Jenseits von ChatGPT: Wie Unternehmen KI wirklich einsetzen

Klassische KI bleibt für Analyse, Prognosen und Automatisierung wichtig. Doch generative KI wird zunehmend zur Schnittstelle, über die Unternehmen Daten auswerten, Software entwickeln und interne Prozesse steuern.

Wer KI-Forschende zuverlässig irritieren will, muss nur behaupten, künstliche Intelligenz habe erst 2022 mit ChatGPT begonnen. Der Einwand folgt meist prompt: Generative KI ist nur ein Teil eines deutlich größeren Technologiefeldes. Dazu zählen maschinelles Lernen, Computer Vision, Empfehlungssysteme und Expertensysteme – mit Wurzeln, die bis zu Alan Turing zurückreichen.

Eine Umfrage von Computing unter 110 britischen IT-Führungskräften ergab, dass klassische und generative KI in Unternehmen derzeit ähnlich stark genutzt werden. Gleichzeitig wird deutlich, dass generative KI zunehmend Aufgaben übernimmt, die bislang vor allem mit maschinellem Lernen und verwandten Verfahren verbunden waren.

Viele Projekte setzen beide KI-Ansätze parallel ein und kombinieren deren Stärken. Klassische KI wird vor allem für Nachfrageprognosen, Anomalieerkennung, Ausgabenprognosen und Mustererkennung in großen Datensätzen genutzt. Generative KI kommt dagegen besonders dann ins Spiel, wenn Ergebnisse erklärt, Daten per natürlicher Sprache abgefragt oder Berichte und Visualisierungen erstellt werden sollen.

Während Unternehmen klassische KI weiterhin für Vorhersagen, Klassifizierung und Mustererkennung einsetzen, weist die Umfrage auf eine Verschiebung hin: Generative KI entwickelt sich zunehmend zur Benutzerschnittstelle, über die Beschäftigte mit Daten und Systemen interagieren.

Datenanalyse und Erkenntnisse

Die größte Kategorie der KI-Anwendungsfälle ist Datenanalyse und Erkenntnisgewinnung. 57 Prozent der Befragten wählten sie unter ihre drei wichtigsten Einsatzbereiche.

Die Befragten beschreiben den Einsatz von KI zur Analyse von Datensätzen, Datenauszügen, Umsatz- und Kundendaten sowie Mieterunterlagen. Hinzu kommen Ticket- und Retail-Systeme, Prüfungsergebnisse, Marktdaten sowie historische Daten zur Ressourcennutzung und zu Ausgaben.

Bei den Ergebnissen geht es vor allem um Berichterstellung, Dashboard-Erstellung, Trendprognosen, Entscheidungsunterstützung und Business Intelligence.

Ein Service-Availability-Manager im Einzelhandel nutzt KI-Tools für die „Datenanalyse – die Auswertung großer Datenmengen“ sowie zur Betrugserkennung: „um Kundendaten zu untersuchen und Muster zu erkennen“.

Ein IT-Manager an einer Universität setzt KI ein, um Ressourcennutzung und Ausgaben auf Basis historischer Daten zu analysieren und daraus Prognosen für die künftige Nutzung abzuleiten.

Andere Befragte aus dem Bildungssektor nutzen KI, um „nach Mustern in Prüfungsergebnissen“ zu suchen und „über Fortschritte im Vergleich zur Kohorte und zu Vorjahren zu berichten“.

Ein IT-Leiter aus der Fertigungsindustrie „verbessert die Prozesseffizienz beim Umgang mit unscharfen oder komplexen Daten“ – also in Bereichen, in denen deterministische Automatisierung an Grenzen stößt.

Früher wären viele dieser Aufgaben mit Analyse- und ML-Tools umgesetzt worden. Viele Befragte beschrieben jedoch auch das Zusammenfassen von Datensätzen, das Erstellen von Berichten und Visualisierungen sowie das Interpretieren von Trends – Aufgaben, die inzwischen zunehmend von LLMs übernommen werden.

Automatisierung von Routineaufgaben

Die Automatisierung von Routineaufgaben wurde von 48 Prozent der Befragten genannt. Sie zeigt exemplarisch, wie klassische und generative KI zusammenspielen können: Workflow-Automatisierung und RPA werden mit GenAI für Dokumentation und Entscheidungsunterstützung kombiniert.

Unternehmen zielen in dieser Kategorie häufig auf frühe Produktivitätsgewinne. Genannt wurden etwa Helpdesk-Automatisierung, Auftragsabwicklung, Prüfverfahren, Onboarding-Governance, Zusammenfassungen von Kundengesprächen, Dokumentenprüfungen, die Integration von Ticketsystemen und Prozessautomatisierung.

Der KI-Einsatz weitet sich dabei von einzelnen Bereichen auf systemübergreifende Abläufe aus. Ein IT-Leiter einer gemeinnützigen Stiftung berichtete, KI werde genutzt, um Daten aus Ticket- und Retail-Systemen für die Finanzabteilung zu sammeln, zusammenzuführen und aufzubereiten.

Ein leitender Servicemanager im Gesundheitswesen „automatisiert“ nach eigenen Angaben „die Governance-Sicherung für Onboarding-Dienstleistungen“. Das zeigt, dass KI nicht nur bei risikoarmen Verwaltungsaufgaben, sondern auch in internen Kontrollprozessen eingesetzt wird.

Auch öffentlich sichtbare Bereiche werden automatisiert, darunter Marketingmaterialien, Websites und Social-Media-Beiträge. KI werde „täglich genutzt, um die Social-Media-Kanäle des Unternehmens zu bestücken sowie Wartungsanforderungen zu aktualisieren. Zudem dient sie der Informationsbeschaffung über viele Branchen hinweg“, kommentierte ein Framework-Spezialist bei einem Technologieunternehmen.

Softwareentwicklung

Die IT-Abteilung ist der größte Nutzer von KI-Tools, unter anderem in der Cybersicherheit. 34 Prozent der Befragten gaben an, KI in der Softwareentwicklung einzusetzen. Genannt wurden Coding-Assistenten, Codegenerierung, Debugging, Tests, Code-Reviews, Migration, Skripterstellung, Cloud-Automatisierung und Sprachkonvertierung. Mehrere Befragte verwiesen auf konkrete Modelle und Tools wie Copilot, Claude Code und Gemini sowie auf „Vibe-Coding“ und Multi-Agent-Workflows in der Entwicklung.

Die Antworten zeigen, dass KI sowohl von Entwicklern als auch von IT-Support-Teams für Skripte und Fehlerbehebung eingesetzt wird.

„Wir betreiben ‚Vibe-Coding‘ bei SaaS-Lösungen für interne Kunden“, kommentierte ein globaler IT-Support-Leiter bei einem Unternehmensdienstleister.

„Wir nutzen KI zur Unterstützung von Programmieraufgaben und zur schnelleren Abwicklung von Entwicklungsaufgaben durch Automatisierung in Entwicklung und Test“, sagte ein IT-Projektmanager bei einer Kommunalbehörde.

„Wir generieren Code-Lösungen auf Grundlage von Anweisungen, Prompts und mehreren Agenten“, erklärte ein Produktentwicklungsleiter bei einem Technologieunternehmen. „Wir erstellen und führen Testszenarien sowie Komponententests durch. Wir analysieren Daten, um Trends zu erkennen und Dashboards zu erstellen.“

Mehrere Befragte, darunter der zitierte Produktentwicklungsleiter, erwähnten den Einsatz von Agenten, um Aufgaben im Softwareentwicklungslebenszyklus (SDLC) zu verknüpfen. Das deutet darauf hin, dass agentenbasierte KI in der Softwareentwicklung an Bedeutung gewinnt.

Der Forrester-Bericht „The State of Agentic Software Development, 2026“ beschreibt diese Entwicklung als Übergang zu Systemen aus LLM-basierten Agenten mit wachsender Autonomie, Koordination und Orchestrierung. In einem begleitenden Blogbeitrag argumentiert Forrester, dass generative KI nicht mehr nur die Codeerstellung unterstützt, sondern Planung, Entwicklung, Tests und Auslieferung zunehmend über den gesamten SDLC hinweg prägt.

Erstellung von Inhalten

Knapp hinter der Softwareentwicklung folgt mit 27 Prozent die Erstellung von Inhalten. Dazu zählen Marketingtexte, Social-Media-Beiträge, Vertriebsansprachen, E-Mails, Berichte, Sitzungsprotokolle, die Überarbeitung und Zusammenfassung von Dokumenten, Präsentationen, Werbetexte, Kundenbriefe sowie Inhalte für Intranet und Internet.

Mehrere Befragte gaben an, generative KI eher zur Verbesserung von Dokumenten oder zum Korrekturlesen einzusetzen als zur Erstellung vollständig neuer Inhalte.

Ein stellvertretender CTO eines Unternehmensdienstleisters erklärte, KI werde genutzt, um „Berichte zu bereinigen – ohne den Inhalt zu ändern“. Andere erwähnten Einschränkungen bei der Nutzung.

Ein CTO aus der Hotellerie erklärte: „Wir haben die Erstellung von Bildern und Videos aufgrund des hohen Energieverbrauchs untersagt.“

Kundensupport und Chatbots

Ein weiterer Einsatzbereich, in dem generative KI dominiert, ist der Kundensupport. 23 Prozent der Befragten zählten ihn zu ihren drei wichtigsten KI-Anwendungsfällen. In den Kommentaren wurden Helpdesk-Chatbots, First-Level-Support, Chatbots für Personalwesen und Recruiting, interne Wissensbots, Beratungs- und Suchbots sowie automatisierte technische Antworten an Kunden genannt.

„Wir setzen Kundenservice-Chatbots in drei Bereichen ein – IT, Personalwesen und Personalbeschaffung“, erklärte ein CIO im Hochschulbereich. Ein anderer Befragter sagte, dass „Chatbots für die Mitarbeiterbetreuung einige Funktionen, etwa im Personalwesen, übernommen haben“. Das verstärkt den Eindruck, dass HR zu den Bereichen gehört, die durch generative KI besonders schnell verändert werden.

Bildung und Ausbildung

20 Prozent der Befragten nannten Bildung und Ausbildung als wichtigen KI-Anwendungsfall. Dazu zählen Unterrichtsplanung, Kursmaterialien, Lehrhilfen, die Bewertung akademischer Texte, Schulungspiloten, Studien zum Einsatz in der Weiterbildung sowie Plagiatserkennung.

Die Einführung erfolgt jedoch vorsichtig. Aus den Kommentaren geht hervor, dass Organisationen mögliche Produktivitätsvorteile für Lehrkräfte – etwa bei Unterrichtsplanung und Kursmaterialien – gegen Risiken bei Leistungsbewertung und Reputation abwägen.

Ein CIO/CTO im Hochschulbereich berichtete: „Wir testen den Nutzen von KI in den Bereichen Personalwesen, Fortbildung und einem Studienbereich, um zu ermitteln, in welchem Umfang und wo sie im Weiterbildungsbereich am besten und sichersten eingesetzt werden kann.“

„Es wird eine sehr sorgfältige Untersuchung durchgeführt, da KI bei unsachgemäßem Einsatz eindeutig das Potenzial birgt, den Ruf in Bereichen wie Prüfungen und Leistungsbewertung im Bildungsumfeld ernsthaft zu schädigen; daher treffen wir äußerste Vorsichtsmaßnahmen, um ihren Einsatz in der gesamten Organisation einzuschränken.“

„Als technisches Support-Tool und im Pilotprojekt als Lehrhilfe eingesetzt“, fügte ein Netzwerkmanager an einer Schule hinzu.

Modelle und Tools

KI ist damit deutlich mehr als generative Modelle, auch wenn die öffentliche Aufmerksamkeit derzeit stark auf diesem Bereich liegt. Zugleich entwickelt sich generative KI zunehmend zur Standardoberfläche für viele KI-Anwendungen. Bei den verwendeten Modellen lag ChatGPT von OpenAI knapp vor Claude von Anthropic und Gemini von Google.

Bei den Tools auf Anwendungsebene lag hingegen ein Angebot deutlich vorne: Microsoft Copilot.

Wie Microsoft zuvor Office-Produktivitätssoftware und später Cloud-Dienste gebündelt hat, scheint das Unternehmen diese Strategie nun auf generative KI zu übertragen.

Dies ist der zweite Teil einer Artikelserie über den aktuellen Stand der KI-Nutzung, basierend auf einer Untersuchung unter britischen Unternehmen. Mehr zum Kostendruck durch steigende Nutzung und veränderte Preismodelle der Anbieter lesen Sie hier.

--

Dieser Artikel erschien ursprünglich auf unserer Schwester-Website Computing.