Executive summary & recap:

Unter Teil 1, haben wir aufgezeigt, wie die Einführung von Unternehmens-KI bei 14% ins Stocken gerät, wenn sie als SaaS erworben wird. In Teil 2, haben wir die vier Funktionen der Einsatzebene (Deploy, Ground, Adopt, Build) dargestellt und aufgezeigt, warum die Verankerung der Grundlagen dem Training vorausgehen muss. In Teil 3 stellen wir die operative Struktur vor, die erforderlich ist, um dies nachhaltig zu verankern: eingebettete Teams, in denen Strategen und Ingenieure zusammenarbeiten, das Chaos, das ohne sie entsteht, sowie den Praxistest aus Chancerygate.

Wenn die Implementierungsebene von Menschen aufgebaut wird, anstatt als Produkt erworben zu werden, stellt sich die Frage, welche Menschen dies tun und wie sie organisiert sind. Meine Antwort orientiert sich bewusst daran, wie die Labore selbst mit ihren größten Kunden zusammenarbeiten, und es ist eine Antwort, für die die meisten Beratungsunternehmen – einschließlich meines eigenen bis vor kurzem – strukturell nicht gerüstet waren: kleine, eingebettete Teams, die für ein Ergebnis und nicht für ein Lieferobjekt verantwortlich sind. Drei Verben beschreiben dies.

Einbetten

Setzen Sie einen vor Ort tätigen Strategen mit einem vor Ort tätigen Ingenieur zusammen und lassen Sie beide für die Dauer des Projekts beim Kunden arbeiten – nach Möglichkeit vor Ort.

  • Der Stratege ist für das Geschäftsergebnis und das Betriebsmodell verantwortlich: Welche Prozesse, welche Abteilungen haben Vorrang, welche der achtzig Anwendungsfälle werden in die Roadmap für das erste Jahr aufgenommen, wie wird das KI-Büro personell besetzt, wie wird der Mehrwert gemessen und dem Vorstand berichtet.
  • Der Ingenieur umfasst die Plattform, die Kontextschicht und die Agenten: den MCP-Server und seine Konnektoren, das Berechtigungsmodell, das Agenten-Framework sowie die Integration in die bereits auf dem Client ausgeführten Anwendungen.

In einer typischen Woche befindet sich der Stratege vormittags im Büro des Finanzdirektors und der Ingenieur arbeitet nachmittags gemeinsam mit dem data-Team des Kunden; beide nehmen am selben Stand-up-Meeting teil. Keiner von beiden arbeitet anhand einer Präsentation, und keiner darf eine Empfehlung als Ergebnis hinterlassen. Das Ergebnis ist das funktionierende Produkt.

Ich bin davon überzeugt, dass die Zusammensetzung des Teams wichtiger ist als die Dienstaltersstufe. Ein Stratege allein erstellt einen Fahrplan, der auf die IT wartet. Ein Ingenieur allein entwickelt eine Plattform, die auf das Geschäft wartet. Gemeinsam schaffen sie eine Gewohnheit für den Montagmorgen.

Zug

Die Einführung erfolgt abteilungsweise im Live-Betrieb von data und wird eher übergeben als ausgeliefert. Drei Rollen sorgen dafür, dass sie Bestand hat:

  1. KI-Champions in jedem Geschäftsbereich, die eher aufgrund ihres Interesses als aufgrund ihrer Position ausgewählt wurden, wöchentliche Sprechstunden abhalten, die Fragen sammeln, auf die das Tool keine Antwort liefern konnte, und die nächsten Anwendungsfälle an das Team weiterleiten.
  2. Ein KI-Büro Im Zentrum stehen vier Funktionen: Führung und Steuerung, die für das Portfolio und die Lizenzen verantwortlich ist; ein Use-Case-Team, das die Lösungen entwickelt; ein Plattformteam, das die Kontextschicht, die Sicherheit und die Kernwerkzeuge betreibt; sowie eine Einführungsfunktion, die in Zusammenarbeit mit der Personalabteilung für Schulungen und Veränderungsprozesse zuständig ist.
  3. Technische Umsetzung für die technischen Teams von Claude Code und Codex – Hackathons, Sprechstunden, eine Arbeitsgruppe zur Governance in Bezug auf Zugang und Kosten –, gemessen in täglichen Sitzungen pro Entwickler statt in Lizenzen.

Der Test, den ich anwende, ist einfach: Wenn das vor Ort eingesetzte Team morgen verschwinden würde, würde die Nutzung dann weiter steigen? Falls nicht, wurde noch nichts eingeführt.

Erstellen

Die Agenten werden in zweiwöchigen Sprints bereitgestellt. Am ersten Tag findet ein praxisorientierter Workshop zum Thema “Wie erstellt man einen Agenten?” mit den für den Prozess Verantwortlichen statt, sodass der Sachbearbeiter in der Kreditorenbuchhaltung bereits zur Mittagszeit miterlebt hat, wie eine Rechnung in strukturierte Felder umgewandelt wird, und weiß, was der Agent leisten kann und was nicht. Der Rest des Sprints besteht aus der Entwicklung, dem Testen und der Iteration anhand echter Dokumente, gefolgt von einer Demo für die Fachabteilung am letzten Tag.

Jeder Mitarbeiter erhält ein wiederverwendbares Framework – in einer Microsoft-Umgebung sind dies in der Regel Power-Automate-Abläufe, die die Dokumente erfassen und die Claude-API mit dem Schema und dem Referenzmaterial aufrufen, woraufhin ein strukturiertes Dossier zur Überprüfung durch einen Mitarbeiter zurückgegeben wird – sowie Vorlagen für Eingabeaufforderungen, kurze Videos, einen namentlich benannten Geschäftsverantwortlichen, einen Testbenutzer und einen Betreuer, der den Aufbau begleitet hat.

Der Maßstab für den Erfolg sind nicht die vier Agenten, die wir ausliefern. Es sind die zwanzig, die der Kunde anschließend ohne uns entwickelt. Liegt diese Zahl bei null, haben wir eine Abhängigkeit geschaffen, keine Kompetenz.

Ein roter Faden, der sich durch alle drei Bereiche zieht, ist die Beziehung zu den Labors. Ich bin der Ansicht, dass die Bereitstellungsschicht nur dann funktioniert, wenn die Entwickler, die sie aufbauen, die Roadmap für die nächsten sechs Monate einsehen können, sich bei Fehlfunktionen eines Konnektors direkt an das Lösungsteam des Labors wenden können und die Ingenieure des Labors mit den Führungskräften und Entwicklern des Kunden an einen Tisch bringen können. Diese Nähe ist keine bloße geschäftliche Höflichkeit. Sie ist es, die es einer Bereitstellung ermöglicht, MCP, Skills, Cowork oder Codex bereits im Monat ihrer Veröffentlichung zu integrieren – und nicht erst ein Jahr später.

Was könnte ohne dies schiefgehen?

Stellen Sie sich denselben CIO in achtzehn Monaten vor, nachdem er die Lizenzen erneuert und die Bereitstellungsschicht übersprungen hat.

Die Nutzerzahl ist auf dreitausend gestiegen; die Quote der aktiven Nutzer hat sich nicht verändert. Die Mitarbeiter, die mehr wollten, haben ihre eigentliche Arbeit still und leise auf private Konten verlagert, wo die Vertragsentwürfe, Kundenlisten und Prognosen des Unternehmens für das nächste Jahr nun in Chat-Verläufen gespeichert sind, die niemand kontrolliert und niemand löschen kann. Drei Abteilungen haben jeweils eine Einzellösung mit eigenem eingebettetem Modell, eigenen Schnittstellen und eigenen Berechtigungen erworben – eine für die Vertragsprüfung, eine für den Kundenservice und eine für die Beschaffung –, von denen keine sich darüber einig ist, was ein Kunde oder eine Marge ist, und von denen nun jede eine eigene Sicherheitsüberprüfung erfordert.

Eine Handvoll Enthusiasten hat an einem Wochenende eigenständig in einem No-Code-Tool Agenten erstellt. Einige davon sind gut. Keiner verfügt über einen Verantwortlichen, einen Testnutzer oder ein Protokoll, und einer von ihnen versendet Zahlungserinnerungen an Lieferanten mit den Bankdaten des letzten Jahres. Das Sicherheitsteam, das erst spät hinzugezogen wurde und mit einer Umgebung konfrontiert wurde, die es nicht selbst entworfen hat, reagiert auf die einzige ihm mögliche Weise: indem es alles sperrt, was die Enthusiasten zurück auf ihre privaten Konten und das Unternehmen zurück an den Anfang befördert.

Das Kundenbetreuungsteam des Labors sieht einen Kunden mit gleichbleibender Nutzung, ohne Referenzfall und ohne technischen Ansprechpartner, mit dem es sich austauschen könnte, und weist seine knappen Lösungsingenieure einem anderen Kunden zu. Das Unternehmen hat für die Pionierleistung bezahlt und einen Chatbot erhalten.

Ich möchte hier hinsichtlich der Schuldzuweisungen genau sein, da diese in der Regel fehlgeleitet sind. Nichts davon ist ein Versagen der Technologie, und nur sehr wenig davon ist ein Versagen der Mitarbeiter. Es ist das vorhersehbare Ergebnis davon, dass eine Fähigkeit als Beschaffungsgegenstand behandelt wird und dass niemand für die Kluft zwischen einer Lizenz und einer Gewohnheit zur Rechenschaft gezogen wird.

Was wir diesbezüglich beschlossen haben

Ich möchte mit der Frage schließen, was diese Überzeugung in der Praxis bedeutet hat, denn eine Meinung, die keine Auswirkungen auf die Art und Weise hat, wie man sich organisiert, ist lediglich eine Äußerung.
Bei Artefact betrachten wir die Implementierung nicht mehr als eine Phase am Ende eines Strategieprojekts, sondern haben sie zu einem eigenständigen Fachgebiet mit einem eigenen Team ausgebaut. Wir bezeichnen dies als DeployCo: Vor Ort eingesetzte Ingenieure und Strategen, deren einzige Aufgabe die Implementierungsebene ist; sie arbeiten mit Anthropic und OpenAI zusammen und sind nach Labors sowie nach Regionen in Europa, dem Nahen Osten und Afrika organisiert, wobei jede Region über einen Geschäftsleiter und einen technischen Leiter für jedes Labor verfügt. Wir beabsichtigen, bis 2027 auf 100 Mitarbeiter anzuwachsen. Das ist ein Wagnis, und ich habe kein Problem damit, dies öffentlich zu sagen, denn ich glaube, dass die Alternative – Strategie zu verkaufen und die technische Umsetzung anderen zu überlassen – genau der Grund dafür ist, warum die Branche bei 14% angelangt ist.

Diese Wette beruht auf einigen Standpunkten, an denen ich fest halte:

  • Diese Verankerung muss stets vor dem Training erfolgen, und eine Trainingseinheit, in der das eigene data des Klienten nicht zum Tragen kommt, ist reine Show.
  • Dass ein Agent ohne namentlich genannten Eigentümer und Betreuer eine Belastung und kein Gewinn darstellt, ganz gleich, wie leistungsfähig er auch sein mag.
  • Das Team des Kunden muss innerhalb eines Quartals mehr leisten als unser Team, andernfalls haben wir versagt.
  • Und dass die Menschen, die diese Arbeit leisten, nah genug an den Labors sitzen müssen, um zu erkennen, was auf uns zukommt – weshalb wir unsere Zeit gemeinsam mit ihnen in den Räumlichkeiten verbringen: Allein im Oktober in München, Zürich und Casablanca, wobei auf der einen Seite des Tisches Führungskräfte unserer Kunden und deren Entwickler saßen und auf der anderen Seite die Teams von Anthropic und OpenAI, um konkrete Implementierungen durchzugehen, anstatt Keynotes anzuhören.

Chancerygate, ein Londoner Industrieentwickler und Vermögensverwalter mit rund 700 Mietern und einem verwalteten Vermögen von etwa 1,2 Milliarden Pfund, ist für mich der deutlichste Beweis dafür, dass die dritte These zutrifft. Ein Workshop im Frühjahr hatte die üblichen Backoffice-Engpässe zutage gefördert: hundert Lieferantenrechnungen pro Monat, die von Hand neu eingegeben werden mussten, eineinhalb Stunden für die Überprüfung der Protokolle jeder größeren Besprechung, die Überprüfung von Vertraulichkeitsvereinbarungen mit uneinheitlicher Abdeckung der Risikoklauseln sowie Risikobewertungsmodelle, die durch das Abschreiben von Zahlen aus PDF-Dateien erstellt wurden.

In einem zweiwöchigen Sprint innerhalb ihrer Microsoft-Umgebung stellte ein gemeinsames Team vier auf Claude basierende Agenten bereit, die genau diese vier Probleme angehen sollten:

  1. Kreditorenbuchhaltung: 80% weniger Zeitaufwand pro Rechnung, über 90% automatisch abgeglichene Einzelposten.
  2. NDA-Prüfung: von drei Tagen auf unter zwei Stunden.
  3. Initialisierung der Risikoprüfung: 25 Stunden bis unter drei.
  4. Sitzungsprotokoll: eineinhalb Stunden bis dreißig Minuten.

Jeder Agent wurde einem Verantwortlichen, einem Testnutzer und einem Betreuer zugewiesen. Seitdem haben die eigenen Mitarbeiter – etwa 25 geschulte, von denen rund zehn die Agenten täglich nutzen – mehr als zwanzig weitere Agenten entwickelt, jeweils in weniger als einem halben Tag, und sind nun dabei, den AP-Agenten direkt in NetSuite und den NDA-Agenten in DocuSign zu integrieren. “Das Artefact-Team war hervorragend”,” sagte Phil Price, deren Leiter des Bereichs FP&A, sowie “hat uns in eine gute Ausgangsposition versetzt, um auf eigener Faust weiter aufzubauen und zu expandieren.” Der erste Teil dieses Satzes ist freundlich. Der zweite Teil bringt es auf den Punkt.

Die Grenze ist nicht mehr das Modell. Es ist die Distanz zwischen dem Modell und Ihrem Montagmorgen. Wenn Sie über Lizenzen für Claude oder ChatGPT verfügen und die drei Fragen in diesem Artikel noch nicht beantworten können – was das Modell über Sie weiß, wer in den einzelnen Abteilungen für die Einführung verantwortlich ist und wer Ihre Agenten entwickelt und wartet –, dann verfügen Sie noch nicht über KI-Fähigkeiten. Sie haben ein Abonnement.

Die gute Nachricht ist, dass diese Kluft innerhalb von Wochen – und nicht erst nach Jahren – überbrückt werden kann, und zwar von Menschen, die sich dazu entschlossen haben, dies zu ihrer Aufgabe zu machen.

Ich würde mich freuen, zu erfahren, in welchen Punkten Sie anderer Meinung sind: remi.sabonnadiere@artefact.com