Unternehmen entwickeln kohärente Infrastrukturen für den produktiven Einsatz von Künstlicher Intelligenz
7. November 2026 · 2 Min. Lesezeit
Unternehmen untersuchen derzeit die Nutzung von Künstlicher Intelligenz durch den Einsatz von Assistenten, Pilotprojekten und kontrollierten Tests, um neue Anwendungsmöglichkeiten zu identifizieren.
Wenn ein Modell der Künstlichen Intelligenz in einem Konzeptnachweis gute Ergebnisse liefert, zeigt dies eine Chance zur Wertschöpfung auf. Der folgende Schritt besteht darin, dieses Potenzial in eine nützliche Fähigkeit für die Organisation zu verwandeln, die in die Geschäftsprozesse integriert ist und skalierbar gestaltet wurde.
Für die Weiterentwicklung dieser Initiativen ist es ratsam, frühzeitig die Anforderungen für den täglichen Betrieb zu planen. Dazu gehören qualitativ hochwertige Daten, ein effizienter Ressourcenverbrauch, angemessene Kontrollen sowie eine Infrastruktur, die den Anforderungen der jeweiligen Anwendungsfälle entsprechen kann. Der Übergang in die Produktion ist nicht nur eine technische Phase, sondern eine Gelegenheit zu gestalten, wie die Technologie sicher, zuverlässig und nachhaltig in die Geschäftsaktivitäten integriert wird.
Ein Konzeptnachweis ermöglicht die Prüfung einer Hypothese unter begrenzten Bedingungen mit wenigen Nutzern, einem limitierten Datensatz und einer Architektur für Experimente. In der Produktion hingegen muss die Lösung agil auf verschiedene Nutzer reagieren, mit aktualisierten Informationen arbeiten, sich mit Unternehmensplattformen verbinden und eine konsistente Leistung beibehalten. Die Künstliche Intelligenz wird Teil der Wertschöpfungskette, wenn beispielsweise ein Assistent Kunden betreut oder ein Agent mit Transaktionssystemen interagiert.
Die Infrastruktur bestimmt, wie Daten zum Modell gelangen, wo Informationen verarbeitet werden und mit welchen Garantien der Dienst bereitgestellt wird. Die Agilität hängt unter anderem von der Lage der Daten und der Rechenkapazität ab. Die räumliche Nähe dieser Elemente kann Latenzen reduzieren und unnötige Datenbewegungen vermeiden.
Sicherheitsmaßnahmen müssen die Daten während des gesamten Weges begleiten. Dies umfasst den Schutz gespeicherter Informationen und der Kommunikation sowie die Berücksichtigung von Daten während der Verarbeitung, einschließlich der Eingabeaufforderungen, des abgefragten Kontextes und der generierten Antworten. Bei Architekturen, die Unternehmensquellen abfragen, bevor sie antworten, ist der Schutz dieser Elemente besonders wichtig.
Resilienz und Governance sind weitere notwendige Komponenten. Dazu gehören die Servicekontinuität, geschützte Sicherungskopien, die frühzeitige Erkennung von Anomalien und die Wiederherstellung nach Vorfällen. Rückverfolgbarkeit und Beobachtbarkeit helfen dabei, zu verstehen, welche Informationen ein Modell abfragt, wie es sich verhält und welche Aktionen es auslöst, was zudem die Einhaltung regulatorischer Pflichten erleichtert.
Die Geschäftsführung muss strategische Entscheidungen treffen, um die Technologie mit den Geschäftszielen zu verbinden. Dabei ist festzulegen, wo jede Arbeitslast ausgeführt wird, basierend auf der Sensibilität der Daten, der erforderlichen Latenz und den Compliance-Anforderungen. Da nicht alle Initiativen die gleiche Architektur benötigen, ermöglicht ein hybrider und kohärenter Ansatz die Kombination verschiedener Umgebungen und Ressourcen je nach Merkmalen der Arbeitslast.