EN-Archiv – Seite 2 von 68

Architekturkonzept: Implementierung einer Enterprise-Intelligence-Ebene für Pipelines im Bereich der dialogorientierten KI

Die Skalierung von dialogorientierter KI über erste Pilotprojekte hinaus erfordert mehr als nur probabilistische Informationsgewinnung – sie erfordert einen geregelten geschäftlichen Kontext. Erfahren Sie in diesem Architekturentwurf, wie Artefact und Starburst eine „Enterprise Intelligence Layer“ aufbauen, die unterschiedliche data-Systeme zu zertifizierten, KI-fähigen data-Produkten zusammenführt. Durch die Trennung der rohen data-Abfrage von der Geschäftslogik schafft dieses Framework eine deterministische, überprüfbare Steuerungsebene, die sicherstellt, dass Dialogagenten präzise, nachvollziehbare und rechtskonforme Ergebnisse liefern.

KI-Plattform der nächsten Generation: Aufbau und Skalierung

Erfahren Sie, wie Sie eine skalierbare KI-Plattform für Unternehmen aufbauen, proprietäre data-Systeme einbinden und einen echten geschäftlichen ROI erzielen können, der über individuelle Produktivitätssteigerungen hinausgeht.

Warum agentenbasierte Marketingprojekte bereits beim ersten Agenten ins Stocken geraten

Eine Ansammlung isolierter KI-Agenten wird die Marketingabläufe nicht grundlegend verändern. Erfahren Sie, warum echtes agentenbasiertes Marketing vernetzte Entscheidungen, einen über mehrere Zyklen hinweg beständigen Speicher sowie von Marketingfachleuten gesteuerte Geschäftsregeln erfordert, um Hyper-Personalisierung in großem Maßstab zu ermöglichen.

Wir optimieren den Arbeitsablauf, nicht die Marge

Die meisten Versicherer haben ihre KI-Programme auf die Kostenquote ausgerichtet. Ich schlage vor, dass sie sich stattdessen auf die Schadenquote konzentrieren sollten. Zwei Gespräche in den letzten zwei Wochen haben mich zu dieser Erkenntnis geführt. Am 17. September moderierte ich in London einen Roundtable zum Thema „Disruption durch KI im Bereich Risikoprüfung und Schadenabwicklung“, an dem COOs, Leiter der Bereiche Customer Journey und Data sowie Verantwortliche für die KI-Transformation von mehreren der größten britischen Versicherer und Makler teilnahmen. Letzte Woche nahm ich an einer INSEAD-Podiumsdiskussion zum Thema Versicherungen teil, und eine völlig andere Gruppe brachte mich zu einer ähnlichen Schlussfolgerung...

Wenn ein Immobilienunternehmen einen Chief AI Officer benötigt

In vielen Immobilienunternehmen begann die Einführung von KI mit einem Pilotprojekt, einigen Lizenzen und dem Versprechen, dem Vorstand einen Plan vorzulegen. Es erweist sich jedoch als schwieriger, diese Maßnahme in eine dauerhafte Veränderung der Arbeitsweise der Mitarbeiter umzusetzen. Diese Schwierigkeit geht über die Immobilienbranche hinaus: Die weltweite Studie „Future of Work 2026“ von JLL ergab, dass 42% der Unternehmen ihre anfänglichen Pilotprojekte bereits hinter sich gelassen hatten, jedoch nur 15% einen KI-getriebenen organisatorischen Wandel vorangetrieben hatten. Um diese Lücke zu schließen, bedarf es einer Person, die über die Zeit, die Befugnisse und das Budget verfügt, um die Arbeitsweise des Unternehmens zu verändern. Für einige britische Immobilienunternehmen sollte dies ein Chief AI Officer (CAIO) sein. Meiner Ansicht nach können die meisten diese Verantwortung jedoch anderweitig zuweisen.

KI-ROI: Wie Finanzvorstände den Einsatz von KI diszipliniert genehmigen können – vom Pilotprojekt bis zur flächendeckenden Einführung

Jedes Unternehmen, das Mittel für artificial intelligence bewilligt, geht dasselbe Risiko ein: Es feiert ein technisch einwandfreies Pilotprojekt, das jedoch keinerlei Auswirkungen auf die Gewinn- und Verlustrechnung hat. Das Problem besteht nicht darin, zu hohe Mittel zu bewilligen. Das Problem ist vielmehr, dass die falschen Kennzahlen gemessen werden: Nutzung, Genauigkeit und Akzeptanz anstelle der finanziellen Ergebnisse.

Wenn die KI Ihnen Ihre Bank empfiehlt: Die GEO-Revolution

Die Sichtbarkeit von Marken im Internet verlagert sich zunehmend von Klicks hin zu KI-Empfehlungen in ChatGPT, Gemini und den Google AI Overviews. In dieser gemeinsam mit VizibAI durchgeführten Studie stellt Artefact die „Generative Engine Optimization“ (GEO) für den Bankensektor vor und bietet ein konkretes Rahmenkonzept, um zu messen, zu analysieren und zu beeinflussen, wie KI Ihre Marke darstellt.

Europa, China, USA: Drei unterschiedliche KI-Wettläufe auf derselben Strecke

Die Internationale Föderation für Robotik zählte im Jahr 2024 weltweit 542.000 Installationen von Industrierobotern. Davon entfielen 295.000 auf China, also mehr als die Hälfte. In Europa wurden etwa 85.000 und in den Vereinigten Staaten 34.200 installiert. Das Land, dessen Spitzenmodelle in der Regel an der Spitze der Vergleichswertlisten stehen, belegt den letzten Platz.

Grundlagemodelle: Wenn diese zur Massenware werden – woher wird dann der Wettbewerbsvorteil der Unternehmen kommen?

Wenn jedes Unternehmen Zugang zu KI mit vergleichbarer Leistungsfähigkeit hat, womit werden sich die Marktführer von morgen dann von anderen abheben? Die Antwort liegt nicht im Modell selbst, sondern im organisatorischen Kontext, der darauf aufbaut. Der organisatorische Kontext umfasst das Geschäftswissen, die Betriebsprozesse, die Entscheidungsregeln, das Fachwissen sowie die Best Practices, die im Laufe jahrelanger Geschäftstätigkeit gesammelt wurden. Er bestimmt, ob KI wirklich verstehen kann, wie ein Unternehmen funktioniert, ob sie die Geschäftsziele unterstützt und ob sie kontinuierlich aus jeder Interaktion lernt, um Fähigkeiten zu entwickeln, die für diese Organisation einzigartig sind.

Vorherige 123 Nächster