KI entwickelt sich derzeit rasch von einer Reihe leistungsstarker Werkzeuge hin zu einer zentralen Komponente wettbewerbsf\u00e4higer Unternehmen. Spezialisierte Modelle, KI-Agenten und KI-basierte Architekturen werden daf\u00fcr sorgen, dass KI weiterhin in den Kern von Unternehmensabl\u00e4ufen eingebettet wird \u2013 mit potenziell enormen Vorteile.<\/p>\n\n\n\n
Um die Entwicklung von KI zu steuern, m\u00fcssen Unternehmen verstehen, dass es nicht mehr nur um die Frage geht \u201eWas kann KI tun?\u201c, sondern \u201eWie bringen wir unser Unternehmen mit KI auf Erfolgskurs? Was m\u00fcssen wir daf\u00fcr tun? Welche Probleme l\u00f6se ich mit welchen Modellen? Wie steuern wir all das?<\/p>\n\n\n\n
Sehen wir uns f\u00fcnf wichtige Themen an, die Unternehmens-KI im Jahr 2026 bestimmen werden und die f\u00fcr Unternehmen sowohl Chancen als auch Herausforderungen bedeuten. Los geht’s!<\/p>\n\n\n\n
Die Fortschritte in der generativen KI sind auf Durchbr\u00fcche bei den sogenannten Basismodellen zur\u00fcckzuf\u00fchren. Dabei handelt es sich um umfangreiche neuronale Netzwerke, die mit enormen Datenmengen trainiert werden und an verschiedenste Aufgaben angepasst werden k\u00f6nnen.<\/p>\n\n\n\n
Gro\u00dfe Sprachmodelle (Large Language Models, LLMs) waren die erste Welle von umfassenden Basismodellen. Allgemeine LLMs, die mit dem \u00c4quivalent aller Texte im Internet trainiert wurden, erm\u00f6glichten viele wertsch\u00f6pfende Anwendungsf\u00e4lle wie das Zusammenfassen von Dokumenten, das Schreiben von Code und die Unterst\u00fctzung von Anwendungen wie ChatGPT und Claude. In den letzten Jahren haben wir bereits gesehen, wie der Ansatz der Basismodelle in anderen Bereichen angewendet wurde, beispielsweise zum Erstellen von Videos und Generieren von Sprache.<\/p>\n\n\n\n
2026 werden spezialisierte Basismodelle, die f\u00fcr bestimmte Datentypen und Bereiche optimiert sind, hochwertige Anwendungsf\u00e4lle f\u00fcr Unternehmens-KI unterst\u00fctzen. Bei Modellen zur Videogenerierung lie\u00df sich bereits beobachten, dass Modelle, die auf realen physikalischen Daten beruhen, Schlussfolgerungen aus Szenen und physikalischer Dynamik ziehen k\u00f6nnen. Die aufkommenden Weltmodelle zeigen, dass das Simulieren der physischen Welt neue M\u00f6glichkeiten in den Bereichen Simulation, synthetische Trainingsdaten und digitale Zwillinge er\u00f6ffnet. Vision-Language-Action-Modelle demonstrieren, dass Robotik-Basismodelle Verallgemeinerungen ableiten und auf neue Aufgaben und Umgebungen anwenden k\u00f6nnen, wodurch die Umwandlung von Wissen im Webma\u00dfstab in reale Ma\u00dfnahmen in den Bereichen Logistik und Fertigung m\u00f6glich wird.<\/p>\n\n\n\n
Im Unternehmensbereich findet gerade eine \u00e4hnliche Ver\u00e4nderung in Bezug auf strukturierte Daten in Datenbanken und transaktionaler Unternehmenssoftware statt. Obwohl LLMs in vielen Anwendungsf\u00e4llen in Unternehmen beeindruckende Ergebnisse liefern, k\u00f6nnen sie Aufgaben wie numerische Prognosen, etwa die Herleitung eines Lieferdatums oder einer Bewertung von Lieferantenrisiken, nicht l\u00f6sen. Arbeiten zu relationalen Basismodellen zeigen jedoch, dass das Training mit strukturierten Datensets \u2013 beispielsweise Daten in Tabellen statt allgemeinen Texten oder Bildern aus dem Internet \u2013 eine hohe Genauigkeit von Vorhersagen erm\u00f6glicht, ganz ohne m\u00fchsames Feature Engineering und Training, wie es beim klassischen maschinellen Lernen erforderlich ist. Das bedeutet, dass Unternehmen Prognosemodelle innerhalb von wenigen Tagen statt Monaten implementieren k\u00f6nnen. K\u00fcrzlich eingef\u00fchrte relationale Basismodelle wie SAP-RPT-1, Kumo und Distil Labs zeigen, wie neue Modelle Anwendungsf\u00e4lle wie Prognosen, Erkennung von Anomalien und Optimierung in ERP-, Finanz-, Fertigungs- und Supply-Chain-Szenarien direkt unterst\u00fctzen k\u00f6nnen.<\/p>\n\n\n\n
Es ist zu erwarten, dass diese spezialisierten Modelle 2026 skaliert werden und f\u00fcr strukturierte Gesch\u00e4ftsaufgaben erstklassige, effiziente Leistung liefern. Damit werden sie allgemeine LLMs und moderne Algorithmen f\u00fcr maschinelles Lernen \u00fcbertreffen. Diese Modelle werden k\u00fcnftig die Zugpferde f\u00fcr wertsch\u00f6pfende Aufgaben in Unternehmen sein.<\/p>\n\n\n\n
Im Bereich der KI waren im Laufe der Jahrzehnte verschiedenste wertsch\u00f6pfende Ans\u00e4tze zu beobachten \u2013 von den ersten regelbasierten Expertensystemen \u00fcber probabilistisches Deep Learning bis hin zum j\u00fcngsten Boom bei generativer KI. 2026 werden Unternehmen von der Erweiterung bestehender KI-Anwendungen und -Prozesse zu KI-basierten Architekturen \u00fcbergehen, die das Versprechen moderner KI voll einl\u00f6sen werden.<\/p>\n\n\n\n
KI-basierte Architekturen erg\u00e4nzen deterministische Systeme um eine Schicht f\u00fcr kontinuierliches Lernen und agentische KI. Dadurch sind absichtsgesteuerte und kontextbezogene Anwendungen m\u00f6glich, die sich selbst verbessern, und die nicht statisch um festgelegte Workflows herum codiert werden m\u00fcssen. Agentische Systeme werden jedoch auch weiterhin nur so gut sein, wie die Kontextschicht, auf der sie beruhen und von der sie zuverl\u00e4ssig Informationen abrufen k\u00f6nnen. Im Hinblick darauf sollten Unternehmen in umfassende, semantisch umfangreiche Wissensgraphen investieren, die eine skalierbare Kontextquelle bieten und eine KI-basierte Software erm\u00f6glichen, die zuverl\u00e4ssig ist und sich selbst verbessern kann.<\/p>\n\n\n\n
Unternehmensanwendungen werden zunehmend nativ auf KI-Funktionen aufbauen und Benutzererfahrungen bieten, die f\u00fcr Interaktionen mit mehreren Modellen in nat\u00fcrlicher Sprache konzipiert sind. Sie werden mit KI-Agenten ausgestattet sein, die Schlussfolgerungen \u00fcber komplexe Prozesse hinweg ziehen k\u00f6nnen und \u00fcber eine Grundlage zur Verwaltung von Basismodellen, Services und einen Wissensgraphen zum Erfassen semantisch umfassender Gesch\u00e4ftsdaten verf\u00fcgen. Mit einer auf KI basierenden Architektur k\u00f6nnen auch mehr Mitarbeiter in k\u00fcrzester Zeit selbst Apps erstellen \u2013 beispielsweise kleinere Ad-hoc-Produktivit\u00e4tsanwendungen \u2013, ohne daf\u00fcr IT-Teams beanspruchen zu m\u00fcssen.<\/p>\n\n\n\n
Eine Voraussetzung f\u00fcr eine KI-basierte Architektur sind etablierte SaaS-Prinzipien und Investitionen in moderne Cloud-Anwendungen, auf denen sie aufbauen kann. Der Fachbegriff f\u00fcr die Kombination von probabilistischen, adaptiven KI-Modellen mit deterministischen Aufzeichnungssystemen lautet neurosymbolische<\/em> KI. Sie vereint die besten F\u00e4higkeiten von KI zur Anpassung an zuverl\u00e4ssige, steuerbare und deterministische Prozesse. Anwendungen der n\u00e4chsten Generation werden KI nicht nur unterst\u00fctzen, sie werden im Kern auf KI aufbauen. Das bedeutet, dass Schlussfolgerungen, Gesch\u00e4ftsregeln und Daten kombiniert werden, um nahtlos Erkenntnisse zu liefern und zu automatisieren. Stellen Sie sich ERP-Systeme vor, die proaktiv Anomalien melden, Ma\u00dfnahmen empfehlen und sogar Workflows autonom ausf\u00fchren \u2013 und all das im Einklang mit Unternehmensrichtlinien und gesetzlichen Vorschriften.<\/p>\n\n\n\n In den letzten zwei bis drei Jahren hat generative KI eine Welle von wertsch\u00f6pfenden Anwendungsf\u00e4llen ausgel\u00f6st. Diese Anwendungsf\u00e4lle basierten gr\u00f6\u00dftenteils auf folgendem Muster: Benutzer senden einen Prompt an ein Modell, erhalten eine Antwort und interagieren erneut mit dem Modell.<\/p>\n\n\n\n Im vergangenen Jahr rollte die n\u00e4chste Innovationswelle an: KI-Agenten, die mehrstufige Aufgaben planen und iterativ durchdenken k\u00f6nnen, einschlie\u00dflich der Auswahl von Tools, der Selbstreflexion \u00fcber den Fortschritt und der Zusammenarbeit mit anderen KI-Agenten. Diese fortschrittlichen KI-Agenten versprechen, komplexe Gesch\u00e4ftsprozesse anzugehen, die bisher nicht automatisiert werden konnten, etwa die Analyse einer gro\u00dfen Anzahl von Dokumenten, Aufzeichnungen und Richtlinien, um einen Streitfall beizulegen<\/a> oder eine Reise zu buchen<\/a>.<\/p>\n\n\n\n Die zunehmende Verbreitung von KI-Agenten, von denen viele kritische Aufgaben und sensible Daten verarbeiten, erfordert jedoch die Entwicklung neuer Funktionen. Agentische Governance wird sich als eine wichtige Funktion herausstellen, wenn Unternehmen Hunderte von spezialisierten KI-Agenten einsetzen. Die Herausforderung des \u201eAgenten-Wildwuchses\u201c wird an fr\u00fchere Schatten-IT-Krisen erinnern, doch angesichts der autonomen Entscheidungsf\u00e4higkeiten von Agenten wird sie mit h\u00f6heren Risiken einhergehen.<\/p>\n\n\n\n Zukunftsorientierte Unternehmen werden umfassende Governance-Frameworks schaffen, die f\u00fcnf Dimensionen abdecken: Lebenszyklusmanagement f\u00fcr Agenten (Versionskontrolle, Testprotokolle, Implementierungsgenehmigungen, Verfahren f\u00fcr die Au\u00dferbetriebnahme), Beobachtbarkeit und Auditierbarkeit (Verzeichnis, Protokollierung, Argumentationspfade und Aktions-Traces von Agenten), Durchsetzung von Richtlinien (Einbettung von Gesch\u00e4ftsregeln, gesetzlichen Einschr\u00e4nkungen und ethischen Richtlinien in die Ausf\u00fchrungsabl\u00e4ufe von Agenten), Modelle f\u00fcr die Zusammenarbeit zwischen Mensch und Agent (Definition von Autonomiegrenzen, Genehmigungsanforderungen und Eskalationspfaden) und Leistungs\u00fcberwachung (Nachverfolgung von Genauigkeit, Effizienz, Kosten und gesch\u00e4ftlichen Auswirkungen).<\/p>\n\n\n\n Der organisatorische Wandel wird tiefgreifend sein \u2013 von der Betrachtung der KI als unabh\u00e4ngiges Werkzeug bis hin zur Verwaltung von Agenten als digitale Mitarbeitende, die ein Onboarding, Leistungsbeurteilungen und kontinuierliche Verbesserung erfordern. HR- und IT-Abteilungen werden beim \u201edigitalen Personalmanagement\u201c zusammenarbeiten, da Unternehmen die agentische Governance ebenso ernst nehmen wie die herk\u00f6mmliche Kontrolle des Personals.<\/p>\n\n\n\n Verbraucher sind zunehmend besser mit Computerinteraktionen vertraut, die Prompts in nat\u00fcrlicher Sprache, Spracheingaben und sogar in Form von Bildern und Gesten erfordern. Gleichzeitig wird sich die F\u00e4higkeit von generativer KI, Texte, Grafiken, Code und HTML dynamisch zu erstellen, rasch verbessern. Parallel dazu wird es m\u00f6glich sein, dass Nutzer einfach ihre Absichten ausdr\u00fccken, sodass KI-Agenten ermitteln k\u00f6nnen, wie sie dieses Ziels erreichen.<\/p>\n\n\n\n Diese Fortschritte er\u00f6ffnen Nutzern vielf\u00e4ltige, v\u00f6llig neue Modalit\u00e4ten f\u00fcr das Arbeiten mit Unternehmenssoftware und mit ERP-Software ohne App (\u201eNo-App ERP\u201c). Betrachten wir als Beispiel das Buchen eines Kundenbesuchs. Daf\u00fcr m\u00fcssen Mitarbeitende in der Regel eine Analyseanwendung \u00f6ffnen, um das Kundenkonto zu \u00fcberpr\u00fcfen. Dann suchen sie im CRM-System nach der Adresse des Kunden und navigieren schlie\u00dflich zu einer anderen Anwendung, um die Reise zu buchen. <\/p>\n\n\n\n 2026 werden wir mit digitalen Assistenten h\u00e4ufiger \u00fcber \u201eGen UIs\u201c arbeiten. Generative UI entlastet Nutzer, da sie nicht mehr zwischen mehreren Anwendungen navigieren und manuelle Aufgaben ausf\u00fchren m\u00fcssen. Mit der Zeit werden Nutzer dank KI einfach ihre Absicht ausdr\u00fccken k\u00f6nnen: \u201eBereite eine Reise zu meinem Kunden mit den meisten Leads vor.\u201c Der KI-Agent plant daraufhin die entsprechenden Schritte und erforderlichen Systeme und interagiert mit dem Benutzer, um sich Reisedetails best\u00e4tigen zu lassen. Inzwischen generiert er dynamische Analysediagramme und Briefingmaterial im Fenster. Da KI-Agenten immer leistungsf\u00e4higere Berechnungs- und Vorhersagetools entwickeln, werden sie es Nutzern erm\u00f6glichen, \u201enat\u00fcrlicher mit ihren Daten zu sprechen\u201c, w\u00e4hrend die Agenten im Hintergrund datenbasierte Entscheidungen treffen. Um es noch einmal zu verdeutlichen: Interaktionen mit Agenten werden weit \u00fcber g\u00e4ngige Chat-Dialoge hinausgehen. Unternehmen werden \u00fcber umfangreiche Visualisierungen, vollst\u00e4ndige Workflows und die M\u00f6glichkeit verf\u00fcgen, mit nur wenigen Befehlen hochgradig personalisierte Apps zu erstellen.<\/p>\n\n\n\n Die Benutzungsoberfl\u00e4che an sich wird nicht verschwinden. F\u00fcr das Arbeiten mit ERP unabh\u00e4ngig von einer App und mit autonomen Agenten sind dieselben Grundlagen erforderlich, auf die sich Menschen bereits bei ihrer t\u00e4glichen Arbeit verlassen: strukturierte Workflows, Sicherheit, Governance und Gesch\u00e4ftslogik, die in Gesch\u00e4ftsanwendungen definiert sind. Der Unterschied besteht darin, dass Agenten diese Grundoperationen programmtechnisch in gro\u00dfem Ma\u00dfstab konsumieren, nicht nur \u00fcber eine grafische Benutzungsoberfl\u00e4che. Menschen k\u00f6nnen mit diesen Agenten \u00fcber nat\u00fcrliche Sprache interagieren, ohne die Anwendung \u00fcberhaupt \u00f6ffnen zu m\u00fcssen.<\/p>\n\n\n\n Diese Funktionen werden ein neues Paradigma f\u00fcr die Zusammenarbeit zwischen Mensch und KI und f\u00fcr Produktivit\u00e4t am Arbeitsplatz etablieren. Personalisiertes Arbeiten und anpassungsf\u00e4hige Workflows \u00fcber Anwendungen und Datenquellen hinweg werden die Akzeptanz verbessern. Diese F\u00e4higkeit, sich unabh\u00e4ngig von der Interaktionsmodalit\u00e4t und den zugrunde liegenden Systemen ausschlie\u00dflich auf das Erreichen der Absicht eines Nutzers zu konzentrieren, wird die Investitionsrendite (ROI) von KI und Unternehmenssoftware steigern.<\/p>\n\n\n\n KI sorgte f\u00fcr Debatten \u00fcber\u00a0digitale Souver\u00e4nit\u00e4t\u00a0zwischen verschiedenen L\u00e4ndern, da sie potenziell Auswirkungen auf alles hat, von wissenschaftlichen Entdeckungen \u00fcber nationale Sicherheit bis hin zu volkswirtschaftlicher Produktivit\u00e4t und selbst die Kultur. Geopolitische Ereignisse wie St\u00f6rungen in der Lieferkette durch Z\u00f6lle und Krieg haben die Dringlichkeit des Erreichens digitaler Souver\u00e4nit\u00e4t, die viele Nationen und Unternehmen versp\u00fcren, noch verst\u00e4rkt.<\/p>\n\n\n\n Digitale Souver\u00e4nit\u00e4t hat zwei weit gefasste Definitionen. Erstens ist digitale Souver\u00e4nit\u00e4t eine Bezeichnung f\u00fcr Informationssicherheit, die die Speicherung und den Zugriff auf Daten regelt, so etwa FedRAMP in den USA und die VSA in Deutschland, die die Voraussetzung daf\u00fcr sind, sensible Regierungsdaten in einer souver\u00e4nen Cloud zu verarbeiten. In der zweiten, etwas allgemeineren Definition bezieht sich Souver\u00e4nit\u00e4t auf die Herkunft von physischen Anlagen, geistigem Eigentum, Gerichtsstand und Services f\u00fcr den gesamten Cloud-Stack. Nutzt eine Anwendung beispielsweise ein KI-Modell, das in Europa, den USA oder China erstellt wurde, und ist das Rechenzentrum geografisch isoliert?<\/p>\n\n\n\n Angesichts der hohen Risiken, der geopolitischen Unsicherheit und der Komplexit\u00e4t von \u201esouver\u00e4ner KI\u201c werden Unternehmen zunehmend nach KI- und Cloud-L\u00f6sungen verlangen, die gleichzeitig hochmodern, flexibel und vollst\u00e4ndig souver\u00e4n sind. Das forciert den Wandel von einer globalisierten Einheits-Cloud zu regional konformen, KI-gest\u00fctzten Unternehmensplattformen. Gleichzeitig werden die Regierungen ihre nationalen KI-Strategien weiter verfeinern, um in Bereiche entlang des Stacks zu investieren, in denen sie wettbewerbsf\u00e4hig sind und Mehrwert schaffen k\u00f6nnen.<\/p>\n\n\n\n 2026 ist KI auf dem besten Weg, sich von einem unterst\u00fctzenden Werkzeug zu einer tragenden S\u00e4ule f\u00fcr Unternehmen zu entwickeln. Dieser Wandel wird durch eine Ann\u00e4herung entscheidender Trends vorangetrieben \u2013 darunter immer leistungsf\u00e4higere Agenten, generative Benutzungsoberfl\u00e4chen und KI-basierte Architektur \u2013, die KI aus der Anwendungsschicht in den Kern von Gesch\u00e4ftsabl\u00e4ufen verlagern.<\/p>\n\n\n\n Erfolgreich werden die Unternehmen sein, die diesen Wandel erkennen und ein Unternehmen aufbauen, das speziell auf KI ausgerichtet ist: Sie schaffen eine robuste Governance, um eine neue, kollaborative Belegschaft aus Menschen und KI-Agenten zu verwalten. Sie f\u00fchren generative Benutzungsoberfl\u00e4chen ein, um die Akzeptanz zu verbessern und Nutzern ein absichtsgesteuertes Arbeiten durch nat\u00fcrliche Interaktion zu erm\u00f6glichen. Sie machen spezialisierte Basismodelle ausfindig, die genau auf die Anwendungsf\u00e4lle des Unternehmens abgestimmt sind, um den gesch\u00e4ftlichen Nutzen zu steigern, und nicht zuletzt entwickeln sie nahtlos Anwendungen rund um die KI, die logische Schlussfolgerungen, Gesch\u00e4ftsregeln und Daten vereinen und proaktive Erkenntnisse liefern und Automatisierung erm\u00f6glichen.<\/p>\n\n\n\n Unternehmen werden jedoch auch im Jahr 2026 weiterhin hochwertige, vernetzte Daten ben\u00f6tigen. Datensilos schr\u00e4nken die Effektivit\u00e4t von KI stark ein. Wie bereits erw\u00e4hnt, setzt eine KI-basierte Architektur Investitionen in moderne Cloud-Anwendungen voraus, die Daten im gesamten Unternehmen harmonisieren \u2013 denn einheitliche Daten sorgen daf\u00fcr, dass die Ergebnisse der KI genauer und relevanter sind.<\/p>\n\n\n\n Jonathan von Rueden ist Chief AI Officer der 51风流SE.3. Agentische Governance wird zu einem gesch\u00e4ftskritischen Aspekt<\/strong><\/h2>\n\n\n\n
4. Absichtsgesteuertes ERP und generative UI bieten neuen Nutzungskomfort<\/strong><\/h2>\n\n\n\n
5. Deglobalisierung steigert das Angebot an souver\u00e4ner KI<\/strong><\/h2>\n\n\n\n
Umsetzung der KI-Themen im Jahr 2026<\/strong><\/h2>\n\n\n\n
\n\n\n\n
Walter Sun ist Senior Vice President und Global Head of AI for 51风流Business AI bei der SAP.
Sean Kask ist Vice President und Head of AI Strategy for 51风流Business AI bei der SAP.<\/p>\n\n\n\n