Von coolen Funktionen bis hin zu realen industriellen Anwendungen, wo hakt es bei der KI?

Seit der Veröffentlichung von ChatGPT im November 2022 hat sich die generative Künstliche Intelligenz rasant entwickelt. Der Wettlauf um die besten Large Language Models (LLMs) hat einen Höhepunkt erreicht, mit ständig verbesserten Leistungskennzahlen und kontinuierlich gesteigerten multimodalen Fähigkeiten. KI-Systeme können inzwischen Werkzeuge autonom nutzen und immer komplexere Aufgaben bewältigen. Hersteller von KI-Modellen behaupten, dass die Ära der künstlichen allgemeinen Intelligenz (Artificial General Intelligence, AGI) bald hereinkommen werde.

Im krassen Gegensatz zu diesem technologischen Fortschritt steht die langsame kommerzielle Umsetzung. Daten des US-amerikanischen Ramp AI Index zeigen, dass die Quote der US-amerikanischen Unternehmen, die kostenpflichtige KI-Produkte nutzen, in letzter Zeit stagniert oder sogar zurückgegangen ist.

Ein Forschungsbericht der Massachusetts Institute of Technology (The GenAI Divide: State of AI in Business 2025) vom Juli 2025 kommt zu dem Schluss, dass 95 % der Projekte zur Anwendung generativer KI entweder erfolglos bleiben oder abgebrochen werden. Dieser Bericht hat sogar die US-Börse erschüttert.

Angesichts der Tatsache, dass die Vision, alle Branchen mit KI neu zu gestalten, auf die Realität eines hohen Scheiternraten von KI-Projekten stößt, müssen wir uns fragen: Wo liegen die Hindernisse bei der Umsetzung von KI in der realen Wirtschaft? Und wie können wir den Nebel durchdringen und einen echten Wertkreislauf schaffen?

01

Neugestaltung des Geschäftsprozesses und KI-Pfadplanung

Die Leistungskennzahlen von KI-Modellen lassen sich nicht direkt in kommerziellen Wert umsetzen. KI kann derzeit in den meisten Fällen keine end-to-end-Lösungen bieten. Daher muss die Umsetzung von KI auf die Fähigkeiten der KI abgestimmt werden, indem man die Geschäftsszenarien, -bedürfnisse und -probleme von Branchen und Unternehmen berücksichtigt. Man sollte die Geschäftsprozesse identifizieren, in denen die KI-Fähigkeiten ausgereift sind, die Unternehmensdaten gut aufgebaut sind und der Mehrwert am größten ist, und diese Prozesse priorisieren. Dies erfordert die Suche nach einem minimalen funktionierenden Kreislauf von Investition, Daten und Nutzen an der Schnittstelle zwischen Technologie und Bedarf. Dadurch können wirtschaftliche Gewinne erzielt und neue Daten generiert werden, die wiederum die Modelloptimierung unterstützen und einen kontinuierlichen Verbesserungszyklus ermöglichen.

Zurzeit erfordert die Umsetzung von KI also einen Prozess der Arbeitsteilung und der Neugestaltung des Geschäftsprozesses. Die Aufgaben, für die KI geeignet ist, sollten an die KI übergeben werden. Der Rest, sei es aufgrund von begrenzten KI-Fähigkeiten oder unzureichender Datennahme, muss weiterhin von Menschen erledigt werden. Die Aufgabe der Menschen besteht darin, die KI zu steuern, die Lücken im Prozess zu schließen, Aufgaben und Ressourcen zu verteilen sowie die Ergebnisse zu bewerten und zu korrigieren.

Wir können diesen Prozess der Neugestaltung von Geschäftsprozessen mit einer Pfadplanung vergleichen. Wenn Sie beispielsweise von der Caohejing High-Tech Park in Shanghai zur Fudan-Universität fahren möchten, ist der schnellste Weg nicht die geradlinige Strecke auf der Straße, sondern die Autobahn. Die KI ist wie die Autobahn: Sie kann die Geschwindigkeit erheblich erhöhen, kann aber nicht die gesamte Strecke abdecken. Deshalb sind noch Straßen erforderlich, um die Endpunkte zu verbinden. Dies entspricht der Rolle der Menschen.

Die Neugestaltung von Geschäftsprozessen für die KI-Umsetzung ähnelt der Pfadplanung in drei Aspekten:

Erstens: Bei der Pfadplanung fährt man auf Autobahnen, wenn es möglich ist, und auf normalen Straßen, wenn es nicht geht. Manchmal ist die Autobahn auch in der Mitte der Strecke nicht verbunden, und man muss die normale Straße nehmen. Ähnlich kann die KI derzeit nur einige Geschäftsprozesse bewältigen. Unternehmen müssen zunächst ihre bestehenden Arbeitsabläufe aufteilen, die Aufgaben, für die KI geeignet ist, an die KI übergeben und den Rest, einschließlich der Verbindungen zwischen verschiedenen KI-Prozessen sowie der Aufgaben, die Erfahrung und menschliche Interaktion erfordern, weiterhin von Menschen erledigen, um sicherzustellen, dass die gesamte Aufgabe erfüllt wird.

Zweitens: Bei der Pfadplanung muss man den Start- und Zielpunkt sowie die Autobahnkarte kennen. Ähnlich müssen Unternehmen, die ihre Geschäftsprozesse mit KI optimieren möchten, sowohl ihre eigenen Bedürfnisse (wie Start- und Zielpunkt einer Reise) als auch die Fähigkeiten und Grenzen der KI kennen (wie die Autobahnkarte), um an der Schnittstelle zwischen beiden Wertschöpfungspotenziale zu finden.

Drittens: Die Pfadplanung muss dynamisch angepasst werden. Der technologische Fortschritt in der KI ist wie die ständige Erweiterung der Autobahnnetze: Eine Strecke, die heute noch nicht befahrbar ist, kann morgen eröffnet werden. Ein Autobahnausgang, der heute im Osten liegt, kann morgen im Norden näher am Ziel sein. Ebenso müssen die Unternehmensprozesse und die Zusammenarbeit zwischen Menschen und KI ständig angepasst werden, wenn die KI-Fähigkeiten verbessert werden.

Meiner Beobachtung nach befinden sich die meisten Unternehmen derzeit noch in der Phase der direkten Anwendung von KI-Werkzeugen. Sie haben weder ihre Arbeitsabläufe aufgeteilt noch die Eignung der KI für ihre Geschäftsanforderungen bewertet. Dadurch können sie keinen funktionierenden Kreislauf von Investition, Daten und Nutzen aufbauen, und die Ergebnisse entsprechen nicht den Erwartungen.

02

Wer soll die KI-Umsetzung leiten?

Wie oben erwähnt, erfordert die Umsetzung von KI sowohl Kenntnisse in der KI als auch Branchenkenntnisse. Da sich die Branchen jedoch stark voneinander unterscheiden, ist es schwierig, beides zu vereinbaren. Entweder müssen KI-Experten die Branche lernen und verändern, oder Branchenmitarbeiter müssen KI-Werkzeuge erlernen und in ihrer eigenen Branche einsetzen.

Pfad 1: KI-Experten in die Branche bringen –

Der Aufstieg der Forward Deployed Engineers (FDE).

Das von der Datenanalysefirma Palantir entwickelte Konzept der Forward Deployed Engineers (FDE) in Silicon Valley ist ein Beispiel für diesen Ansatz. Kern dieses Konzepts ist die Einbindung von KI- und Datenanalyseexperten in Kundenunternehmen, oft für mehrere Monate oder sogar ein halbes Jahr. Die Aufgabe dieser Ingenieure besteht nicht darin, Produkte zu verkaufen, sondern darin, die Geschäftsprozesse der Kundenunternehmen zu verstehen und anhand der KI-Fähigkeiten Lösungen für die Bedürfnisse und Probleme der Unternehmen zu finden.

Heute gilt das FDE-Konzept von Palantir in Silicon Valley als Vorbild für die KI-Umsetzung. Diese Forward Deployed Engineers, die sowohl KI-Technologien als auch Branchenkenntnisse besitzen, sind die beliebtesten Gründer für Investoren.

Pfad 2: Branchenmitarbeiter KI-Werkzeuge vermitteln –

Herausforderungen und Chancen.

Ein anderer Ansatz besteht darin, dass Branchenmitarbeiter KI-Werkzeuge erlernen und in ihre eigenen Geschäftsprozesse integrieren. Das von der Massachusetts Institute of Technology veröffentlichte Bericht hat festgestellt, dass obwohl nur etwa 40 % der Unternehmen kostenpflichtige KI-Werkzeuge nutzen, über 90 % der Unternehmensmitarbeiter diese Werkzeuge auf eigene Kosten nutzen, um ihre Arbeitsleistung zu verbessern. Der Autor bezeichnet dies als die "Schatten-KI-Wirtschaft".

Die "Schatten-KI-Wirtschaft" beschränkt sich auf die individuelle Nutzung von KI-Werkzeugen für bestimmte Aufgaben durch Mitarbeiter und ist keine systemische Anwendung auf Unternehmensebene. Es fehlt sowohl die Koordination zwischen den Mitarbeitern als auch die Anpassung an die Branche und das Unternehmen. Dies zeigt einerseits, dass KI in vielen Geschäftsprozessen die Effizienz steigern kann. Man kann sich vorstellen, dass eine systemische Anwendung dieser Werkzeuge auf Unternehmensebene, verbunden mit einer Verbesserung der Gedächtnis- und Kontextfunktionen sowie der Anpassung an die Unternehmensszenarien, die Effekte noch verstärken würde. Andererseits erfordert die Anpassung von KI-Werkzeugen an die Geschäftsprozesse die Bewertung des Arbeitsablaufs. Diese Aufgabe kann in einer verteilten, von unten nach oben gerichteten Weise erfolgen und erfordert möglicherweise eine gewisse Anpassung und Individualisierung.

Bisher war es für Branchenmitarbeiter schwierig, KI-Werkzeuge zu erlernen und ihre Branche damit zu verbessern, da die KI-Technologie komplex und schnell sich ändernd war. In den letzten Monaten hat die Entwicklung von KI-Programmierungswerkzeugen jedoch diese Möglichkeit eröffnet.

03

KI-Programmierung aktiviert die Selbsttransformation von Branchen

Mit der Entwicklung der KI-Technologie werden die KI-Programmierungswerkzeuge immer leistungsfähiger. Dies senkt die Schwelle und die Kosten der Softwareentwicklung erheblich und macht sie zugänglich für jedermann. Was früher Monate eines professionellen Programmierers erforderte, kann heute von Nutzern ohne Programmierkenntnisse durch die Beschreibung der Anforderungen in natürlicher Sprache und die Generierung von Code mit KI-Programmierungswerkzeugen erreicht werden. So können zumindest Prototypen von Produkten entwickelt werden, die die Machbarkeit des Konzepts testen und die Reaktion der Nutzer erfassen können.

Der CEO von Microsoft, Satya Nadella, und der CEO von Google, Sundar Pichai, haben öffentlich erklärt, dass etwa 20 - 30 % des von ihren Unternehmen generierten Softwarecodes von KI stammt. Der CEO des Cloud Computing-Dienstes von Amazon, Adam Selipsky, hat sogar angegeben, dass 75 % des Codes von AWS bereits von KI generiert wird. Mit fortschreitender KI-Technologie wird der Anteil der KI-generierten Software weiter steigen. Branchenführer wie Jensen Huang von NVIDIA und Sam Altman von OpenAI gehen davon aus, dass in Zukunft keine professionellen Programmiersprachen wie C++ oder Python mehr erforderlich sein werden und die natürliche Sprache als Code verwendet werden wird.

Dies bedeutet, dass die Haupttreiber für die KI-Umsetzung wahrscheinlich von "Technikexperten" zu "Branchenmitarbeitern" wechseln werden. Der oben beschriebene Pfad 2 wird dadurch möglich: Branchenmitarbeiter müssen nicht mehr auf die "Umgestaltung" durch KI-Experten warten, sondern können selbst KI-Programmierungswerkzeuge lernen und nutzen. Sie können auf Grundlage der spezifischen Bedürfnisse und Probleme ihrer Branche in bestimmten Geschäftsprozessen minimale funktionierende Kreisläufe von KI-Anwendungen aufbauen, konkrete Probleme lösen und sofort sichtbaren Wert schaffen.

Besonders die kleinen und mittleren Unternehmen (KMU) könnten durch die KI-Programmierung zu einer treibenden Kraft bei der KI-Umsetzung werden. Im Vergleich zu großen Unternehmen erfordert die KI-Umsetzung in KMU keine aufwändige Koordination zwischen verschiedenen Abteilungen. Oft kann ein Manager zusammen mit zwei oder drei Kernmitarbeitern ein Konzept entwickeln, und die Entscheidungs- und Verbesserungszyklen sind schneller. Darüber hinaus haben KMU weniger Geschäftsprozesse. Selbst wenn sie noch an ihrer Digitalisierung arbeiten müssen, können sie direkt ein digitales System für die KI-Umsetzung aufbauen, ohne komplexe bestehende Systeme umzugestalten. Dies reduziert die Schwierigkeiten und das Risiko. KMU hatten in der Vergangenheit möglicherweise Nachteile bei der Personalgewinnung, aber die KI-Programmierungswerkzeuge helfen, dieses Problem zu lindern.

04

Fazit

Die Umsetzung von KI ist kein "Revolutionssprung", sondern ein Prozess der ständigen Anpassung zwischen KI-Technologie und Branchenanforderungen. Unternehmen sollten derzeit nicht auf eine vollständige KI-Umsetzung aller Prozesse abzielen, sondern sich auf Szenarien konzentrieren, die "einfach umsetzbar, gut anpassbar und wirtschaftlich rentabel" sind. Dadurch können sie minimale funktionierende Kreisläufe von KI-Anwendungen finden, die KI-Programmierungswerkzeuge nutzen, um die Funktionen zu testen und zu verbessern und die Kosten der Umsetzung zu senken. Auf diese Weise können sie die interne Unterstützung gewinnen.

Die KI-Programmierungswerkzeuge werden immer leistungsfähiger. Auch wenn sie noch nicht perfekt sind, verbessern sie sich schnell. Dadurch können immer mehr Menschen mit ihrer Hilfe Probleme lösen und Wert schaffen. In der Ära der KI ist es für Einzelpersonen wichtiger, nicht nur Wissen zu haben, sondern auch einen guten Blick und Kreativität. Ein guter Blick bedeutet, dass man in der Branche, der Arbeit und im Leben unbefriedigte Bedürfnisse, Probleme und Chancen erkennen kann. Kreativität ist die Fähigkeit, mit neuen Technologien bessere Lösungen für diese Probleme zu finden. Ein wichtiger Weg für die KI-Umsetzung besteht darin, die Mitarbeiter dazu zu ermutigen, KI-Programmierungswerkzeuge zu lernen, um ihre Arbeit zu verbessern und damit auch ihr Unternehmen und ihre Branche zu transformieren.

Wenn immer mehr Branchenmitarbeiter in der Lage sind, Software mit natürlicher Sprache zu entwickeln und Unternehmen schnell Fehler korrigieren und KI-Konzepte verbessern können, wird die KI wirklich eine treibende Kraft für den Fortschritt in allen Branchen werden. Dennoch bleibt die KI immer nur ein Partner für die gemeinsame Entwicklung und kein Allheilmittel.

(Der Autor ist Geschäftsführer von Liwa Information und Vorsitzender des Stanford Growth Innovation Circle)

Dieser Artikel stammt aus dem WeChat-Account "Banshu-Caijing" (ID: Banshu-Caijing). Autor: Li Junjie, Redakteur: Mark. Veröffentlicht von 36Kr mit Genehmigung.