CIOs sprechen offen – AI abseits des Hypes

CIOs sprechen offen – AI abseits des Hypes

Welche Entwicklungen werden die IT-Welt 2027 prägen und worauf sollten sich Unternehmen schon heute vorbereiten? Führende CIOs und IT-Expert:innen sprechen über aktuelle Herausforderungen, neue Möglichkeiten und Themen, die das IT-Management in Zukunft beschäftigen werden. Ihre Einschätzungen zeigen, was jetzt wichtig wird und wo Unternehmen konkret ansetzen können.

AI ist in vielen Unternehmen bereits im produktiven Einsatz. Sie unterstützt Softwareentwicklung, Suche und Dokumentation, Customer Service, Planung, Wissensarbeit und automatisierte Prozesse. Mit der breiteren Nutzung rücken Aufgaben in den Vordergrund, die für den dauerhaften Einsatz entscheidend sind: Datenqualität, Kernsysteme, Schnittstellen, Prozessdesign, Berechtigungen, Security, Kosten und neue Rollen in der Organisation.

Für CIOs berührt AI damit große Teile der bestehenden IT- und Transformationsagenda. Je tiefer die Technologie in Prozesse integriert wird, desto deutlicher zeigen sich Abhängigkeiten, die Unternehmen teilweise seit Jahren begleiten.

Martin Wilde, CIO von PFISTERER, verbindet AI unmittelbar mit der Wettbewerbsfähigkeit des industriellen Mittelstands:

„A.I. wird einen ganz, ganz enormen Effekt auf die Wettbewerbsfähigkeit haben.“

Die ersten Anwendungen bei PFISTERER liegen unter anderem im administrativen Bereich, etwa bei der Suche nach Dokumenten und bei der Beantwortung von Fragen. Das größere Potenzial sieht Wilde entlang der Wertschöpfungskette. Auftragseingang, Verarbeitung, Produktion, Maschinenauslastung und Kundenverhalten liefern Daten, mit denen sich Prozesse weiterentwickeln lassen. Voraussetzung dafür ist, dass diese Daten nutzbar vorliegen. Gerade unstrukturierte Datenbestände beschäftigen viele Unternehmen noch.

Damit führt der Weg zu einem breiteren AI-Einsatz sehr schnell zu den technologischen Grundlagen.

 

Ohne belastbare Foundations bleibt AI schwer skalierbar

Marcus Loskant, IT-Vorstand der LVM Versicherung, formuliert das ausgesprochen deutlich:

„Die K.I. Projekte scheitern selten an der K.I. oder an der Technologie, die scheitern daran, dass du verpennt hast, sorry für die Wortwahl, die Foundations, die Grundlagen zu schaffen.“

Ein Kernsystem ohne geeignete APIs, gewachsene Legacy und schwer integrierbare Architekturen begrenzen die Möglichkeiten neuer Technologien. Die LVM modernisiert deshalb ihre Versicherungskernsysteme und verbindet diese Arbeit mit der tieferen Integration von AI und Automatisierung. Loskant verwendet dafür gerne das Bild vom Keller, der aufgeräumt werden muss.

Bei der Migros Bank kommt Thomas Greuter von der Daten- und Governance-Seite zur gleichen Aufgabe. AI-Nutzung umfasst dort Governance, Risk und Cybersecurity ebenso wie die laufende Überprüfung der Modelle. Model Drift gehört bereits zu den operativen Themen.

„Das Zentrale dort ist das Datenthema, die Datenhaltung, die Datenqualität.“

Für Greuter beginnt auch die Suche nach Effizienzgewinnen beim Prozess-Redesign und bei den Daten. Auf dieser Basis lassen sich weitere Anwendungen aufbauen.

Genau hier zeigt sich eine zentrale CIO-Aufgabe beim produktiven AI-Einsatz: Investitionen in neue Modelle und Anwendungen treffen auf Legacy-Modernisierung, API-Strategie, Data Governance und Architektur. Diese Voraussetzungen bestimmen wesentlich mit, wie schnell aus einem erfolgreichen Versuch eine belastbare Unternehmenslösung werden kann.

Business Value entscheidet über Skalierung

Die Zahl der AI-Use-Cases sagt wenig darüber aus, wie weit ein Unternehmen tatsächlich gekommen ist. Stephan Taborsky erlebt in der CIOAWARD-Jury Unternehmen, die mit der Zahl ihrer Piloten, Agenten oder dem bisherigen Investitionsvolumen argumentieren. Für die Bewertung sind andere Größen interessanter: Umsatz, Produktivität, Kundenzufriedenheit, Geschwindigkeit und Qualität.

Bei Swarovski wird dieser Ansatz bereits sehr konkret umgesetzt. Lea Sonderegger, CIO und CDO, beschreibt ihn so:

„Wir machen AI nicht, weil gerade alle über AI sprechen. Wir setzen AI dort ein, wo wir wirklich Wert schaffen können.“

Swarovski nutzt AI unter anderem bei personalisierten Empfehlungen, Store-Produktivität, Customer Service und Planung. In der Planung hat das Unternehmen laut Sonderegger mit einem Algorithmus rund 15 Prozent bessere Empfehlungen als mit herkömmlichen Methoden erzielt. Erfolgreiche Anwendungen werden weiterentwickelt und skaliert. Aktuell baut Swarovski eine AI Agent Factory auf.

Interessant ist dabei die Verbindung zur Organisation. Die Anforderungen für diese Agent Factory entstehen aus den Geschäftsbereichen heraus. Die Mitarbeitenden kennen ihre Prozesse und können beurteilen, an welchen Stellen AI einen Beitrag leisten kann. Technologische Fähigkeiten und Prozesswissen werden damit bewusst zusammengebracht.

Wie unterschiedlich ein belastbarer Business Case aussehen kann, zeigt IMAD im Schweizer Home Healthcare. Dort wurde mit Ariane eine AI-Lösung entwickelt, die mehr als 2.000 Seiten an Verfahren und Informationen für Pflegekräfte zugänglich macht. Marc Besson beschreibt sie als:

“a new employee in the pocket of each of our nurses.”

Die Anwendung wurde gemeinsam mit den Pflegekräften entwickelt, begleitet und trainiert und wird laut Besson heute täglich genutzt. Entscheidend ist hier der konkrete Nutzen während der Arbeit mit Patientinnen und Patienten.

Lutz Seidenfaden unterscheidet bei MTU Aero Engines wiederum zwischen „Breitensport und Spitzensport“. Breit verfügbare Assistenzsysteme können Wissensarbeit an vielen Arbeitsplätzen unterstützen. Spezifische Anwendungen entlang industrieller Prozesse verlangen wesentlich mehr Integration und Prozesswissen.

Die Kriterien für diese beiden Kategorien unterscheiden sich. Ein breit eingesetztes Produktivitätstool braucht eine andere Bewertung als eine Anwendung, die tief in Engineering, Produktion, Payment oder Energiehandel eingreift. Gemeinsam ist ihnen, dass sich Skalierung an nachvollziehbaren Ergebnissen messen lassen muss.

 

AI verändert Prozesse und das Operating Model

Je tiefer AI in die Organisation gelangt, desto weniger lässt sie sich als zusätzliche Funktion in einem bestehenden Prozess betrachten.

Marcus Loskant hinterfragt bei der LVM deshalb auch etablierte Abläufe. Wird ein Arbeitsschritt noch gebraucht? Welchen Beitrag liefert er für den Kunden? Kann er entfallen oder vollständig automatisiert werden? Die Technologie wird damit zum Anlass, Prozesse insgesamt zu überprüfen.

Auch Lutz Seidenfaden erwartet von der IT, bei der Gestaltung neuer Prozesse früh mitzudenken, welche Schritte mit AI oder Agentic AI anders organisiert werden können. Dafür braucht es Prozessverständnis, Kommunikation mit den Fachbereichen und unternehmerisches Denken.

Bei BKW Energy Markets geht diese Arbeit bereits in das Target Operating Model hinein. Bert Murray verbindet systematisches Prozessmanagement mit definierten Verantwortlichkeiten zwischen Operations, Services und Business. AI soll Operational Excellence und Prozessautomatisierung weiter voranbringen. Monitoring und Exception Handling erhalten damit eine größere Bedeutung.

Sobald Systeme einzelne Aufgaben übernehmen, müssen Unternehmen festlegen, wer einen Prozess überwacht, wer Ausnahmen bearbeitet und wo Entscheidungsrechte liegen. Mit zunehmender Autonomie wird aus der AI-Integration deshalb eine Frage des Operating Models.

 

Agentic AI erweitert Security und Identity Management

Besonders deutlich wird diese Entwicklung bei Agentic AI.

Linda de Winter beschäftigt sich bei Swisscard bereits mit Transaktionen, bei denen der Mensch möglicherweise gar nicht mehr unmittelbar beteiligt ist. Ein Agent kauft im Auftrag seines Nutzers ein oder übernimmt andere Tätigkeiten. Für einen Payment-Anbieter entstehen daraus sehr konkrete Fragen: Stammt der Agent tatsächlich vom Kunden? Wie verändert sich Fraud Detection? Welche Konsequenzen ergeben sich für Credit Risk, Compliance und Haftung?

Aus Security-Sicht führt Gottfried Tonweber die Frage weiter. Agenten brauchen Zugriff auf Daten und Systeme. Genau dort sieht er bereits ein praktisches Problem:

„Oft, das sehen wir in der Praxis, sind die einfach überprivilegiert und können dann wesentlich mehr, als sie machen sollten.“

Tonweber vergleicht einen Agenten mit einem neuen künstlichen Mitarbeiter. Identity and Access Management bekommt dadurch eine zusätzliche Ebene. Maschinen- und Agentenidentitäten müssen eindeutig erfasst, mit passenden Berechtigungen versehen und nachvollziehbar verwaltet werden.

Dazu kommt Shadow AI. Fachbereiche können eigene Anwendungen und Agenten immer leichter aufbauen. Unternehmen müssen festlegen, welche Freiräume gelten und wie IT, Security, Compliance und Datenschutz eingebunden werden. Berechtigungsmodelle und Datenzugriffe gehören deshalb bereits in die Konzeption entsprechender Systeme.

AI verändert gleichzeitig die Angreiferseite. Pascal M. Berlinger beobachtet bei Intamin, dass Phishing und Social Engineering überzeugender werden und klassische Erkennungsmerkmale an Verlässlichkeit verlieren.

Sein Anspruch an Security Awareness lautet:

„Wir müssen den Leuten das Bauchgefühl beibringen.“

Ein jährlich absolviertes Training reicht dafür kaum aus. Mitarbeitende müssen Situationen beurteilen können, in denen Texte, Stimmen und andere Inhalte technisch sehr überzeugend erzeugt wurden. AI Security betrifft damit Infrastruktur, Identitäten und Menschen zugleich.

 

Wie viel darf AI selbst entscheiden?

Mit Agentic AI wird eine weitere Frage konkreter: Wie viel Verantwortung kann ein System innerhalb eines Geschäftsprozesses übernehmen?

Bert Murray arbeitet bei BKW Energy Markets in einem Umfeld, in dem eine fehlerhafte Entscheidung erhebliche finanzielle Konsequenzen haben kann. Bei kritischen Vorgängen bleibt deshalb derzeit ein Mensch eingebunden. Gleichzeitig bereitet die Organisation Prozesse und Systeme bereits auf einen höheren Automatisierungsgrad vor.

Murray fasst die Voraussetzungen dafür knapp zusammen:

„Systematisierung, Standardisierung, Datenqualität. Dann ist das die Grundlage.“

Mit steigender Modellreife werden Monitoring und Exception Handling wichtiger. Ein automatisierter Prozess braucht Mechanismen, die Abweichungen erkennen und festlegen, wann ein Mensch eingreifen muss.

Im Healthcare-Umfeld ergeben sich andere Risikoprofile. Bei IMAD kann die Verfügbarkeit digitaler Anwendungen unmittelbar Einfluss auf die Versorgung von Patientinnen und Patienten haben. Systeme müssen deshalb auch bei eingeschränkter Konnektivität funktionieren. Bei Swisscard stehen Fraud, Credit Risk und Haftung im Mittelpunkt.

Der zulässige Grad an Autonomie hängt damit vom jeweiligen Prozess ab: von finanziellen Risiken, Security, regulatorischen Anforderungen, Fehlerfolgen, Nachvollziehbarkeit und der Reife der eingesetzten Modelle. Für CIOs wird die Gestaltung dieser Entscheidungsgrenzen zu einem weiteren Bestandteil der AI-Architektur.

 

AI-Kompetenz entsteht im Arbeitsalltag

Technische und organisatorische Voraussetzungen allein reichen für den produktiven Einsatz nicht aus. Unternehmen müssen gleichzeitig lernen, mit einer Technologie umzugehen, deren Möglichkeiten sich schnell weiterentwickeln.

Sindre Wimberger hat bei der Stadt Wien bereits vor drei Jahren eine interne AI Community of Practice aufgebaut. Sein Ansatz:

„gemeinsam lernen, gemeinsam auch scheitern, gemeinsam schlauer werden“

Das Modell löst ein praktisches Problem. Wenn einzelne Abteilungen dieselben Erfahrungen jeweils separat machen, verliert die Organisation Zeit. Funktionierende Ansätze, Fehler und neues Wissen müssen schneller weitergegeben werden.

Für Führungskräfte gilt dieselbe Anforderung. Ein gelegentlich ausprobierter Prompt vermittelt noch wenig darüber, wie AI Geschäftsprozesse und Arbeitsweisen verändert.

Die Dimension dieser Lernaufgabe zeigt sich auch bei LVM und Swarovski. Bei der LVM können fast 12.000 Mitarbeitende im Innen- und Außendienst eine geschützte AI-Lösung verwenden und praktische Erfahrungen sammeln. Ergänzend gibt es Self-Learning und niedrigschwellige Schulungsangebote. Swarovski hat laut Lea Sonderegger rund 11.000 Mitarbeitende mit Basisprogrammen zur AI Literacy erreicht. Dort richtet sich der Blick inzwischen stärker auf zukünftige Fähigkeiten und veränderte Rollen.

Gottfried Tonweber erwartet ein grundlegendes Maß an AI-Kompetenz künftig von jedem Mitglied eines Projektteams. Dazu gehören für ihn Data Literacy, Governance, Security und kritisches Denken.

AI Literacy reicht damit über die Bedienung einzelner Werkzeuge hinaus. Mitarbeitende müssen beurteilen können, wann AI sinnvoll eingesetzt werden kann, welche Daten hinter einem Ergebnis stehen, wie verlässlich dieses Ergebnis ist und wann eine menschliche Prüfung notwendig bleibt.

 

AI wird zur CIO-Aufgabe in voller Breite

Abseits des Hypes entsteht damit eine konkrete CIO-Agenda. Der produktive Einsatz von AI hängt eng mit Datenqualität, Architektur, Kernsystemen und Prozessen zusammen. Sobald Systeme mehr Aufgaben übernehmen, kommen Berechtigungen, Monitoring, Entscheidungsrechte und Haftungsfragen hinzu. Gleichzeitig müssen Unternehmen ihre Mitarbeitenden in die Lage versetzen, AI im Arbeitsalltag sinnvoll einzusetzen und Ergebnisse kritisch zu prüfen.

Mit Agentic AI werden diese Aufgaben enger miteinander verbunden. Systeme greifen auf Anwendungen und Daten zu, übernehmen einzelne Prozessschritte und treffen zunehmend Entscheidungen. Die Anforderungen reichen damit vom technischen Fundament bis zur Gestaltung von Verantwortlichkeiten in der Organisation.

Wie weit Unternehmen dabei bereits gekommen sind, unterscheidet sich erheblich. Ebenso unterschiedlich sind die Risikoprofile in Industrie, Payment, Energiehandel, Healthcare, Banking oder öffentlicher Verwaltung. Gerade deshalb lohnt sich der Blick auf die jeweiligen praktischen Erfahrungen.

Viele dieser Fragen stehen auch bei den kommenden Confare CIOSUMMITs auf der Agenda. Am 9. September trifft sich die CIO-Community in Zürich, am 23. September in Frankfurt und am 29. September in Salzburg.

Dort geht es unter anderem darum, welche Voraussetzungen Unternehmen für den produktiven AI-Einsatz bereits geschaffen haben, wo Skalierung funktioniert und welche zusätzlichen Aufgaben Agentic AI für CIOs und ihre Teams mit sich bringt.