Transparenz ist nicht das Ziel
Im Bereich Reporting und Analytik sind wir mittlerweile sehr gut darin, Daten in Dashboards umzuwandeln.
In vielen Unternehmen werden Daten und Prozesse team-, unternehmens- und systemübergreifend harmonisiert. Das schafft echten Mehrwert. Innerhalb weniger Minuten erhalten wir einen klaren Überblick über Working-Capital-Treiber, Prognoseabweichungen, blockierte Aufträge, Fälligkeiten von Streitfällen, Service-Levels und andere operative Kennzahlen. Das unterstützt Entscheidungen vom Management bis hin zur täglichen Umsetzung.
Das ist gut funktionierende Analytik. Aber wenn ich frage, woher der echte ROI kommt, wird eines klar: Transparenz allein reicht nicht aus. Wert entsteht, wenn Erkenntnisse zu Maßnahmen führen.
Für mich ist die Reihenfolge klar: Daten -> Analysen -> Kontext -> Maßnahmen
Daten und Analysen sind in vielen Unternehmen bereits vorhanden. Das Ziel ist das Handeln. Die entscheidende Ebene dazwischen ist der Kontext.
Warum Kontext Systeme nützlich macht
Mit Kontext meine ich die Informationen, die ein System benötigt, um korrekt zu agieren. Es beginnt mit der Semantik: gemeinsame Geschäftsbedeutung, klare Definitionen, Beziehungen zwischen Daten und die Logik hinter einer Kennzahl. Dazu gehören aber auch Regeln, Verantwortlichkeiten, Entscheidungsgrenzen, der aktuelle Prozessstatus und Rückmeldungen zum Ergebnis einer Maßnahme.
Genau hier werden viele Transformationsbemühungen erst richtig interessant. Die Herausforderung besteht meist nicht darin, Zugang zu Daten zu bekommen. Die Herausforderung besteht darin, die Geschäftslogik so explizit zu gestalten, dass ein System die tatsächliche Arbeit zuverlässig unterstützen kann.
Ich sehe das gleiche Muster in meiner privaten Arbeit mit Claude Code. Es wird viel besser, wenn es Tests ausführen, Protokolle überprüfen, Fehler erkennen und Anpassungen vornehmen kann. Das Modell ist natürlich wichtig. Aber der eigentliche Gewinn kommt aus dem Kontext und dem Feedback.
Ohne das bleibt agentische KI begrenzt. Sie kann Fragen beantworten, Trends zusammenfassen und Optionen generieren. Aber sobald sie Handlungen innerhalb eines realen Prozesses unterstützen muss, wird fehlender Kontext zu einem ernsthaften Problem. Dann erhältst du schwache Entscheidungen, Halluzinationen oder Systeme, die zwar aktiv, aber geschäftlich blind sind.
Mit dem richtigen Kontext ändert sich das Bild. Systeme können sich von der Darstellung des Geschäfts hin zur Unterstützung oder kontrollierten Ausführung von Teilen davon entwickeln. Nicht, um menschliches Urteilsvermögen zu ersetzen, sondern um es dort zu erweitern, wo Geschwindigkeit, Konsistenz und Skalierbarkeit zählen.
Gutes Prozessdesign wird sichtbar
Sobald du versuchst, einen Prozess für Systeme oder Agenten vorzubereiten, merkst du schnell, wie gut er wirklich verstanden wird. Es tauchen unterschiedliche Definitionen auf. Modellierungslücken werden sichtbar. Entscheidungslogik, die informell zwischen Menschen funktionierte, erweist sich oft als zu unklar für eine zuverlässige Ausführung.
Deshalb glaube ich, dass die Organisationen, die hier am schnellsten vorankommen, nicht nur in Plattformen investieren. Sie investieren auch in Semantik, Prozessklarheit und Feedbackschleifen.
Wo ich anfangen würde
Ich würde mit einem Prozess beginnen, bei dem der Entscheidungskontext einigermaßen klar und der geschäftliche Nutzen sichtbar ist. Beschreibe ihn von Anfang bis Ende: die Daten, Dokumente, Regeln, Einschränkungen, erwarteten Ergebnisse und die Aktion, die das System auslösen könnte.
Definiere dann, wie Feedback in den Prozess zurückfließt. Was ist passiert? Hat die Aktion funktioniert? Wo ist eine Genehmigung erforderlich? Wo ist ein Mensch immer noch besser?
Meiner Ansicht nach ist die eigentliche Investition nicht das Modell. Es geht darum, den Prozess gut genug zu verstehen, um zuverlässige Maßnahmen zu ermöglichen.
Die Technologie muss sich parallel weiterentwickeln
Gleichzeitig kann das Technologiedesign nicht bis zum Schluss warten. Es muss sich parallel zum Prozess weiterentwickeln. Die Software-Ebene muss sich in bestehende Systeme integrieren, den richtigen Kontext herstellen, das Design und die Orchestrierung von Agenten unterstützen sowie Tests, Kontrolle und Feedback ermöglichen.
Warum gerade jetzt
Auch der Zeitpunkt spielt eine Rolle. SAP macht seine Landschaft mit Joule und Business Data Cloud agentenfähiger, während Salesforce mit Headless 360 und agentenorientierten Workflows in eine ähnliche Richtung geht. Wenn Analysen allgemein verfügbar werden, sind Analysen allein kein Unterscheidungsmerkmal mehr.
Der Vorteil wird bei den Unternehmen liegen, die Daten, Kontext und Prozesse so gut miteinander verknüpfen, dass sie als Erste von der Erkenntnis zur Handlung übergehen können.