Können Systeme, die von der breiten Öffentlichkeit mithilfe von KI-Tools selbst entwickelt werden, die Schmerzpunkte der digitalen Transformation von Unternehmen lösen?

Vor einiger Zeit beschwerte sich ein CIO bei Lao Yang: Die Fachabteilungen des Unternehmens nutzen Tools wie WorkBuddy und haben selbst viele kleine Anwendungen erstellt, beispielsweise verschiedene Geschäftsformulare, Berichte, Abfrageseiten und vieles mehr, die innerhalb weniger Tage in Betrieb genommen werden. Der Chef war sehr erfreut, fragte ihn dann aber umgehend: „Wenn die Fachabteilungen bereits selbst Software entwickeln können, wozu brauchen Sie dann noch so viele Mitarbeiter in der IT-Abteilung?“ Die dahinterstehende Bedeutung liegt auf der Hand.

Dieses Szenario ist längst kein Einzelfall mehr. Verschiedene KI-Tools haben die Hürden für die Softwareentwicklung auf ein Minimum gesenkt: Fachmitarbeiter können mit natürlicher Sprache Anwendungen generieren, und ein großer Teil der langfristigen Nischenanforderungen wurde tatsächlich abgedeckt. Lao Yang ist jedoch der Ansicht, dass es ein neuer Irrtum ist, wenn man die „selbst erstellten Systeme“ mit dem „großen Sieg der digitalen Transformation des Unternehmens“ gleichsetzt oder daraus ableitet, dass „die IT-Abteilung nicht mehr benötigt wird“: Dabei wird ein Effizienzproblem fälschlicherweise als Architekturproblem eingestuft.

Der Trend zu selbst erstellten Systemen ist kein Scheinbedarf. Er ähnelt eher einer „Revolution der Randeffizienz“, aber keiner „Revolution der Kernarchitektur“. Das derzeit zentrale Schlüsselproblem lautet: Wie können diese Anwendungen an das bereits vorhandene „1“ des Unternehmens anknüpfen, also an die historischen Altsysteme, das Berechtigungssystem, die Datenschutzgrenzen und die Audit-Compliance.

I. Was lösen selbst erstellte Systeme – und was nicht

Nehmen wir WorkBuddy als Beispiel: Es verfügt über leistungsstarke Funktionen, mit denen sich schnell Formulare, Genehmigungsabläufe, Berichte, Datenverarbeitungsskripte und sogar interne Abfrageseiten generieren lassen. Es löst präzise viele Schmerzpunkte im Prozess der digitalen Unternehmensentwicklung, beispielsweise: Zu viele Anforderungen, bei denen die IT-Planungszeiten so lang sind, dass die Fachabteilungen nicht warten können; Die Entwicklung einfacher Anforderungen lohnt sich nicht; Die Geschäftslogik liegt in den Köpfen der Fachmitarbeiter, und bei der Weitergabe an die IT geht die Hälfte der Informationen verloren; Eine große Anzahl temporärer, abteilungsspezifischer und nicht kritischer Abläufe muss schnell umgesetzt werden.

Die Entwicklung mit KI-Tools weist jedoch auch einige Einschränkungen auf: Selbst erstellte Systeme eignen sich nur für Szenarien mit „leichten, lokalen, leselastigen, von einer Person oder einem kleinen Team genutzten und einfach strukturierten Abläufen“.

Es ist zu beachten, dass der schwierigste Schritt bei der digitalen Unternehmensentwicklung noch nie die Systementwicklung war. Der Austausch und die Integration von Kernsystemen, die Governance von Stammdaten und Datenstandards, die Transaktionskonsistenz über mehrere Systeme hinweg, die komplexe Berechtigungsvererbung sowie der stabile Betrieb, die Wartung und die Prüfung der Leistung nach der Skalierung – all das lässt sich durch „selbst erstellte Lösungen“ nicht bewältigen. Das heißt, das Unternehmen löst einen Teil der Effizienzprobleme der „letzten Meile“, aber nicht die Probleme der „Hauptstraße“: Es kann weder die Kernsysteme noch die Unternehmensarchitektur-Governance ersetzen.

II. Von 0 auf 1 ist einfach – von 1 auf N ist die eigentliche Herausforderung

Was ist das wichtigste Problem bei der digitalen Unternehmensentwicklung? Die Datenintegration! Also die Beseitigung von Dateninseln. In den meisten traditionellen Unternehmen gibt es heute eine große Anzahl von Altsystemen, beispielsweise ERP, CRM, MES und viele mehr, wobei manche Systeme überhaupt keine Standard-APIs haben. An dieser Stelle zeigen sich die technischen Grenzen der KI: Selbst die intelligenteste KI-Steuerungsschicht kann sich nicht aus dem Nichts in diese Systeme „einklinken“.

Dies ist die am meisten unterschätzte Hürde bei der KI-Implementierung in Unternehmen. KI kann Absichten verstehen, Aufgaben planen und Aufruflogik generieren – aber für die tatsächliche Ausführung ist sie auf eine Reihe stabiler „Tools“ und „Konnektoren“ angewiesen, beispielsweise standardisierte REST-APIs, schreibgeschützte Datenbankkopien, Zwischenebenen, RPA, Bildschirmauslesung, Nachrichtenwarteschlangen, veraltete proprietäre Schnittstellen und vieles mehr. Wenn all das nicht vorhanden ist, kann die KI-Steuerungsschicht zwar „die Vorstellung haben, etwas zu tun“, es aber nicht umsetzen.

Daher muss das Unternehmen nicht wirklich eine „zusätzliche KI-Steuerungsschicht“ einführen, sondern eine „Unternehmensintegrationsschicht“ aufbauen, die die Fähigkeiten der Altsysteme zu Standarddiensten abstrahiert: API-Gateway, iPaaS, ESB, Datenintegrationsplattform, RPA-Plattform, Stammdatenverwaltungsplattform. Ohne diese Schicht bleibt jedes KI-Tool nur ein „kurzfristiger Spaß“.

Lao Yang weist an dieser Stelle darauf hin: Bei Altsystemen sollte man sich keine Illusionen über eine „nahtlose Integration“ per KI-Tool machen – man braucht eine Anpassungsstrategie. Beispielsweise können Anforderungen nach Abfrageberichten über schreibgeschützte Kopien und Data-Warehouse-Synchronisation abgewickelt werden, sodass die KI auf die Datenplattform zugreift und nicht direkt auf das Produktivsystem. Bei Schreiboperationen wie dem Erstellen von Aufträgen, dem Ändern von Kundendaten oder dem Einleiten von Genehmigungen müssen bei fehlender API Zwischentabellen, spezielle Adapter und ähnliches verwendet werden – aber man darf die Geschäftsdaten nicht direkt verändern, da die Kosten bei einem Fehler zu hoch sind. Diese professionellen Arbeiten betreffen die gesamte Geschäfts- und Datenarchitektur und können nicht von Fachmitarbeitern im Alleingang erstellt werden.

Daher lautet der richtige Ansatz: KI-Steuerungsschicht → Tool-Registrierungsschicht → Unternehmensintegrationsschicht → Altsystem. Ohne die beiden mittleren Schichten wird der Versuch, die KI direkt als „schwarze Kiste“ anzuschließen, mit Sicherheit zu großen Problemen führen.

III. Rote Linie der Datensicherheit: Wie kann KI Berechtigungen präzise vererben?

Das zweite tödliche Problem: Wie kann die KI-Steuerungsschicht sicherstellen, dass sie keine sensiblen Informationen unbefugt einsehen? Viele selbst erstellte Systeme nutzen zum reibungslosen Ablauf direkt Konten mit hohen Berechtigungen, Dienstkonten oder sogar Administratorrechte, um Systeme aufzurufen. In der Demo-Umgebung funktioniert das, aber in der Produktivumgebung führt es wahrscheinlich zu einer Katastrophe.

Man muss wissen, dass große Sprachmodelle selbst keine Berechtigungsgrenzen haben. Sie wissen nicht, dass „Zhang San ein normaler Mitarbeiter ist und nicht die Gehaltsdaten des gesamten Unternehmens einsehen darf“. Wenn die KI beim Aufruf von Tools ein einheitliches Roboter-Konto mit hohen Berechtigungen verwendet, ist unbefugter Zugriff unvermeidlich. Die Berechtigungen dürfen nicht auf der Modellebene liegen, sondern müssen auf die Ausführungsebene und die Strategieebene verlagert werden.

Um eine „Identitätsdurchdringung“ zu erreichen: Der Nutzer stellt eine Anfrage in der KI-Oberfläche, die KI ruft die Tools im Namen dieses Nutzers auf, und das Backend prüft die Berechtigungen anhand der ursprünglichen Berechtigungen des Nutzers. Der Berechtigungsbereich der KI sollte genau dem entsprechen, was der Nutzer selbst tun kann – nicht mehr. Technisch können hierfür OAuth-Token-Austausch, nutzerspezifische API-Schlüssel, Identitätsaussagen mit Strategie-Engine verwendet werden.

Jedes Tool, das von der KI aufgerufen werden kann, muss über eine Metadaten-Erklärung verfügen: Verwendungszweck, erforderliche Berechtigungen, Datenbereich, Risikostufe, Notwendigkeit einer menschlichen Bestätigung, Audit-Anforderungen. Beispielsweise wird die „Abfrage der Kundenliste“ mit niedrigem Risiko automatisch ausgeführt, die „Änderung des Kreditrahmens eines Kunden“ mit hohem Risiko erfordert eine zweite Bestätigung, und der „Export aller Mitarbeiterinformationen“ ist entweder direkt verboten oder erfordert eine Genehmigung. Sensible Felder müssen zudem auf der Datenebene der Dienste spaltenweise anonymisiert, zeilenweise gefiltert und dynamisch maskiert werden – all das muss vor der Ausgabe der KI wirksam werden. Darüber hinaus muss jeder einzelne Tool-Aufruf, jeder Datenzugriff und jede Schreiboperation vollständig protokolliert werden: Wer hat die Aktion initiiert, welches Tool wurde aufgerufen, welche Berechtigungen wurden verwendet, auf welche Daten wurde zugegriffen, was war das Ergebnis, gab es eine menschliche Bestätigung. Andernfalls ist eine Nachverfolgung bei Datenlecks oder Fehlbedienungen unmöglich.

IV. Herausforderungen und Chancen für Softwareunternehmen

Die Herausforderung ist direkt spürbar: Einfache kundenspezifische Entwicklungen, CRUD-Operationen, einfache Berichte, Formulare und Abläufe werden von KI-Generierungstools übernommen; Die Tendenz der Kunden zur „eigenen Entwicklung“ steigt, wodurch die Abhängigkeit von externen Dienstleistern abnimmt; Wenn Produkte nur über allgemeine Funktionen verfügen, werden sie leicht von KI-Tools verdrängt.

Auf der anderen Seite ergeben sich jedoch größere Chancen. Je beliebter die selbst erstellten Systeme in Unternehmen werden, desto mehr benötigen die Unternehmen eine Plattform, um diese Systeme zu verwalten. Wer eine sichere KI-Steuerungsschicht, Konnektoren, Berechtigungs-Proxys und Audit-Plattformen anbietet, erzeugt Mehrwert. Da eine große Anzahl von Altsystemen keine APIs hat, entsteht ein riesiger Markt für Integrationsdienste: Softwareunternehmen können sich auf die Entwicklung von Konnektoren, Adaptern und die Modernisierung von Altsystemen spezialisieren. Allgemeine KI-Lösungen reichen nicht aus – branchenspezifische KI-Agenten und Vorlagen bilden einen echten Wettbewerbsvorteil: beispielsweise für Geräteprüfungen in der Fertigungsindustrie, Lageranalysen im Einzelhandel, Compliance-Genehmigungen im Gesundheitswesen. Für Fachmitarbeiter ist es einfach, einen Prototyp selbst zu erstellen – aber es ist extrem schwierig, diesen stabil, sicher und wartbar in der Produktivumgebung zu betreiben. Softwareunternehmen können diesen Teil der „Professionalisierungsprojekte“ übernehmen. Die Datensicherheits-Compliance ist zudem ein unverzichtbares Bedürfnis.

V. Wie kleine und mittlere Softwareunternehmen überleben können

Die Ressourcen sind begrenzt, man kann nicht mit großen Konzernen um allgemeine Plattformen konkurrieren – aber man kann um Tiefe, Service und Branchenkenntnis konkurrieren.

Kämpfen Sie nicht mit KI-Generierungstools um Effizienz: Wenn der Kunde ein einfaches Formular oder einen Bericht braucht, erledigt die KI das in wenigen Minuten – wenn Sie da konkurrieren, werden Sie scheitern. Werden Sie „Integrationspartner im KI-Zeitalter“: Konzentrieren Sie sich auf eine bestimmte Kategorie von Altsystemen und erstellen Sie tiefgehende Konnektoren, beispielsweise die API-Kapselung von ERP-Systemen einer bestimmten Marke, die KI-Integration von branchenspezifischen MES-Systemen, die Brückenbildung zwischen WeCom, DingTalk, Feishu und Altsystemen. Diese schmutzigen, anstrengenden Arbeiten wollen große Konzerne nicht erledigen, haben aber einen sehr hohen Wert. Entwickeln Sie Middleware für „Berechtigungs-Proxy und Datensicherheit“, die eine Schicht für Anonymisierung und Audit zwischen die KI-Steuerungsschicht und die Geschäftssysteme schaltet – sie ist zwar nicht groß, aber extrem wichtig. Binden Sie sich an das Plattform-Ökosystem und werden Sie ein vertikaler Plugin-Dienstleister für WorkBuddy, DingTalk und Feishu, anstatt selbst eine vollständige Plattform zu entwickeln. Wechseln Sie von projektbasierter Arbeit zu kontinuierlichem Betrieb: Abonnements, Hosting, begleitende Betreuung von Szenarien – die Unterstützung von Kunden bei der Einbindung selbst erstellter Systeme in die Governance ist an sich ein langfristiges Geschäftsmodell.

VI. Abschließende Zusammenfassung

Der Trend zu selbst erstellten Systemen gibt den Fachabteilungen mehr Autonomie und löst eine große Anzahl von langfristigen Effizienzproblemen – aber er kann die Tiefenbereiche wie Unternehmensarchitektur, Integration, Berechtigungsverwaltung und Daten-Governance nicht ersetzen.

Die echte digitale Transformation von Unternehmen erfordert vier Ebenen von Fähigkeiten: KI-Steuerungsschicht, Unternehmensintegrationsschicht, Identitäts- und Berechtigungsschicht, Daten-Governance-Schicht. Fehlt auch nur eine Ebene, sind selbst erstellte Systeme nichts anderes als Burgen im Sand.

Daraus geht leicht hervor, dass selbst erstellte Systeme der Fachabteilungen und die Existenz der IT-Abteilung keinen Widerspruch darstellen – die Rolle der IT muss sich nur von der „Erstellerin“ zur „Plattformermöglicherin und Torwächterin“ wandeln.

Für Softwareunternehmen ist der Trend zu selbst erstellten Systemen kein Weltuntergang, sondern eine Chance für eine neue Arbeitsteilung. Die Teams, die nur einfache CRUD-Operationen durchführen, keine Branchenkenntnis und keine Governance-Fähigkeiten haben, werden tatsächlich verdrängt. Unternehmen, die Unternehmen dabei unterstützen, „selbst erstellte Prototypen“ zu „produktionsreifen Systemen“ zu professionalisieren und die „KI-Steuerungsschicht“ sicher an „Altsysteme“ anzuschließen, werden eine neue Wachstumsphase erleben.

Was halten Sie davon? Hinterlassen Sie gerne einen Kommentar im Kommentarbereich!

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Xiangjiang Digital Review“ (ID: benpaoshuzi), Autor: Lao Yang, veröffentlicht mit Genehmigung von 36Kr.