{"id":1408775,"date":"2026-11-18T21:32:37","date_gmt":"2026-11-18T21:32:37","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=1408775"},"modified":"2026-11-18T21:33:55","modified_gmt":"2026-11-18T21:33:55","slug":"warum-ki-projekte-ins-stocken-geraten-und-wie-man-eine-von-grund-auf-ki-orientierte-organisation-aufbaut","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/de\/blog\/why-ai-pilots-stall-and-how-to-build-an-ai-native-organization\/","title":{"rendered":"Warum scheitern KI-Pilotprojekte und wie l\u00e4sst sich ein KI-orientiertes Unternehmen aufbauen?"},"content":{"rendered":"<div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container has-pattern-background has-mask-background nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-blend:overlay;--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1\"><h2>Einf\u00fchrung<\/h2>\n<p><a href=\"https:\/\/www.linkedin.com\/in\/victor-coimbra-999a02a0\/\" target=\"_blank\" rel=\"noopener noreferrer\">Victor Coimbra<\/a> ist CTO und Managing Partner bei Artefact, wo er die Bereiche KI, datawissenschaft sowie die technischen Aktivit\u00e4ten in ganz Amerika leitet. Seine berufliche Laufbahn verbindet Erfahrungen in der Unternehmensstrategie bei Bain und Accenture mit praktischer F\u00fchrungserfahrung bei der Umsetzung von KI- und Machine-Learning-Systemen in komplexen Unternehmensumgebungen. Sein Schwerpunkt liegt darauf, Unternehmen dabei zu unterst\u00fctzen, technische F\u00e4higkeiten mit messbaren Gesch\u00e4ftsergebnissen zu verkn\u00fcpfen, einschlie\u00dflich der Architektur, Governance und Betriebsmodelle, die f\u00fcr die Skalierung von KI erforderlich sind.<\/p>\n<p><a href=\"https:\/\/www.artefact.com\/de\/\" target=\"_blank\" rel=\"noopener noreferrer\">Artefact<\/a> ist ein weltweit t\u00e4tiges data- und KI-Beratungsunternehmen, das Unternehmen dabei unterst\u00fctzt, Strategien zu entwickeln, data platforms aufzubauen, KI-L\u00f6sungen einzuf\u00fchren und organisatorische Ver\u00e4nderungen zu bew\u00e4ltigen. Seine T\u00e4tigkeit erstreckt sich auf verschiedene Branchen, darunter Finanzdienstleistungen, Gesundheitswesen, Fertigung und Einzelhandel. Im Vorfeld seiner <a href=\"https:\/\/adoptai.artefact.com\/\" target=\"_blank\" rel=\"noopener noreferrer\">Adopt AI Gipfel<\/a>\u2026 Im Rahmen der Veranstaltung, die vom 3. bis 4. Dezember 2026 im Grand Palais in Paris stattfindet, er\u00f6rtert Coimbra, wie Unternehmen \u00fcber Pilotprojekte hinausgehen, Teams aufbauen k\u00f6nnen, in denen Menschen und KI-Agenten zusammenarbeiten, und den Nutzen von KI im Produktionsbetrieb messen k\u00f6nnen.<\/p>\n<h3><strong>Ihre berufliche Laufbahn f\u00fchrte Sie von der Unternehmensstrategie bei Accenture zur Leitung von Teams in den Bereichen KI, datawissenschaft und Technik bei Artefact in ganz Amerika.<br \/>\nInwiefern hat diese Kombination aus strategischer Beratung und praxisorientierter technischer F\u00fchrung Ihren Ansatz gepr\u00e4gt, wenn es darum geht, Unternehmen dabei zu unterst\u00fctzen, ihre Investitionen in KI in messbare Gesch\u00e4ftsergebnisse umzusetzen?<\/strong><\/h3>\n<p>Das hat mich gelehrt, die KI-Strategie stets mit der Umsetzung zu verkn\u00fcpfen. Meine Strategiearbeit bei Bain und Accenture hat mir gezeigt, dass F\u00fchrungskr\u00e4fte Ver\u00e4nderungen anhand einer Position in der Gewinn- und Verlustrechnung bewerten. Die Arbeit im technischen Bereich hat mir verdeutlicht, dass ein Gro\u00dfteil dieses Mehrwerts zwischen der Pr\u00e4sentation und der Umsetzung verloren gehen kann.<\/p>\n<p>Bei der KI geht es heute weniger um Technologie als vielmehr darum, einen Schutzwall um Ihre Kerngesch\u00e4ftsprozesse zu errichten. Die entscheidende Frage lautet: Wie l\u00e4sst sich individuelle Produktivit\u00e4t in kollektiven Unternehmenswert umwandeln, und zwar mithilfe einer echten, unternehmensweit geteilten kognitiven Kapazit\u00e4t?<\/p>\n<p>Dazu bedarf es einer Kombination aus Strategie und Umsetzung, und ich habe aus der Aus\u00fcbung beider Bereiche viel gelernt.<\/p>\n<h3><strong>Trotz erheblicher Investitionen in artificial intelligence haben viele Unternehmen nach wie vor Schwierigkeiten, \u00fcber erfolgreiche Pilotprojekte hinauszukommen.<br \/>\nWelche Hindernisse verhindern Ihrer Erfahrung nach am h\u00e4ufigsten, dass KI-Initiativen in Unternehmen die Produktionsreife erreichen, und was zeichnet Unternehmen aus, denen es gelingt, ihre Implementierungen erfolgreich zu skalieren?<\/strong><\/h3>\n<p>Meiner Erfahrung nach scheitern viele Projekte daran, dass KI in eine Organisation integriert wird, die urspr\u00fcnglich ausschlie\u00dflich f\u00fcr Menschen konzipiert war. Die Technologie funktioniert in der Regel. Was jedoch h\u00e4ufig noch ungekl\u00e4rt ist, ist die Arbeitsaufteilung: Welche Aufgaben obliegen den Agenten, welche verbleiben beim Menschen, wer \u00fcberpr\u00fcft die Ergebnisse und wer tr\u00e4gt die Verantwortung f\u00fcr das Ergebnis?<\/p>\n<p>Hinzu kommt, dass drei Faktoren die Skalierung tendenziell verlangsamen: die Token-Kosten, die bei einer nutzungsabh\u00e4ngigen Preisgestaltung explodieren, Sicherheits- und Governance-Aspekte sowie eine Akzeptanz, bei der der Zugang nie zu einer tats\u00e4chlichen Nutzung f\u00fchrt.<\/p>\n<p>Die Unternehmen, die meiner Beobachtung nach gut skalieren, betrachten KI als eine Neugestaltung der Organisationsstruktur. Sie unterteilen den Entwicklungszyklus in zwei Schleifen. In der inneren Schleife f\u00fchren die Mitarbeiter den gesamten Prozess durch: Programmieren, Erstellen, Testen, Ausrollen, \u00dcberpr\u00fcfen. In der \u00e4u\u00dferen Schleife legen Menschen die Zielsetzung fest, \u00fcberpr\u00fcfen das Ergebnis und \u00fcberwachen Kosten und Qualit\u00e4t. Anschlie\u00dfend entwickeln sie eine gemeinsame Plattform und nutzen diese f\u00fcr jeden Anwendungsfall wieder.<\/p>\n<h3><strong>Sie haben dar\u00fcber geschrieben, wie wichtig es ist, ein von Grund auf KI-orientiertes Unternehmen aufzubauen, anstatt lediglich Chatbots und Copiloten in bestehende Systeme zu integrieren. Welche grundlegenden Ver\u00e4nderungen an der Technologiearchitektur von Unternehmen sind erforderlich, um diesen Wandel zu unterst\u00fctzen, und in welchen Bereichen investieren Unternehmen derzeit zu wenig?<\/strong><\/h3>\n<p>Ein KI-natives Unternehmen basiert auf einer Plattform, und diese Plattform setzt sich aus vier Schichten zusammen: Harness, Context, Model und Infra. Im Harness treffen Menschen und Agenten aufeinander und arbeiten zusammen \u2013 es handelt sich um die gesamte Anwendung rund um das Modell. \u201eContext\u201c definiert, was Agenten wissen und \u00fcber welche Befugnisse sie verf\u00fcgen. \u201eModel\u201c beschreibt, wie auf Modelle zugegriffen wird, wie sie weitergeleitet und zu angemessenen Kosten verwaltet werden. \u201eInfra\u201c bezeichnet den Ort, an dem sie tats\u00e4chlich ausgef\u00fchrt werden, und wer die Kontrolle dar\u00fcber hat.<\/p>\n<p>Nat\u00fcrlich richtet sich die Aufmerksamkeit gr\u00f6\u00dftenteils auf die sichtbaren 20 %: Copiloten und Chat-Tools. In den verborgenen 80 % liegt der Schwerpunkt der technischen Arbeit, und dort werden Entscheidungen hinsichtlich Kosten, Sicherheit und Kontrolle getroffen.<\/p>\n<p>Mein Vorschlag ist einfach: Kaufen Sie universell einsetzbare Frameworks und entwickeln Sie die branchenspezifischen selbst. Mieten Sie Modelle und Infrastruktur und experimentieren Sie damit, da sich diese viertelj\u00e4hrlich \u00e4ndern. Und machen Sie sich Ihren Kontext vollst\u00e4ndig zu eigen. Dies ist die Ebene, die wirklich Ihnen geh\u00f6rt, und in der ich die gr\u00f6\u00dfte Chance f\u00fcr weitere Investitionen sehe.<\/p>\n<h3><strong>Da sich die KI zunehmend von der Unterst\u00fctzung der Mitarbeiter hin zur autonomen Ausf\u00fchrung komplexer Arbeitsabl\u00e4ufe entwickelt, stellt sich die Frage: Wie sollten Unternehmen feststellen, welche Prozesse f\u00fcr eine agentenbasierte Automatisierung geeignet sind? Welche technischen und betrieblichen Sicherheitsvorkehrungen m\u00fcssen getroffen werden, bevor KI-Agenten mehr Entscheidungsbefugnisse \u00fcbertragen werden?<\/strong><\/h3>\n<p>Meiner Ansicht nach sind Agenten sehr gut in Aufgaben, die auf die Vergangenheit ausgerichtet sind, w\u00e4hrend Menschen sich besser f\u00fcr Aufgaben eignen, die in die Zukunft blicken. Agenten zeichnen sich bei allem aus, was auf vorhandenen Informationen aufbaut, wie beispielsweise Analysen, Programmierung, Tests, Dokumentation und Abgleich. Menschen sind f\u00fcr alles zust\u00e4ndig, was Kreativit\u00e4t erfordert, und Kreativit\u00e4t ist per Definition zukunftsorientiert: Geschmack, Weitblick, Planung, Entscheidungsfindung und die Beurteilung, ob ein Ergebnis tats\u00e4chlich gut ist.<\/p>\n<p>In der Praxis entspricht dies den beiden Schleifen. Die Agenten f\u00fchren die innere Schleife aus und setzen die Aufgaben um. Die Menschen \u00fcbernehmen die \u00e4u\u00dfere Schleife: Zielsetzung, \u00dcberpr\u00fcfung und \u00dcberwachung.<\/p>\n<p>Die Sicherheitsvorkehrungen sind technisch integriert und nicht nur auf Anforderung aktiviert. Wir nutzen sechs Schutzebenen: Aufgabenerfassung, Speicher, eine sichere Arbeitsumgebung mit Sandbox-Laufzeitumgebung und Berechtigungen, eine Schleife mit Kontrollpunkten und Abkl\u00e4rungen, Modellweiterleitung sowie Schutzmechanismen, die festlegen, was ein Agent nicht eigenst\u00e4ndig tun darf \u2013 wie beispielsweise menschliche Genehmigungen, Richtlinienpr\u00fcfungen und Kontrollen zum Schutz personenbezogener Daten. Die Autonomie w\u00e4chst dann mit der Erfolgsbilanz, genau wie bei einem neuen Mitarbeiter.<\/p>\n<h3><strong>Sie haben KI-Agenten eher als Teamkollegen denn als herk\u00f6mmliche Software-Tools beschrieben. Inwiefern ver\u00e4ndert diese Sichtweise die Art und Weise, wie Unternehmen ihre Teams strukturieren, Verantwortlichkeiten zuweisen und ihre Mitarbeiter schulen sollten, um mit zunehmend autonomen KI-Systemen zusammenzuarbeiten?<\/strong><\/h3>\n<p>Wir befinden uns bereits in einer hybriden Organisationsform. Die Frage, die ich derzeit f\u00fcr am wichtigsten halte, ist, wie die Belegschaft zwischen Menschen und Agenten aufgeteilt werden soll. Ich glaube, dass dies der Schl\u00fcssel zur Skalierung ist.<\/p>\n<p>In einem hybriden Team werden im Organigramm kognitive Kapazit\u00e4ten zugewiesen, nicht die Anzahl der Mitarbeiter. Eine typische Aufteilung, die ich in einem etablierten Tech-Team beobachte, besteht aus 15 % rein manueller Arbeit, 25 % unterst\u00fctzter Arbeit und 60 % Arbeit, die von Agenten erledigt wird. Der IT-Leiter legt die Ziele fest, verteilt die Kapazit\u00e4ten und tr\u00e4gt die Verantwortung f\u00fcr Ergebnisse und Kosten. Ein leitender Entwickler \u00fcberpr\u00fcft die von den Agenten gelieferten Ergebnisse und entscheidet \u00fcber die Architektur. Ein Koordinationsagent leitet Aufgaben weiter und reports die Kosten, w\u00e4hrend ein Pr\u00fcfagent jede Lieferung \u00fcberpr\u00fcft.<\/p>\n<p>Die Gewinne summieren sich in drei Schritten. Erweiterte Mitarbeiter erzielen etwa das F\u00fcnffache. Agenten als synthetische Mitarbeiter, die End-to-End-Aufgaben \u00fcbernehmen, erzielen etwa das Zehnfache. In der Koordinierung beider Gruppen als eine einheitliche Belegschaft liegt meiner Meinung nach das 1000-fache Potenzial.<\/p>\n<p>Die Schulung folgt derselben Logik. Die Teilnehmer lernen, einen Mitarbeiter wie einen Nachwuchsingenieur zu instruieren \u2013 mit strukturierten Rahmenbedingungen und klaren Zielen \u2013 und ihre Zeit auf die Gestaltung, die Planung und das Treffen von Entscheidungen zu verwenden.<\/p>\n<h3><strong>KI-Systeme in Unternehmen sind in hohem Ma\u00dfe auf eine zuverl\u00e4ssige data-Infrastruktur angewiesen, doch viele Organisationen haben nach wie vor mit fragmentierten data, uneinheitlicher Governance und veralteter Technologie zu k\u00e4mpfen. Welche grundlegenden Funktionen sollten Unternehmen bei der Vorbereitung ihrer data platforms auf agentische KI priorisieren, und wie k\u00f6nnen sie diese modernisieren, ohne den laufenden Betrieb zu st\u00f6ren?<\/strong><\/h3>\n<p>Gestalten Sie Ihre data platform f\u00fcr eine neue Art von Nutzern: Mitarbeiter. Ein Dashboard mit einer falschen Zahl wird von einem Mitarbeiter \u00fcberpr\u00fcft. Ein Mitarbeiter, der eine falsche Zahl feststellt, ergreift entsprechend Ma\u00dfnahmen \u2013 und zwar in gro\u00dfem Ma\u00dfstab.<\/p>\n<p>Priorisieren Sie vier Funktionen: Gemeinsame Gesch\u00e4ftsdefinitionen, damit jeder Mitarbeiter und jedes Team unter dem Begriff \u201caktiver Kunde\u201d dasselbe versteht. Ein Integrations-Gateway mit Authentifizierung und Standardprotokollen wie MCP, damit Mitarbeiter auf data mit den Berechtigungen der Rolle zugreifen k\u00f6nnen, in der sie t\u00e4tig sind. Nachverfolgbare Qualit\u00e4t und Herkunft. Und unstrukturierte data, die als erstklassiges Kapital behandelt werden, da Vertr\u00e4ge, Tickets und Besprechungsnotizen den Gro\u00dfteil des tats\u00e4chlichen Wissens enthalten.<\/p>\n<p>Um eine Modernisierung ohne Betriebsunterbrechungen zu erreichen, sollten Sie zun\u00e4chst die Altsysteme einbinden und die Migration Anwendungsfall f\u00fcr Anwendungsfall durchf\u00fchren. Auch hier ver\u00e4ndern Agenten die wirtschaftlichen Rahmenbedingungen. Multi-Agent-Migrationspipelines modernisieren mittlerweile Hunderttausende Zeilen von Altcode innerhalb weniger Monate, wobei Menschen \u00fcber die Architektur entscheiden.<\/p>\n<h3><strong>\u00dcber den Zugriff auf strukturierte data hinaus ben\u00f6tigen KI-Agenten zunehmend ein Verst\u00e4ndnis f\u00fcr institutionelles Wissen, Gesch\u00e4ftsprozesse und den organisatorischen Kontext. Wie k\u00f6nnen Unternehmen dieses Wissen effektiv erfassen und in ihre KI-Systeme integrieren, und welche Risiken entstehen, wenn Agenten ohne ausreichenden gesch\u00e4ftlichen Kontext agieren?<\/strong><\/h3>\n<p>Der Kontext ist es, der ein Modell zu einem Kollegen macht. Werkzeuge verstehen Aufgaben, Agenten verstehen den Kontext. Sie w\u00fcrden einen Nachwuchsingenieur nicht bitten, zu arbeiten, ohne ihm das Ziel, die Rahmenbedingungen und die gew\u00fcnschten Ergebnisse zu erkl\u00e4ren \u2013 und bei einem Agenten verh\u00e4lt es sich nicht anders.<\/p>\n<p>Erfassen Sie Wissen direkt aus der Arbeit selbst und nicht aus umfangreichen Dokumentationsprojekten, die nur schwer auf dem neuesten Stand zu halten sind. Jedes Meeting, jedes Ticket, jede Entscheidung und jede Korrektur flie\u00dft in eine Kontextebene ein, die Dateien, Tabellen, Vektoren und ein Beziehungsdiagramm miteinander verbindet. Jede abgeschlossene Aufgabe wird in den Speicher zur\u00fcckgeschrieben, sodass das Unternehmen mit jeder Fertigstellung dazulernt. Und der Kontext ben\u00f6tigt seine eigene Steuerung: Bewertungen, Berechtigungen und Kostenkontrolle.<\/p>\n<p>Ohne Kontext neigen Agenten dazu, auf einige vorhersehbare Weisen Schwierigkeiten zu haben. Sie halten sich an die schriftlichen Regeln und \u00fcbersehen dabei die ungeschriebenen Regeln, die jeder kennt. Sie rufen die falschen Informationen ab und antworten mit absoluter \u00dcberzeugung. Sie st\u00fctzen sich auf Fakten aus dem letzten Quartal. Und eine Kontextebene ohne strenge Zugriffsberechtigungen kann sensible data gef\u00e4hrden.<\/p>\n<h3><strong>Viele Unternehmen messen den Erfolg von KI anhand von Produktivit\u00e4tssteigerungen, Akzeptanzraten oder der Anzahl der gestarteten Pilotprojekte. Welche Kennzahlen sollten CIOs und F\u00fchrungskr\u00e4fte heranziehen, um den tats\u00e4chlichen ROI von KI zu bewerten, insbesondere unter Ber\u00fccksichtigung der Infrastrukturkosten, der laufenden Wartung und der betrieblichen Komplexit\u00e4t autonomer Agenten?<\/strong><\/h3>\n<p>Bewerten Sie die hybride Belegschaft, nicht das Tool. Die Akzeptanz ist nur die erste von vier Stufen, stets im Vergleich zu einer vor der Einf\u00fchrung ermittelten Basislinie. Bei der Akzeptanz geht es darum, ob die Mitarbeiter das Tool nutzen. Bei der Produktivit\u00e4t geht es darum, ob wir schneller liefern: Durchlaufzeit, Durchsatz, L\u00f6sungszeit. Bei der Qualit\u00e4t geht es darum, ob das Ergebnis besser ist: \u00fcbersehene Fehler, Fehlerquote bei \u00c4nderungen, Nacharbeit. Bei Wert und Kosten geht es darum, ob es sich lohnt: eingesparter Aufwand, Markteinf\u00fchrungszeit, Gesamtkosten pro Aufgabe.<\/p>\n<p>Ein Aspekt, der leicht \u00fcbersehen wird, ist die Frage, wie sich die kognitiven Kapazit\u00e4ten zwischen Menschen und Agenten von Team zu Team verlagern. Die frei gewordenen personellen Kapazit\u00e4ten m\u00fcssen gezielt f\u00fcr zukunftsorientierte Aufgaben eingesetzt werden. Andernfalls geht ein Teil des Gewinns verloren.<\/p>\n<p>Was die Kosten betrifft, so vollzieht sich ein Wandel bei der Preisgestaltung von Pauschalgeb\u00fchren hin zu nutzungsabh\u00e4ngigen Geb\u00fchren, was die Vorhersagbarkeit der Rechnungen erschweren kann; daher sollten Modell-Routing und FinOps von Anfang an in die Plattform integriert sein. Behandeln Sie KI-Ausgaben wie cloud-Ausgaben: transparent, einem Team zugeordnet und an den Mehrwert gekn\u00fcpft.<\/p>\n<h3><strong>Artefact arbeitet mit Unternehmen aus den Bereichen Finanzdienstleistungen, Gesundheitswesen, Fertigung, Einzelhandel und anderen Branchen zusammen, in denen die Einf\u00fchrung von KI unterschiedliche Herausforderungen mit sich bringt. Welche Erkenntnisse lassen sich aus den praktischen Eins\u00e4tzen in diesen Sektoren gewinnen, und wie sollten Unternehmen Innovation mit der Einhaltung gesetzlicher Vorschriften, Zuverl\u00e4ssigkeit und menschlicher Aufsicht in Einklang bringen?<\/strong><\/h3>\n<p>Jede Branche steht vor derselben Frage: Wie l\u00e4sst sich die Arbeit zwischen Menschen und Systemen aufteilen? Was sich unterscheidet, ist der Umfang, in dem der \u00e4u\u00dfere Regelkreis in menschlicher Hand bleiben muss. Im Einzelhandel und bei Konsumg\u00fctern sind Fehler kosteng\u00fcnstig, sodass Systeme einen gr\u00f6\u00dferen Teil der Arbeit schneller \u00fcbernehmen. In der Fertigung geben Zuverl\u00e4ssigkeit und die Integration in betriebliche Systeme das Tempo vor. Im Finanzdienstleistungssektor und im Gesundheitswesen muss jede Entscheidung nachvollziehbar sein, weshalb Menschen l\u00e4nger einen gr\u00f6\u00dferen Teil der \u00dcberpr\u00fcfung und Entscheidungsfindung \u00fcbernehmen.<\/p>\n<p>Die Erkenntnis, die ich \u00fcberall gewinne, ist, dass Compliance am besten als eine von Anfang an integrierte Eigenschaft der Plattform funktioniert. Wenn Sicherheitsvorkehrungen, Pr\u00fcfprotokolle und manuelle Genehmigungen fest in die Plattform eingebunden sind, werden sie automatisch auf jeden neuen Anwendungsfall \u00fcbertragen. Wenn Compliance erst am Ende ber\u00fccksichtigt wird, muss bei jedem neuen Projekt diese Diskussion von Neuem gef\u00fchrt werden.<\/p>\n<p>Die Aufsicht sollte stufenweise erfolgen. Die Mitarbeiter f\u00fchren Aufgaben mit geringem Risiko eigenst\u00e4ndig aus, werden bei Aufgaben mit mittlerem Risiko im Ausnahmefall \u00fcberpr\u00fcft und treffen bei Aufgaben mit hohem Risiko lediglich die Entscheidung. Die Stufen verschieben sich entsprechend dem erworbenen Vertrauen.<\/p>\n<h3><strong>Angesichts des Artefact-Gipfels \u201eAdopt AI\u201c, der im Dezember dieses Jahres in Paris stattfindet, gewinnen Diskussionen rund um KI-Souver\u00e4nit\u00e4t, Governance und industrielle Wettbewerbsf\u00e4higkeit zunehmend an Bedeutung. Wie wird sich Ihrer Meinung nach der europ\u00e4ische Ansatz zur Einf\u00fchrung von KI auf globale Unternehmensstrategien auswirken, und welche Entwicklungen werden Ihrer Ansicht nach die n\u00e4chste Phase der KI in Unternehmen in den kommenden Jahren pr\u00e4gen?<\/strong><\/h3>\n<p>Europa hat die Frage nach der Souver\u00e4nit\u00e4t schon fr\u00fch aufgeworfen, und ich glaube, dass sie sich zu einem globalen Gestaltungsprinzip entwickelt. Multinationale Unternehmen wollen nicht f\u00fcr jede Vorschrift eine eigene Architektur, daher orientieren sie sich an den strengsten Vorgaben: Sie bestimmen ihren Kontext selbst, mieten ihre Modelle und behalten die Kontrolle dar\u00fcber, wo diese ausgef\u00fchrt werden und wer die Zugriffsrechte besitzt. Die n\u00e4chste Chance f\u00fcr Europa besteht darin, dieselbe Energie in die Umsetzung zu stecken, denn Wettbewerbsf\u00e4higkeit entsteht erst durch den Einsatz in gro\u00dfem Ma\u00dfstab.<\/p>\n<p>Die n\u00e4chste Phase ist die hybride Organisation, und ich bin davon \u00fcberzeugt, dass sie die Zukunft der Arbeit darstellt. Unternehmen werden davon abkommen, lediglich die Mitarbeiterzahl zu z\u00e4hlen, und stattdessen eine gemeinsame kognitive Kapazit\u00e4t von Menschen und Agenten verwalten. Agenten werden den Gro\u00dfteil der Arbeit \u00fcbernehmen, die sich auf die Vergangenheit bezieht: Analyse, Programmierung, Berichterstellung. Menschen werden sich den Aufgaben zuwenden, die in die Zukunft blicken: Geschmack, Vision, Planung und Entscheidungen.<\/p>\n<p>Ich bin davon \u00fcberzeugt, dass jene Unternehmen, denen es als Erste gelingt, die Arbeitsteilung zu l\u00f6sen, eine Vorreiterrolle einnehmen werden. Genau dar\u00fcber m\u00f6chte ich in Paris sprechen, um die Weichen f\u00fcr die kommenden Jahre zu stellen.<\/p>\n<p>Vielen Dank <a href=\"https:\/\/www.unite.ai\/author\/antoine-tardif\/\" rel=\"author noopener\" target=\"_blank\">Antoine Tardif, Gesch\u00e4ftsf\u00fchrer und Gr\u00fcnder von Unite.AI<\/a> Nach diesem ausf\u00fchrlichen Interview k\u00f6nnen Sie hier mehr \u00fcber Unite.AI erfahren: https:\/\/www.unite.ai\/victor-coimbra-cto-and-managing-partner-at-artefact-interview-series\/<\/p>\n<\/div><\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>Die meisten KI-Pilotprojekte in Unternehmen kommen ins Stocken, weil diese neue Technologien in Organisationsstrukturen einbinden, die ausschlie\u00dflich f\u00fcr Menschen konzipiert wurden. In diesem Interview erl\u00e4utert Victor Coimbra, CTO von Artefact, wie Teams im Hinblick auf eine hybride Belegschaft neu gestaltet werden k\u00f6nnen, warum Unternehmen ihren institutionellen Kontext selbst gestalten m\u00fcssen, w\u00e4hrend sie Modelle nur mieten, und wie die Arbeit zwischen autonomen Agenten und menschlicher Kreativit\u00e4t aufgeteilt werden sollte.<\/p>","protected":false},"featured_media":1407091,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1408775","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/1408775","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=1408775"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=1408775"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=1408775"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}