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

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.
Clever skalieren auf Basis bestehender Strukturen
Da Generative AI zunehmend Teil unseres Alltags wird, befinden wir uns in einer KI-Phase, die sich durch außerordentliche Fähigkeiten und enormen Konsum auszeichnet. Was anfangs auf einer theoretischen Ebene stattgefunden hat, ist inzwischen messbar - und zwar bis zur kleinsten Einheit. Aktuelle Untersuchungen von Mistral AI und Google deuten darauf hin, dass die Folgen einer einzigen Interaktion vernachlässigbar sind: Bruchteile eines Watts, einige Tropfen Wasser und ein Kohlenstoffausstoß, der etwa dem entspricht, was beim Streamen eines Videos unter einer Minute verbraucht wird.
Von Cloud-First zu Cloud-Smart
Die zunehmende Vernetzung von IT- und OT-Systemen bedeutet für die Fertigungsindustrie neue Sicherheitsrisiken. Ein moderner Cloud-Smart-Ansatz verbindet Innovation mit effektiven Sicherheitslösungen, um diesen Herausforderungen gerecht zu werden. Die industrielle Digitalisierung stellt die Fertigungsindustrie heute vor neue Herausforderungen - insbesondere in puncto Sicherheit.
Technik statt Vertrauen
Die andauernden Turbulenzen in den USA seit Amtsantritt von Donald Trump, die konsequente Kürzung von Mitteln für Datenschutz und die Kontrolle staatlicher Überwachungsprogramme verdeutlichen: Wer als Behörde oder Institution höchste Datensicherheit garantieren muss, kann nicht auf US-amerikanische Unternehmen oder deren europäische Töchter setzen.
Risiko von SaaS-zu-SaaS-Integrationen
Ein SaaS-Sicherheitsalbtraum für IT-Manager in aller Welt wurde kürzlich wahr: Hacker nutzten legitime OAuth-Tokens aus der Drift-Chatbot-Integration von Salesloft mit Salesforce, um unbemerkt Kundendaten von der beliebten CRM-Plattform zu exfiltrieren. Der ausgeklügelte Angriff deckt einen kritischen toten Winkel auf, von dem die meisten Sicherheits-Teams nicht einmal wissen, dass sie von ihm betroffen sind.
Kostenfallen erkennen und vermeiden
Remote Work, Cloud Computing und mobile Endgeräte haben die Arbeitswelt grundlegend verändert. Mitarbeiter erwarten heute, von überall aus auf ihre Anwendungen und Daten zugreifen zu können. Virtuelle Desktop-Lösungen machen diese Flexibilität möglich, indem sie Desktop-Umgebungen und Anwendungen über das Netzwerk eines Unternehmens bereitstellen. Doch der Markt für solche Lösungen ist komplex und vielfältig. IT-Entscheider stehen vor der Herausforderung, aus dem Angebot die passende Lösung zu identifizieren, die sowohl technische Anforderungen als auch wirtschaftliche Ziele erfüllt.
Übergang in die neue Systemlandschaft
Der Umstieg auf SAP S/4HANA ist bei vielen Unternehmen bereits in vollem Gange oder steht unmittelbar bevor. Wer in diesem Zusammenhang seine Archivierungsstrategie überdenkt, kann wertvolle Zeit, Kosten und Aufwand sparen. Die Archivierungsexperten von kgs haben zehn zentrale Aspekte zusammengestellt, die dabei helfen, den Übergang in die neue Systemlandschaft effizient und zukunftssicher zu gestalten.
Die Zukunft braucht offene KI-Infrastrukturen
KI ist mehr als ein ominöses Hinterzimmer-Experiment. Die Technologie ist eine treibende Kraft, wenn es um Produkte, Entscheidungen und Nutzererfahrungen über jegliche Wirtschaftsbereiche hinaus geht. Mittlerweile stellen Unternehmen jedoch die Inferenz in den Mittelpunkt ihrer KI-Implementierungen. Hier können die Modelle ihren eigentlichen Mehrwert unter Beweis stellen - unter anderem in Form von Antworten auf drängende Fragen, Vorhersagen und Content-Generierung. Der Anstieg des Inferenz-Bedarfs bringt jedoch eine entscheidende Herausforderung mit sich. Bei Inferenzen handelt es sich nämlich nicht um einzelne Workloads.

Ausfallkosten nur Spitze des Eisbergs Konsequent auf die Cloud setzen