Wie sich Unternehmen durch Souveräne KI einen Wettbewerbsvorteil sichern

SPEAKER_00

So klingt Wirtschaft. Zukunftsthemen für Unternehmen. Jeden Mittwoch sprechen wir mit EntscheiderInnen über die Herausforderungen und Trends in ihrer Branche mit jeder Menge Insights und neuen Denkanstößen. Aus der Wirtschaft für die Wirtschaft. Künstliche

SPEAKER_01

Intelligenz verändert Prozesse, Produkte und sogar ganze Geschäftsmodelle. Blöd ist nur, dass die Spielregeln bislang woanders geschrieben werden. Für europäische Unternehmen ist souveräne KI eine Chance, das zu ändern. Denn wer Technologien nach eigenen Standards entwickelt und betreibt, schafft nicht nur Vertrauen, sondern auch etwas Neues und damit Wettbewerbsfähigkeit. Warum ist das wichtig? Weltweit gibt es etwas über 100 Regionen mit Zugang zu Hochleistungsrechnern für KI. Der globale Wettbewerbsbereich ist eine der größten und wichtigsten Regionen der Welt. Der globale Vergleich zeigt allerdings, rund die Hälfte davon liegen entweder in China oder in den USA und nur etwas über 10 in der gesamten EU. Das bedeutet, Europa startet im KI -Wettlauf mit strukturellem Rückstand. Wenn wir mithalten wollen, müssen wir uns etwas einfallen lassen. Nachgehakt. Ich bin Simone Nissen und von meinem Gast möchte ich heute wissen, wie es Unternehmen gelingen kann, künstliche Intelligenz sicher, rent - und rechtskonform zu gestalten und gleichzeitig ihre Wettbewerbsfähigkeit zu steigern. Herzlich willkommen, Matthias Biniok, Leader Client Engineering bei IBM in der DACH -Region.

SPEAKER_02

Hallo Simone.

SPEAKER_01

Ich finde, das klingt so ein bisschen nach dem typischen, wenn dir das Leben Zitronen gibt, dann mach Limonade draus.

SPEAKER_02

Genau. Also grundsätzlich ist ja Regulatorik nichts Schlechtes, sondern erstmal was Gutes. Und wir haben, glaube ich, einen sehr starken Vorteil auch in Europa und in Deutschland, dass wir das verstehen und das auch leben. Jetzt kommt der Punkt, der dann vielleicht nicht mehr so gut ist, und zwar die Überregulierung. Dass wir vielleicht bei ein paar Dingen so ein bisschen übers Ziel hinausgeschossen sind. Auf der anderen Seite können aber auch genau diese regulatorischen Anforderungen wirklicher Mehrwert für uns sein. Warum? Weil wenn wir Innovation bauen und auf der einen Seite darauf achten, dass wir das schnell tun, dass wir sicherstellen, dass wir das kundenzentrisch oder nutzerzentrisch tun, also wirklich einen Fokus darauf haben, dass am Ende das rauskommt, was wir auch brauchen, und dann gleichzeitig aber auch hinbekommen, die regulatorischen Anforderungen mit abzudecken, dann haben wir First Class AI Solutions. Dann haben wir genau das, wo wir hinkommen wollen, das zu verbinden. Und wenn wir das hinbekommen in Europa und in Deutschland, dann sind wir wirklich vorne auch mit dabei.

SPEAKER_01

Okay, dann lass uns mal überlegen, wie wir ins Handeln kommen. Definier mir gerade noch mal, was bedeutet das souveräne KI, damit wir alle auf einem Stand sind?

SPEAKER_02

Grundsätzlich bedeutet souveräne KI, dass wir unsere Lösungen entlang unserer Werte, aufbauen, ethisch, moralisch, wirtschaftlich, rechtlich. Das sind die Punkte, die wir mit beachten müssen. Und dann müssen wir uns anschauen, wie können wir autonom sein als Unternehmen, als Organisation und entweder in eine Unabhängigkeit oder in eine, ich nenne es immer, kalkulierte Abhängigkeit gehen.

SPEAKER_01

Das heißt, da kommen wir jetzt zum Thema Rechenzentrum, dass die Daten eben nicht außerhalb der EU liegen.

SPEAKER_02

Genau, aber nicht nur. Also ich sehe es immer dreiteilig, was es im Bereich Souveränität zu beachten gibt. Das eine ist das ganze Thema Infrastruktursouveränität. Das sind dann eben beispielsweise Rechenzentren. Das heißt aber nicht, dass wir unbedingt überall die größten Rechenzentren haben müssen. Es reicht auch, wenn ich für mein Unternehmen eine Lösung gefunden habe, die für mich diese kalkulierte Abhängigkeit vielleicht mit betrachtet. Das bedeutet, meine kritischen Daten liegen beispielsweise in meinem eigenen Rechenzentrum. Da habe ich auch eigene Infrastruktur. Mit anderen Anwendungsfällen ist es okay, wenn ich in die Public Cloud gehe, mit immer dem Hintergedanken, okay, es ist... ...möglich, dort auch wieder wegzugehen. Und das ist die Souveränität auf der Basis der Infrastruktur.

SPEAKER_01

Das bedeutet also, es ist kein Abschotten, sondern es ist ein genau überlegen, was liegt wo.

SPEAKER_02

Korrekt, ja. Und dann der zweite Punkt sind die Daten. Das ist, ich versuche es mal als Datensouveränität zu bezeichnen. Im Grunde geht es darum, nicht unbedingt, wo die Daten liegen, das ist ein Teil. Aber auch, wie komme ich auf bestimmte, also wie kann ich auf bestimmte Daten zugreifen? Wie sieht die Governance zu? Wie sehe ich bestimmte Datenquellen aus? Wie kann ich sicherstellen, dass ich nachvollziehen kann, was mit welchen Daten wie, wo, wann getan wurde? Und das ist so der zweite Aspekt, dass ich das mit im Blick habe. Und der dritte ist dann die KI, was wir immer grundsätzlich als KI bezeichnen, die Modellsouveränität. Und da hinken wir natürlich als Europa schon ganz schön hinterher, wenn wir ehrlich sind. Also es gibt natürlich auch gute Modelle aus Europa. Mistral AI ist dann ein schönes Beispiel. Aber wenn wir uns anschauen, wo die großen Modelle gebaut und trainiert werden, dann ist das nicht unbedingt in Europa. Und das muss auch nicht unbedingt sein, dass wir immer auf ein riesengroßes europäisches Modell zurückgreifen müssen. Das Ziel ist, dass wir in der Lage sind zu wählen, was ist jetzt der für mich passende Weg. Und dann ist es auch in Ordnung, ein Closed -Source -Modell zu benutzen. Aber der Fokus sollte schon darauf sein, wirklich so stark wie möglich auf Flexibilität, Open Source, Nachvollziehbarkeit zu setzen.

SPEAKER_01

Also Open Source ist schon mal so ein Stichwort. Was braucht es sonst noch, sowohl technologisch als auch organisierbar?

SPEAKER_02

Also ich fange mal mit organisatorisch an, weil das kann ein ganz schönes Change -Management sein. Also das ist ein Punkt, den man mit beachten muss, wenn man solche Lösungen in die Produktion setzt. Dieses Change -Management mitzudenken, weil das ist ein Prozess, das Mindset.

SPEAKER_01

Das ist ein Punkt im Organisatorischen. Gibt es noch einen?

SPEAKER_02

Also was ein wichtiger Punkt ist, ist halb organisatorisch, halb eher unternehmerisch betrachtet, ist der Geschäftsmehrwert. Also der Business -Value von solchen Lösungen. Das sehe ich bei ganz vielen unserer Kunden und wir setzen Dutzende von Piloten jeden Monat um. Und was dort am Anfang fast immer fehlt, ist der Geschäfts-, also die Berechnung des Geschäftsmehrwerts. Es wird immer mit einer coolen Idee reingegangen und alle haben Bock. Ja, wir wollen jetzt was mit KI machen und hier bauen wir jetzt einen Agenten und so. Und am Ende kommt plötzlich raus, ja, das funktioniert, das geht technologisch, aber es kostet ja ganz schön viel. Und das jetzt noch in Produktion zu bringen, in Betrieb zu bringen, das macht nichts. Das kostet jetzt nochmal mehr. Und das wird am Anfang häufig nicht mitgedacht.

SPEAKER_01

Wir hatten ja auch schon deinen Kollegen Rolf hier bei uns im Podcast. Und für alle Zuhörenden, die sich zu diesem Aspekt noch ein bisschen weiter informieren möchten, den verlinke ich diesen Podcast in den Shownotes. Lass uns nochmal zum Technologischen gehen.

SPEAKER_02

Ja, wenn plötzlich, ich sag mal, in einer bestimmten Public Cloud irgendwo die Preise durch die Decke gehen oder nicht mehr die Innovation möglich ist, die ich mir vorstelle, dann möchte ich in der Lage sein, zu wechseln. Oder wenn ich plötzlich eine relativ kritische Applikation habe und sage, hey, die möchte ich jetzt erweitern und da geht es nicht mehr in der Public Cloud, das möchte ich jetzt doch On -Premise machen, um da souverän zu sein, auch in meinen, sag ich mal, Werten oder was auch immer, dann muss ich in der Lage sein, das Ganze auch On -Premise zu ziehen.

SPEAKER_01

Erklär uns dieses Fachwort doch bitte nochmal eben.

SPEAKER_02

On -Premise, sorry, das bedeutet quasi im eigenen Rechenzentrum, unter eigenem Zugriff. Und da gibt es dann auch noch, sag ich mal, den Ansatz R -Gebt. Um das auch gleich zu erklären, bedeutet, ich habe zum Beispiel überhaupt keinen Internetzugriff da drin, sondern ich mache alles dort direkt vor Ort. Also das ist der eine Punkt. Dann muss ich mir überlegen, wenn ich die Plattform habe, dann brauche ich auch irgendwie Zugriff auf Daten. Und da kommt wieder das Thema Datensouveränität. Wo sind denn die ganzen Zugriffe? Wie kann ich sicherstellen, dass eine Person nur einen bestimmten Zugriff hat und nicht plötzlich alle Admin -Rechte? Wie kann ich sicherstellen, dass ich nachvollziehen kann, wo die Daten herkommen? Wie kann ich sicherstellen, dass ich da eine Governance habe? Verstehe, wie die Daten aufgebaut sind aus verschiedenen Datenquellen zusammen. Das muss auch eine KI -Plattform entsprechen können. Kannst du uns ein Beispiel nennen, wie ich das sicherstellen kann? Also ein Beispiel ist, wenn man so eine Plattform hat, dann habe ich beispielsweise verschiedene Datenquellen. Sagen wir mal, da ist ein Data Lake, da sind alle möglichen Daten drin, die jetzt nicht hoch verfügbar sind. Die liegen dort einfach, sag ich mal, Dokumente beispielsweise. Auf der anderen Seite habe ich vielleicht einen Data Warehouse, das hoch verfügbar ist, wo meine kritischen Transaktionen sind. Wo meine Funktionen beispielsweise drin liegen. Und die möchte ich ja irgendwie verbinden. Und da brauche ich eine Plattform, die mir ermöglicht, auf diese verschiedenen Daten, in verschiedenen Datentypen zuzugreifen und die sinnvoll zu verbinden. Und dann aber auch zu überlegen, wer sind eigentlich die Personen, die darauf zugreifen können? Weil ich habe vielleicht Rechte für das Data Warehouse, aber nicht die Rechte für den Data Lake, den ich dort nutzen möchte. Und das sind alles Dinge, die muss ich, wenn ich das skaliert machen möchte, die muss ich vorher bedenken. Und nicht erst, wenn ich dann reingelaufen bin und versuche, den Use Case in die Produktion zu setzen und dann genau an solchen Themen scheitere, was dann total schade wäre. Deswegen versuchen wir es immer mitzudenken.

SPEAKER_01

Du hast ja den Einblick in viele unterschiedliche Unternehmen. Wie ist denn so der Stand? Also, was können unsere Zuhörenden da rausziehen aus den Erfahrungen, die es da eben schon gegeben hat?

SPEAKER_02

Also, wenn man sich anschaut, künstliche Intelligenz allgemein ist schon in einem, also wird schon in vielen Unternehmen tatsächlich eingesetzt in der einen oder anderen Form. Von ganz klassischen, regelbasierten Entscheidungssystemen bis hin zu Betrugserkennung beispielsweise mit klassischem Machine Learning. Das ist gang und gäbe trotzdem immer noch wichtig. Wenn man jetzt mal so Richtung generativer KI schaut, da haben viele jetzt schon mit rumgespielt. Da haben viele schon Piloten gemacht, einzelne erste Lösungen sind sogar schon in Betrieb. Wenn man noch einen Schritt weiter geht, jetzt diese ganzen agentischen Systeme, wo ich dann im Hintergrund dann auch sehr dynamisch einfach auf verschiedene Umgebungen, Tools, was auch immer zugreifen kann, da fangen viele gerade erst an. Das heißt, der Status ist so, dass wir, ich würde sagen, vielleicht bei genereller KI, vielleicht so 50, 60 Prozent der Unternehmen, mit denen ich arbeite, wo wirklich etwas im Betrieb ist. Wenn man so Richtung generative KI geht, geht es eher so, in die unteren Bereiche 20, 30 Prozent, mit Agenten noch viel weniger. Das ist so der Status.

SPEAKER_01

Das heißt, wenn jetzt unter unseren Zuhörenden jemand ist, der sagt so, morgen möchte ich loslegen, dann würdest du empfehlen, diesen Aspekt souverän auch direkt mitzudenken?

SPEAKER_02

Ich würde zumindest darüber nachdenken, genau. Also heißt nicht, dass es ein Showstopper sein muss, wenn ich jetzt so etwas umsetze. Und da habe ich ein schönes Beispiel. Wir haben am Oberlandesgericht Stuttgart einen Use Case umgesetzt im Bereich der Dieselklage. Da waren noch 11 .000 Dieselklagen offen. Das hätte die Richterinnen und Richter dort vor Ort, ich glaube über neun Jahre an Bearbeitungszeit, manueller Bearbeitungszeit gekostet und neue Klagen kommen jeden Tag noch mit rein. Und wir haben eine Lösung entwickelt als IBM gemeinsam mit dem Oberlandesgericht Stuttgart, um die Zeit der Bearbeitung durch eine Kategorisierung und ein paar andere Dinge zu reduzieren und sind dabei ungefähr 50 Prozent oder teilweise mehr an Zeitreduzierung gelandet, was natürlich für uns, aber auch für den deutschen Staat, für uns als Steuerzahler, ist das ein toller Wert. Und da haben wir gestartet auf der Public Cloud. Wir haben das sichergestellt, dass wir diese Klagen, die Dokumente verarbeiten durften auf einer Public Cloud, auf der IBM Cloud in Frankfurt und haben dann aber auch schon direkt die Weichen gestellt, wenn es um vielleicht noch kritischere Dokumente geht oder den nächsten Schritt geht, dann kann ich das Ganze auch ins eigene Rechen setzen. Und dann kann ich das Ganze auch ins eigene Rechen setzen. Und das ist die Journey, wie man starten kann. Man muss nicht immer sofort alles on -premise machen, aber man sollte es mitdenken und dann bewusst entscheiden und dieses kalkulierte Risiko quasi eingehen, was mache ich jetzt genau wo.

SPEAKER_01

Lässt sich das irgendwie auf andere Branchen, andere Regionen, andere Einsatzmöglichkeiten übertragen? Also lässt es mit Sicherheit, aber was sind so, vielleicht so eine Handvoll Ideen, die du unseren Zuhörenden mitgeben könntest?

SPEAKER_02

Also ich glaube, eine Kernidee ist dieses schnelle Iterieren. Das ist das, was wir als Erfahrung mitgenommen haben aus ganz vielen KI -Piloten aktuell. Man fängt an, man hat eine Idee, man versucht schon mal einen Geschäftsmehrwert festzustellen. Das ist am Anfang relativ schwer, weil man nicht genau weiß, was habe ich denn jetzt damit für eine Zeitersparnis beispielsweise. Und dann geht man weiter und fängt an, zu iterieren. Man baut den nächsten Schritt, man schaut sich nochmal an, es funktioniert nicht, ich mache nochmal was anderes. Und dann habe ich plötzlich auch irgendwann ein Gefühl dafür, was heißt das für meinen Prozess? Ist der jetzt 50 % schneller? Kann ich plötzlich 20 % Kosten sparen? Und damit kann ich dann auch berechnen, lohnt sich das Ganze auch wirklich in die Produktion zu bringen und in Betrieb zu setzen. Und das ist die Vorgehensweise, die ich eigentlich jedem Unternehmen nur raten kann. Schnellschüsse können auch mal gut sein, gehen aber häufiger schief, ganz klar. Und auf der anderen Seite langfristige Projekte und nur zu sagen, wir machen jetzt so lange Beratungen und machen jetzt ein Projekt, das haben wir jetzt für zwei Jahre geplant, das ist einfach nicht mehr zeitgemäß, ganz ehrlich. Also die Modelle, die entwickeln sich fast täglich weiter, wöchentlich mindestens. Und dann zu sagen, ich mache so super langfristige Projekte, ist häufig einfach nicht mehr state of the art.

SPEAKER_01

Du hattest auch eben schon angesprochen, dass offene Standards super wichtig sind. Kannst du nochmal ausführen, warum?

SPEAKER_02

Genau aus dem Grund, den ich gerade gesagt habe, das entwickelt sich gerade so schnell, dass es nicht gut wäre zu sagen, ich sage jetzt, ich benutze nur dieses Modell. Weil dann bin ich einfach in meiner Innovationsfähigkeit behindert, sage ich mal. Ich kann nicht weitergehen, kann nicht die neuesten Modelle nutzen. Und zweitens offene Standards, wenn ich auf Open Source aufsetze, habe ich natürlich auch die Möglichkeit nachzuvollziehen, wie wurde das gebaut beispielsweise. Teilweise mit welchen Daten wurden diese Modelle trainiert. Kann ich sicherstellen, dass da IP -Rechtsverletzungen nicht in den Modellen mit drin sind. Für bestimmte Anwendungsfälle, wo es mir besonders wichtig ist beispielsweise. Kann ich das Modell zur Not nachtrainieren, wenn ich irgendeinen geopolitischen Konflikt habe, der jetzt nochmal vielleicht weiter ausgeweitet ist, als es sowieso schon ist. Dann möchte ich plötzlich entscheiden, hey, ich möchte genau diesen Ansatz, weil der für mich Kernfunktion meines Unternehmens ist, den möchte ich jetzt nochmal nachtrainieren. Und sicherstellen, dass es mit meinen Daten geschieht.

SPEAKER_01

Okay, das würde aber auch bedeuten, also ohne offene Standards, die sind nicht nur wichtig, sondern es geht eigentlich nicht ohne, oder?

SPEAKER_02

Also es geht schon. Man kann es natürlich einfach machen. Die Frage ist, was nehme ich mir an Flexibilität und an Innovationskraft, wenn ich nicht auf diese offenen Standards setze. Das ist das eine. Und zum anderen, welcher Pflicht muss ich nachkommen rund um regulatorischen Anforderungen und kann ich das genau mit den Closed Source Modellen beispielsweise. Und da muss ich mir sicher sein, dass ich da wieder eine kalkulierte Entscheidung treffe. Und das kann okay sein, da ein Risiko einzugehen, das ist in Ordnung. Aber es muss halt eine bewusste Entscheidung sein aus meiner Sicht.

SPEAKER_01

Hast du auch noch ein schönes konkretes Beispiel aus dem Unternehmensumfeld?

SPEAKER_02

Ja, und zwar aus Österreich. Da gibt es ein Unternehmen, das nennt sich ABP Patent Network. Das ist ein Unternehmen, was sich hauptsächlich mit der Digitalisierung von Patentservices tatsächlich auseinandersetzt. Da sind aber auch Rechtsanwälte. Und die Idee von dem Unternehmen war, wie kann ich souverän eine Plattform aufbauen, wo ich bestenfalls alle Patente der Welt indizieren kann. Und dann auf der Basis meinen Kunden einen Service anbieten kann, dass sie dann sicher nach Patenten, nach ähnlichen Patenten suchen können oder vielleicht sogar Vorschläge bekommen, was man sonst noch so patentieren könnte. Also sehr, sehr coole Vision aus meiner Sicht. Und da haben wir eine souveräne KI -Plattform aufgebaut und zwar nicht nur basierend auf der Software, sondern tatsächlich auch auf Hardware. Wir haben da eine komplette Hardware, weil es ein kleineres Unternehmen ist, mitgebracht und dort wurde mit Storage, GPUs, Rechenleistung und natürlich der Software würde dort alles installiert, um letztendlich genau das umzusetzen. Und das war ein längeres Projekt tatsächlich. Man denkt gar nicht, wie aufwendig sowas sein kann. Aber gerade wenn es um riesengroße Dokumentenmengen geht, dann sind solche Projekte dann doch komplexer, als man denkt. Und das ist in Produktion. Also das funktioniert und das Unternehmen ist da total zufrieden mit genau dieser Lösung.

SPEAKER_01

Wir kommen jetzt langsam zum Ende der Sendung. Was ist so ein Impuls, den du unseren Zuhörenden unbedingt noch mitgeben möchtest? Und jetzt der Gedanke zum Mitnehmen.

SPEAKER_02

Ich würde nochmal auf die drei Punkte tatsächlich zurückkommen der Souveränität. Infrastruktur -Souveränität, Datensouveränität. Und Modellsouveränität. Wenn man aus diesem Podcast eine Sache sich merkt, wäre mir das lieb, weil über die drei Punkte sollte man nachdenken. Habe ich die richtige Infrastruktur? Bin ich flexibel genug, von einem Cloud -Provider auf On -Premise oder auf andere Provider zu wechseln? Wie hoch ist der Aufwand dabei? Habe ich die richtigen Daten im Zugriff? Kann ich sicherstellen, dass die richtigen Personen auf die richtigen Daten zugreifen, dass meine Daten nicht abfließen in irgendeine Umgebung, in der ich sie nicht haben möchte? Und das Dritte, Modellsouveränität. Kann ich sicherstellen, dass ich wirklich auf die neuesten Modelle zugreifen kann? Dass ich auf sichere Modelle, auf vertrauenswürdige Modelle zugreifen kann, die bestenfalls Open Source sind? Und dass ich damit tatsächlich einen Geschäftsmehrwert erzeugen kann? Das wären die drei Punkte.

SPEAKER_01

Danke für diese Einblicke. Und ihr liebe Zuhörende, wenn ihr noch Fragen zu dem Thema habt, dann schickt uns doch gerne eine Nachricht über LinkedIn oder schreibt einen Kommentar bei Spotify oder Apple Podcast.

SPEAKER_00

So klingt Wirtschaft. Haben Sie Fragen, Kritik oder Anmerkungen? Dann schreiben Sie uns gerne an podcast@handelsblattgroup.com. Gefällt Ihnen, was Sie hören? Dann bewerten Sie uns gerne auf Spotify oder Apple Podcast.

_Dieser Podcast ist kein Produkt der Handelsblatt-Redaktion. Für den Inhalt sind die Interviewpartner*innen und die Handelsblatt Media Group Solutions verantwortlich._