Willkommen zu einer neuen Folge von Machine Minds – der KI-Podcast für die Industrie. Willkommen zu einer neuen Folge von „Machine Minds – der KI-Podcast für die Industrie“. In dieser Episode geht es um eine Frage, die derzeit nicht nur Softwareanbieter beschäftigt: Frisst Künstliche Intelligenz die klassische Business Software oder beginnt für ERP-Systeme und Unternehmensanwendungen gerade erst eine neue Ära?
Michael Finkler (Proalpha Group) und Prof. Holger Schmidt (F.A.Z.) diskutieren, wie KI-native Start-ups den Markt verändern, welche Vorteile etablierte Anbieter weiterhin besitzen und warum neue Technologien allein noch keine funktionierende Unternehmenssoftware ergeben. Im Zentrum steht das sogenannte „Great Sorting“: Eine Neuordnung des Softwaremarktes, aus der Gewinner, Überlebende und Verlierer hervorgehen werden.
Eines ist klar: Während KI-native Anbieter bereits Bereiche wie Recherche, Marketing oder Softwareentwicklung prägen, gelten im industriellen Umfeld andere Regeln. Hier entscheiden nicht allein die leistungsfähigsten Sprachmodelle, sondern vor allem Prozesswissen, Daten, operativer Kontext, Governance, Compliance und der zuverlässige Betrieb komplexer Anwendungen.
Die Highlights dieser Folge:
-
Das „Great Sorting“ im Softwaremarkt: Warum weder traditionelle Softwareunternehmen noch KI-native Start-ups automatisch gewinnen und welche Anbieter besonders unter Druck geraten.
-
Daten und Kontext als neuer Burggraben: Weshalb Funktionen immer leichter kopierbar werden, semantisch aufbereitete Unternehmensdaten und tiefes Prozesswissen dagegen an Bedeutung gewinnen.
-
Neue Lizenzmodelle nach SaaS: Warum die Abrechnung nach Nutzern und Modulen durch Flatrates, verbrauchsabhängige Preise und möglicherweise sogar erfolgsbasierte Modelle ergänzt wird.
-
KI-Controlling und Kostenmanagement: Weshalb Tokenkosten nur einen kleinen Teil der tatsächlichen Aufwendungen ausmachen und Unternehmen künftig eigene AI-FinOps-Kompetenzen benötigen.
-
Haftung und Trustworthy AI: Wer verantwortlich ist, wenn ein autonomer Agent eine falsche Entscheidung trifft, und warum Guardrails, Monitoring und menschliche Kontrollinstanzen unverzichtbar bleiben.
Herausforderungen und Ausblick
Auch die Haftungsfrage gewinnt an Bedeutung. Nach außen trägt zunächst das Unternehmen die Verantwortung, das den Agenten einsetzt. Umso wichtiger sind klare Grenzen, Vier-Augen-Prinzipien, Human-in-the-Loop-Verfahren und zusätzliche Prüfmechanismen. Denn probabilistische Sprachmodelle können von ihrer Funktionsweise her nicht vollständig fehlerfrei arbeiten.
Agentic AI wird sich deshalb nicht über Nacht flächendeckend durchsetzen. Erste klar abgegrenzte Aufgaben können bereits kurzfristig automatisiert werden. Bis vollständige End-to-End-Prozesse durch ein Industrieunternehmen laufen, rechnet Finkler jedoch eher mit einem Zeitraum von rund fünf Jahren. Abwarten ist dennoch keine Option. Unternehmen sollten jetzt Erfahrungen sammeln, Kompetenzen aufbauen und konkrete Einsatzfelder entwickeln.
Wichtigste Erkenntnis
KI wird Business Software nicht einfach ersetzen. Sie verändert jedoch, wie Software entwickelt, genutzt und bezahlt wird.
„So viele Chancen dieser Kategorie haben wir nicht jeden Tag.“ — Prof. Holger Schmidt
„Die Modelle und Technologien sind nicht das Entscheidende. Entscheidend ist im Industrieumfeld die Verzahnung mit den Prozessen, den Anwendungen und den Daten.“ — Michael Finkler