28.01.2025
INTERVIEW

Artifical General Intelligence: “Sind viel weiter als viele annahmen”

Interview. Der deutsche Seriengründer und Business Angel Carsten Kraus beschäftigt sich seit den 1980ern mit künstlicher Intelligenz. Mit brutkasten hat er über Artifical General Intelligence (AGI) und die Probleme mit dem AI Act gesprochen.
/artikel/carsten-kraus-interview
Carsten Kraus
Carsten Kraus | Foto: Matthias Trenn

Spätestens seit OpenAI kurz vor Weihnachten Zahlen zu seinem neuen Modell o3 veröffentlichte, ist die Diskussion rund um Artificial General Intelligence (AGI) wieder voll entbrannt. Es gibt keine allgemein akzeptierte Definition für AGI – im Wesentlichen versteht man darunter aber eine künstliche Intelligenz, die intellektuelle Aufgaben am selben oder ähnlichen Niveau wie der Mensch erledigen kann. Einer, der das Thema seit langem genau verfolgt, ist Carsten Kraus.

Der Serienunternehmer beschäftigt sich in der einen oder anderen Form bereits seit den 1980ern mit künstlicher Intelligenz. Aktuell ist er als Gründer und CEO des Startups casablanca.ai in dem Feld aktiv. Das Unternehmen setzt KI ein, um natürlichen Blickkontakt in Videocalls zu simulieren. Zu einem Portrait des Startups in unserem Schwesternmedium Starting Up geht es hier.

Unabhängig davon ist Kraus auch Keynote-Speaker zum Thema KI und ist in Österreich zuletzt im vergangenen Oktober bei der Konferenz „Expedition KI 3.0“ am Flughafen Wien aufgetreten. Im November zeichnete Business Angels Deutschland e.V. (BAND) Kraus als “Business Angel des Jahres 2024” aus.


brutkasten: OpenAI hat im Dezember Zahlen präsentiert, die zeigen, wie das neue Modell o3 bei unterschiedlichen Benchmarks abgeschnitten hat. Diese Ergebnisse haben die lang anhaltende Diskussion rund um die mögliche Entstehung einer Artificial General Intelligence (AGI) wieder befeuert. Im Silicon Valley vermuten mittlerweile viele, dass KI-Modelle das AGI-Niveau bald erreichen werden. Wo stehen wir Ihrer Meinung nach?

Carsten Kraus: Ich glaube, wir sind viel weiter, als viele das angenommen haben. AGI heißt für mich, dass eine künstliche Intelligenz alles denken kann, was der Mensch denken kann, und zu besseren Ergebnissen kommt als der durchschnittliche Mensch. Ich hatte schon 2016 in einem Interview gesagt, dass wir das bis 2035 erreichen werden. Das war damals ein enorm früher Zeitpunkt. Der Durchschnitt der KI-Wissenschaftler lag bei 2062. Meine Prognose fanden daher viele übertrieben. 

Viele Fähigkeiten, die KI jetzt schon hat – zum Beispiel Liebesbriefe schreiben, Gedichte verfassen, mit Sprache umgehen, Reden formulieren, Texte interpretieren und zusammenfassen –, die hat man nicht so früh erwartet. Jetzt sehen wir bereits, dass sowas funktioniert. Ich fühle mich mit meiner Prognose daher bestätigt.

Technisch sind wir nur mehr wenige Jahre davon entfernt, dass die KI alles denken kann, was der Mensch denken kann. Die Modelle machen riesige Fortschritte, nicht nur durch das LLM selber, sondern auch durch die Systeme drumherum: Etwa durch agentisches Vorgehen, das deutlich bessere Ergebnisse liefert als die pure Transformer-Variante.

Wir werden also in den nächsten Jahren AGI erleben?

Es gibt natürlich eine kleine Wahrscheinlichkeit, dass es nicht klappt oder dass es viel zu teuer wird. Denn für manche komplexe Abfragen, die auf dem Niveau einer Doktorarbeit sind, können laut OpenAI schnell sehr hohe Rechenkosten entstehen – über 1.000 Dollar pro Anfrage.

Das menschliche Gehirn ist dagegen unglaublich effizient, es braucht nur rund 15 Watt. KI-Systeme brauchen dagegen tausende Prozessoren mit sehr hohem Stromverbrauch und teurer Hardware. Es kann also sein, dass die KI zwar alles kann, was wir können; es sich aber nicht lohnt, sie dafür einzusetzen, weil sie viel zu teuer und energieintensiv ist. In dieser Frage kommt es also nicht nur auf neue Modelle, sondern auch auf die zukünftige Hardware an.

OpenAI-CEO Sam Altman hat kürzlich auf X geschrieben, dass selbst das neue ChatGPT-Pro-Abo, für das 200 Dollar im Monat bezahlt werden, nicht profitabel sei. Es scheint also nicht ausgeschlossen, dass die führenden Modelle möglicherweise für Endkunden noch teurer werden könnten. Müssen wir uns also darauf einstellen, dass uns dieses Kosten-Thema bei KI in den nächsten Jahren begleiten wird?

Ja, OpenAI hat beim Pro-Angebot negative Unit Economics. Je kleiner die Modelle sind, desto bessere Uni Economics erreichen sie. Aber im praktischen Einsatz sehe ich das nicht als Gefahr. Das wäre nur der Fall, wenn ich als Ziel habe, unbedingt Menschen zu ersetzen.

Meiner Ansicht nach sollte aber das Ziel sein, Menschen zu ergänzen. Die KI-Systeme werden mit der Zeit effizienter, aber das menschliche Gehirn ist so effizient, dass es durchaus sein kann, dass es sich nie lohnt, bestimmte Anwendungen an die KI auszulagern, wenn die Kosten explodieren. 

Neben AGI kursiert auch der Begriff der ASI: Artificial Super Intelligence. Wie würden Sie die beiden Konzepte abgrenzen?

Die Frage ist, was Superintelligenz qualitativ mehr kann, außer vielleicht mehr Fakten gleichzeitig zu berücksichtigen oder schneller zu denken. Ich bin beim Verein Mensa und kenne auch Leute, die deutlich intelligenter sind als ich – aber ich sehe da keinen richtigen qualitativen Unterschied, weder nach oben noch nach unten.

Es kann sein, dass eine KI mit „Superintelligenz“ nicht nur schneller rechnet, sondern vielleicht zusätzliche Sensorik hat oder Zugriff auf riesige Datenmengen, die ein Mensch nicht verarbeiten kann und sich so immer weiter verbessert. Die KI könnte sich dann möglicherweise selbst weiterentwickeln und kein Mensch versteht mehr, was sie eigentlich macht. Da stellt sich die Frage: Wollen wir das überhaupt zulassen?

Ein mögliches Szenario, das aus dem Science-Fiction-Bereich stammt, wäre auch, dass sich eine solche KI auf irgendeinen Planeten zurückzieht, die Menschheit in Ruhe lässt und sich nur darum kümmert, dass keine zweite, gefährliche Superintelligenz entsteht.

Ob eine solche Superintelligenz realistisch ist und kontrollierbar bleibt, hängt am Alignment-Problem, also ob die Ziele der KI noch genügend mit den Zielen der Menschheit übereinstimmen. Ich habe keinen tiefen Einblick in das Thema, aber meine Meinung ist: Man muss der KI intrinsisch beibringen, was sie gut finden soll, anstatt starre Regeln vorzugeben, die sie am Ende kreativ umgeht.

Apropos Regeln. KI-Regulierung ist ja ein großes Thema, in der EU tritt gerade der AI Act in Kraft, der durchaus auch kontrovers diskutiert wird. Einige Stimmen aus der KI-Community warnen, dass er Innovationen hemmen könnte. Wie schätzen Sie das ein?

Ich sehe da eine große Gefahr, vor allem für Mittelständler. Großunternehmen können, wenn es kompliziert wird, Teile ihrer Aktivitäten ins Ausland verlagern. Und Startups, die richtig groß denken, weichen eventuell auch aus, wenn es hier zu bürokratisch wird. Aber besonders der Mittelstand, der hier verankert ist, wird vorsichtig sein. Das könnte dazu führen, dass er KI nicht oder viel zu spät einsetzt.

Der AI Act hat vier Stufen: verbotene Risiken, hohes Risiko, mittleres Risiko, niedriges Risiko. Das Thema „hohes Risiko“ ist sehr weit gefasst – da kommen immer mehr Dinge in den Anhang. Medizin, autonomes Fahren und kritische Infrastruktur waren verständlich, denn da will man sicherstellen, dass am Ende noch ein Mensch draufschaut. 

Aber dann kamen beispielsweise Personalentscheidungen dazu, also HR. Wenn ich ChatGPT frage, welche Fragen ich einem Bewerber stellen soll, ist das womöglich schon High-Risk, weil der Bewerber dadurch benachteiligt werden könnte. Dann müsste ich laut AI Act alles Mögliche dokumentieren: Habe ich Bias ausgeschlossen? Habe ich genderspezifische Verzerrungen ausgeschlossen? Da kann es sehr schnell passieren, dass man das versehentlich verletzt – oder zumindest haben die Unternehmen Angst davor, es zu verletzen.

Als Strafe sind 15 Millionen Euro oder drei Prozent des weltweiten Umsatzes vorgesehen. Für Google sind drei Prozent des Umsatzes viel Geld, aber die kriegen das hin. Für einen kleinen Mittelständler können 15 Millionen Euro aber ein Todesurteil sein. Und weil das Gesetz so kompliziert ist, wird die einfachste Lösung für viele Unternehmen sein, lieber keine KI-Tools zu nutzen.

Das kennen wir in kleinerem Umfang schon von der Datenschutzgrundverordnung (DSGVO), wo ebenfalls Unternehmen vieles eigentlich Erlaubte vorsichtshalber vermieden haben, weil die Regeln unklar oder zu komplex sind. Und der AI Act ist noch umfangreicher.

Was bedeutet das für KI-Startups in Europa?

Die meisten Startup-Gründer im KI-Bereich sind Techniker. Deshalb mache ich mir weniger Sorgen um die KI-Startups in Europa. Sie finden Wege, spezielle Lösungen zu entwickeln, die mit den europäischen Gesetzen konform sind. Für kleine Märkte wie Europa ist es für amerikanische oder chinesische Unternehmen oft nicht attraktiv genug, sich zu engagieren. 

Das gibt einerseits europäischen Startups die Chance, Nischenlösungen zu entwickeln. Solche Lösungen erzielen möglicherweise nur ein paar Millionen Euro Umsatz, locken aber keine internationalen Konkurrenten an, weil die sich nicht die Mühe machen, ihre Produkte an die komplizierten europäischen Vorschriften anzupassen. Das kann sogar ein Vorteil für europäische Startups sein.

Das Problem entsteht vielmehr für den Industrie-Mittelstand: Wir haben viele tolle Weltmarktführer mit speziellen Produkten, also – mal fiktiv – den Weltmarktführer für Druckventile in Sprinkleranlagen, der mit ein paar hundert Mitarbeitern in alle Welt exportiert. Wenn diese Unternehmen die Produktivitätsvorteile durch künstliche Intelligenz nicht oder nur wenig nutzen – weil sie Angst vor Fehlern und Strafen haben – werden sie nicht mehr lange Weltmarktführer bleiben.

Für einige Aufgaben wurden bereits in umfangreichen Studien die Produktivitätsvorteile gemessen, beispielsweise hat eine Studie der Harvard University herausgefunden, dass Unternehmensberater 43 Prozent bessere Ergebnisse abliefern, wenn sie KI nutzen – und zugleich 25 Prozent schneller sind. Wenn der Mittelstand sich wegen des AI Act nicht traut, diese Produktivitätsvorteile zu nutzen, werden sie ihre Weltmarktführerschaft verlieren. Das kann sich Europa nicht leisten.

Ist die Situation europäischer KI-Startups primär ein Problem der Finanzierung?

Ja. Das deutsche KI-Startup Aleph Alpha war, bevor ChatGPT kam, durchaus konkurrenzfähig, ich habe das damals parallel zu GPT-3 in unseren eigenen Programmen eingesetzt. Aber um richtig mitzuhalten, braucht man Milliarden oder zumindest Hunderte Millionen, auch für Hardware. Wenn ein Startup das nicht rechtzeitig bekommt, hinkt man schnell hinterher.

In den USA gibt es mehr Investoren, die da mitziehen. In Europa traut man sich seltener, solche Summen zu investieren. So läuft es dann oft auf Anwendungen hinaus, die keine „große“ Basistechnologie mehr entwickeln, sondern nur bereits existierende Modelle anpassen.

Das heißt also, Europa muss sich auf bestimmte Nischen spezialisieren, weil uns das finanzielle Ökosystem für die ganz großen Modelle fehlt?

Ja, ich sehe das so. Entweder müsste man ein wirklich milliardenschweres Projekt auflegen, das von öffentlichen Stellen unterstützt wird, um ein europäisches Foundation Model zu bauen, das dann auch eine eigene „europäische Weltanschauung” hätte. Oder man spezialisiert sich – was realistisch klingt – auf Anwendungen in Bereichen, in denen wir historisch stark sind.

Deine ungelesenen Artikel:
13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
/artikel/no-hype-ki-folge-3
13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
/artikel/no-hype-ki-folge-3
Die dritte Folge von "No Hype KI" mit Manuel Moser, Alexandra Sumper, Moritz Mitterer und Clemens Wasner (v.l.n.r.) (c) brutkasten

„No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz.


Wie lässt sich KI “richtig” in Unternehmen integrieren? Wieso erleben Unternehmen einen “Bottom-Up-Push” und warum sprechen viele dabei noch von großen Hürden? Um diese und viele weitere Fragen ging es in der dritten Folge von “No Hype KI”. Zu Gast waren Alexandra Sumper von Nagarro, Manuel Moser von CANCOM Austria, Moritz Mitterer von ITSV sowie Clemens Wasner von AI Austria und EnliteAI.

Du willst bei "No Hype KI" am Laufenden bleiben?

Trag dich hier ein und du bekommst jede Folge direkt in die Inbox!

Der Bottom-Up-Push

“Der AI-Hype ist jetzt circa zehn Jahre alt”, startet Clemens Wasner die Diskussionsrunde. Was als “vorausschauende Warnung und Betrugserkennung” im B2B-Sektor begann, hat sich eine knappe Dekade später zu einer Bottom-Up-Push-Bewegung entwickelt. “Einzelne Mitarbeitende verfügen teilweise über weitaus mehr praktische Erfahrung mit Generativer KI”, als “das oft auf einer Projektebene passiert”, so Wasner.

Um KI federführend in Unternehmen zu verankern, sei es wichtiger denn je, Mitarbeitende einzubinden und ihnen intern eine Bühne für den Best-Practice-Austausch zu geben, erklärt Wasner weiter. Aktuell ginge der KI-Push immer intensiver von Mitarbeiter:innen aus. Vergleichbar sei diese Bewegung mit dem Aufkommen der Smartphones vor etwa fünfzehn Jahren.

Daten mit Qualität

Als Basis sollte zuerst allerdings der Datenhaushalt eines Unternehmens sauber strukturiert und reguliert werden, sagt Manuel Moser, Director Digital Innovation & Software Engineering bei CANCOM Austria. “Wenn ein Unternehmen in puncto Daten hinterherhinkt, kann das jetzt durchaus ein Stolperstein sein”, sagt der Experte. In CRM- und ERP-Systemen finden sich häufig unvollständige Angaben. Die dadurch entstehende unzureichende Datenqualität könne jede KI-Initiative ins Stocken bringen, so Moser.

“Der größte Feind ist Zettel und Bleistift”

Schon allein das Notieren von Informationen auf Zetteln gilt nicht nur als scheinbar banale Hürde, wie Moser im Talk erläutert. Analoge Gewohnheiten können enorme Auswirkungen auf den gesamten Digitalisierungsprozess des Unternehmens haben: “Ich sage immer: Bei Digitalisierungslösungen ist der größte Feind der Zettel und der Bleistift am Tisch, mit denen man das digitale Tool am Ende des Tages umgeht.”

Gerade der öffentliche Sektor sollte im KI-Einsatz sowie in der Verwaltung von Daten sorgfältig agieren. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV, spricht von besonders sensiblen Daten aus der Sozialversicherung, die ein enges rechtliches Korsett und damit ein höheres Maß an Vorsicht mit sich bringen.

“Wir haben 2017 in der ITSV damit begonnen, innerhalb der Struktur damit zu experimentieren”, erzählt Mitterer. Ein essentielles Learning daraus: Gerade große Prozessmengen stellen sich als ideales Feld für KI heraus – wenn man vernünftige Leitplanken, klare Haftungsregeln und eine unternehmensweite Governance definiert.

Im Fokus stehen User:innen

Datenqualität, Governance und gleichzeitig reichlich Agilität? Worauf sollten sich Unternehmen in erster Linie konzentrieren, um KI lösungsorientiert einzusetzen? Alexandra Sumper, Director Delivery Österreich bei Nagarro, betont, dass KI-Projekte weit mehr als reine Technik voraussetzen: “Meine Erfahrung zeigt wirklich, nicht zu groß zu beginnen, wenn man erst am Anfang steht.“ Viele Firmen würden sich gerade anfangs in Strategiepapieren verlieren, anstatt realitätsgetreue Use Case zu definieren, so die Expertin.

“Man muss gut darauf achten, dass man liefert. Sowohl an Datenqualität, als auch an optimierter User Experience”, erläutert Sumper. Als Erfolgsbeispiel nennt sie die Asfinag, die einen KI-Chatbot erfolgreich eingeführt hat. Das Besondere dabei: Ein Kernteam entwickelte die KI-Lösung, achtete auf Datenqualität und band die künftigen Nutzer:innen ein. Die Akzeptanz im Unternehmen stieg rasant, erzählt Sumper von den Projektanfängen.

Ähnliche Schlüsse zieht Sumper aus der Beobachtung anderer Kund:innen: In erster Linie gelte es zu testen, ob KI in einem kleinen Rahmen Nutzen bringt. Sobald Mitarbeiter:innen erleben, dass KI ihre Arbeit wirklich erleichtert, wächst das Vertrauen und die Bereitschaft, weitere Schritte zu gehen.

“Am Anfang gibt es nichts, dass zu 100 Prozent funktioniert”

Dass sich eine Trial-and-Error-Phase gerade in den Anfängen des KI-Einsatzes nicht vermeiden lässt, scheint ein allgemeiner Konsens der Diskussionsrunde zu sein. “Es gibt nichts, was sofort 100 Prozent top funktioniert”, so Sumper. Um Fehlerquellen und deren Auswirkungen jedoch möglichst gering zu halten, empfiehlt die Expertin Qualitätssicherung durch ein Key-User-Team, um Fehler festzustellen, zu korrigieren und Daten-Gaps zu schließen.

Hierbei sollen die Möglichkeiten von generativer KI intelligent genutzt werden, wie Clemens Wasner hervorhebt: “Wir haben das erste Mal eine Technologie, die es ermöglicht, unstrukturierte Daten überhaupt auswertbar zu machen.” Nun gilt es, Effizienz in der Datenstrukturierung und -auswertung zu fördern, um mit der aktuellen Welle der digitalen Transformation mitzuhalten. Denn KI ist, wie Manuel Moser von CANCOM Austria bestätigt, ein wesentlicher Teil der digitalen Transformation: “Ein Baustein, wenn man so will, wie ein ausgestrecktes Werkzeug eines Schweizer Taschenmessers.”

KI-Bereiche mit Potenzial zur Ausgründung

Das Gespräch zeigte insgesamt, dass Unternehmen viel gewinnen können, wenn sie KI nicht als fertige Lösung, sondern als Lernprozess verstehen, in den die Belegschaft aktiv mit eingebunden wird. Auf einer soliden Datenbasis mit klarer Kommunikation ließe sich schon in kleinen Projekten ein spürbarer Mehrwert für das Unternehmen erzeugen.

In manchen Branchen, darunter Sozialversicherungen, E-Commerce sowie Luftfahrt und Logistik, sind Fortschritte unvermeidlich, um den steigenden Anforderungen von Markt- und Mitarbeiterseite gerecht zu werden.

Wasner spricht hierbei von einem Fokus auf Digital Business, der sich bereits in der Entstehung neuer Geschäftsfelder am Markt zeigt: Immer häufiger bündeln Unternehmen Wissensträger:innen zu den Bereichen Data, IoT und Machine Learning in einer eigenen Organisation oder Ausgründung. Gezielt wird hier das Potenzial eines eigenen KI-Kernteams zu nutzen und auszubauen versucht.

Luft nach oben

Dass es in vielen Branchen noch reichlich ungenutztes Potenzial gibt, haben mittlerweile einige Reports aufgeschlüsselt dargestellt. Gerade im Healthcare-Bereich sei “mit Abstand am meisten rauszuholen” – unter anderem im Hinblick auf den sicheren und effizienten Umgang mit Patienten- und Amnesie-Daten zur schnellen und akkuraten Behandlung.

Laut Moritz Mitterer der ITSV besteht eine große Herausforderung darin, sensible Patientendaten und strenge Regulatorik mit dem Wunsch nach Fortschritt zu vereinen. Gerade in Sozialversicherungen sei es wichtig, eine klare Governance zu schaffen und den Einsatzrahmen von KI zu definieren. Nur so könne Vertrauen gefestigt und sichergestellt werden, dass neue Technologien nicht an bürokratischen Hemmnissen oder Sicherheitsbedenken scheitern.

Vertrauen ist “noch ein starker Blocker”

“Am Ende des Tages probieren Unternehmen aus: Wie reagiert die Technologie, wie geht man damit um, welche Art von Projekten macht man?”, rundet Manuel Moser von CANCOM Austria die Diskussion ab. Der nächste Schritt liege darin, immer “mehr in die Kernprozesse von Unternehmen reinzukommen”, so Moser. “Und das, glaube ich, ist ein sehr wesentlicher Punkt.” Das Vertrauen, dass es die Technologie braucht. Das ist aktuell noch ein “starker Blocker in Unternehmen”.

Die Expertenrunde teilt einen universellen Konsens: Der Mensch sowie sein Know-how und Vertrauen in KI spielen bei der digitalen Transformation eine erhebliche Rolle. Sobald KI-Anwendungen auf eine verlässliche Datenstruktur und klare Organisation treffen, kann sich KI im Unternehmensalltag entfalten. Erst durch das Zusammenspiel von Technik, Datenkultur und motivierten Teams wird KI zum Treiber neuer Chancen.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
Die dritte Folge von "No Hype KI" mit Manuel Moser, Alexandra Sumper, Moritz Mitterer und Clemens Wasner (v.l.n.r.) (c) brutkasten

„No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz.


Wie lässt sich KI “richtig” in Unternehmen integrieren? Wieso erleben Unternehmen einen “Bottom-Up-Push” und warum sprechen viele dabei noch von großen Hürden? Um diese und viele weitere Fragen ging es in der dritten Folge von “No Hype KI”. Zu Gast waren Alexandra Sumper von Nagarro, Manuel Moser von CANCOM Austria, Moritz Mitterer von ITSV sowie Clemens Wasner von AI Austria und EnliteAI.

Du willst bei "No Hype KI" am Laufenden bleiben?

Trag dich hier ein und du bekommst jede Folge direkt in die Inbox!

Der Bottom-Up-Push

“Der AI-Hype ist jetzt circa zehn Jahre alt”, startet Clemens Wasner die Diskussionsrunde. Was als “vorausschauende Warnung und Betrugserkennung” im B2B-Sektor begann, hat sich eine knappe Dekade später zu einer Bottom-Up-Push-Bewegung entwickelt. “Einzelne Mitarbeitende verfügen teilweise über weitaus mehr praktische Erfahrung mit Generativer KI”, als “das oft auf einer Projektebene passiert”, so Wasner.

Um KI federführend in Unternehmen zu verankern, sei es wichtiger denn je, Mitarbeitende einzubinden und ihnen intern eine Bühne für den Best-Practice-Austausch zu geben, erklärt Wasner weiter. Aktuell ginge der KI-Push immer intensiver von Mitarbeiter:innen aus. Vergleichbar sei diese Bewegung mit dem Aufkommen der Smartphones vor etwa fünfzehn Jahren.

Daten mit Qualität

Als Basis sollte zuerst allerdings der Datenhaushalt eines Unternehmens sauber strukturiert und reguliert werden, sagt Manuel Moser, Director Digital Innovation & Software Engineering bei CANCOM Austria. “Wenn ein Unternehmen in puncto Daten hinterherhinkt, kann das jetzt durchaus ein Stolperstein sein”, sagt der Experte. In CRM- und ERP-Systemen finden sich häufig unvollständige Angaben. Die dadurch entstehende unzureichende Datenqualität könne jede KI-Initiative ins Stocken bringen, so Moser.

“Der größte Feind ist Zettel und Bleistift”

Schon allein das Notieren von Informationen auf Zetteln gilt nicht nur als scheinbar banale Hürde, wie Moser im Talk erläutert. Analoge Gewohnheiten können enorme Auswirkungen auf den gesamten Digitalisierungsprozess des Unternehmens haben: “Ich sage immer: Bei Digitalisierungslösungen ist der größte Feind der Zettel und der Bleistift am Tisch, mit denen man das digitale Tool am Ende des Tages umgeht.”

Gerade der öffentliche Sektor sollte im KI-Einsatz sowie in der Verwaltung von Daten sorgfältig agieren. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV, spricht von besonders sensiblen Daten aus der Sozialversicherung, die ein enges rechtliches Korsett und damit ein höheres Maß an Vorsicht mit sich bringen.

“Wir haben 2017 in der ITSV damit begonnen, innerhalb der Struktur damit zu experimentieren”, erzählt Mitterer. Ein essentielles Learning daraus: Gerade große Prozessmengen stellen sich als ideales Feld für KI heraus – wenn man vernünftige Leitplanken, klare Haftungsregeln und eine unternehmensweite Governance definiert.

Im Fokus stehen User:innen

Datenqualität, Governance und gleichzeitig reichlich Agilität? Worauf sollten sich Unternehmen in erster Linie konzentrieren, um KI lösungsorientiert einzusetzen? Alexandra Sumper, Director Delivery Österreich bei Nagarro, betont, dass KI-Projekte weit mehr als reine Technik voraussetzen: “Meine Erfahrung zeigt wirklich, nicht zu groß zu beginnen, wenn man erst am Anfang steht.“ Viele Firmen würden sich gerade anfangs in Strategiepapieren verlieren, anstatt realitätsgetreue Use Case zu definieren, so die Expertin.

“Man muss gut darauf achten, dass man liefert. Sowohl an Datenqualität, als auch an optimierter User Experience”, erläutert Sumper. Als Erfolgsbeispiel nennt sie die Asfinag, die einen KI-Chatbot erfolgreich eingeführt hat. Das Besondere dabei: Ein Kernteam entwickelte die KI-Lösung, achtete auf Datenqualität und band die künftigen Nutzer:innen ein. Die Akzeptanz im Unternehmen stieg rasant, erzählt Sumper von den Projektanfängen.

Ähnliche Schlüsse zieht Sumper aus der Beobachtung anderer Kund:innen: In erster Linie gelte es zu testen, ob KI in einem kleinen Rahmen Nutzen bringt. Sobald Mitarbeiter:innen erleben, dass KI ihre Arbeit wirklich erleichtert, wächst das Vertrauen und die Bereitschaft, weitere Schritte zu gehen.

“Am Anfang gibt es nichts, dass zu 100 Prozent funktioniert”

Dass sich eine Trial-and-Error-Phase gerade in den Anfängen des KI-Einsatzes nicht vermeiden lässt, scheint ein allgemeiner Konsens der Diskussionsrunde zu sein. “Es gibt nichts, was sofort 100 Prozent top funktioniert”, so Sumper. Um Fehlerquellen und deren Auswirkungen jedoch möglichst gering zu halten, empfiehlt die Expertin Qualitätssicherung durch ein Key-User-Team, um Fehler festzustellen, zu korrigieren und Daten-Gaps zu schließen.

Hierbei sollen die Möglichkeiten von generativer KI intelligent genutzt werden, wie Clemens Wasner hervorhebt: “Wir haben das erste Mal eine Technologie, die es ermöglicht, unstrukturierte Daten überhaupt auswertbar zu machen.” Nun gilt es, Effizienz in der Datenstrukturierung und -auswertung zu fördern, um mit der aktuellen Welle der digitalen Transformation mitzuhalten. Denn KI ist, wie Manuel Moser von CANCOM Austria bestätigt, ein wesentlicher Teil der digitalen Transformation: “Ein Baustein, wenn man so will, wie ein ausgestrecktes Werkzeug eines Schweizer Taschenmessers.”

KI-Bereiche mit Potenzial zur Ausgründung

Das Gespräch zeigte insgesamt, dass Unternehmen viel gewinnen können, wenn sie KI nicht als fertige Lösung, sondern als Lernprozess verstehen, in den die Belegschaft aktiv mit eingebunden wird. Auf einer soliden Datenbasis mit klarer Kommunikation ließe sich schon in kleinen Projekten ein spürbarer Mehrwert für das Unternehmen erzeugen.

In manchen Branchen, darunter Sozialversicherungen, E-Commerce sowie Luftfahrt und Logistik, sind Fortschritte unvermeidlich, um den steigenden Anforderungen von Markt- und Mitarbeiterseite gerecht zu werden.

Wasner spricht hierbei von einem Fokus auf Digital Business, der sich bereits in der Entstehung neuer Geschäftsfelder am Markt zeigt: Immer häufiger bündeln Unternehmen Wissensträger:innen zu den Bereichen Data, IoT und Machine Learning in einer eigenen Organisation oder Ausgründung. Gezielt wird hier das Potenzial eines eigenen KI-Kernteams zu nutzen und auszubauen versucht.

Luft nach oben

Dass es in vielen Branchen noch reichlich ungenutztes Potenzial gibt, haben mittlerweile einige Reports aufgeschlüsselt dargestellt. Gerade im Healthcare-Bereich sei “mit Abstand am meisten rauszuholen” – unter anderem im Hinblick auf den sicheren und effizienten Umgang mit Patienten- und Amnesie-Daten zur schnellen und akkuraten Behandlung.

Laut Moritz Mitterer der ITSV besteht eine große Herausforderung darin, sensible Patientendaten und strenge Regulatorik mit dem Wunsch nach Fortschritt zu vereinen. Gerade in Sozialversicherungen sei es wichtig, eine klare Governance zu schaffen und den Einsatzrahmen von KI zu definieren. Nur so könne Vertrauen gefestigt und sichergestellt werden, dass neue Technologien nicht an bürokratischen Hemmnissen oder Sicherheitsbedenken scheitern.

Vertrauen ist “noch ein starker Blocker”

“Am Ende des Tages probieren Unternehmen aus: Wie reagiert die Technologie, wie geht man damit um, welche Art von Projekten macht man?”, rundet Manuel Moser von CANCOM Austria die Diskussion ab. Der nächste Schritt liege darin, immer “mehr in die Kernprozesse von Unternehmen reinzukommen”, so Moser. “Und das, glaube ich, ist ein sehr wesentlicher Punkt.” Das Vertrauen, dass es die Technologie braucht. Das ist aktuell noch ein “starker Blocker in Unternehmen”.

Die Expertenrunde teilt einen universellen Konsens: Der Mensch sowie sein Know-how und Vertrauen in KI spielen bei der digitalen Transformation eine erhebliche Rolle. Sobald KI-Anwendungen auf eine verlässliche Datenstruktur und klare Organisation treffen, kann sich KI im Unternehmensalltag entfalten. Erst durch das Zusammenspiel von Technik, Datenkultur und motivierten Teams wird KI zum Treiber neuer Chancen.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag