Definition: Systeme der Intelligenz
Ein System der Intelligenz ist eine KI-gestützte Anwendung oder ein Agent, der über Daten aus den führenden Systemen und Systems of Engagement eines Unternehmens urteilt und danach handelt, statt nur zu berichten.
Kernmerkmale von Systemen der Intelligenz
Systeme der Intelligenz speichern keine maßgeblichen Daten und vermitteln keine Kommunikation selbst. Sie interpretieren, was die beiden anderen Schichten bereits enthalten, und machen daraus eine Entscheidung.
- Urteilen über Daten aus mehreren führenden Systemen gleichzeitig
- Nutzen Signale aus Systems of Engagement, etwa E-Mails oder Tickets, als Kontext
- Liefern Empfehlungen oder autonome Handlungen, nicht nur Berichte
- Verbessern sich, je mehr Interaktionen und Ergebnisse zurückfließen
Systeme der Intelligenz vs. führendes System und Systems of Engagement
Ein führendes System besitzt einen Datenbereich, etwa das ERP für Finanzzahlen. Ein System of Engagement ist der Ort, an dem Menschen und Agenten mit diesen Daten arbeiten, über E-Mail, Chat oder ein Dashboard. Ein System der Intelligenz steht über beiden und verbindet Daten aus dem führenden System mit Kontext aus der Engagement-Schicht, um zu entscheiden, was als Nächstes passiert.
Bedeutung von Systemen der Intelligenz im Enterprise-KI-Umfeld
Unternehmen, die ihre führenden Systeme und Systems of Engagement bereits stabilisiert haben, können eine Intelligenz-Schicht am sichersten ergänzen, denn ein Agent, der über unsaubere Daten urteilt, automatisiert lediglich das Durcheinander schneller. Gartner geht davon aus, dass bis 2028 15 Prozent der alltäglichen Arbeitsentscheidungen autonom von KI-Agenten getroffen werden, gegenüber 0 Prozent im Jahr 2024. Superkind bindet KI-Mitarbeiter an das bestehende CRM, ERP und E-Mail-System eines Unternehmens an und folgt damit derselben Schichtung: Intelligenz auf bereits vorhandenen Systemen, nicht anstelle von ihnen.
Methoden und Verfahren für Systeme der Intelligenz
Ein System der Intelligenz aufzubauen ist weniger eine Frage des Modells als der korrekten Anbindung an die darunterliegenden Schichten.
Urteilen auf Basis maßgeblicher Daten verankern
Agenten brauchen Lesezugriff auf das richtige führende System, nicht auf einen veralteten Export.
- Festlegen, welches führende System welchen Datenbereich besitzt
- Anbindung über kontrollierte, leseskalierte APIs statt manueller Exporte
- Kontext so oft aktualisieren, dass er den aktuellen Stand widerspiegelt
Kontext aus Systems of Engagement einbeziehen
Häufig sitzt eine Unternehmensgedächtnis-Schicht zwischen der führenden Systemebene und der Intelligenz-Schicht, die strukturierte Daten neben informellem Wissen organisiert, damit das Urteil auf beidem beruht.
Autonome Handlungen begrenzen
Die meisten Einführungen beginnen damit, dass das System eine Handlung zur Freigabe durch Menschen vorschlägt, und weiten bestimmte Entscheidungen erst dann auf volle Autonomie aus, wenn Fehlerraten gut verstanden sind.
Wichtige Kennzahlen für Systeme der Intelligenz
Diese Kennzahlen zeigen, ob die Intelligenz-Schicht vertrauenswürdige Entscheidungen liefert.
Kennzahlen zur Entscheidungsqualität
- Annahmequote von Empfehlungen: über 85 Prozent
- Fehlerquote autonomer Handlungen: unter 1 Prozent
- Zeit von Datenänderung bis Empfehlung: Minuten statt Tage
- Anteil an Menschen eskalierter Entscheidungen: sinkend
Strategische Kennzahlen
Unternehmen auf dieser Stufe messen die Schicht an der Arbeit, die sie ersetzt, nicht nur an der Genauigkeit. McKinsey verknüpft messbare Erfolge agentischer KI mit Einsätzen, die auf eine klar definierte Entscheidung zugeschnitten sind, nicht mit Allzweck-Assistenten.
Kennzahlen zur Datenbasis
Weil die Qualität des Urteils von den darunterliegenden Schichten abhängt, verfolgen Teams zusätzlich Vollständigkeit und Aktualität der Daten, denn Lücken in den zugrunde liegenden Daten werden zu Lücken in jeder Empfehlung.
Risikofaktoren und Kontrollen bei Systemen der Intelligenz
Eine urteilende und handelnde Schicht bringt Risiken mit, die Daten- und Engagement-Schicht allein nicht tragen.
Urteilen auf unzuverlässiger oder unvollständiger Datenbasis
Ein Agent, der selbstsicher über doppelte oder veraltete Datensätze urteilt, liefert Entscheidungen, die maßgeblich wirken, es aber nicht sind.
- Kein klar benanntes führendes System für einen Datenbereich
- Veraltete Anbindungen, die realen Änderungen hinterherhinken
- Fehlender Kontext aus der Engagement-Schicht, der die Empfehlung ändern würde
Unkontrollierte autonome Handlungen
Ein Agent, der ohne gestufte Einführung oder klare Eskalationsregeln handeln darf, kann eine falsche Entscheidung rasch verstärken. Gartner schätzt, dass bis Ende 2027 über 40 Prozent der agentischen KI-Projekte eingestellt werden, wegen unklarem Nutzen und schwacher Risikokontrollen.
Regulatorische Risiken unter EU-KI-Verordnung und DSGVO
Systeme, die Entscheidungen über Menschen maßgeblich beeinflussen, etwa bei Kredit oder Beschäftigung, unterliegen strengeren Pflichten nach der EU-KI-Verordnung, und personenbezogene Daten, über die geurteilt wird, brauchen weiterhin eine dokumentierte DSGVO-Rechtsgrundlage.
Praxisbeispiel
Ein 150 Mitarbeiter zählender Großhändler für Nutzfahrzeugteile in Hannover, Niedersachsen, hatte saubere Bestandsdaten im ERP und ein reaktionsschnelles Vertriebsteam am E-Mail-Postfach, aber keine Verbindung zwischen beidem. Ein Einkaufsleiter glich jeden Morgen Bestand, Aufträge und Lieferzeiten manuell ab, um Nachbestellungen zu entscheiden. Das Unternehmen führte einen KI-Agenten ein, der das ERP als führendes System und das Vertriebspostfach als System of Engagement liest und über beides urteilt, um Nachbestellmengen und Zeitpunkte zu empfehlen.
- Tägliche Nachbestellempfehlungen aus aktuellen Bestands- und Auftragsdaten
- Automatische Hinweise, wenn eine E-Mail eine von der Prognose verpasste Nachfrage signalisiert
- Ein Dashboard, das zeigt, welche Empfehlungen angenommen oder überschrieben wurden
- Schrittweise Ausweitung autonomer Nachbestellung auf die wichtigsten Produktlinien
Aktuelle Entwicklungen und Auswirkungen
Die Intelligenz-Schicht ist dort, wo sich Enterprise-KI-Investitionen konzentrieren, während führende Systeme und Engagement-Schicht reifen.
Von Dashboards zu autonomen Agenten
Reporting-Tools, die früher Daten für Menschen zum Handeln zusammenfassten, werden zunehmend durch agentische KI ersetzt, die den nächsten Schritt selbst übernimmt.
- Business-Intelligence-Tools mit Agenten, die auf eigene Erkenntnisse reagieren
- KI-Agent-Einsätze, die von Einzelaufgaben zu ganzen Workflows übergehen
- Anbieter, die führende Systeme, Engagement- und Intelligenz-Schicht bündeln
Konsolidierung um eine gemeinsame Urteilsschicht
Statt einer eigenen Intelligenz-Schicht pro Abteilung zentrieren Unternehmen zunehmend das Urteilen um eine gemeinsame Schicht, die auf alle führenden Systeme zugreift.
Wachsende Prüfung der Entscheidungsherkunft
Mit mehr Entscheidungen in dieser Schicht fragen Prüfer nicht nur, was ein Agent entschieden hat, sondern welche Daten dazu geführt haben, was Anbieter zu erklärbaren, protokollierten Entscheidungswegen drängt.
Fazit
Systeme der Intelligenz vervollständigen einen Stack, der mit führenden Systemen begann, die festlegen, was wahr ist, und Systems of Engagement, die bestimmen, wo Arbeit stattfindet. Ohne dieses Fundament hat eine Intelligenz-Schicht nichts Verlässliches, worüber sie urteilen kann. Während Unternehmen ihre Daten- und Interaktionsschichten stabilisieren, wird die Intelligenz-Schicht zu dem Ort, an dem sich messbarer KI-Nutzen tatsächlich zeigt. Die richtige Reihenfolge zu wahren, unterscheidet einen Agenten, der Wert schafft, von einem, der Fehler vervielfacht.
Häufig gestellte Fragen
Was ist ein System der Intelligenz einfach erklärt?
Die KI-Schicht, die Ihr führendes System und Ihr System of Engagement liest und daraus eine Empfehlung oder Handlung macht, statt nur ein weiteres Dashboard zu sein.
Wie unterscheidet sich ein System der Intelligenz von Business Intelligence?
Business Intelligence fasst historische Daten für Menschen zur Interpretation zusammen. Ein System der Intelligenz urteilt über aktuelle Daten und empfiehlt die Handlung oder führt sie selbst aus.
Lohnt sich ein System der Intelligenz für ein Unternehmen mit unter 200 Mitarbeitenden?
Oft ja, gerade weil kleinere Unternehmen selten einen eigenen Analysten haben, der Daten jeden Morgen manuell abgleicht. Eine klar umrissene, wiederkehrende Entscheidung hält den ersten Einsatz überschaubar.
Wie greift die EU-KI-Verordnung bei Systemen der Intelligenz?
Systeme, die Entscheidungen über Menschen maßgeblich beeinflussen, etwa bei Kredit oder Einstellung, können in eine höhere Risikoklasse fallen, die Dokumentation und menschliche Aufsicht verlangt.
Brauchen wir dafür eigene IT-Ressourcen?
Meist nicht. Die Arbeit besteht überwiegend darin, einen Agenten an bereits vorhandene Systeme anzubinden, sofern die zugrunde liegenden führenden Systeme einigermaßen sauber sind.
Wie lange dauert die Einführung eines ersten Anwendungsfalls?
Eine eng umrissene Entscheidung, etwa Nachbestellempfehlungen, dauert meist wenige Wochen, sobald die relevanten Systeme identifiziert sind.
