In dieser Folge von „The Bridge“ von Artefact teilt Hanan Ouazan sein Fachwissen über AI und deren Auswirkungen auf die Automatisierung von Geschäftsprozessen sowie die Steigerung der Produktivität in Unternehmen.

Er wurde von Caroline Goulard, Geschäftsführerin und Gründerin von zwei data , zu ihrer Einschätzung dieses derzeit stattfindenden tiefgreifenden Wandels sowie zu den daraus resultierenden neuen Anwendungsfällen befragt.

Hanan ist beigetreten Artefact vor 10 Jahren gleich zu Beginn und hat sich schon immer leidenschaftlich für AI interessiert. Er spielt eine Schlüsselrolle bei der Entwicklung generativer AI bei Artefact unsere Kunden und nutzt dabei ständig weiterentwickelte fortschrittliche Technologien, um deren Bedürfnisse entsprechend den Anforderungen ihrer Branche besser zu erfüllen.

Als Absolvent der Centrale Lille und der École Normale Supérieure (ENS) schloss er seinen Forschungsmaster MVA (Mathematics, Vision, Learning) an der ENS ab, einem der führenden Studiengänge in den Bereichen maschinelles Lernen, Data und statistisches Lernen. Hanan leitet ein Team talentierter Ingenieure bei der Konzeption, Entwicklung und industriellen Umsetzung von artificial intelligence .

Der AI : Eine neue Ära der Automatisierung.

AI sind nicht mehr nur Werkzeuge, die automatisierte Aufgaben ausführen. Im Gegensatz zu RPA (Robotic Process Automation), das vordefinierte Aufgaben in einer festgelegten Reihenfolge ausführt, können sich AI an ihre Umgebung anpassen, Entscheidungen treffen und Prozesse ohne menschliches Eingreifen optimieren.

Dies ist ein echter Fortschritt auf dem Weg zu AI autonomeren, flexibleren und intelligenteren AI. Diese AI bieten einen neuen, anpassungsfähigeren Ansatz, da sie in der Lage sind:

  • Beobachten Sie ihre Umgebung und passen Sie ihr Verhalten entsprechend den data an.
  • Mit mehreren Systemen interagieren, um komplexe Aufgaben auszuführen.
  • Optimieren und automatisieren Sie Prozesse ohne ständige menschliche Eingriffe.
AI und Agentic werden 2025 die meistdiskutierten technologischen Begriffe sein. Diese Weiterentwicklung der Automatisierung nutzt die außergewöhnliche Leistungsfähigkeit, die generative AI gebracht AI . Ich bezeichne sie gerne als RPA 2.0, da sie sich in dynamische Arbeitsabläufe integrieren lässt und über die einfache Rolle eines Assistenten hinausgeht.“
Hanan Ouazan, geschäftsführender Gesellschafter Artefact globaler Leiter AI

Die RPA-Technologie (Robotic Process Automation) besteht darin, einen Prozess zu automatisieren, indem man ihn in eine Abfolge von Aufgaben zerlegt, die miteinander verknüpft werden, bis das Ergebnis erzielt wird – häufig nach einem einfachen Schema: Lesen, Extrahieren, Schreiben.

Generative AI bestehen aus drei Komponenten:

  1. LLM: Zunächst hatten wir Modelle, die es uns ermöglichten, Fragen auf der Grundlage ihres Wissens zu beantworten.
  2. Assistent: Dann kam die Zeit der Assistenten, die in der Lage waren, mit Wissenssystemen zu interagieren, um uns im Alltag zu unterstützen (RAG-Nutzung usw.) – der berühmte „COPILOT“. Hier AI “ AI nichts AI , sondern erweitert ihr Wissen und unterstützt den Nutzer.
  3. Agent: Ein Agent ist eine Anwendung, die darauf abzielt, ein Ziel zu erreichen, indem sie die Umwelt beobachtet und mit den ihr zur Verfügung stehenden Mitteln darauf reagiert. Neu ist dieses „Bewusstsein“ für die Umgebung, das es dem Agenten ermöglicht, sich an unvorhergesehene Ereignisse anzupassen.

Und genau darin unterscheidet es sich vom Konzept der RPA. Es ist die Fähigkeit des Agenten, sich auf Unvorhergesehenes einzustellen, die ihm oft die Bezeichnung „RPA 2.0“ einbringt!

Anwendungsfall: Wie AI den Unterschied ausmachen.

AI finden in vielen Bereichen Anwendung.

  • Kundenbeziehungen: Intelligente Chatbots, die nicht nur Fragen beantworten, sondern auch bestimmte Aufgaben ausführen können (z. B. einen Vertrag aktualisieren, eine Rechnung erstellen oder eine bestimmte Anfrage bearbeiten).
  • Backoffice: EDM 2.0, automatisiertes Dokumentenmanagement, Störungsbearbeitung und interne Anfragen.
  • Code-Erstellung: KI-Systeme unterstützen Entwickler, indem sie Code generieren, Skripte optimieren oder Tests automatisieren.

 

„Anwendungsfälle müssen unter prozessualen Gesichtspunkten neu überdacht und nicht einfach nur in AI übersetzt werden. Das Ziel besteht nicht darin, AI überzustülpen, sondern den Prozess neu zu definieren, ohne die Einschränkungen, die möglicherweise zuvor bestanden haben.“
Hanan Ouazan, geschäftsführender Gesellschafter Artefact globaler Leiter AI

Der Einfluss von AI auf die Softwareentwicklung: Automatisierung, Interoperabilität und neue Herausforderungen.

 

„Wir erleben derzeit die Entstehung von AI , die in der Lage sind, Code zu generieren, ihn zu implementieren und sogar komplexe Prozesse zu automatisieren. Diese Technologien verändern die Softwareentwicklung grundlegend und ermöglichen eine wesentlich schnellere und einfachere Weiterentwicklung von Anwendungen.“
Hanan Ouazan, geschäftsführender Gesellschafter Artefact globaler Leiter AI

AI haben zwei Hauptanwendungsbereiche:

  1. Schnelles Bootstrapping (z. B. Bolt): Sofortige Umsetzung von Konzepten in Prototypen.
  2. Entwicklungsunterstützung (z. B. Copilot, Cursor): Code-Vervollständigung, Refactoring, Testgenerierung.

Diese Entwicklung ersetzt jedoch nicht das menschliche Fachwissen. Diese Tools erfordern eine strenge Überwachung, um strukturelle Fehler zu vermeiden, insbesondere das Risiko von „Kartenhaus“-Code, der zwar leistungsstark erscheint, in der Produktion jedoch instabil ist.

Wie AI das Problem der Interoperabilität zwischen Anwendungen lösen werden.

Heutzutage basiert die Verbindung zwischen einem AI und Software hauptsächlich auf dienstspezifischen APIs. Um beispielsweise mit Systemen wie Google Drive, Slack und Confluence zu kommunizieren, ist Folgendes erforderlich:

  1. Integration von drei unterschiedlichen APIs, von denen jede ihre eigenen technischen Besonderheiten aufweist.
  2. Konfiguration des AI mit drei Konnektoren, die jeweils eine eigene Authentifizierung und Konfiguration erfordern.
  3. Es werden drei separate Abfragen gestartet, deren Ergebnisse anschließend vom Agenten zusammengefasst oder synthetisiert werden.

Dieser Prozess ist nicht nur komplex, sondern auch schwer zu warten und weiterzuentwickeln, insbesondere in großem Maßstab. Genau dieses Problem soll die von Anthropic ins Leben gerufene Initiative mit dem Model Context Protocol (MCP) lösen. Dieses neue Protokoll fungiert als universelle, standardisierte API, die speziell darauf ausgelegt ist, die Interaktion zwischen AI und Software zu vereinfachen.

Schließlich ist es wichtig zu verstehen, dass AI die Struktur von SaaS-Software in Frage stellen, die auf drei grundlegenden Bausteinen basiert (UX, Intelligenz,Data). Diese Technologie stellt diese drei Komponenten infrage:

  1. UX: Durch AI verändert sich die Interaktion mit den Nutzern. Eingabeaufforderungen und Automatisierung ersetzen das herkömmliche Klicken, wodurch die klassische UX an Bedeutung verliert. Das Nutzererlebnis wird neu definiert und orientiert sich nun an unsichtbaren Arbeitsabläufen oder an den Bedürfnissen der Agenten angepassten Abläufen.
  2. Intelligenz: Automatisierungen umfassen oft Vorgänge, an denen mehrere Systeme beteiligt sind. Eine offene, standardisierte Logik könnte Workflows ersetzen, die in isolierten Ökosystemen eingeschlossen sind.
  3. Data: Die Frage Data bleibt ein Hindernis für eine vollständige Integration.

 

„Heutzutage integrieren SaaS-Anbieter Automatisierungsschichten in ihre Plattformen, doch stößt dieser Ansatz angesichts der Anforderungen verschiedener Plattformen an seine Grenzen. Die Zukunft von SaaS liegt wahrscheinlich in offenen, vernetzten und anpassungsfähigen Logiken, die den Unternehmen zugutekommen.“
Hanan Ouazan, geschäftsführender Gesellschafter Artefact globaler Leiter AI

AI : Einführung, Herausforderungen und Auswirkungen auf die Arbeit.

Die ersten AI , wie beispielsweise Copilot von Microsoft, Google und Salesforce, finden zunehmend Verbreitung, beschränken sich jedoch nach wie vor auf einfache Aufgaben. Fortgeschrittenere Agenten haben aufgrund mangelnder Kontrolle und mangelnden Vertrauens Schwierigkeiten, in der Praxis eingesetzt zu werden, während autonome Agenten noch im Versuchsstadium sind.

Vor einigen Monaten erklärte Jensen Huang, CEO von Nvidia, auf der Consumer Electronics Show (CES) in Las Vegas, dass „die IT zur Personalabteilung der AI werden wird“.

Laut Hanan Ouazan ist diese Vision zwar interessant und anspruchsvoll, aber weder ganz realistisch noch wünschenswert.

Seiner Ansicht nach wird die IT beim Einsatz dieser AI eine Schlüsselrolle spielen, jedoch nicht in der Lage sein, die Verwaltung dieser Tools allein zu übernehmen. Dies erfordert eine umfassendere organisatorische Umgestaltung und die unverzichtbare Einbindung der Geschäftsbereiche:

  • Vor allem eine geschäftliche Herausforderung: AI automatisieren Geschäftsprozesse. Ihre Überwachung erfordert die Einbindung von Betriebs- und data .
  • Eine tiefgreifende organisatorische Veränderung: Die IT wird für die technische Wartung zuständig sein, während die Geschäftsbereiche die Verantwortung für die Steuerung und die Optimierung der Agenten übernehmen.

Generative AI bereits AI die Geschäftswelt: weniger Ausführung, mehr Überwachung und Optimierung. Wie bei der industriellen Automatisierung müssen sich die Kompetenzen weiterentwickeln, um diese Werkzeuge effektiv zu integrieren.

 

„Automatisierung allein reicht nicht aus: Wir müssen bereits jetzt unsere Geschäftsprozesse überdenken, um unnötige Komplexität zu vermeiden. AI nicht nur eine weitere Ebene sein, sondern ein Hebel, um effizientere Modelle zu entwickeln, die auf die geschäftlichen Anforderungen zugeschnitten sind.“
Hanan Ouazan, geschäftsführender Gesellschafter Artefact globaler Leiter AI