Drei Abteilungen Drei Wahrheiten

SPEAKER_00 0:01

Macht morgen früh mal ein kleines Experiment. Und zwar stellt doch mal drei Leuten in eurem Haus die gleiche Frage. Wie viel Umsatz haben wir dieses Jahr mit unseren besten Kunden gemacht? Also mit Kunden X? Fragt Buchhaltung, fragt Vertrieb, fragt vielleicht das Lager. Ich wette, ihr bekommt drei verschiedene Zahlen. Und jede davon ist aus Sicht ihres Systems richtig. Und jetzt stellt dieselbe Frage eure Firmen KI. Welche der drei Zahlen nimmt die? Welche der Zahlen nimmt Co-Pilot zum Beispiel? Die Antwort ist einfach die, an die sie zufällig herankommt. Willkommen zu digitalen Wissensbissen. Heute reden wir darüber, warum eine generative KI nur so gut antworten kann, wie eure Systeme auch zugreifbar sind. Und was passiert, wenn sie gar nicht erst an alle herankommt? Es geht um Zugreifbarkeit und um Schnittstellen, die zwei unscheinbarsten Stellen, an denen ein KI-Projekt klemmen kann und zugleich zwei der häufigsten. Fangen wir mal mit der Annahme an, die fast jeder mitbringt. Hey, unsere Daten sind digital, also sind sie ja auch zugänglich. Das klingt logisch, ist aber trotzdem falsch. Digital heißt ja nur, dass die Information irgendwo als Datei oder als Datensatz existiert.

Digital Heißt Nicht Zugänglich

SPEAKER_00 1:17

Zugänglich heißt etwas ganz anderes eigentlich, nämlich dass ein anderes Programm tatsächlich auf sie Zugriff bekommen kann. Nicht unbedingt immer Zugriff hat, aber Zugriff bekommen kann. Und zwar sauber, aktuell, Berechtigungen werden beachtet und in einer Form, mit der es dann etwas anfangen kann. Zwischen diesen beiden Ansprüchen liegt oft ein Abgrund. Eure Daten können mustergültig digital sein und trotzdem sind sie so eingemauert, dass kein KI-Assistent zum Beispiel an sie rankommt. Digital ist die Voraussetzung. Zugänglich ist die Arbeit, die man nicht einfach nebenbei miterledigt. Erinnert euch an das Experiment vom Anfang. Die drei Zahlen entstehen nicht, weil jemand lügt, sondern weil die Zahl in drei Systemen liegt, die unter Umständen nie zusammengeführt wurden. Das kann bei euch anders sein, es ist natürlich auch ein bisschen überspitzt. Aber es gibt viele Firmen, in denen existiert Buchhaltung, Vertriebssystem, Warenwirtschaft, alles noch mit seiner jeweils eigenen Wahrheit. Der berühmte Rundumblick auf den Kunden existiert in vielen, vielen Firmen schlicht immer noch nicht. Die Systeme, die ihn ergeben könnten, diesen Rundumblick, die wurden einfach nie miteinander verbunden. Und genau in diesem Rundumblick soll jetzt ein KI-Assistent hineinschauen, obwohl er gar nicht da ist. Und dann stolpert er über zum Beispiel drei widersprüchliche Versionen derselben Wirklichkeit oder sieht halt nur eine davon. Und das ist kein Einzelfall und es betrifft auch sicher nicht nur eure Firma, wenn es sie denn betrifft, sondern mit erstaunlicher Deutlichkeit zeigt sich, das ist schon sehr allgemein

Studien Zahlen Zu Dateninseln

SPEAKER_00 2:49

so. Der Softwarehersteller MuleSoft, das ist eine Salesforce-Tochter, befragt dafür regelmäßig rund 1000 IT-Verantwortliche weltweit. Die aktuelle Ausgabe davon ist vom Anfang diesen Jahres. Das Ergebnis, was mich am meisten beeindruckt hat in dieser Umfrage, ist, ein durchschnittliches Unternehmen betreibt inzwischen rund 950 verschiedene Anwendungen. Und von diesen 950 sind gerade mal 27%, also ein Viertel, miteinander irgendwie verbunden. Andersrum gesagt, fast drei Viertel der Systeme reden mit keinem anderen, sind Inseln. Und das eigentlich Bemerkenswerte ist, wie wenig sich das ändert. Schon 2023 lag der vergleichbare Wert bei knapp 30%. Und jetzt drei Jahre später, in denen alle über KI geredet haben und in denen viele Firmen, glaube ich, auch wirklich auf ihre Datenhaltung und ihre Prozesse geschaut haben, sind die Inseln die Inseln geblieben. Wir sind immer noch bei knapp 30%. Und hier wird es für unser heutiges Thema entscheidend. Dieselbe Befragung fragt inzwischen ausdrücklich auch nach dem Einsatz von KI. Und, oh, Überraschung, 82% der IT-Verantwortlichen nennen die Datenintegration als eine der größten Hürden beim KI-Einsatz. Noch schärfer formuliert, 86% sagen sogar, dass ohne eine saubere Integration KI-Agenten eher Komplexität bringen als Nutzen. Darüber haben wir auch schon oft geredet und geschrieben. Lasst euch das auf der Zunge zergehen. Mehr Komplexität als Nutzen, sagen 86%. Und der Unterschied ist, ob Daten integriert sind oder nicht. Es ist nicht das Modell, das die Leute nachts nicht schlafen lässt. Es ist die Frage, ob ein KI-Assistent überhaupt an die Systeme herankommt, in denen die Antworten stecken. Früher mag das Modell oft das Problem gewesen sein, dass Modelle noch schlechter waren und Leute weniger Erfahrung hatten. Mittlerweile ist es wirklich die Integration mit den datenführenden Systemen. Die haben die Antworten, da muss eine KI rankommen können und das ist eben oft nicht gegeben. So, bevor jetzt jemand sagt, es sei vielleicht ein Problem amerikanischer Konzerne, der Bitkom-Verband hat im September die deutschen Zahlen vorgelegt. Erstmals setzt eine Mehrheit der Unternehmen KI ein, 57%, und gefragt, wo die großen Kosten anfallen, nennen die Anwender neben Cloud natürlich, Cloud-Kosten und Rechenleistung, vor allem die Aufbereitung der Daten. Nämlich 50% der Leute sagen, die Kosten fallen in der Aufbereitung der Daten an. Und 41% sagen in der Integration in bestehende Systeme. Die Lizenzen für die KI-Software selbst, also für die Modelle, die ja zum Teil auch wirklich sehr teur sind, empfinden nur 21% der Befragten als die wirklich großen Kosten. Der Bitkom-Präsident hat daraus einen Satz gemacht, den man sich gern einrahmen kann. Wer nur eine Lizenz kauft, hat KI eingekauft, aber noch nichts verändert. Die Mauer ist nicht die Ausnahme, die ist der so Normalzustand, die Mauer zwischen KI und Systemen. Bei uns wie in Amerika. Und ich habe ja gesagt, es hat sich nicht viel verändert in der Inselhaftigkeit dieser Softwarelösung. Es wird jetzt aktuell natürlich nicht besser, sondern schlimmer, weil während wir alle von KI-Agenten reden, die selbstständig Dinge erledigen und so weiter, wächst die Zahl der Systeme immer weiter. Die Firmen, die bei Agenten am weitesten sind, betreiben laut Mulesoft-Studie, also gleiche Studie, im Schnitt sogar über 1000 Anwendungen. Mehr als der Durchschnitt, nicht weniger. Integriert davon 32%. Und dieselbe Studie sagt nüchtern, die Hälfte aller KI-Agenten arbeitet heute auch in Silos statt das zusammenhängendes System. Das heißt, ein einzelner kluger Agent auf einer Dateninsel ist eben immer noch allein auf einer Insel. Gartner wiederum rechnet damit, dass über 40% der Projekte mit KI-Agenten bis Ende 2022 wieder eingestellt werden. Da kann man sich jetzt fragen, warum ist das so? Und in der Begründung steht ein Satz, der genau auf unser Thema passt. Agenten in Altsysteme einbinden, ist technisch komplex und erfordert teure Umbauten. Und wer diese Einbindung nicht macht, der skaliert mit dem Agenten nicht den Nutzen, sondern die Unübersichtlichkeit und Zeit für beides. KI ohne Integration bringt im Unternehmen nichts.

Zugriffe Verträge Altsysteme Als Mauern

SPEAKER_00 6:58

Dieses Hindernis, über das wir heute reden, besteht eigentlich aus zwei ganz verschiedenen Dingen. Das erste ist die schlichte Zugreifbarkeit. Die Daten liegen in einem System, aber der Schlüssel dazu fehlt. Das Passwort hat nur euer IT-Dienstleistet, das Altsystem hat gar keine Schnittstelle. Oder, was es auch wirklich gibt, der Zugang ist vertraglich so geregelt, dass man einfach nicht auf die Art herankommt, wie das ein KI-System bräuchte. Erstaunlich viele solcher Projekte scheitern schon hier an der banalsten Stelle. Die Information ist da, aber niemand darf oder kann die Tür aufmachen. Ein typischer Fall, die wirklich wichtigen Daten liegen in einem Altsystem, das seit 20 Jahren zuverlässig läuft. Aber ohne moderne Schnittstelle. Es ist eins von diesen gefürchteten Batch-Systemen. Gewartet wird es von einem externen Dienstleister, der natürlich den Zugang hütet, der will sich ja nicht überflüssig machen. Und bevor ein KI-Assistent jetzt dort eine einzige Frage beantworten kann oder eine einzige Antwort auf eine Frage finden kann, muss jetzt erstmal jemand eine Tür bauen, nämlich die Tür zu diesem Altsystem. Und das sind Wochen, wenn nicht Monate, unspektakuläre Arbeit, die oft in Planung vergessen werden und die einfach früher nicht notwendig waren, weil diese Tür hat man nicht gebraucht, diese Real-Time-Sicht in die Daten. Und natürlich haben auch die Softwarehersteller selbst eine gewisse Kontrolle über die Türen, die sie erlauben in ihrer Software. Seit Ende Mai 2025 zum Beispiel verbieten die Bedingungen für die Schnittstelle von Slack, also Slack kennt vermutlich wirklich jeder, dieses Kommunikationstool, Nachrichten in großen Mengen zu exportieren. Und, hier kommt der Punkt, die abgerufenen Daten zum Trainieren von Sprachmodellen zu verwenden. Jetzt kann man sich überlegen, gut, wie ist das genau definiert, was sind große Mengen und was ist Training. Aber de facto war es so, dass das eine reale Auswirkung hatte auf Softwareanbieter zum Beispiel. Anbieter von Unternehmens suchen, wie Green zum Beispiel, mussten ihre Kunden anschreiben und sagen, dass das eben jetzt nicht mehr so geht, wie das bisher gemacht wurde. Und das Lustige daran, oder das ist eigentlich Tragische, muss man sagen, es sind ja die Nachrichten der Kunden, die hier nicht mehr exportiert werden können. Das heißt, die Softwarehersteller haben verstanden, dass unsere Daten, die Daten, die eigentlich uns gehören, für KI wertvoll sind und deswegen es doch gut wäre, wenn man da ein bisschen mehr Kontrolle drüber ausübt. In diesem Fall kommt tatsächlich eine gewisse Unterstützung aus Brüssel. Seit dem 12. September 2025 gilt ja der EU Data Act. Der gibt Unternehmen ein Recht auf die Daten ihrer vernetzten Geräte und Dienste. Und ab dem 12. Januar 2027 dürfen Cloud-Anbieter sogar für einen Wechsel keine Gebühren mehr verlangen. Das legt natürlich jetzt per se keine einzige Leitung, das macht keine einzige Schnittstelle besser. Das macht uns die Tür nicht auf, aber es stärkt natürlich unsere Position, wenn wir mit einem Anbieter über diese Türen, über diese Leitungen verhandeln. Das heißt, man muss an dem Fall auch wirklich in die Verträge schauen, bevor man ein KI-Projekt plant. Und zwar nicht erst, wenn man an der Tür hängen bleibt und feststellt, oh, ich habe gar kein Recht auf meine eigenen Daten. Der zweite Baustein von diesem Hindernis ist subtiler.

Semantik Problem Trotz Verbindung

SPEAKER_00 9:57

Selbst zwei Systeme, die technisch erreichbar sind, sprechen natürlich oft nicht dieselbe Sprache. Und das bezieht sich nicht nur auf Programmiersprachen und Programmierformate und Datenaustauschformate, das bezieht sich auch auf Semantik, auf natürliche Sprache. Was meine ich damit? Was in einem wahren Wirtschaftssystem zum Beispiel ein Kunde ist, ist im Vertriebssystem vielleicht etwas leicht anderes. Dieselbe Person steht vielleicht dreimal drin mit drei Schreibweisen, zwei Kundennummern und ohne eine Schnittstelle, die diese Welten auch noch übersetzt, bekommt das Sprachmodell drei widersprüchliche Antworten und greift womöglich zur falschen Antwort. Oder zumindest zu einer unerwarteten. Richtig falsch ist ja keine davon. Alle drei existieren in eurer Firma. Erreichbar für die KI ist nicht dasselbe wie verstanden. Und genau dieses Übersetzen ist Arbeit, die auch in keiner Demo jemals vorkommt und die kein Modell euch abnehmen kann. Eventuell bestehen da Diskrepanzen im Verständnis von einem Kunden oder von einer Ware oder was auch immer, die seit Jahren existieren, die bisher nicht wirklich eine Rolle gespielt haben, die aber für diese KI-Integration total wesentlich sind.

APIs Erklärt Mit Laderampe

SPEAKER_00 11:07

Vermutlich sind nicht alle, die ihr zuhören, technisch versiert genug, um genau zu wissen, was so eine Schnittstelle oder API überhaupt ist. Man kann sich das vorstellen wie die Laderampe von einem Lager. Wenn man etwas abholen will, fährt man nicht mit dem LKW durch die Halle und sucht selbst im Regal. Man fährt in die Rampe, sagt, was man braucht und bekommt genau das Ügeben in einer festgelegten Form, an einer festgelegten Stelle. Eine API, eine Schnittstelle ist so eine Rampe zwischen zwei Softwaresystemen. An eine vereinbarte Stelle, an der das eine System dem anderen Daten übergibt, ohne dass ein Mensch dazwischen steht. Gibt es die nicht, dann bleibt nur selbst in die Halle zu gehen und herauszutragen. Und genau das tut der Kollege dann jeden Morgen von Hand. Auch das gibt es in Firmen noch. Prozesse, wo jeden Tag letzten Endes sich jemand hinsetzt und in ein System reinschaut, daraus irgendwie einen Report zusammenschreibt und das per E-Mail weiterschickt und in ein andersystem einträgt. Das klingt wie Satire, ist aber absolute Realität. Es gibt genug Unternehmen, da existiert das noch. In der aktuellen Museoft-Studie sagen 94% der IT-Verantwortlichen folgerichtig, dass KI-Agenten eine IT brauchen, die stärker über solche Schnittstellen funktioniert. Die Rampe ist also durch die Agenten, durch den Einsatz von KI nicht irgendwie von gestern, sondern die ist wichtiger, nicht unwichtiger.

MCP Standard Hilft Aber Nicht Allein

SPEAKER_00 12:28

Und noch etwas macht die Sache natürlich tückisch, man kann solche Verbindungen auch falsch bauen. Wer zum Beispiel für jedes Systempaar schnell und ad hoc eine Direktverbindung legt, hat nach ein paar Jahren einen Kabelsalat, den keiner mehr versteht. Und jede Änderung reißt an drei anderen Stellen etwas ein. Systeme zu verbinden, wirklich sinnvolle APIs zu erschaffen und zu integrieren, ist ein Handwerk, ist kein Nebenprodukt, das man mal eben miterledigt. Es werden ein paar, die aufgepasst haben in der aktuellen Entwicklung, sagen, hey, dafür gibt es doch mittlerweile einen Standard, der macht das ganz einfach. Das stimmt. Es gibt das Model Context Protokoll, MCP, Anthropic hat das Ende 2024, was glaube ich veröffentlicht. Und dieses Protokoll gibt es ausdrücklich, um KI-Assistenten mit den Systemen zu verbinden, in denen die Daten liegen. Seit 2025. Dezember 2025 gehört dieses Protokoll einer Stiftung unter dem Dach der Linux Foundation, mitgegründet von OpenAI, unterstützt von Google und Microsoft. Und das Protokoll steckt in ChatGPT, Gemini, Copilot. Es gibt über 10.000 veröffentlichte MCP-Server. Laut Mulosoft nutzen rund 40% der Befragten bereits A2A, fast ebenso viele MCP. Bleiben wir mal bei dem Laderampenbeispiel, um das zu erläutern ein bisschen, MCP ist so etwas wie die Euro-Palette. Die passt auf jeden Stapler, die passt verlässlich in jedes Regal, sie passt auf jeden LKW, egal wer sie gepackt hat. KI-Systeme können so viel, viel einfacher die Ausgabe von Altsystemen oder datenführenden Systemen verstehen. Aber eine Palette baut eben keine Rampe. Hat euer 20 Jahre altes Warenwirtschaftssystem keine API, dann muss die nach wie vor jemand bauen, bevor man mit MCP das Ganze für die KI einfach zugänglich machen kann. Die Integrationsarbeit, die ich vorhin erwähnt habe, muss genauso geleistet werden, nur halt jetzt unter einem neuen Etikett, unter einer neuen Flagge. Und man muss auch beachten, MCP löst natürlich nicht alle Probleme. Auf einer Palette steht ja auch nicht, was die Ware bedeutet. Ob ein Kunde in einem System dasselbe bedeutet wie im anderen, das klärt MCP nicht. Und ob die Antwort stimmt, darüber macht es natürlich auch keine Aussage. Dazu kommt natürlich auch noch eine weitere Kehrseite, ein weiterer Nachteil, jede neue Verbindung, über die ein Agent Daten holt, ist natürlich auch ein neuer Weg, über den Daten abfließen können, verloren

Diagnose Fragen Und Nächste Schritte

SPEAKER_00 14:46

gehen können, beziehungsweise bei Fremden landen können. Microsoft hat Ende Juni davor gewandt, dass wenn man so Werkzeugbeschreibungen in diesem technischen Kontext manipulieren kann, dann kann man damit natürlich Agenten auch umsteuern. Das Sprachmodell liest diese Beschreibung aus Anweisung und folgt ihr, oft auch ohne, dass man das extern wirklich mitkriegt. Wer unsere Folge 4 was, glaube ich, gehört hat, erkennt das Muster. Die Frage, wer was sehen und tun darf, die wird mit jeder Anbindung, mit jeder Leitung, mit jeder API größer und nicht kleiner. Ist klar. Gerade bei größeren Firmen lohnt es sich, quasi mal eine manuelle Diagnose zu machen, nämlich durch das Haus zu gehen und die Stellen zu suchen. Also natürlich, indem man mit Leuten redet über ihre Prozesse, an denen ein Mensch tatsächlich täglich aus einem Bildschirm abliest und in einen anderen eintippt. Natürlich gibt es das nicht so wie in einem Dilbert-Cartoon, dass jemand wirklich zwei Bildschirme nebeneinander stehen hat und es aus dem einen in den anderen eintippt. Wahrscheinlich gibt es auch das noch, aber was ich meine, sind Prozesse, wo wirklich ein Mensch notwendig ist, damit Informationen von einer Stelle zur nächsten fließt. Das ist, wie gesagt, möglicherweise jemand, der in ein System reinschaut, was er dort zieht, in einen Report schreibt, das per E-Mail weiterschickt und der Empfänger der E-Mail gibt es vielleicht dann in ein anderes System ein. Jede solche Stelle ist eine fehlende Integration, die übrigens Mehrwert schaffen würde, selbst wenn man gar keine KI einsetzt. Der Kollege, der jeden Morgen die Lagerzahlen ins Controlling überträgt, die Kollegin die Bestellung aus dem Online-Shop von Hand ins Warn-Wirtschaftssystem einträgt, die Sachbearbeiterin, die eine Vertragsnummer aus der einen Maske in die andere kopiert. Das alles ist so menschliche Klebstoff und all das gibt es zuhauf. Auch wenn es sich so anhört, sollte es das eigentlich gar nicht mehr geben. Und das markiert exakt die Punkte, an denen jeder KI-Assistent dann später gegen eine Wand laufen wird. Wo heute ein Mensch die Lücke überbrückt, ist morgen auch keine API für eine Maschine. Und konsequenterweise, lustigerweise, das kann man es jetzt sehen, wie man will, gibt es auch hier wieder den gleichen Trugschluss wie an vielen anderen Stellen, wie an vielen anderen Problemen. Man forfft natürlich auch hier, dass das neue KI-System das schon selbst regelt. Es ist doch so schlau. Es wird es aber nicht. Ein Sprachmodell ist natürlich kein Klempner. Ein Sprachmodell legt keine Leitung, es stellt keine APIs, es überbrückt keine fehlenden Schnittstellen von Drittsystemen und es versöhnt auch nicht von selbst drei widersprüchliche Kundennummern. Richet man das KI-System auf eine geschlossene Mauer, dann schaut es auf eine Mauer. Und wenn es antworten soll, dann setzt es sich aus dem, was es tatsächlich erreicht, eine Antwort zusammen. Und das ist eben unter Umständen ein völlig unvollständiges Bild. Genau deshalb sagen 86% der Verantwortlichen, dass KI-Agenten ohne Integration mehr Komplexität schaffen als Nutzen. Es ist da nicht ein Problem weniger, sondern eins mehr. Eine weitere teure Anwendung, die selbstbewusst formuliert, aber eben auf einer halben Datengrundlage antwortet. Seit letztem Jahr könnte man jetzt einwenden, hey, es gibt doch auch inzwischen Agenten, die einen Bildschirm bedienen wie ein Mensch. OpenAI zum Beispiel hat es im Juli 2025 vorgestellt. Ein Agent, der mit dem eigenen Computer arbeitet, der klickt und Formulare ausfüllt. Kann der nicht den Kollegen ersetzen, der jeden Morgen abtippt? Klar, in Grenzen geht das. Aber dann ersetzt ihr natürlich menschlichen Klebstoff durch maschinellen Klebstoff, aber es ist immer noch Klebstoff. Eine echte Anbindung ist es nicht. Der Agent ist langsamer als jede Schnittstelle, kommt ins Stolpern, wenn sich eine Maske ändert, braucht diesen Rechner, auf dem er da läuft. Und er kann natürlich auch Fehler machen. Das ist eine sinnvolle Übergangslösung vielleicht, wenn man es wirklich eilig hat, aber es ist ein Provisorium. Diese fehlenden Anbindungen, diese fehlenden Leitungen sind wirklich kein kleiner Posten. Die gleiche Mulesoft-Studie zeigt, dass IT-Teams im Schnitt über ein Drittel ihrer Zeit allein damit bringen, solche Verbindungen von Hand zu entwerfen, zu bauen und zu testen. Das ist sozusagen die stille Steuer der Zettelwirtschaft zwischen Systemen. Und die fällt an, ob ihr KI einsetzt oder nicht. Ein KI-Projekt macht es nur plötzlich drängend, weil es an genau diesen Lücken kleben bleibt. Und natürlich wird es trotzdem oder gerade deswegen total oft übersehen. Die Leitungen sind unsichtbar, die fehlenden Leitungen sind noch unsichtbarer. Und die Anwendung obendrauf ist sichtbar. Ein Assistent, ein KI-Assistent, der in einem Meeting eine kluge Antwort gibt, der lässt sich vorführen, beklatschen, im Vorstand zeigen, alles in Happy. Eine API lässt sich nicht vorführen. Die fällt nur auf, wenn sie nicht da ist und eben selbst das nicht unbedingt. Also fließt oft das Budget in das Shiny Object und am Unsichtbaren wird gespart, obwohl das Unsichtbare die Voraussetzung für das Shiny Object ist. Das ist wie beim Hausbau. Die Küche zeigt man den Gästen, die Wasserleitung in der Wand natürlich nicht. Aber niemand käme trotzdem auf die Idee, eine Küche erst einzubauen und dann die Leitung zu legen. Das ist aber exakt, wie total oft KI-Projekte angegangen werden. Und dann wundert man sich, dass aus dem schicken Hahn kein Wasser kommt. Im Alltag sieht dieses Überspringen oft erstmal harmlos aus. Man kauft eine KI-Lösung, richtet sich auf das, was gerade erreichbar ist, und für ein paar Vorführfälle klappt es dann. Und dann kommt der erste echte Fall, wo es wirklich um was geht, wo wirklich auch das Schicksal der Firma so ein bisschen von der Antwort abhängt und die Antwort steckt in einem nicht angebundenen System und dann wird die KI raten. Der zweite Fall, dieselbe Kundennummer existiert in zwei verschiedenen Schreibweisen, dann wird die KI doppelt zählen. Der dritte wäre, die Zahl ist von gestern, weil die Verbindung nur lachts läuft, weil es halt noch ein alter Batchprozess ist, aber es ist niemand bewusst, dass das die Zahl von gestern ist. Meistens macht das ja nichts. Kein einzelner dieser Fehler ist dramatisch, aber zusammen sorgen sie dafür, dass so allmählich niemand dem Assistenten mehr traut. Am Anfang sind alle begeistert und dann merkt man, eine Frage nach der anderen, eine Antwort nach der anderen ist irgendwie so ein bisschen Mist oder so ein bisschen falsch. Oder weiß ich, von acht Antworten sind zwei richtig falsch und irgendwann traut niemand mehr diesem KI-System. Und ein System, dem niemand traut, wird nicht benutzt. Und so stirbt ein Projekt nicht mit einem Knall, sondern an tausend kleinen falschen Antworten. Und die meisten davon gehen auf dieselbe Ursache zurück, nämlich fehlende Anwendung von den datenführenden Systemen oder fehlende Leitungen, fehlende Rampen, wie auch immer man das jetzt sagen will. Wie das aussieht, wenn man die Leitung zuerst legt und wenn man auf die Anbindung zuerst konzentriert, das ist eigentlich ein guter Teil dessen, was wir seit Jahren tun. Bei vielen von unseren Kunden war die sichtbare Aufgabe, also gerade in der Vergangenheit auch in Prä-KI schon, eine schnelle kluge Suche oder eben jetzt ein Assistent, der eine Auswertung machen kann, die im Meeting begeistert. Und die eigentliche Antwort lag fast immer darunter und blieb unsichtbar. Die verschiedenen Quellsysteme anzapfen, die Daten in vielen Formaten und Sprachen einsammeln, Blätten und verschiedene Schreibweisen der gleichen Person erkennen und das Ganze in einen sauberen, laufend aktualisierten Datenfluss bringen, der auch noch verlässlich funktioniert. Und erst wenn man diese Leitung gelegt hat, konnte oben die kluge Funktion überhaupt laufen. Und ja, das war dann auch noch Arbeit natürlich. Prompt Engineering, Agenten designen, die die ganze Orchestrierung machen, damit das im Dauerbetrieb über Millionen von Dokumenten dann auch verlässlich funktioniert. Aber der Teil, der zuerst kam, der Teil, der wirklich auch zählte in einer gewissen Weise, ist das Rohsystem darunter, die Anbindungen. Und der glänzende Teil ist immer die Suche oder der KI-Assistent oder was auch immer an Anwendungen da obendrauf sitzt. Die unsichtbaren Verbindungen sorgen dafür, dass das schlaue Modell überhaupt die richtigen aktuellen Daten hat. Für dieses Problem gibt es eigentlich eine relativ einfache Selbstdiagnose, ich habe das schon angedeutet vorhin, mal drei schnelle Fragen. Erstens, gibt es bei euch Menschen, die täglich Daten von einem System ins andere tragen? In welcher Form auch immer? Zweitens, wenn ein KI-System eine Frage beantworten soll, deren Antwort in einem Altsystem oder bei einem Softwareanbieter liegt, kommt es da überhaupt hin? Hat den Zugang nur ein externe Dienstleister? Was steht in Verträgen über den Zugang zu euren eigenen Daten? Und drittens, meinen eure zwei wichtigsten Systeme dasselbe, wenn sie Kunde oder Artikel sagen? Oder muss das immer erstmal von Hand übersetzt und übertragen werden? Wenn ihr bei einer dieser Fragen zögert, liegt zwischen euch und einer nützlichen KI-Anwendung keine Modellfrage, sondern erstmal eine fehlende Anbindung. Die gute Nachricht ist wie immer, darum kann man sich natürlich kümmern. Man kann sich auch hier darum kümmern, bevor man irgendein KI-Modell einführt. Aber man sollte sich auch eben vorher darum kümmern und nicht erst danach. Noch ein kurzes Wort in eigene Sache, wenn euch dieser halbkritische, halbenthusiastische Blick auf KI gefällt. Wenn ihr also wirklich lernen wollt, wie man KI produktiv einsetzt, statt einen Menschen den Klebstoff zwischen Systemen spielen zu lassen. Und wenn ihr lernen wollt, wie man die unleugbaren Probleme dieser Technologien in den Griff kriegt, dann abonniert doch die digitalen Wissensbissen, denn genau darüber reden wir hier. Also nochmal, der Grund, warum so viele KI-Vorhaben gegen eine Wand laufen, obwohl die Daten noch alle da sind, und das ist in Anführungszeichen zu sehen, ist selten das Modell. Es ist, dass eure Systeme nicht miteinander reden, noch nie miteinander geredet haben, im Schnitt sind drei Viertel von ihnen Inseln und daran haben drei Jahre KI-Begeisterung kaum etwas geändert. Die Integration gehört zu den größten Hürden beim KI-Einsatz überhaupt und digital heißt eben nicht zugänglich, erreichbar heißt nicht verstanden und ein neuer Standard ersetzt keine Leitung. Und die Reihenfolge ist eigentlich die gleiche wie in jeder Episode dieser Serie kümmert euch erst um das Problem und dann um das Modell. Oder mit den Worten des Bitkom-Präsidenten nochmal, wer nur eine Lizenz kauft, hat KI eingekauft, aber noch nichts verändert. Wer zuerst dafür sorgt, dass die Systeme miteinander reden, gibt a, jedem KI-Sistenten überhaupt erst etwas mit erarbeiten kann. B löste aber vielleicht nebenbei noch ein paar ganz andere Probleme und entlastet den menschlichen Klebstoff von dieser sinnlosen Tätigkeit. Und das ist keine Zauberei, das ist wirklich klemmt-Handwerk. Das ist unsichtbar, unspektakulär, relativ risikoarm, gut verstanden und berechenbar und macht dennoch für diese coolen Anwendungen den ganzen Unterschied. Investiert jetzt 5 Minuten, anstatt später vielleicht ein fünfstelliges Lehrgeld zu zahlen. Unser kostenloser Check zeigt euch, an welchen sechs Stellen euer KI-Vorhaben in Produktion kippen könnte. Jetzt einfach ausfüllen unter neomo.link schräg-check. Den Link findet ihr auch in den Shownotes.