| 1 Bild

Von strukturierten Daten zu Datenkontext: Das autonome Unternehmen braucht Daten, die Agenten verstehen

Strukturierte Daten sind wichtig für KI. Sie machen Unternehmen aber noch nicht agentenfähig. KI-Agenten brauchen klare Prozesse, Datenkontext und Leitplanken, wenn sie zuverlässig arbeiten sollen.

Laura Traverso, Principal AI Value & Transformation, Slalom Germany
Laura Traverso ist Principal AI Value & Transformation bei Slalom Germany.
© Slalom Germany
Zu dieser Meldung gibt es:
München, 20. Oktober 2026. KI-Agenten sollen immer mehr Aufgaben in Geschäftsprozessen übernehmen – doch Datenzugriff und Schutzregeln allein reichen nicht. Damit Agenten verlässlich arbeiten können, müssen sie den Kontext eines Unternehmens erfassen und Geschäftsbegriffe, Prozesse und Ausnahmen kennen. Unternehmen stehen deshalb vor zwei zentralen Aufgaben: Sie müssen Geschäftswissen für Agenten verständlich machen und ihren Einsatz kontrollierbar gestalten.

Laura Traverso, Senior Principal AI Value & Transformation beim Tech-Consulting-Unternehmen Slalom Germany, zufolge liegt die Verantwortung dafür nicht ausschließlich bei der Unternehmens-IT: „Während Unternehmen in die agentische Ära übergehen, wird es zunehmend wichtiger, dass sie auch ihre Daten an dieses neue Zeitalter anpassen. Doch der Datenkontext für KI-Agenten entsteht in erster Linie nicht auf der Datenplattform, sondern in den Fachbereichen und Führungsebenen von Unternehmen. Das verdeutlicht, dass KI-Transformation kein rein technologisches Unterfangen ist, das von der IT verantwortet wird.“

Maschinenlesbare Daten: Datenzugriff bietet noch keinen Datenkontext

Damit Agenten innerhalb definierter Grenzen richtig handeln, müssen sie die Daten, die sie im jeweiligen Geschäftsprozess verwenden, auch verstehen – die Daten müssen also maschinenlesbar werden.

Ein Agent kann zwar auf Tabellen, Dokumente und Anwendungen zugreifen, wird jedoch die Inhalte im Kontext des Unternehmens zunächst nicht begreifen. Zum Beispiel kann ein Unternehmen einen Kunden als „aktiven Kunden“ definieren, wenn dieser innerhalb der vergangenen 90 Tage einen Kauf getätigt hat. Für ein anderes Unternehmen gilt hingegen nur ein Kunde mit laufendem Vertrag oder einem bestimmten Mindestumsatz als „aktiv“. Fehlt die eindeutige Definition, interpretiert der Agent, was ein „aktiver Kunde“ ist. Die Antwort klingt dann zwar plausibel, beruht aber dennoch auf falschen Annahmen.

Auch die Autorität von Quellen muss sicher nachvollziehbar sein. In Unternehmen liegen Entwürfe oft neben freigegeben Fassungen und veraltete Vorgaben neben neueren Regelwerken an denselben Orten ab. Nur erfahrene Mitarbeiter sind in der Lage, die Aktualität und Autorität der Dokumente richtig zu deuten. KI-Agenten müssen in solchen Fällen erfassen können, welche Quelle maßgeblich und wer für sie verantwortlich ist. Nur dann können sie eine verlässliche Antwort liefern.

„Das Wissen um Prozesse, Ausnahmen und Definitionen liegt selten strukturiert und maschinenlesbar ab. Oft befindet es sich in den Tabellen, Dateien und Köpfen einzelner erfahrener Mitarbeiter. Führungskräfte, die ihre Prozesse automatisieren wollen, stehen vor der Aufgabe, gemeinsam mit den Experten aus ihren Fachbereichen einheitliche Prozesse und Begriffe zu etablieren, mit denen Agenten und Mitarbeiter des Unternehmens gleichermaßen arbeiten können“, erklärt Traverso.

Die Automatisierung folgt der Prozessoptimierung

Bislang wurden Daten oft für Analysen, Berichte und Prognosen genutzt. Agenten können Informationen nicht nur lesen und ausgeben, sondern auch Entscheidungen vorbereiten und Aktionen anstoßen. Unternehmen, die einen Prozess mit einem Agenten automatisieren wollen, müssen zunächst festlegen, welches Ergebnis der Prozess liefern soll, welche Schritte dafür nötig und wann Ausnahmen oder menschliche Eingriffe erforderlich sind.

„Ein Agent verstärkt die Logik des Prozesses, in den er eingebettet ist – auch, wenn dieser unnötige Schritte oder ungeklärte Ausnahmen enthält. Deshalb braucht es zuerst ein klar definiertes Prozessergebnis, das als Messlatte dient, bevor Aufgaben an einen Agenten übertragen werden“, sagt Traverso.

Unternehmen sollten mit einem überschaubaren Prozess beginnen, dessen Ergebnis messbar ist. Dafür müssen Führungskräfte gemeinsam mit den Fachbereichen Abläufe und Ausnahmen von Prozessen definieren. Daten- und KI-Teams leiten daraus ab, welche Informationen, Regeln und Kontrollen der Agent benötigt. Anschließend lässt sich prüfen, ob der Einsatz eines Agenten Qualität, Kosten und Bearbeitungszeiten verbessert.

Governance als Voraussetzung für den Betrieb von KI-Agenten

Mit zunehmendem Einsatz von Agenten wird Governance umso wichtiger. Sie legt fest, auf welche Daten ein Agent zugreifen und welche Aktionen er ausführen darf. Die Leitplanken für KI halten in vielen Unternehmen jedoch nicht Schritt mit ihrer Entwicklung. Eine Befragung von IBM Institute for Business Value und Oxford Economics (2026) unter 2.000 Technologie-Führungskräften auf C-Level zeigt eine Governance-Lücke: 77 Prozent berichten, dass die KI-Nutzung in ihrer Organisation die vorhandenen Governance-Fähigkeiten bereits überholt hat. Bis 2027 erwarten die Befragten einen Anstieg der Zahl eingesetzter Agenten um 38 Prozent. Doch nur elf Prozent halten ihre Organisation für vollständig auf den erwarteten Einsatz von Agenten vorbereitet.

Traverso: „Im agentischen Unternehmen ist Governance die Voraussetzung für operative Qualität. Sie darf daher kein einmaliger Freigabeschritt sein. Im laufenden Betrieb muss nachvollziehbar sein, welche Regeln gelten, wer verantwortlich ist und wann ein Agent an Mitarbeiter übergibt. Auf diese Weise können Unternehmen den Einsatz ausweiten, ohne die Kontrolle aus der Hand zu geben.“

Dafür müssen Agenten Quellen und Entscheidungsschritte nachvollziehbar offenlegen und protokollieren. Qualität und Kosten müssen laufend überwacht werden – und Unternehmen müssen zudem festlegen, welche Aktionen Agenten ausführen dürfen, wann sie diese stoppen und wann sie Freigaben einholen müssen.
Seite drucken Link mailen
Über Slalom Germany
Über Slalom Germany

Seit der Gründung im Jahr 2001 in Seattle, Washington, ist Slalom ein führendes, international tätiges Technologieberatungsunternehmen, das global denkt und lokal agiert. Slalom-Mitarbeiter helfen heute Unternehmen weltweit an 54 Standorten in zwölf Ländern, mit menschenzentrierten digitalen Ende-zu-Ende-Lösungen und einem großen Partnernetzwerk Wertschöpfung zu betreiben und ihre Geschäftsmodelle und Arbeitsweisen zu transformieren. Dabei verbindet das Unternehmen Expertise in Cloud, Daten und Künstlicher Intelligenz mit ganzheitlicher Transformation durch die Optimierung von Prozessen, Arbeitsweisen und Kundeninteraktionen.

Mit 200 Mitarbeitern an den Standorten München, Düsseldorf und Frankfurt am Main ist Slalom Germany seit 2022 ein vertrauenswürdiger Partner großer und mittelständischer Unternehmen. Die Experten für digitale Transformation unterstützen Unternehmen in der DACH-Region in den Branchen Einzelhandel und Konsumgüter, Finanzdienstleistungen, Fertigung, Life Sciences, Medien, Mobilität, Pharma und Technologie. Durch Zugriff auf globales Know-how sowie neueste Technologien und mit lokaler Expertise helfen sie Kunden, ihre Geschäftsmodelle und Arbeitsweisen ganzheitlich zu transformieren – für technologische Transformation, die Menschen in den Mittelpunkt stellt und nachhaltig wirkt.

Für weitere Informationen siehe: www.slalom.com, LinkedIn oder Instagram.

Alle Inhalte dieser Meldung als .zip:
Sofort downloaden
Pressetext 5896 Zeichen
Als .txt downloaden Ins Clipboard kopieren
Bilder 1
Laura Traverso, Principal AI Value & Transformation, Slalom Germany
© Slalom Germany
Mehr Dazu
Kontakt
Oguzhan Acay

Oguzhan Acay
Pressesprecher
Slalom Germany
+49 173 18 666 82
presse@slalom.com