Vom KI-Hype zum Geschäftsnutzen: Was KI in Unternehmen wirklich leisten kann

Chatbots, Assistenten, Sprachmodelle: Viele Unternehmen beschäftigen sich derzeit mit Künstlicher Intelligenz. Doch wie lässt sich aus KI messbarer Geschäftsnutzen erzeugen? Dr. Nicolas Bissantz beschäftigt sich seit mehr als 30 Jahren mit genau dieser Frage. CRN, das Fachmedium für den ITK-Channel, hat ihn zu realen Einsatzszenarios, häufigen Fehlern und der Zukunft des Controllings befragt.

Der größte Hebel liegt nicht bei Berichten

Die meisten Unternehmen sind mit Informationen gut versorgt. Das eigentliche Problem ist ein anderes: Aus verfügbaren Daten folgen nicht automatisch klare Konsequenzen. So ist eine Abweichung im Controlling ist schnell sichtbar, doch warum sie entstanden ist und was daraus folgt, bleibt oft unklar. Genau hier setzt KI an, so Bissantz: „Sie hilft, Zusammenhänge schneller zu erkennen, Kontext einzubeziehen und Handlungsoptionen vorzubereiten.“

Diesen Ansatz nennt Bissantz Decision Intelligence – eine konsequente Weiterentwicklung von Business Intelligence, die nicht bei der Frage „Was ist passiert?“ stehen bleibt, sondern fragt: Was bedeutet das, und was sollten wir tun?

Produktivität allein reicht nicht

In diesem Zusammenhang wird klar, dass die Betrachtung von KI als reines Produktivitätswerkzeug zu kurz greift. Natürlich ist es nützlich, wenn Routineaufgaben weniger Zeit beanspruchen. Aber der eigentliche Wert liegt nicht darin, den gleichen Weg schneller zurückzulegen – sondern früher zu erkennen, welcher Weg der richtige ist. KI wird dann besonders wertvoll, wenn sie Effizienz und Wirksamkeit zusammenbringt.

Warum viele KI-Projekte scheitern

Die häufigste Ursache für gescheiterte KI-Vorhaben ist keine technische, sondern eine konzeptionelle: KI wird zu spät im Prozess gedacht. Ein Sprachmodell aufzusetzen kann nur bessere Entscheidungen unterstützten, wenn konsistente Kennzahlen, saubere Datenstrukturen, ein belastbares Fachmodell und klare Verantwortlichkeiten vorhanden sind.

Bissantz formuliert es klar: „Fehlen diese Grundlagen, erzeugt KI Unsicherheit lediglich schneller. Entscheidend ist deshalb, dass Kennzahlen und Wirkungszusammenhänge fachlich korrekt modelliert sind. KI kann Muster erkennen und Kontext herstellen – sie ersetzt jedoch kein belastbares Fachmodell.“ 

Drei KI-Einsatzfelder mit echtem Potenzial

Praktischen Nutzen stiftet KI überall dort, wo Informationen bislang mühsam zusammengesucht, bewertet und in Handlungen übersetzt werden mussten.

1. Datenaufbereitung: Rohdaten, die aus unterschiedlichen Quellen stammen und inkonsistent gepflegt sind, lassen sich mithilfe von KI bereinigen und strukturieren – eine Voraussetzung, ohne die jede weitergehende Analyse auf wackeligem Fundament steht.
2. Maßnahmenableitung: Wenn aus Kennzahlen und Kontextinformationen nicht nur Erkenntnisse, sondern konkrete Handlungsempfehlungen entstehen, überbrückt KI die oft große Lücke zwischen Analyse und Umsetzung.
3. Planung und Simulation: KI verändert die Art, wie Unternehmen in die Zukunft schauen: weniger als Versuch, einen möglichst genauen Forecast zu erstellen, mehr als Werkzeug, um verschiedene Szenarios durchzuspielen und ihre Konsequenzen abzuwägen.

Agentic AI: Die Zukunft des Controllings?

KI-Agenten können Informationen aus verschiedenen Systemen zusammenführen und Folgeprozesse priorisieren und anstoßen, ohne dass jeder Zwischenschritt manuell koordiniert werden muss. Auf diese Weise ermöglicht Agentic AI Unternehmen, die Zeit zwischen Erkenntnissen und ihrer Umsetzung zu schließen.

Doch der Nutzen hängt nicht nur an der Technologie, sondern an der Frage, die ihr vorausgeht: Wo kosten Entscheidungen heute besonders viel Zeit? Wer dort ansetzt, findet die tragfähigen Anwendungsfälle – und vermeidet, KI um der KI willen einzuführen. Die zentrale Voraussetzung bleibt eine solide Grundlage mit klaren Strukturen. Agenten, die auf wackeligem Fundament operieren, beschleunigen vor allem eines – Fehler.

Vom Informationsverarbeiter zum Entscheidungsgestalter

KI verändert die Rolle des Controllings. Für Bissantz geht es „künftig stärker darum, Zusammenhänge einzuordnen und Entscheidungen fundiert vorzubereiten. Dafür braucht es belastbare Daten, ein fachliches Verständnis der Zusammenhänge und die Fähigkeit, Erkenntnisse in Handlungsoptionen zu übersetzen.“ Das ist nicht nur ein Effizienzgewinn, sondern vor allem ein qualitativer Sprung – vom Informationsverarbeiter zum Entscheidungsgestalter.

Das vollständige Interview mit Dr. Nicolas Bissantz, geführt von Lars Bube, Associate Editor bei CRN, ist auf crn.de erschienen: zum Artikel.