KI-Wertschöpfung im Unternehmenskontext – Die fehlende Kontextschicht

Unternehmen setzen KI in erheblichem Umfang ein, erzielen jedoch nur in den wenigsten Fällen transformative Geschäftsergebnisse. Der zentrale Engpass liegt nicht in der Leistungsfähigkeit der Modelle selbst, sondern im fehlenden Verständnis für den spezifischen Unternehmenskontext.

Geringe Wertschöpfung trotz breiter Adoption

Laut Umfragen von MIT Technology Review Insights berichten nur wenige Führungskräfte von durchgreifendem Erfolg. Der überwiegende Teil der Organisationen verzeichnet lediglich moderate Verbesserungen auf Aufgaben- oder Teamebene. Eine signifikante Mehrheit der Unternehmen befindet sich noch in der Pilotphase oder nutzt KI primär als Unterstützungswerkzeug für Mitarbeiter.

Das Kernproblem: Fehlender Geschäfts-Kontext

Moderne KI-Systeme – von Konversationsassistenten bis hin zu Automatisierungstools – liefern häufig unpräzise oder irrelevante Ergebnisse, weil ihnen das tiefgehende Verständnis der unternehmensspezifischen Semantik, Prozesse und Regeln fehlt. Prukalpa Sankar, Mitbegründerin von Atlan, beschreibt diesen Zustand als den Einsatz des „intelligentesten Praktikanten der Welt“, dem man die Augen verbindet, bevor man ihn in die Organisation schickt.

Die Kontextschicht als architektonische Lösung

Als Antwort wird eine dedizierte Kontextschicht vorgeschlagen – eine vermittelnde Infrastruktur zwischen den bestehenden Geschäftssystemen (Daten, Aufzeichnungssysteme) und den KI-Plattformen.

Diese Schicht übersetzt Unternehmenswissen in einen regulierten, maschinell nutzbaren Kontext. Sie besteht aus drei wesentlichen Elementen:

• Wissen: Die Landkarte des Geschäfts – Entitäten, Definitionen, Metriken und Beziehungen.
• Expertise: Das implizite Wissen, wie Arbeit tatsächlich ausgeführt wird.
• Normen: Die Regeln und Berechtigungen, die festlegen, was erlaubt und gewünscht ist.

Durch diese Schicht erhalten KI-Agenten eine gemeinsame Bedeutung, zeitlich korrekte Informationen und konsistente Governance. In Tests der Atlan AI Labs führte die Bereitstellung eines solchen gesteuerten Kontexts zu einer deutlichen Steigerung der Genauigkeit bei KI-gestützten SQL-Abfragen.

Aktueller Reifegrad und weitere Herausforderungen

Die meisten Unternehmen operieren noch weit vor der produktiven Skalierung von KI-Agenten. Neben dem Kontextmangel behindern weitere systemische Faktoren die Wertschöpfung, darunter isolierte Pilotprojekte ohne Skalierungspfad, nicht genehmigte KI-Nutzung, Datenqualitätsprobleme sowie fehlende Governance-Strukturen.

Die effektive Wertschöpfung mit KI hängt demnach nicht primär von leistungsfähigeren Modellen ab, sondern vom systematischen Schließen der Kontextlücke durch eine robuste, gut definierte Zwischenschicht.

Quelle: MIT Tech AI

FAQ

Was ist eine Kontextschicht genau?
Eine architektonische Infrastrukturschicht, die zwischen Unternehmenssystemen und KI-Modellen sitzt und Geschäftsintelligenz in einen für KI nutzbaren, regulierten Kontext übersetzt.

Warum reicht Rohdaten-Zugriff für KI nicht aus?
Modelle können aus Rohdaten allein keine unternehmensspezifische Bedeutung, Identität, Beziehungen oder Berechtigungen ableiten. Ohne diese entstehen falsche oder irrelevante Ergebnisse.

Welchen messbaren Effekt kann eine solche Schicht haben?
In kontrollierten Tests konnte die Bereitstellung eines gesteuerten Kontexts die Genauigkeit von KI-SQL-Abfragen erheblich verbessern.