NEU im #ConfareBlog
Armin Fanzott (Ascent): Wenn Daten denken lernen – und Prozesse neu laufen
Datenbasis top, Automatisierung folgt – aber was passiert, wenn Prozesse völlig neu gedacht werden? Armin Fanzott von Ascent spricht im Interview über die Rolle von Daten als strategische Ressource, Herausforderungen beim Einsatz von Agentic AI – und warum man sich manchmal von liebgewonnenen Abläufen verabschieden sollte. Im neuen Factsheet „DATA & AI“ wird es noch tiefergehende Einblicke und praxisnahe Ansätze geben. Und wer mehr will: bei der kommenden CIO Executive Arena am Confare CIOSUMMIT Zürich wird mit Ascent weitergedacht.
Welche Rolle spielen Daten in Eurer Unternehmensstrategie – und wie zeigt sich das konkret im Alltag?
Als Ascent stehen wir für datengetriebene Software- und AI-Lösungen. Wir sind der festen Überzeugung, dass die effiziente und zielgerichtete Nutzung von Daten die Grundlage für Innovation und Automatisierung ist. Wir legen bei unseren Kundenprojekten großen Wert auf eine skalierbare Dateninfrastruktur, die als Basis für individuelle Analysen und Prognosen dient. Durch die rasante Entwicklung, gerade im Bereich der Agentic AI, ist ein solides Fundament entscheidend, um die weitreichenden Vorteile intelligenter Systeme nutzen zu können.
Was sind aus Deiner Sicht die zentralen Elemente einer wirklich datengetriebenen Architektur?
Die zentralen Elemente einer datengetriebenen Architektur sind zum einen die Datenplattform an sich, beispielsweise Microsofts Fabric, zum anderen das damit verbundene AI bzw. ML Enablement, welches die Grundlage für Automatisierung darstellt.
Der wichtigste Aspekt ist hierbei Daten als Ressource zu behandeln, welche die Grundlage für Entscheidungen, Prozesse und Systeme ist.
Welche Rolle spielt die Cloud in Eurer Datenstrategie – und wie trefft Ihr die Entscheidung zwischen OnPrem, Private, Public und Hybrid?
Cloudlösungen spielen eine entscheidende Rolle in der Datenstrategie, da gerade der Zugang zu innovativen Technologien erleichtert wird. Vor allem das Zusammenspiel unterschiedlicher Services im Bereich Data Engineering und Analytics bietet einen entscheidenden Vorteil.
Wir treffen Use Case abhängig die Entscheidung, welches Bereitstellungsmodell am sinnvollsten ist. Generell verfolgen wir die Cloud-first-Strategie, allerdings ist in regulierten Branchen OnPremise bzw. Private Cloud oftmals alternativlos.
Armin Fanzott ist ein allseits beliebter Gast auf der Confare Bühne. Treffen Sie die Leute von Ascent auf dem Confare CIOSUMMIT Zürich am 10.09.2025.
Welche Ansätze verfolgt ihr im Bereich AgenticAI – welche Potentiale gibt es in Unternehmen?
Wir bewerten jedes Agentic AI Projekt individuell. Ziel ist es in erster Linie Prozesse sichtbar zu machen, welche sich für eine Automatisierung eignen. Entscheidend ist allerdings auch, Prozesse neu zu denken, ohne Altlasten zu übernehmen. Wir denken Agentic AI als ein Zusammenspiel vieler unabhängiger Services, die durch intelligente Ansteuerung Workflows ausführen. Die Potenziale sind weitreichend, beispielsweise von automatisierten Claim Management Prozessen bei Versicherungen bis hin zu automatisierten Angebotsvergleichen im Banken- und Energiesektor.
KI Modelle sind nur so gut wie ihre Datenbasis – welche Hürden siehst du in Bezug auf Datenqualität und Datensilos?
Das bekannte Problem Garbage in, Garbage out ist die größte Herausforderung in Bezug auf den Erfolg eines KI-Projekts. Gute Entscheidungen können nur auf Basis qualitativ hochwertiger Daten getroffen werden. Oft gilt es Legacy-Systeme anzubinden, welche wichtige Daten zur Entscheidungsfindung halten. Diese sind oftmals in schlechter Qualität beziehungsweise in anderen Formaten verfügbar. Data Engineering beziehungsweise Data Preparation ist somit der Schlüssel zu jedem erfolgreichen KI-Projekt.
Erhalten Sie das Factsheet „DATA und AI“ als Erster, indem Sie sich kostenfrei für das Factsheet Abo anmelden.
Wie wichtig ist die Darlegung der betriebswirtschaftlichen Komponente (Kosten-Nutzen/ROI) für die Bereitstellung von Ressourcen bei der Umsetzung von KI Cases?
Es macht natürlich Sinn, mit den low hanging fruits zu starten – einerseits um intern Vertrauen und Akzeptanz aufzubauen, aber auch um mehr Ressourcen für weitere Value Cases zu sichern. Üblicherweise ermitteln wir in Envision Workshops jene KI-Cases, die den höchsten Geschäftsnutzen bieten, aber gleichzeitig auch die nötige Datenqualität mitbringen, um schnell zu messbaren Ergebnissen zu kommen, die sich durchaus sehen lassen können. Erst kürzlich haben wir ein KI-Modell zur Vorhersage von Verkauf- und Liefermengen implementiert. Die initiale (recht überschaubare) Investition resultierte in einer Umsatzsteigerung von 2 Millionen Euro pro Jahr.
Wo liegen die größten Hürden beim Rollout einer Agentic AI Lösung – Technologie, Menschen oder Prozesse und wo steht ihr damit?
Generell ist die Akzeptanz gegenüber einer Agentic AI Lösung im Unternehmen ein entscheidender Faktor. Damit einhergehend auch die richtige Einschätzung beziehungsweise die Erwartungshaltung, was die Applikation im Leisten zu Stande ist, um keine Unzufriedenheit zu erzeugen.
In Bezug auf die Prozesse sollte eine schrittweise Einführung des Systems angestrebt werden, um etwaige Anpassungen vornehmen zu können. Prozesse sollen generell hinterfragt werden, ob diese in der jetzigen Form Sinn machen oder ob es Optimierungspotenzial gibt.
Technologisch ist es aufgrund der rasanten Entwicklung oftmals nicht einfach, die richtige Architektur zu wählen. Generell ist es ratsam, auf erprobte Lösungen zu setzen, um einen Rollout nicht zu gefährden.