2025/6 | Fachbeitrag | Best Practices

KI konkret: Sechs Business Cases entlang des Produktlebenszyklus

Von der Produktentwicklung bis zum Customer Service: Künstliche Intelligenz (KI) transformiert zunehmend Unternehmensprozesse und eröffnet neue Möglichkeiten der Wertschöpfung. Dabei ist es entscheidend, KI-Technologien gezielt und praxisorientiert einzusetzen. Verschiedene KI-Ansätze - von analytischen und prädiktiven Methoden bis hin zu den neuen generativen KI-Modellen (GenAI) - bieten unterschiedliche Vorteile für spezifische Anwendungsfälle.

GenAI bietet insbesondere für die Prozessautomatisierung großes Potenzial. Im Rahmen des neuen "GenAI Impact Report 2025" von adesso gaben die Hälfte der 400 in Deutschland befragten Führungskräfte an, dass sie mehr als 30 Prozent ihrer täglichen Aufgaben mithilfe von GenAI automatisieren könnten - und zwar abteilungsübergreifend.

Wie KI entlang der verschiedenen Phasen von Produktlebenszyklen strategisch implementiert werden kann, um Prozesse zu optimieren, Innovationen zu beschleunigen und Kundenerfahrungen zu verbessern, zeigt der IT-Dienstleister anhand konkreter Anwendungsbeispiele:

  1. KI-gesteuertes Engineering in der Produkt- und Prozessoptimierung
    In modernen Produktionsumgebungen erfassen Sensornetzwerke kontinuierlich Daten, die durch Machine-Learning-Algorithmen in Echtzeit analysiert werden. Diese Technologien erkennen Anomalien in Fertigungsprozessen und unterstützen Predictive-Maintenance-Konzepte. GenAI-Algorithmen ermöglichen es, tausende von Designvarianten zu generieren und in simulierten Belastungsszenarien zu testen. Ein Automobilzulieferer konnte durch diese KI-gestützte Prozessoptimierung die Entwicklungszeit neuer Komponenten um etwa 30 Prozent reduzieren und durch adaptives Engineering flexibel auf veränderte Produktionsbedingungen reagieren.

  2. Personalisiertes Marketing durch KI-Technologien
    Moderne Marketing-Automation nutzt verschiedene KI-Technologien, um hochpersonalisierte Marketingkampagnen über alle Kontaktkanäle hinweg zu generieren und zu steuern. Large Language Models (LLMs) analysieren umfassende Kundendaten und erstellen per GAN (Generative Adversarial Networks) dynamische Inhalte für Social Media, E-Mails und Webseiten. Im Kundenkontakt übernehmen NLP (Natural Language Processing)-gesteuerte Chatbots die personalisierte Interaktion und verbessern die Konversionsraten deutlich. Eine E-Commerce-Plattform konnte durch diese Technologien ihre Click-Through-Raten um mehr als 25 Prozent steigern. Gleichzeitig senkt die präzisere Zielgruppenansprache die Werbekosten erheblich. Durch kontinuierliches Customer Sentiment Monitoring wird zudem Hyperpersonalisierung in Echtzeit möglich. Unternehmen müssen jedoch den Balanceakt zwischen Personalisierung und Datenschutz sorgfältig meistern.

  3. Predictive Selling im Vertrieb
    Im Vertrieb ermöglichen GenAI-gestützte CRM-Systeme präzise Vorhersagen über optimale Kundenangebote. Graph Neural Networks (GNNs) analysieren die komplexen Beziehungen zwischen Produkten, Kundeninteraktionen und Verkaufsabschlüssen, um Muster zu erkennen. Bayesian Inference berechnet die Wahrscheinlichkeit von Kundenreaktionen auf spezifische Angebote. Reinforcement Learning (RL) testet verschiedene Verkaufsstrategien und optimiert Next Best Actions (NBA) in Echtzeit. Ein B2B-Unternehmen konnte durch diese Kombination von Technologien seine Abschlussraten um 40 Prozent steigern. Die erfolgreiche Implementierung erfordert jedoch nicht nur technisches Know-how, sondern auch Change Management und kontinuierliche Weiterbildung der Vertriebsmitarbeiter.

  4. Automatische Mustererkennung und Fraud Detection bei der Transaktionsabwicklung
    KI-gestützte Analysesysteme verbessern die Erkennung von Unregelmäßigkeiten bei Transaktionen. Anomaly Detection mit Unsupervised Learning identifiziert untypische Muster in Transaktionsdaten. Computer-Vision-Technologien validieren eingereichte Dokumente automatisch. Ein Finanzdienstleister konnte Betrugsfälle um 70 Prozent schneller erkennen und gleichzeitig durch automatisierte Clustering-Modelle die Priorisierung von Support-Anfragen optimieren. Wichtig ist die kontinuierliche Weiterentwicklung der Modelle, um sich an neue Betrugsszenarien anzupassen, sowie die Sicherstellung menschlicher Kontrolle bei kritischen Entscheidungen.

  5. KI-gestützte Compliance-Automatisierung und Betrugserkennung im Risikomanagement
    Im Bereich Versicherungen und Finanzen werden NLP-Technologien und Knowledge Graphs zur Analyse von Vertragsunterlagen und Schadenmeldungen eingesetzt. Transformer-Modelle klassifizieren verdächtige Transaktionen mit hoher Präzision. Federated Learning ermöglicht es Unternehmen, KI-Modelle gemeinsam zu trainieren, ohne sensible Kundendaten direkt auszutauschen. In der Praxis konnten durch diese KI-gestützte Risikoanalyse die manuellen Prüfungsaufwände um etwa 50 Prozent reduziert werden, während legitime Schadenfälle schneller bearbeitet werden. Für kritische Fälle bleibt menschliche Expertise weiterhin unverzichtbar.

  6. Smarte Automatisierung im Kundenmanagement
    Die Integration von Conversational AI in Kundenservice-Prozesse ermöglicht natürlichere Dialoge und die Bearbeitung komplexer Anfragen. Speech-to-Text-Modelle analysieren Anrufe in Echtzeit und erkennen Kundenbedürfnisse. Sentiment-Analysis-Algorithmen erfassen die Stimmung des Kunden und passen die Antworten entsprechend an. Nach Implementierung solcher Systeme konnte ein Telekommunikationsanbieter mehr als 75 Prozent der Routineanfragen automatisieren und gleichzeitig die Kundenzufriedenheit durch personalisierte, kontextabhängige Kommunikation deutlich steigern. Unternehmen müssen jedoch transparent mit KI-basierter Kommunikation umgehen und stets einen reibungslosen Übergang zu menschlichen Mitarbeitern gewährleisten.

"Generative AI ist ein Katalysator für Effizienz, Innovation und nachhaltiges Wachstum", erklärt Tim Strohschneider, Head of Generative AI bei adesso. "Unternehmen profitieren von Automatisierung und Kostenreduktion, aber auch von einer völlig neuen Qualität in der Entscheidungsfindung und Kundeninteraktion. Wer GenAI als integralen Bestandteil der Geschäftsstrategie betrachtet, entwickelt Schritt für Schritt smartere Prozesse und sichert sich so langfristige Wettbewerbsfähigkeit in einem zunehmend KI-gesteuerten Markt."



Der Autor:

Tim Strohschneider ist Head of Generative AI der adesso SE. adesso ist einer der führenden IT-Dienstleister im deutschsprachigen Raum und konzentriert sich mit Beratung sowie individueller Softwareentwicklung auf die Kerngeschäftsprozesse von Unternehmen und öffentlichen Verwaltungen. 

Bildquelle: (C) adesso

Web: www.adesso.de

Diese Artikel könnten Sie auch interessieren

Sechs Bausteine zur KI-Readiness: Künstliche Intelligenz lebt von hochwertigen Daten und intelligenter Planung

Künstliche Intelligenz hat sich in den letzten Jahren zu einem der einflussreichsten Werkzeuge der Digitalisierung entwickelt. Sie ermöglicht es Unternehmen, Erkenntnisse aus riesigen Datenmengen zu gewinnen, Prozesse zu automatisieren und fundierte Entscheidungen in Echtzeit zu treffen. Doch bei allem Potenzial hängt der Erfolg von KI-Systemen von mehreren entscheidenden Faktoren ab, allen voran von der...

Weiterlesen

To-Dos für die Digital-Agenda: 9 wichtige Punkte, die Sie jetzt in Angriff nehmen sollten!

WISSENplus
Ob Künstliche Intelligenz, hybride Cloud-Lösungen oder nachhaltige IT: In den nächsten Monaten dürften einige Trends, die sich bereits länger am Horizont abzeichnen, an Fahrt aufnehmen. Unternehmen müssen sich damit beschäftigen, wollen sie nicht vom Wettbewerb abgehängt werden. Doch welche Entwicklungen sind zu erwarten? Und welche Maßnahmen sollten Unternehmen in Sachen Digitalisierung im A...

Weiterlesen

Insider Threats: Willkommen im Zeitalter der kriminellen KI!

WISSENplus
Künstliche Intelligenz (KI), ursprünglich als Treiber von Innovation und Effizienz gefeiert, wird zunehmend zur Waffe in den Händen von Cyberkriminellen. In einer digital vernetzten Welt nutzen Täter KI, um ihre Methoden zu perfektionieren, Angriffe zu automatisieren und neue Schwachstellen auszunutzen. Die Folge: Eine neue Dimension der Cyberkriminalität, die Privatpersonen, Unternehmen und Regie...

Weiterlesen

Effizientes Wissensmanagement im Maschinenbau

WISSENplus
Die Bedeutung von Wissensmanagement in der Industrie hat in den letzten Jahren enorm zugenommen. Insbesondere im Maschinenbau, der stark auf Präzision und Effizienz angewiesen ist, spielen optimierte Datenströme und Prozessautomatisierung eine zentrale Rolle. Dabei kann der Maschinenbau von der Telekommunikationsbranche lernen, wie eine durchdachte Struktur für den Umgang mit Daten aussehen sollte....

Weiterlesen

Zehn Must-dos zur Betrugsbekämpfung im Zeitalter von KI

Weltweit sehen sich Unternehmen mit einer Zunahme von Betrugsfällen konfrontiert, auch weil gewiefte Kriminelle zunehmend KI einsetzen. Deren Funktionalitäten nutzen etwa Deepfake-Software, automatisierte Phishing-Systeme, Chatbots und fortschrittliche Datenanalysen, die Betrugsversuche vereinfachen....

Weiterlesen

KI zwischen Innovation und Regulierung

WISSENplus
In der Diskussion um die Nutzung von generativer KI wird immer wieder ein Zielkonflikt zwischen Innovation und Regulierung thematisiert, die sich angeblich gegenseitig behindern. Aber ist das tatsächlich so? Auf den ersten Blick mag das stimmen, aber letztlich ist die rechtskonforme Entwicklung von KI vor allem eine Frage des richtigen Managements. Compliance-Bedenken dürfen daher keine Ausrede dafÃ...

Weiterlesen

Wissensmanagement – (k)eine Frage neuer Tools

WISSENplus
Das Schweizerische Tropen- und Public Health-Institut (Swiss TPH) ist zur Erfüllung seines Mandats gegenüber seinen Geldgebern auf eine gute interne und externe Zusammenarbeit angewiesen: Gebäude und Arbeitsumgebung, Kultur, Strukturen und Werkzeuge sind darauf ausgerichtet, dass die Mitarbeitenden optimal gemeinsam an Forschungs- und Umsetzungsprojekten arbeiten können. Die Arbeitskultur und -umge...

Weiterlesen