Sie sind hier: Startseite » Markt » Tipps und Hinweise

GenAI mächtig, aber nicht immer notwendig

Drei Fehler, die Unternehmen bei der Einführung von KI-Agenten vermeiden sollten
Wichtig, die Einführung von KI-Agenten aus der Sicht des Kunden zu beginnen

Jetzt auf den Hype rund um KI-Agenten aufzuspringen, klingt gerade in Zeiten des Fachkräftemangels für Unternehmen verlockend. Doch nicht alles, was glänzt, ist Gold. Viele Unternehmen investieren gerade in smarte Assistenten, Chatbots und Voicebots – allerdings scheitern einige dieser Projekte, ehe sie richtig begonnen haben: Schlecht umgesetzte KI-Agenten sorgen eher für Frust als für Effizienz, sowohl bei Kunden als auch bei den eigenen Mitarbeitern. Dabei werden immer wieder die gleichen Fehler gemacht. Besonders die folgenden drei sind leicht zu vermeiden.

1. Den Kunden vergessen
Viele Unternehmen entwickeln KI-Agenten aus ihrer eigenen Perspektive – mit Fokus auf die eigenen Prozesse. Doch was intern logisch erscheint, kann für Kunden umständlich und frustrierend sein.

Viel wichtiger ist es, die Einführung von KI-Agenten aus der Sicht des Kunden zu beginnen: Warum rufen die Kunden an, und wie kann man ihnen möglichst schnell und angenehm weiterhelfen? Der eigentliche Mehrwert, den man sowohl sich selbst als auch seinen Kunden bieten möchte, sollte die treibende Kraft beim Entwickeln und Einführen sein.

Ein klassisches Negativbeispiel sind KI-gestützte Hotlines mit starren Menüs und begrenzten Optionen. Kunden müssen sich durch verschachtelte Fragen klicken, anstatt einfach zu sagen, was sie brauchen. Wer seine Rechnung nicht versteht, wird kaum "Rechnungsanpassung" aussprechen, sondern eher "Problem mit der Rechnung". Ein guter KI-Agent hingegen erkennt solche Formulierungen und reagiert intelligent – statt an starren Begrifflichkeiten zu scheitern.

Das zeigt, wie wichtig es ist, dass KI-Agenten nicht nur verstehen, was der Kunde sagt, sondern auch wie er es sagt. Die Bedienung von KI-Agenten muss intuitiv sein. Niemand möchte sich durch Tastenmenüs kämpfen oder komplizierte Befehle lernen. Kunden erwarten eine natürliche Interaktion, bei der einfache Fragen direkt und richtig beantwortet werden – ohne endlose Weiterleitungen. Noch besser: Ein guter KI-Agent "denkt" mit und bietet proaktiv Lösungen an, bevor der Kunde sie mühsam erfragen muss.

Letztlich geht es darum, den Kunden dort abzuholen, wo er steht – nicht, ihn in einen vorgegebenen Gesprächsablauf zu zwängen.

2. Blind auf GenAI setzen
Generative KI (GenAI) ist mächtig – aber nicht immer notwendig. Gerade in sensiblen Bereichen wie bei Banken oder Energieversorgern ist Kontrolle über Daten entscheidend. Große Sprachmodelle sind oft schwer nachvollziehbar: Sie generieren Antworten, die schwierig vorhersagbar sind, und erfordern enorme Rechenleistung. Viele Aufgaben lassen sich jedoch ressourcenschonender und transparenter lösen.

Besonders bei Voicebots braucht es nicht immer ein großes Sprachmodell. Viele einfache Vorgänge lassen sich mit klar definierten, regelbasierten Vorgaben abbilden - also ohne die unkontrollierbare Kreativität generativer KI. Denn KI wird hier zwar gebraucht, um gesprochene Sprache zu erkennen und zu verarbeiten, aber nicht jedes Element eines Systems muss auf generativer KI basieren. Klassische KI-Verfahren, die Sprache gezielt in strukturierte Daten umwandeln, sind oft die bessere Wahl.

Ein zentraler Punkt ist die Anbindung an bestehende IT-Systeme. Wenn eine KI zwar Sprache versteht, aber nicht direkt auf konkrete Unternehmensdaten zugreifen kann, bleibt sie letztlich nur ein erweiterter Frage-Antwort-Bot – vergleichbar mit einer statischen FAQ-Seite, die lediglich vordefinierte Antworten liefert. Ein wirklich nützlicher KI-Agent ist in der Lage, relevante Informationen aus den internen Systemen eines Unternehmens zu holen – beispielsweise Rechnungsdetails oder Vertragsdaten – und basierend darauf konkrete Aktionen auszuführen.

Unternehmen sollten daher genau abwägen, wie und wo sie GenAI einsetzen. Ein Cloud-basiertes Sprachmodell, das auf sensible Kundendaten zugreift, kann je nachdem, wo und wie es betrieben wird, ein Risiko darstellen. In solchen Fällen sind lokale (On-Premises-)Lösungen oder hybride Ansätze, bei denen bestimmte Funktionen intern bleiben, die beste Wahl.

3. Zu groß denken
Viele Unternehmen wollen gleich das große Ganze: Omnikanal, vollautomatisiert, skalierbar. Doch dieser "große Wurf" birgt Risiken. Komplexe KI-Projekte brauchen Zeit, saubere Daten und eine klare Strategie. Wer direkt auf Vollautomatisierung setzt, überspringt oft wichtige Zwischenschritte – und landet bei einem System, das weder für Kunden noch für die Mitarbeiter funktioniert.

Wenn ein Unternehmen versucht, alle Kundenprozesse auf einen Schlag zu automatisieren, kann das zu unerwarteten Fehlern führen. Besonders dann, wenn die KI noch nicht ausreichend getestet ist oder nicht genau auf die tatsächlichen Bedürfnisse der Nutzer abgestimmt wurde. KI lässt sich nicht einfach "einschalten" – sie braucht Vorarbeit. Dazu gehört die Analyse: Welche Daten stehen zur Verfügung? Welche Prozesse sollen automatisiert werden? Und wie werden diese Daten im Unternehmen gespeichert und verarbeitet?

Statt alles gleichzeitig umzusetzen, sollten Unternehmen daher ganz gezielt einzelne Anwendungsfälle identifizieren, die sich gut automatisieren lassen. Ein Unternehmen kann zunächst die Bearbeitung einfacher Anfragen automatisieren, etwa das Abrufen von Rechnungsdetails. Als nächster Schritt könnte der Voicebot so erweitert werden, dass er auch kleine Änderungen – wie die Anpassung von Adressdaten – selbstständig ausführt. Erst danach wäre es sinnvoll, komplexere Vorgänge wie die vollständige Bearbeitung von Schadensmeldungen oder individuellen Vertragsänderungen anzugehen. So vermeidet man hohe Anfangsinvestitionen in unausgereifte Systeme und stellt sicher, dass die Automatisierung wirklich funktioniert.

Eine schrittweise, agile Vorgehensweise, bei der die KI kontinuierlich mit echten Nutzerdaten optimiert wird, führt langfristig zu besseren Ergebnissen – und zufriedeneren Nutzern.

Fazit: Letztlich geht es nicht mehr nur darum, was technisch machbar ist, sondern was für das einzelne Unternehmen und deren Kunden sinnvoll ist. Unternehmen sollten sich fragen: Wo bringt KI echte Erleichterung? Welche Technologie passt zu unseren Anforderungen? Wer diese Fragen klug beantwortet, kann KI-Agenten erfolgreich einsetzen – und vermeidet typische Fallstricke.

Über die Autorin
Carolin Edler-Mende ist Mitgründerin und Geschäftsführerin der Aristech GmbH. Seit der Gründung vor 12 Jahren entwickeln sie und ihr Team KI-basierte Sprachtechnologien, um die Digitalisierung der Kundenkommunikation voranzutreiben. Zudem engagiert sie sich für mehr Diversität in der IT-Branche. (Aristech: ra)

eingetragen: 27.04.25

Aristech: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.

Meldungen: Tipps und Hinweise

XLAs: Der Mensch als Maßstab
Über Jahrzehnte galten Service Level Agreements (SLAs) als Maßstab für gutes IT- und Servicemanagement: Wurde ein Ticket fristgerecht gelöst, war die Aufgabe erledigt. Doch in einer zunehmend digitalisierten Arbeitswelt zeigt sich: Diese Logik greift zu kurz. Effizienz allein entscheidet nicht mehr, ob Mitarbeitende zufrieden und produktiv bleiben. Gefragt ist ein neues Verständnis, das die tatsächliche Erfahrung der Menschen in den Mittelpunkt rückt.
Cloud-Souveränität immer stärker im Mittelpunkt
Mit dem rasanten Fortschritt der digitalen Wirtschaft und dem Aufkommen zahlreicher neuer Technologien - allen voran Künstlicher Intelligenz (KI) - stehen europäische Entscheidungsträger vor einer neuen Herausforderung: Wie lässt sich ein innovatives Ökosystem regionaler Cloud-Anbieter schaffen, das sowohl leistungsfähige Lösungen als auch ausreichende Skalierbarkeit bietet? Und wie kann dieses Ökosystem mit internationalen Anbietern konkurrieren und zugleich die Abhängigkeit von ihnen verringern? Politik, Regulierungsbehörden, Forschungseinrichtungen und Industrievertreter in Europa konzentrieren sich darauf, wie der Kontinent seine Position im globalen Wettlauf um Cloud-Innovationen verbessern kann - ohne dabei die Kontrolle, Autonomie und Vertraulichkeit über europäische Daten aufzugeben, die andernfalls womöglich in anderen Märkten gespeichert, verarbeitet oder abgerufen würden.
Vom Nearshoring zum Smart Sourcing
Aufgrund des enormen IT-Fachkräftemangels und der wachsenden Anforderungen von KI und digitaler Transformationen benötigen Unternehmen heute flexible und kosteneffiziente Lösungen, um wettbewerbsfähig zu bleiben. Für die Umsetzung anspruchsvoller Innovationsprojekte mit hohen Qualitätsstandards entscheiden sich deshalb viele Unternehmen für Nearshoring, da dieses Modell ihnen Zugang zu hochausgebildeten IT-Fachkräften in räumlicher und kultureller Nähe ermöglicht.
Sechs stille Killer des Cloud-Backups
Cloud-Backups erfreuen sich zunehmender Beliebtheit, da sie auf den ersten Blick eine äußerst einfache und praktische Maßnahme zu Schutz von Daten und Anwendungen sind. Andy Fernandez, Director of Product Management bei Hycu, nennt in der Folge sechs "stille Killer", welche die Performance von Cloud-Backups still und leise untergraben. Diese werden außerhalb der IT-Teams, die täglich damit zu tun haben, nicht immer erkannt, können aber verheerende Folgen haben, wenn sie ignoriert werden.
Datenaufbewahrungsstrategie und SaaS
Die Einhaltung von Richtlinien zur Datenaufbewahrung sind für Unternehmen unerlässlich, denn sie sorgen dafür, dass wertvolle Informationen sicher gespeichert und Branchenvorschriften - egal wie komplex sie sind - eingehalten werden. Diese Governance-Frameworks legen fest, wie Unternehmen sensible Daten verwalten - von deren Erstellung und aktiven Nutzung bis hin zur Archivierung oder Vernichtung. Heute verlassen sich viele Unternehmen auf SaaS-Anwendungen wie Microsoft 365, Salesforce und Google Workspace. Die Verlagerung von Prozessen und Daten in die Cloud hat jedoch eine gefährliche Lücke in die Zuverlässigkeit der Datenaufbewahrung gerissen, denn die standardmäßigen Aufbewahrungsfunktionen der Drittanbieter entsprechen häufig nicht den Compliance-Anforderungen oder Datenschutzzielen.
Lücken der SaaS-Plattformen schließen
Die zunehmende Nutzung von Software-as-a-Service (SaaS)-Anwendungen wie Microsoft 365, Salesforce oder Google Workspace verändert die Anforderungen an das Datenmanagement in Unternehmen grundlegend. Während Cloud-Dienste zentrale Geschäftsprozesse unterstützen, sind standardmäßig bereitgestellte Datenaufbewahrungsfunktionen oft eingeschränkt und können die Einhaltung der Compliance gefährden. Arcserve hat jetzt zusammengefasst, worauf es bei der Sicherung der Daten führender SaaS-Anbieter ankommt.
Nicht mehr unterstützte Software managen
Von Windows bis hin zu industriellen Produktionssystemen: Wie veraltete Software Unternehmen angreifbar macht und welche Strategien jetzt nötig sind Veraltete Software ist weit verbreitet - oft auch dort, wo man es nicht sofort vermuten würde. Beispiele für besonders langlebige Anwendungen sind das SABRE-Flugbuchungssystem oder die IRS-Systeme "Individual Master File" und "Business Master File" für Steuerdaten, die seit den frühen 1960er-Jahren im Einsatz sind. Während solche Anwendungen ihren Zweck bis heute erfüllen, existiert daneben eine Vielzahl alter Software, die längst zum Sicherheitsrisiko geworden ist.
Wie sich Teamarbeit im KI-Zeitalter verändert
Liefertermine wackeln, Teams arbeiten unter Dauerlast, Know-how verschwindet in der Rente: In vielen Industrieunternehmen gehört der Ausnahmezustand zum Betriebsalltag. Gleichzeitig soll die Zusammenarbeit in Produktion, Qualitätskontrolle und Wartung immer schneller, präziser und vernetzter werden. Wie das KI-gestützt gelingen kann, zeigt der Softwarehersteller Augmentir an sechs konkreten Praxisbeispielen.
Vom Workaround zum Schatten-Account
Um Aufgaben im Arbeitsalltag schneller und effektiver zu erfüllen, ist die Suche nach Abkürzungen Gang und Gebe. In Kombination mit dem technologischen Fortschritt erreicht die Effizienz menschlicher Arbeit so immer neue Höhen und das bringt Unternehmen unwissentlich in eine Zwickmühle: Die zwischen Sicherheit und Produktivität. Wenn ein Mitarbeiter einen Weg findet, seine Arbeit schneller oder besser zu erledigen, die Bearbeitung von Zugriffsanfragen durch die IT-Abteilung aber zu lange dauert oder zu kompliziert ist, dann finden Mitarbeiter oftmals "kreative" Lösungen, um trotzdem weiterarbeiten zu können. Diese "Workarounds" entstehen selten aus böser Absicht. Allerdings stellen sie gravierende Sicherheitslücken dar, denen sich viele Beschäftigte und Führungskräfte nicht bewusst sind.
KI in der Cloud sicher nutzen
Keine Technologie hat die menschliche Arbeit so schnell und weitreichend verändert wie Künstliche Intelligenz. Dabei gibt es bei der Integration in Unternehmensprozesse derzeit keine Tür, die man KI-basierter Technologie nicht aufhält. Mit einer wachsenden Anzahl von KI-Agenten, LLMs und KI-basierter Software gibt es für jedes Problem einen Anwendungsfall. Die Cloud ist mit ihrer immensen Rechenleistung und Skalierbarkeit ein Motor dieser Veränderung und Grundlage für die KI-Bereitstellung.

Ausfallkosten nur Spitze des Eisbergs Konsequent auf die Cloud setzen