Wie IBM mit KI und Automatisierung 4,5 Milliarden Dollar einsparte

Felix Schlenther (0:00)

Herzlich willkommen zum AI FIRST Podcast.

Heute zu Gast ist Dr. Lisa Precht, die bei der IBM für KI in der DACH-Region verantwortlich ist. Und ich spreche mit Lisa heute über die Lage der KI-Adoption in DACH und vor allem darüber, wie IBM den Client-Zero-Ansatz genutzt hat, um mit gutem Beispiel voranzugehen, die KI-Transformation von innen heraus zu gestalten und dabei zu lernen, was, worauf es ankommt, um damit auch den eigenen Kunden zu helfen. Ich bin gespannt, welche Erfahrungen ihr auf diesem Weg gesammelt habt. Lisa, schön, dass du hier bist.

Lisa Precht (0:39)

Ja, hi, freut mich sehr.

Felix Schlenther (0:41)

Erzähl doch einmal kurz, wer du bist und was du bei der IBM machst.

Lisa Precht (0:46)

Ja, du hast mich eigentlich schon sehr gut vorgestellt. Also mein Name ist Lisa.

Ich treibe in der IBM DACH unsere KI-Strategie. Ich versuche also einfach immer genau zu verstehen, was brauchen die Kunden, wie müssen wir uns auch aufstellen, um ihnen optimal helfen zu können mit unserer Technologie.

Felix Schlenther (1:04)

Damit hast du ja einen großartigen Blick wahrscheinlich über ganz viele unterschiedliche Branchen und Unternehmen. Aus der Perspektive heraus, wie bewertest du denn die aktuelle KI-Adoption?

Lisa Precht (1:19)

Ja, man kann tatsächlich sagen, dass KI wirklich in der Breite angekommen ist, dass das ganz massiv adoptiert wird, dass auch wirklich ganz massiv investiert wird. Es wurde gerade eine ganz aktuelle Studie dieses Jahr veröffentlicht, an der mehr als 2000 CIOs und CTOs teilgenommen haben, wo man festgestellt haben, es sind jetzt so durchschnittlich 1200 KI-Agenten pro Unternehmen im Einsatz.

Wie zielführend ist natürlich eine andere Frage. Aber da passiert gerade einfach massiv viel. Alle möchten hier vorne mit dabei sein. Und die Zahl der KI-Komponenten wird auch nochmal weiter deutlich steigen. In einer anderen Befragung haben zum Beispiel Führungskräfte gesagt, bis 2030 planen wir dreimal so viele Modelle, viermal so viele Assistenten, fünfmal so viele Agenten und fünfmal so viele Workflows mit Agenten einzusetzen.

Felix Schlenther (2:15)

Das sind ja jetzt vor allem sehr, sagen wir mal, quantitative, so Leading Indicators, würde ich mal sagen. Also am Anfang geht es ja erstmal darum, dass KI überhaupt erstmal ins Rollen kommt, dass man sich der Technologie annimmt, anfängt damit zu arbeiten. Mal so ein Podcastgast gerade mal gesagt, dass man in die Hände nimmt und damit was ausprobiert.

Auf der anderen Seite hast du es ja auch schon gesagt oder angedeutet, wie zielführend ist es? Von McKinsey CEO habe ich letztens dann ein Zitat gelesen, dass sie 60 Mitarbeiter haben und 25 davon KI-Agenten sind. Jetzt ist die Frage, wer will 25 KI-Agenten oder auch nur 1000 in seinem Unternehmen haben? Ist das der richtige Weg? Was hast du denn für Zahlen oder hast du Zahlen dazu oder Erkenntnisse dazu, wie gut auch diese quantitativen, sagen wir mal, ja Leading-Indikatoren von Menge an Dingen, die gerade gebaut werden, sich auch in Ergebnisse umsetzen lassen?

Lisa Precht (3:16)

Ja, ich glaube, ein paar Zahlen kennen ganz viele schon, wo man gesagt hat, okay, also die Zahl ist ja sehr viel auch durch die Presse gegangen. Vielleicht 5 Prozent von KI-Piloten schaffen es wirklich in produktivem Einsatz.

Und was ganz spannend ist, wenn man auch jetzt ganz aktuell mit Technologieführern in Unternehmen spricht, stellt man fest, nur einer von drei sagt, unsere Investments in KI-Projekte haben sich wirklich rentiert, haben sich wirklich ausgezahlt. Und das ist interessanterweise vor allem der Fall bei agentic AI-Projekten. Also auch wenn man in unterschiedliche Ausbaustufen von KI-Projekten reinschaut, bei agentic AI-Projekten sagen es noch 16 Prozent, dass das zu erwarteten Geschäftsergebnissen geführt hat. Bei klassischen KI-Projekten waren es noch über 50 Prozent.

Felix Schlenther (4:04)

Und mit klassisch meinst du dann so machine learning prädiktive KI?

Lisa Precht (4:09)

Ja, das wurde jetzt in der Studie nicht ganz genau spezifiziert. Aber man sieht auf jeden Fall, ich meine, wir arbeiten ja alle schon mit KI seit Längerem. Und erst jetzt, wo es so in Richtung agentic AI geht, haben sich vielleicht auch Erwartungshaltung ein bisschen verschoben.

Die Technologie wird schon richten, sodass man wahrscheinlich oftmals nicht mehr genau auf den Prozess guckt, technologische Anforderungen auch im Vorfeld klärt, sodass wir hier gut sehen können, ah ja, also je mehr, dass eben diese ganz modernen agentischen Ansätze sind, desto schwieriger eigentlich mit dem Return of Invest.

Felix Schlenther (4:51)

Wie würdest du denn den Reifegrad von KI-Agenten heute bewerten? Weil man könnte ja auch argumentieren, die Technologie ist einfach noch in einem frühen Stadium, vielleicht noch nicht reif genug, um wirklich in den skalierten Einsatz zu kommen.

Die andere Argumentation wäre, die Technologie ist bereit, aber die Unternehmen einfach noch nicht.

Lisa Precht (5:13)

Ja, eine sehr gute Frage. Also die Technologie ist auf jeden Fall bereit. Und das galt ja auch schon vor generative AI, also auch schon mit den klassischeren und regelbasierteren Systemen, dass die Technologie immer schon extrem viel konnte und das dann oft eher an der Umsetzung gescheitert ist. Und das sehen wir heute auch oftmals wieder. Und jetzt haben wir natürlich noch dazu kommt die Komponente, dass sich die KI-Entwicklung halt so unglaublich überschlägt. Also es ist unglaublich schwer für Unternehmen, Schritt zu halten.