb, dem Marketing in Echtzeit an einem einzigen Ort zusammen. Das Wissen wird dann dort semantisch erschlossen. Das heißt, das System versteht die Bedeutung, die Zusammenhänge der Daten. Alle Daten aus allen Bereichen befinden sich dann zentral an einem Ort und sind für die KI vollumfänglich verwertbar. Und das ist genau das Gegenteil von dem am Anfang beschriebenen Szenario, wo Informationen in Dateien, Mailpostfächern und Co. verteilt sind.

Anke: Das klingt so… unfassbar praktisch, aber auch anders, dass ich mir vorstellen kann, dass Unternehmer, die jetzt gerade mit ChatGPT oder vielleicht auch Cloud arbeiten, ein bisschen den Kopf schütteln und denken so, wow, wie ist das überhaupt jetzt schon möglich? Aber es ist ja jetzt schon möglich. Und psychologisch gesehen beschreibst du Auf digitaler Ebene den Übergang von einer Ansammlung einzelner Individuen zu einer kollektiven lernenden Intelligenz, die in so einem Unternehmen tätig wird. In einem klassischen Unternehmen fehlt die Verknüpfung.

Anke:  Was fange ich aber jetzt operativ mit dieser Wissenswelt an? Also wie wird das genau? benutzt und wem nutzt dieses Wissen dann ganz konkret, wenn da keine Menschen mehr sind, die dieses und jenes ablegen oder suchen?

Andreas: Genau, also wenn wir die Grundvoraussetzung geschaffen haben, dass wir also nun das gesamte Unternehmenswissen an einem Ort zentral erfasst haben und dieses Wissen rauschfrei von der KI erfasst werden kann. dann können wir uns überlegen, spezialisierte KI -Agents zunutze zu machen.

Andreas: Ja, und davon reden wir jetzt nicht von irgendwelchen isolierten Chatbots, sondern wirklich von ganzen Agenten -Ökosystemen, die zum Beispiel auf einer Basis von Snowflake basieren. Das heißt, Verträge, Kundendaten, Produktdaten, Wissen zu Support -Vorgängen, Kommunikation, Brand etc. All dieses Wissen wird maschinenlesbar an einem Ort in einem Data Warehouse zusammengetragen und von dort aus können wir dann mit KI auf diese Daten oder dieses Wissen zugreifen und spezialisierte Agents können damit arbeiten. Zum Beispiel nehmen wir einen Agent, der für Content Marketing im firmeneigenen Blog zuständig ist. Der Agent kann nun auf alles, was für einen neuen Blogeintrag notwendig ist, zugreifen. Also zum Beispiel als erstes etwa auf den Contentplan. Also sprich, über welche Artikel soll demnächst etwas verfasst werden. Da steht zum Beispiel, dass ein Blogartikel über ein neues Produkt zu schreiben ist. Okay. Also holt sich der Agent nun Produktinformationen, wie technische Spezifikationen, und redaktionelle und Marketing -Inhalte aus diesem Wissenspool. Dann holt sich der Agent die Brand Voice und weiß damit, wie der Artikel genau zu formulieren ist. Er baut daraus einen neuen Blog -Artikel, legt ihn zentral ab und gibt ihn dann zum Beispiel auch automatisch in den Review zur Nachbearbeitung oder Freigabe. Der springende Punkt ist, dass die gesamte Wertschöpfung oder dieser gesamte Vorgang mit all den einzelnen Teilschritten zentral ausgelöst wird, die Informationen alle in Folge dieser zentralen Datenhaltung vorhanden sind und damit der Prozess nahezu vollständig autonom ablaufen kann.

Anke: Tech -Startup, logisch. Wenn wir an die Etablierten denken, die großen Schiffe und Tanker da draußen, können die ja nicht mit einem Schnips ihre komplette IT -Infrastruktur der letzten 20 Jahre einfach einreißen. Gibt es denn für diese Unternehmen eine strategische Lösung?

Andreas: Gute Lösung hängt hier von vielen verschiedenen Parametern ab. Wir haben verschiedene Sachen schon gesehen, von mehrstufigen Migrationsschritten bis hin zu einer eher radikalen Ausgründung in eigene neue Startups gibt es viele Wege. Das muss man sich im Detail anschauen. Einen DAX -Konzern oder einen großen Mittelständler. Im Kern zu einer AI -Native -Company umzubauen, ist in jedem Fall eine anspruchsvolle Aufgabe, aber es ist in jedem Fall möglich. Und erfordert richtig viel Mut in der Führungsebene. Ganz genau. Aber wenn wir ganz ehrlich sind, auf mittlere Sicht eine Frage des Überlebens. Also wenn deine Konkurrenz eine AI -Native -Company ist, dann arbeitet sie perspektivisch mit einer Geschwindigkeit. die du mit deinen menschlichen Koordinationsschleifen, Abstimmungen etc. niemals erreichen kannst. Das heißt, wenn du das bemerkst, dass es hier zu diesem Engpass kommt, dann bist du eigentlich auch schon fast weg vom Markt. Das heißt, der Druck ist hoch und wird noch höher.

Anke: Wenn wir es zusammenfassen, Andreas, dann darf das Ziel nicht mehr sein. ausschließlich KI -Tools einzukaufen, um damit die klassischen Prozesse zu verbessern oder auch zu beschleunigen. Und die Unternehmen sollten sich stattdessen jetzt ernsthaft Gedanken darüber machen, mit welcher Architekturdaten von Anfang an Maschinen lesbar sind, wie sie Prozesse digital steuern können und Wissen zentralisieren. Das heißt, es geht auch in etablierten Unternehmen jetzt um einen Umbau.

Andreas: Genau, der springende Punkt ist, wer KI im Unternehmen einführen möchte, sollte nicht nur KI so punktuell einsetzen, um bestehende Prozesse etwas zu verbessern, sondern es geht wirklich um eine grundlegende Neudenkweise. Denn wer heute nicht beginnt, seine Prozesse rauschfrei und agentenfähig zu bauen, wird bald an Mitbewerber verlieren, die diese Umstellung zügig und auch erfolgreich abgebildet bekommen oder die ganz neu in einen Markt kommen, der bisher noch überschaubar und sich erschien.

Anke: Starkes Plädoyer für radikales Umdenken. Vielen Dank Andreas, vielen Dank fürs Zuhören da draußen. Lasst uns ein Like da und empfehlt euch weiter, wenn es euch gefallen hat. Bis zum nächsten Mal bei KI fürs Business. Schaltet wieder ein.