Hyperscaler | Competivation

KI als Werkzeug für das strategische Management

01.05.25

Die Künstliche Intelligenz (KI) entwickelt sich gegenwärtig zu einem mächtigen Werkzeug für das strategisches Management, das Lernprozesse beschleunigt, verstärkt und verändert. Dies gilt sowohl für die Unternehmensebene als auch für die Ebene der Funktionsbereiche und Geschäftsprozesse. Vorreiter-Unternehmen setzen eine wissensspezifische KI in den verschiedenen Phasen von Strategieprozessen ein und erzielen Wettbewerbsvorteile mit innovativen, KI-basierten Geschäftsmodellen. Dabei hat die generative KI den Charakter eines Weckrufs.

In unserer Blogpost-Reihe zur Künstlichen Intelligenz beschäftigt sich dieser Beitrag mit der Rolle von KI im strategischen Management. Darin erläutere ich die zunehmende Bedeutung von KI in Strategieprozessen.

Generative KI als Weckruf

Die Anwendung von Künstlicher Intelligenz im strategischen Management ist nicht neu. Bereits seit der Jahrtausendwende haben US-amerikanische Digital-Unternehmen wie Amazon die KI-basierte Personalisierung im Rahmen ihrer innovativen Geschäftsmodelle eingesetzt.¹ Erstaunlicherweise ist der Beitrag der KI vielen Nutzern dieser Geschäftsmodelle nicht bewusst.

In unserem 2020 erschienenen Buch Das Internet der Dinge und Künstliche Intelligenz als Game Changer haben wir den Strategieprozess für neue IoT- und KI-basierte Geschäftsmodelle beschrieben²und relevante Geschäftsmodellmuster behandelt.³Zu dieser Zeit hielt sich das Interesse an dem Thema in Deutschland allerdings noch in Grenzen.

Der eigentliche Weckruf, der dann eine breite Öffentlichkeit wachgerüttelt hat, ist im November 2022 erfolgt, als OpenAI sein Dialogprogramm ChatGPT veröffentlichte. Diese Aktion löste einen Hype um die generative KI und große Sprachmodelle aus, dem eine gewisse Ernüchterung gefolgt ist.⁴

Viele Unternehmen fragen sich nun, welche Rolle die Künstliche Intelligenz in ihren Strategieprozessen spielen kann.

KI-unterstützte Strategieprozesse auf der Unternehmensebene

Eine Studie des Massachusetts Institute of Technology (MIT) kommt zu dem Ergebnis, dass Künstliche Intelligenz Lernprozesse beschleunigt und verstärkt.⁵ Ein solches erweitertes (augmented) Lernen setzt an den vorhandenen Lernfähigkeiten an. Ein wichtiges Anwendungsfeld sind die verschiedenen Phasen von innovativen Strategieprozessen, die Unternehmen zu einer neuen Form von Wettbewerbsvorteilen verhelfen.

Am Anfang steht ein KI-Audit zur Analyse der strategischen Ausgangssituationen des Unternehmens und seiner Anwendung von KI. Hieran schließt sich eine KI-unterstützte strategische Vorausschau (Foresight) an, die eine schnellere und leistungsfähigere Früherkennung ermöglicht. Die wissensspezifische KI ist auch ein Mittel bei der Neuausrichtung von Geschäftsmodellen. Eine weitere Phase ist die Gestaltung eines KI-orientierten Stakeholder-Ökosystems. Bei der Auswahl von Partnern gilt es, die richtige Balance zwischen Kooperation und Wettbewerb zu finden.

Eine Basis für relevante Anwendungen bilden innovative KI-Plattform-Architekturen, zu deren Realisierung Unternehmen in der Regel Partner benötigen. Die Umsetzung von Strategien erfolgt mit Hilfe eines agilen, KI-unterstützten Performance Managements. Dabei findet eine enge Abstimmung zwischen der Unternehmensebene und der Ebene verbundener Geschäftsprozesse statt.

Eine entscheidende Rolle bei agilen Strategieprozessen spielen strategische Lernschleifen, die in Form von schnellen Iterationen ablaufen. So wird die Analyse der strategischen Ausgangssituation zu einem dynamischen Prozess.

KI-Audit zur Analyse der strategischen Ausgangssituation

Eine Studie des Instituts der deutschen Wirtschaft (IW) kommt zu dem Ergebnis, KI könne bundesweit 330 Milliarden Euro zur Bruttowertschöpfung beitragen. Jedes fünfte Unternehmen setzt bereits KI ein. Die meisten Anwendungen sind aber eher punktuell, z.B. in Form von Chatbots für Kundenanfragen. Erstaunlicherweise sagen 66 Prozent der Unternehmen, KI sei für ihr Geschäftsmodell nicht relevant. 36 Prozent halten die Integration in bestehende Systeme für schwierig. Über das fehlende Know-how der Beschäftigten klagen 47 Prozent. Der NRW-Ministerpräsident Hendrik Wüst glaubt aber dennoch, KI könne der Motor für einen wirtschaftlichen Aufschwung sein.⁶

Um dieses Ziel zu erreichen, sollten Unternehmen ein KI-Audit durchführen und sich z.B. mit der SWOT-Analyse einen Überblick zu ihrer strategischen Ausgangssituation verschaffen.⁷ Interessanterweise ähneln sich die Ergebnisse einer solchen Analyse der Stärken, Schwächen, Möglichkeiten und Bedrohungen. Eine Stärke vieler Unternehmen ist, dass sie über viel spezifisches Wissen verfügen, welches das Potenzial zu einer Erweiterung durch KI hat. Dem stehen häufig Schwächen bei einer systematischen Verankerung von KI in Strategien und Prozessen gegenüber. Die Möglichkeiten von KI liegen sowohl in der Produktivitätssteigerung als auch in Innovationsvorteilen durch neue Produkte, Dienstleistungen und Geschäftsmodelle. Andererseits gibt es vielfältige Bedrohungen durch Konkurrenten, nicht-europäische Stakeholder-Ökosysteme und einen Missbrauch der in Künstlicher Intelligenz steckenden Macht.⁸

Auf dieser Grundlage geht es dann in einem nächsten Schritt darum, sich mit Hilfe einer KI-unterstützten strategischen Vorausschau noch besser auf zukünftige Entwicklungen vorzubereiten.

KI-unterstützte strategische Vorausschau

Die in den 1970er und 80er Jahren geprägten Begriffe strategische Früherkennung und Vorausschau (Foresight) haben eine längere Vorgeschichte, in der noch heute verbreitete Methoden wie die Szenarioanalyse entstanden sind. Der von uns entwickelte Gamechanger-Radar ermöglicht eine Vorbereitung auf tiefgreifende Veränderungen.⁹ Mit einer KI-unterstützten strategischen Vorausschau schreiben Vorreiter-Unternehmen nun ein neues Foresight-Kapitel. Dieses Kapitel geht von einem Wandel der Art und Weise aus, wie Menschen im Internet nach Informationen suchen.

So hat Google die neue Suchfunktion „Übersicht mit KI“ entwickelt, die zusammenfassende Texte zu Themen liefert. Ein Beispiel ist in der folgenden Abbildung dargestellt. Das Thema, das ich eingegeben habe, lautet: „Applying Complexity Theory in Management“. Die Antwort, die Google liefert, ist überraschend gut. Sie beschreibt den Paradigmenwechsel im strategischen Management, der sich in den vergangenen Jahrzehnten vollzogen hat, umfassender und besser als viele einzelne Publikationen zu diesem Thema.

Foresight-Anwender werden relativ schnell lernen, ihre Prompting-Fähigkeiten zu verbessern. Daneben entstehen gegenwärtig KI-unterstützte Foresight-Plattformen, die das frühzeitige Erkennen neuer Trends, die sich meist in Form von schwachen Signalen ankündigen, vereinfachen und beschleunigen.

Natürlich stellt diese Entwicklung auch eine Bedrohung für das traditionelle, mit Werbung verknüpfte Suchmaschinengeschäft von Google dar. Das Start-up Perplexity versucht z.B. mit seiner benutzerfreundlichen „Antwortmaschine“, Google Nutzer abzujagen. Es bleibt abzuwarten, wie sich dies auf den Gewinnbringer des Marktführers auswirken wird.¹⁰

Für komplexe Aufgabenstellungen wie die strategische Vorausschau bietet die Reasoning AI („argumentierende KI“) Vorteile. Sie wird inzwischen von einigen KI-Entwicklern angeboten. Beim Reasoning zerlegt die KI mögliche Anfragen in Teilprobleme und bearbeitet diese schrittweise. Ein solches langsameres Denken kostet mehr Computerleistung und Strom. Das „Nachdenken“ von KI nennen Entwickler Chain of Thought (CoT) im Sinne einer Argumentationskette. Reasoning-Modelle erreichen dies durch einen zusätzlichen Trainingsschritt, der mit Hilfe des Reinforcement Learning ausführliche Begründungen schult. Ähnlich wie ein erfahrener Mitarbeiter analysieren Reasoning-Modelle schrittweise komplexe Informationen. Dazu benötigen sie einen einzigen präzisen Prompt und viel Kontext. Die Anwendung von „argumentierender KI“ bei der strategischen Vorausschau befindet sich allerdings noch im Experimentierstadium.¹¹

KI-basierte Neuausrichtung von Geschäftsmodellen

Gegenwärtig entstehen innovative Geschäftsmodelle für eine KI-basierte Robotik. Hierin liegt eine Chance für Europa. Die Stanford-Professorin und große „Patin der KI“ Fei-Fei Li hat das Start-up World Labs gegründet, das KI-Modelle für eine räumliche Intelligenz von Robotern entwickelt, die Maschinen unterstützen. Auch die Google-Tochter DeepMind und der Digital-Gigant Nvidia arbeiten an Partnernetzwerken für KI-basierte menschenähnliche Roboter. Viele der Partner kommen aus Europa. Neben bekannten Robotik-Unternehmen entstehen hier Start-ups wie Anybotics (Schweiz) sowie Agile Robots, Neura Robotics und Quantum Systems aus Deutschland, die aber nicht über so große finanzielle Mittel verfügen, wie ihre Wettbewerber aus den USA (z.B. Figure AI und Covariant). Für Europa kommt es darauf an, möglichst schnell die Chancen zu nutzen, die sich aus der Verbindung von tiefem branchenspezifischem Wissen und innovativen KI-Modellen ergeben.¹²

Bei einer KI-basierten Neuausrichtung von Geschäftsmodellen sind zwei Dimensionen relevant. Diese Dimensionen sind die Produktivitätsorientierung und die Innovationsorientierung. Die meisten Unternehmen beginnen mit einer KI-basierten Produktivitätssteigerung und setzen KI bei Routineprozessen ein, um Personalkosten zu senken. Daneben sind inzwischen viele Anwendungsfelder für KI-basierte Innovationen entstanden. Wenn beide Dimensionen zusammenkommen, sprechen wir von einer KI-basierten Ambidextrie. Der Begriff Ambidextrie kennzeichnet ursprünglich im Sport die Fähigkeit zum Einsatz beider Hände. Übertragen auf das Management beschreibt Ambidextrous Leadership eine Führung, die eine gute Balance zwischen Innovation und Produktivität findet.¹³

Aufgrund der spezifischen Anwendungen dieser beiden Dimensionen in Branchen und Unternehmen ergibt sich eine große Vielfalt an KI-basierter Ambidextrie. Dabei sind die neuen Geschäftsmodelle in KI-orientierte Stakeholder-Ökosysteme eingebettet.

KI-orientierte Stakeholder-Ökosysteme

Die deutsche und die europäische Politik planen eine Leistungssteigerung ihres KI-Ökosystems. Angesichts einer sich wandelnden geopolitischen Lage sieht der Koalitionsvertrag der neuen Bundesregierung eine Stärkung der digitalen Souveränität vor. Die Digitalpolitik der Europäischen Union (EU) zielt in die gleiche Richtung. Geplant sind fünf riesige Rechenzentren, um den Rückstand bei der Künstlichen Intelligenz aufzuholen. Kandidaten für eine solche Gigafactory in Deutschland sind die Standorte Jülich und Stuttgart. Bei der KI-Regulierung möchte die EU die Wettbewerbsfähigkeit stärker in den Mittelpunkt stellen und Bürokratie abbauen. Hierzu liegt der Entwurf eines EU-Aktionsplans vor. Ob diese Maßnahmen ausreichen, um die Abhängigkeit von den großen Cloud-Anbietern (Hyperscaler) aus den USA zu verringern, bleibt abzuwarten.¹⁴

Auch bei einer Gestaltung des KI-orientierten Stakeholder-Ökosystems eines Unternehmens¹⁵ sind zwei Dimensionen zu beachten. Die eine Dimension ist die Abhängigkeit von mächtigen, nicht-europäischen KI-Anbietern. Um diese Abhängigkeit zu verringern, gewinnt als zweite Dimension für Unternehmen eine Verbesserung der eigenen Kompetenzen zur Entwicklung und Anwendung von Künstlicher Intelligenz an Bedeutung. In der Hype-Phase von KI-Grundlagenmodellen hat die Abhängigkeit von US-amerikanischen Anbietern zugenommen. Die Chance für Europa liegt nun vor allem bei wissensspezifischen KI-Modellen für verschiedene Anwendungen. Durch eine Verbindung dieser beiden Dimensionen entstehen hybride KI-Ökosysteme. Eine solche Konnektivität erfordert spezifische Fähigkeiten.

Angesichts der geopolitischen Unsicherheiten stehen Unternehmen bei der Gestaltung ihres KI-Ökosystems vor der schweren Aufgabe, die richtigen Partnern zu finden. Dabei sind die Übergänge zwischen Kooperation und Wettbewerb fließend. Eine solche Situation beschreibt der Begriff Coopetition.¹⁶ Für eine Kombination von Cooperation und Competition fehlen bei KI-Ökosystemen bislang aber noch die theoretischen Grundlagen. Ein wichtiges Anwendungsfeld ist die Auswahl und eigene Entwicklung von innovativen KI-Plattform-Architekturen.

Innovative KI-Plattform-Architekturen

Der Chiphersteller AMD und das zu AMD gehörende finnische Start-up Silo AI arbeiten mit den Unternehmen der schwedischen Wallenberg-Gruppe zusammen. Der Nvidia-Wettbewerber AMD hat eine Partnerschaft mit 38 Unternehmen bekannt gegeben. Hierzu gehören u.a. AstraZeneca, Scania, Saab, Ericsson und IKEA. Die Zusammenarbeit koordiniert das Wallenberg-Innovationsnetzwerk Combient. Das Ziel ist eine Skalierung unternehmensspezifischer KI-Modelle. Während OpenAI seine KI-Modelle auf Nvidia-Chips trainiert, verwendet Silo AI Chips von AMD. Die Rolle von Silo AI ist, den Einsatz von KI-Modellen bei Unternehmen, die AMD-Plattformen nutzen, zu beschleunigen. Eine wichtige Rolle spielt dabei, auf welcher Infrastruktur die Arbeiten begonnen haben, da ein Umzug aufwändig ist. Silo AI setzt multimodale KI-Agenten ein, also Modelle, die neben Sprache auch Bilder und Audiodateien verarbeiten.¹⁷

Etablierte Digital-Unternehmen praktizieren seit geraumer Zeit eine Organisationsform, in deren Zentrum sich eine IT-Plattform befindet.¹⁸ Mit der zunehmenden Bedeutung von Künstlicher Intelligenz wird dieses Konzept für etablierte Unternehmen immer relevanter. Dabei verbinden innovative KI-Plattform-Architekturen sowohl die strategische und die operative Ebene als auch zentrale und dezentrale Organisationseinheiten. Dies ermöglicht, dass alle Geschäftsprozesse und Projekte Zugang zu einer gemeinsamen Datenbasis haben. Aufgrund ihrer verbindenden Rolle werden KI-Plattformen somit nicht nur zu einem Strategiebaustein, sondern auch zu einem wichtigen organisatorischen Gestaltungselement. Eine nicht einfach zu beantwortende Frage ist, wie groß der Anteil von Partnern und der eigene Anteil bei einer solchen KI-Plattform sein soll.

Innovative Plattform-Architekturen liefern auch die Infrastruktur für ein KI-unterstütztes Performance Management.

KI-unterstütztes Performance Management

Bei der Beantwortung der Frage, wie Künstliche Intelligenz das Performance Management verbessern kann, hilft ein Blick in die Geschichte der Leistungsmessung. Wichtige konzeptionelle Grundlagen liefern das von Peter Drucker entwickelte Management bei Objectives (MbO) und die von dem Organisationspsychologen Edwin Locke stammende Zielsetzungstheorie. Bereits in den 1980er Jahren entstand bei Intel die agile Objectives and Key Results (OKR-) Methode, die der Wagniskapitalgeber Kleiner Perkins z.B. bei Google einsetzte.¹⁹ In Deutschland wesentlich bekannter ist die aus einer Best-Practice-Studie von Robert Kaplan und David Norton hervorgegangene Balanced-Scorecard-Methode.²⁰ Ein von Kleiner Perkins und dem Start-up Betterworks gestaltetes, KI-unterstütztes Performance Management zielt nun auf eine bessere Verbindung von Strategie und Motivation ab.

Für das Jahr 2025 gehört die Künstliche Intelligenz zwar zu den Topthemen des Managements, viele Unternehmen formulieren aber weder konkrete KI-Ziele noch messen sie die Ergebnisse. Eine weltweite BCG-Studie, in der 1800 Manager befragt wurden, kommt zu dem Ergebnis, dass nur 24 Prozent der Unternehmen ihre operativen und finanziellen KI-Ziele nachverfolgen. Ein KI-unterstütztes Performance Management steht vor drei Herausforderungen. Diese Herausforderungen sind:²¹

Frühe Erprobungsversuche nicht abwürgen
geeignete Schlüsselergebnisse für den Erfolg einer einzelnen Maßnahme festlegen und darüber hinaus
die längerfristigen Effekte erfassen, die aus dem Zusammenwirken verschiedener Maßnahmen resultieren.

Die agile OKR-Methode liefert hierfür eine konzeptionelle Basis, bedarf aber einer Anpassung. Der OKR-Pionier Kleiner Perkins ist einer der Kapitalgeber des Anbieters von Performance-Management-Software Betterworks. Die Vision des 2013 gegründeten Unternehmens mit Sitz in Palo Alto ist, das traditionelle Performance Management weiterzuentwickeln. Eine wichtige Rolle spielt dabei KI als Co-Pilot. Zeitgewinne bei Routineaufgaben können Manager so in eine bessere Harmonisierung strategischer und operativer Projekte investieren. Wichtige Anwendungsfälle (Use Cases) sind:²²

Eine Abstimmung von anspruchsvollen Unternehmenszielen und persönlichen Zielen
datenbasierte, motivierende Feedbacks sowie
die Unterstützung von Kommunikations- und Lernprozessen.

Der angestrebte Nutzen, der zum Gesamterfolg beiträgt, ist:

Eine Verringerung von Voreingenommenheit (bias), mehr Fairness und Objektivität
eine erhöhte Produktivität sowie
bessere persönliche Beziehungen.

Damit kommt das Performance Management dem schon von der Zielsetzungstheorie verfolgten Motivationsgedanken einen Schritt näher.

Mit der zunehmenden Bedeutung von Künstlicher Intelligenz im strategischen Management wird neben praktischen Fähigkeiten beim Umgang mit KI als Werkzeug die geopolitische Kompetenz bei der Zusammenarbeit mit Stakeholdern immer wichtiger. Eine Grundlage hierfür ist ein starkes Zukunftsnarrativ.

Ein starkes Zukunftsnarrativ als Grundlage

In unserem 2020 erschienenen Buch zum Gamechanger-Potenzial der Künstlichen Intelligenz haben wir uns kritisch mit der europäischen und der deutschen Digitalpolitik auseinandergesetzt.²³ Die neue Bundesregierung steht nun vor der Aufgabe, ein starkes Zukunftsnarrativ zu entwickeln, das verschiedene Politikfelder verbindet.²⁴ Ein Ansatz zu einer solchen dringend benötigten, großen Erzählung ist die Anwendung von vertrauenswürdiger KI sowohl zur Steigerung der Produktivität als auch zur Lösung der Innovations- und Umweltprobleme von Organisationen. Im Mittelpunkt steht dabei die bereits skizzierte neue Form der Ambidextrie.

Die traditionelle Ambidextrie strebt eine Balance zwischen der Erschließung von Innovationspotenzialen (Exploration) und der Ausschöpfung von Produktivität (Exploitation) an. Mit Hilfe einer KI, die vertrauenswürdig sein sollte, bietet sich nun die Möglichkeit, gleichzeitig

durch Produktivitätssteigerungen die Arbeitskosten zu senken, dem Fachkräftemangel zu begegnen²⁵ und
qualifiziertes Personal stärker zur digitalen und ökologischen Neuausrichtung von Organisationen einzusetzen.²⁶

Angesichts der veränderten geopolitischen Lage ergibt sich für eine AI made in Europe ein Zeitfenster, das der „alte Kontinent“ nutzen sollte, um die Weltmarktführerschaft bei notwendigen Nachhaltigkeitsinnovationen anzustreben.²⁷ Aufgrund der Vielzahl der zu bewältigenden Krisen erfordert dies zunächst ein resilienzorientiertes strategisches Management.²⁸

Fazit

Strategieprozesse werden durch die Anwendung von Künstlicher Intelligenz leistungsfähiger
Eine wissensspezifische KI unterstützt die strategische Vorausschau, eine Neuausrichtung von Geschäftsmodellen, die Gestaltung von Stakeholder-Ökosystemen, innovative Plattform-Architekturen und das Performance Management
Vorreiter-Unternehmen arbeiten an einer KI-basierten Ambidextrie
Angesichts der geopolitischen Herausforderungen kommt es entscheidend auf die Wahl der richtigen Partner an.

Literatur

[1] Servatius, H.G., Wettbewerbsvorteile mit wissensspezifischer KI. In: Competivation Blog, 11.02.2025

[2] Kaufmann, T., Servatius, H.G., Das Internet der Dinge und Künstliche Intelligenz als Game Changer – Wege zu einem Management 4.0 und einer digitalen Architektur, SpringerVieweg 2020, S. 56ff.

[3] Kaufmann, Servatius, a.a.O., S. 34ff.

[4] Servatius, H.G., Entwicklung der KI-Technologien. In: Competivation Blog, 19.02.2025

[5] Alavi, M., Westerman, G., How GenAI Will Transform Knowledge Work. In: Harvard Business Review, 7. November 2023

[6] Höning, A., Kowalewski, R., Jeder fünfte Betrieb in NRW nutzt KI. In: Rheinische Post, 13. November 2025, S. 1

[7] Servatius, H.G., Auditierung des Innovationssystems eines Unternehmens. In: Competivation Blog, 19.03.2015

[8] Suleyman, M., Bhaskar, M., The Coming Wave – Technology, Power and the Twenty-First Century‘s Greatest Dilemma, Crown 2023

[9] Servatius, H.G., Strategische Vorausschau mit einem Game-Changer-Radar. In: Competivation Blog, 27.01.2021

[10] Alvares de Souza Soares, P., Geldmaschine Google – Wie lange noch? In: Handelsblatt, 25./26./27. April 2025, S. 26-27

[11] Knees, L., Warum Nutzer mehr für langsame KI zahlen. In: Handelsblatt, 31. März 2025, S. 24-25

[12] Holtermann, F., Schimroszik, N., Die Roboter kommen! In: Handelsblatt, 3./4./5. Januar 2025, S. 44-48

[13] O’Reilley, C., Tushman, M., Lead and Disrupt – How to Solve the Innovator‘s Dilemma, Stanford Business Books 2016

[14] Bomke, L., et al., Europa will eigene KI-Factories bauen. In: Handelsblatt, 9. April 2025, S. 6-7

[15] Servatius, H.G., Gestaltung von innovativen Stakeholder-Ökosystemen. In: Competivation Blog, 10.01.2023

[16] Brandenburger, A.M., Nalebuff, B.J., Co-Opetition – A Revolutionary Mindset That Combines Competition and Co-Operation, Bantam 1996

[17] Holzki, L., AMD schließt Partnerschaft mit der Industrie. In: Handelsblatt, 30. Januar 2025, S. 24

[18] Servatius, H.G., Die Ressourcen-Plattform mit agilen Teams als neue Organisationsform. In: Competivation Blog, 12.01.2021

[19] Doerr, J., Measure What Matters – How Google, Bono and the Gates Foundation Rock the World with OKRs, Portfolio/Penguin 2018

[20] Kaplan, R.S., Norton, D.P., Balanced Scorecard – Translating Strategy into Action, Harvard Business School Press 1996

[21] Bomke, L., Höppner, A., Nur wenige Unternehmen messen ihre KI-Initiativen. In: Handelsblatt, 16. Januar 2025, S. 21

[22] Gouldsberry, M., The Pivotal Role of AI in Performance Management, 11. Januar 2025

[23] Kaufmann, Servatius, a.a.O, S. 203ff.

[24] Servatius, H.G., Auf dem Weg zu einem neuen wirtschaftspolitischen Narrativ. In: Competivation Blog, 16.05.2022

[25] Servatius, H.G., Prozessorientierte KI zur Produktivitätssteigerung. In: Competivation Blog, 12.03.2025

[26] Servatius, H.G., KI und die Zukunft der Management Education. In: Competivation Blog, 09.04.2025

[27] Servatius, H.G., Nachhaltigkeitsorientiertes strategisches Management. In: Competivation Blog, 15.08.2024

[28] Servatius, H.G., Resilienzorientiertes strategisches Management. In: Competivation Blog, 15.03.2024

Prozessorientierte KI zur Produktivitätssteigerung

12.03.25

Ein wichtiges Anwendungsfeld für Technologien der Künstlichen Intelligenz (KI) ist die Produktivitätssteigerung von Prozessen und Aufgaben. Diese bislang letzte Phase des Prozessmanagements hat eine längere Entwicklungsgeschichte, die weniger im Mittelpunkt des Interesses stand als die Gestaltung der Aufbauorganisation von Unternehmen. Inzwischen ist der Einsatz von prozessorientierter KI zu einer neuen Quelle von Wettbewerbsvorteilen geworden. Daher ist es spannend, sich näher mit der Entwicklung des Prozessmanagements zu beschäftigen.

In dieser Fortsetzung unserer Blogpost-Reihe zur Künstlichen Intelligenz beschäftige ich mich mit dem Beitrag der KI zu einer Produktivitätssteigerung von Prozessen, die Ressourcen für Innovationen freisetzt.

Entwicklung des Prozessmanagements

Die Entwicklung des Prozessmanagements ist in drei Phasen verlaufen. Diese Phasen sind durch ein Zusammenwirken der Ingenieurwissenschaft, Managementwissenschaft und Informationstechnik geprägt. Der Fokus der ersten Phase lag auf dem Produktionsmanagement. In der zweiten Phase verlagerte sich der Schwerpunkt auf das Management von Geschäftsprozessen. In der gegenwärtigen dritten Phase rückt das Management von prozessorientierter Künstlicher Intelligenz (KI) in den Mittelpunkt des Interesses.

In der ingenieurwissenschaftlich geprägten ersten Phase ging es vor allem um die Zerlegung, Gestaltung und Automatisierung von Produktionsprozessen. Bedeutende Rationalisierungsimpulse gingen Anfang des 20. Jahrhunderts von dem Ingenieur und Berater Frederick Winslow Taylor aus, der eine Zerlegung von Arbeitsabläufen in kleine Schritte propagierte. In der Produktionstechnik entstand eine Spezialisierung auf verschiedene Fachgebiete wie Fertigungstechnik sowie Prozess- und Verfahrenstechnik. Die Automatisierung von Produktionsprozessen erfolgte mit Hilfe der Mess- und Regeltechnik und der Robotik.

Die deutsche Industrie ist in diesem Bereich der Wirtschaft sowohl auf der Angebots- als auch auf der Nachfrageseite seit vielen Jahrzehnten weltweit führend.

IT-unterstützte Prozessoptimierung und -innovation

Die entscheidende Grundlage für eine zweite Phase des Prozessmanagements legte der deutsche Wirtschaftsinformatik-Professor und Unternehmensgründer August-Wilhelm Scheer. 1984 forderte Scheer in seinem Buch EDV-orientierte Betriebswirtschaftslehre, eine IT-unterstützte Prozessorganisation zu gestalten. Diesen Grundgedanken entwickelte er gemeinsam mit SAP, dem heute weltweit führenden Anbieter von Enterprise Resource Planning (ERP-) Systemen, weiter. In seinem 1991 erschienenen Buch Architektur integrierter Informationssysteme ARIS lieferte er ein Rahmenkonzept für die Beschreibung von Geschäftsprozessen.¹

Die Optimierung und Innovation von Geschäftsprozessen wird durch Referenzmodelle unterstützt. Anfang der 1990er Jahre entwickelte August Wilhelm Scheer gemeinsam mit SAP das Modell der Ereignisgesteuerten Prozesskette (EPK), um auch komplexere Prozesse zu beschreiben. Dieses Modell bildete die Grundlage für das R/3-System von SAP. Eine EPK besteht aus den vier Elementen²

Ereignis: Wann soll etwas gemacht werden?
Funktion: Was soll gemacht werden?
Organisationseinheit: Wer soll etwas machen?
und Informationsobjekte: Welche Informationen sind nötig?

Ein Enterprise Resource Planning (ERP-) System, ist eine modular aufgebaute Software, bei der betriebswirtschaftliche Anwendungen (Applikationen) durch eine gemeinsame Datenbasis verbunden sind. Typische Applikationen sind Finanzen und Controlling oder Einkauf und Logistik. Weitere Merkmale von ERP-Systemen sind z.B. die Prozessintegration, ein einheitliches Entwicklungskonzept, eine Client-/ Server-Architektur sowie die Trennung von organisatorischer Sicht und technischer Sicht (Mandantenfähigkeit). Die Einführung von ERP-Systemen erfolgt schrittweise funktionsorientiert bzw. prozessorientiert (sukzessiv) oder stichtagsbezogen (Big Bang).³

In den 1990er Jahren war das Reengineering der Geschäftsprozesse eines der wichtigsten Managementthemen. Ausgelöst hat den Hype das 1993 erschienene Buch Reengineering the Corporation von Michael Hammer und James Champy.⁴ Das ebenfalls 1993 publizierte Buch von Thomas Davenport beschäftigt sich mit Informationstechnologien als Treiber von Prozessinnovationen.⁵ Mein 1994 erschienenes Buch Reengineering-Programme umsetzen war die erste deutschsprachige Buchpublikation zu dem Thema.⁶

Der Untertitel „Von erstarrten Strukturen zu fließenden Prozessen“ knüpft an meine 1991 erschienene Habilitation an, in der ich den schrittweisen Paradigmenwechsel im strategischen Management von mechanistisch zu komplexitätsbewältigend behandele.⁷ Dieser Wechsel des Paradigmas sollte sich in einem evolutionären Wandel von Organisationen fortsetzen. Ein Beispiel ist eine Forschung und Produktion, die sich stärker am Kundenbedarf orientiert.

Seit 2015 forciert SAP die Migration seiner Kunden auf das ERP-System SAP S/4 HANA. Es stehen die folgenden Versionen zur Auswahl

On-Premise: Kunde erwirbt Softwarelizenz
Cloud: Installation in der Public Cloud von SAP und
Hybrid: Installation in einer Private Cloud.

Trotz Programmen wie Rise with SAP haben viele Bestandskunden noch keine Lizenzen für S/4 HANA gekauft. Eine Verbesserung soll die Akquisition des Bonner Start-ups LeanIX bringen. Dessen Plattform verschafft Unternehmen einen Überblick über ihre IT-Systeme (,,Google Map für die IT“). Das Nutzenversprechen ist eine Reduktion der Komplexität mehrerer ERP-Systeme mit unterschiedlicher individueller Konfiguration. So möchte SAP einen Wechsel zu S/4 HANA einfacher gestalten und seinen Kunden den Weg in die Cloud erleichtern. 2023 hat LeanIX einen KI-Assistenten eingeführt, der auf dem Sprachmodell GPT von OpenAI basiert.⁸

Eine erste Definition von Big Data stammt von Doug Laney aus dem Jahr 2001 (,,Datenmengen, die größer sind, als man es gewöhnt ist“). Seit etwa 2010 ersetzt der Begriff andere Bezeichnungen, wie z.B. Business Intelligence and Analytics. Wichtig sind dabei die fünf Vs: Volume, Velocity, Variety, Value and Validity. Die Verarbeitung von großen Datenmengen kann durch Cloud Computing erfolgen. Weltmarktführer in diesem Geschäftsfeld der ,,Hyperscaler“ ist Amazon Web Services (AWS) gefolgt von Microsoft (Azure). Zur Nutzung setzen viele Unternehmen das Geschäftsmodellmuster Pay-per-use ein.

Produktivitätssteigerung mit Robotic Process Automation

Neue Möglichkeiten zur Produktivitätssteigerung ergeben sich durch die auf dem Process Mining basierenden KI-Technologien. Das Process Mining ist in der Schnittmenge von Geschäftsprozess-Management und Big Data entstanden. Es analysiert Daten, die reale Prozesse erzeugen, analysiert diese, vergleicht Soll- mit Ist-Daten und beseitigt Mängel. Hieraus resultieren innovative Ansätze zur Produktivitätssteigerung mit Hilfe von Technologien der Künstlichen Intelligenz (KI). Eine solche KI-Technologie ist die Robotic Process Automation (RPA). RPA-Programme sind regelbasierte Softwareroboter (,,Bots“), die Routineaufgeben übernehmen können, z.B. die Reisekostenabrechnung.⁹ Das wertvollste deutsche Start-up, Celonis aus München, ist in diesem Feld tätig.

Ähnlich wie Celonis strebt nun auch SAP einen nächsten Entwicklungsschritt an. Im Rahmen seiner AI-first-Strategie hat SAP eine neue Business Data Cloud vorgestellt, die die Aufbereitung und Analyse von Daten erleichtern soll. Nach einer Studie des Verbands Bitkom schöpfen weniger als 40 Prozent der Unternehmen in Deutschland das Potenzial der ihnen zur Verfügung stehenden Daten aus. Die neue KI-Plattform ist eine Art Übersetzer, der die Daten in eine einheitliche Sprache überführen soll. Dabei arbeitet SAP mit dem US-Unternehmen Databricks zusammen. Die Datenbasis bildet die Grundlage für eine Weiterentwicklung des SAP-KI-Assistenten Joule zu einer Art „Superagent“ für eine Vielzahl von Aufgaben. Damit möchte SAP seine Produkte wieder zu einem „einheitlichen System“ in der Cloud zusammenführen. Das Nutzenversprechen ist eine Künstliche Intelligenz, die die ganze Organisation der SAP-Kunden produktiver macht.¹⁰

Zusammenarbeit mit KI-Assistenten

Die Data-Intelligence-Plattform von Databricks basiert auf einer Lakehouse-Architektur, die Data Lakes und Warehouses kombiniert. Ein Lakehouse basiert auf Open Source und offenen Standards. Es vereinfacht den Datenbestand, indem es Silos eliminiert.

Außerdem entwickeln Start-ups KI-Lösungen für spezifische Geschäftsprozesse wie das Qualitätsmanagement. Das Münchner Start-up Datagon AI hat eine KI entwickelt, die anstrebt, Produktionsdaten in ein individuelles und optimiertes Qualitätsmanagement umzuwandeln. Die KI lernt, welche Datenstruktur auf eine fehlerfreie Produktion z.B. von Fahrzeugen hindeutet und erkennt Abweichungen von dieser Struktur. So sollen 15 bis 20 Prozent mehr Fehler erkannt werden als mit standardisierten Testverfahren. Grundlage ist das Datenmuster eines fehlerfreien Produktionsprozesses. Datagon bezeichnet seine KI-Lösung als Game Changer für das Qualitätsmanagement.¹¹

Zunehmende Bedeutung bei der Produktivitätssteigerung haben auch KI-Assistenten für Routineaufgaben. Ein solcher KI-Assistent unterstützt z.B. den Vertrieb bei Würth. Das Motto von Reinhold Würth ist: „Sie sind nicht beim Würth angestellt, sondern bei Ihren Kunden“. Würth hat die Schraubenhandlung seines Vaters zu einem Weltkonzern für Montage- und Befestigungstechnik mit mehr als 20 Milliarden Euro Umsatz ausgebaut. Der bei Würth entwickelte KI-Assistent Pico hilft Vertriebsmitarbeitenden bei¹²

der Routenplanung für Kundentermine
administrativen Aufgaben über eine Sprachsteuerung im Auto, z.B. beim
Schreiben von Rechnungen
der Beantwortung komplexer Fragen zur Vorbereitung auf Kundentermine.

Die Grundlage bildet eine systematische Datenerfassung der Produkte und Kunden des Unternehmens. Das jährliche IT-Budget liegt derzeit bei einer halben Milliarde Euro. Etwa ein Zehntel davon fließt in neue KI-Anwendungen.

Während große Organisationen ihre eigenen KI-Assistenten entwickeln, brauchen kleinere Unternehmen einen Partner. Die Sparkassen planen, alle Arbeitsplätze mit einem persönlichen KI-Assistenten auszustatten. Diesen Chatbot S-KI-Pilot hat der Sparkassen-IT-Dienstleister Finanz Informatik (FI) entwickelt. Die KI-Anwendungen laufen in FI-Rechenzentren. Die Entwicklung des Chatbots ist zu 80 Prozent auf der Grundlage des frei zugänglichen GPT-Modells des französischen Unternehmens Mistral AI erfolgt. Das Training läuft auf Basis des spezifischen internen Sparkassen-Wissens, das im Internet und in Prozessdokumentationen verfügbar ist. Auf diese Weise möchte die Gruppe ihre KI-Souveränität erhalten und dem zunehmenden Fachkräftemangel entgegenwirken. Ein wichtiges Ziel sind effizientere und schnellere Prozesse.¹³ Diese Möglichkeiten haben kleinere Unternehmen in der Regel nicht. Sie benötigen daher einen vertrauenswürdigen Dienstleister möglichst aus Europa, um mit einer wissensspezifischen KI Wettbewerbsvorteile zu erreichen.

Handlungsfelder beim organisatorischen Wandel

Eine Produktivitätssteigerung mit prozessorientierter KI ist nicht die einzige Aufgabe beim organisatorischen Wandel. Hinzu kommen die Handlungsfelder Aufbauorganisation, Projektmanagement und Personalentwicklung. In der Verbindung dieser Handlungsfelder lieht gegenwärtig eine große Herausforderung

Handlungsfelder des organisatorischen Wandel

Neben traditionellen Ansätzen zum Abbau von Hierarchien erproben Unternehmen wie Bayer des von Gary Hamel entwickelten Humanocracy-Ansatz zur Gestaltung einer schlankeren Aufbauorganisation.¹⁴ Die Umsetzung eines agilen Projektmanagements ist vor allem in etablierten Unternehmen mit einer Änderung des Mindsets verbunden. Darüber hinaus erfordert beim Thema KI ein Up- und Reskilling einer großen Anzahl von Mitarbeitenden neue Wege in der Personalentwicklung. Für eine Verbindung dieser Handlungsfelder gibt es bislang noch keine allgemeine theoretische Grundlage.

Fazit

Das interdisziplinäre Fachgebiet des Prozessmanagements hat sich in drei Phasen entwickelt.
In der gegenwärtig letzten Phase entstehen neue Möglichkeiten zur Produktivitätssteigerung mit Hilfe von Künstlicher Intelligenz.
Wichtige Impulse gehen dabei von der Robotic Process Automation und von KI-Assistenten aus.
Eine gemeinsam von SAP und Databricks entwickelte neue Plattform basiert auf der Lakehouse-Architektur.

Literatur

[1] Scheer, A.W., ARIS – Vom Geschäftsprozess zum Anwendungssystem, 4. Aufl., Berlin 2002

[2] Gadatsch, A., Grundkurs Geschäftsprozess-Management, 10. Aufl., Wiesbaden 2023, S. 126ff.

[3] Gadatsch, a.a.O., S.202ff.

[4] Hammer, M., Champy, J., Reengineering the Corporation – A Manifesto for Business Revolution, New York 1993

[5] Davenport, T.H., Process Innovation – Reengineering Work through Innovation Technology, Boston 1993

[6] Servatius, H.G., Reengineering-Programme umsetzen – Von erstarrten Strukturen zu fließenden Prozessen, Stuttgart 1994

[7] Servatius, H.G., Vom strategischen Management zur evolutionären Führung – Auf dem Wege zu einem ganzheitlichen Denken und Handeln, Stuttgart 1991

[8] Alvares de Souza Soares, P., et al., SAP kauft das Bonner Software-Start-up LeanIX. In: Handelsblatt, 8./9./10. September 2023, S. 23

[9] Gadatsch, a.a.O., S. 289ff.

[10] Kerkmann, C., SAP stellt „Superagenten“ vor. In: Handelsblatt, 14./15./16. Februar 2025, S. 30-31

[11] Knees, L., Bis zu 20 Prozent weniger Fehler. In: Handelsblatt, 21./22./23.Februar 2025, S. 34

[12] Buchenau, M., Ein Beifahrer namens Pico. In: Handelsblatt, 27./28./29. Dezember 2024, S.32

[13] Atzler, E., Kröner, A., KI-Assistent für 190.000 Mitarbeiter. In: Handelsblatt, 9. Januar 2025, S.28-29

[14] Hamel, G., Zanini, M., Humanocracy – Creating Organizations as Amazing as the People Inside Them, Boston 2020

Process-oriented AI to increase productivity

12.03.25

An important field of application for artificial intelligence (AI) technologies is increasing the productivity of processes and tasks. This latest phase of process management has a longer development history, which was less the focus of interest than the design of the organizational structure of companies. In the meantime, the use of process-oriented AI has become a new source of competitive advantage. It is therefore interesting to take a closer look at the development of process management.

In this continuation of our series of blog posts on artificial intelligence, I look at the contribution of AI to increasing the productivity of processes, freeing up resources for innovation.

Development of process management

The development of process management has proceeded in three phases. These phases are characterized by the interaction of engineering science, management science and information technology. The focus of the first phase was on production management. In the second phase, the focus shifted to the management of business processes. In the current third phase, the management of process-oriented artificial intelligence (AI) is becoming the focus of interest.

In the first phase, which was characterized by engineering science, the main focus was on breaking down, designing and automating production processes. At the beginning of the 20th century, significant rationalization impulses came from the engineer and consultant Frederick Winslow Taylor, who propagated the decomposition of work processes into small steps. In production engineering, specialization developed in various specialist areas such as mechanical engineering and chemical engineering. Production processes were automated with the help of measurement and control technology and robotics.

German industry has been a world leader in this sector of the economy for many decades, both on the supply and demand side.

IT-supported process optimization and innovation

The decisive foundation for a second phase of process management was laid by the German business informatics professor and company founder August-Wilhelm Scheer. In 1984, Scheer called for the creation of an IT-supported process organization in his book EDV-orientierte Betriebswirtschaftslehre. He developed this basic idea further together with SAP, now the world’s leading provider of enterprise resource planning (ERP) systems. In his book Architecture of Integrated Information Systems ARIS, published in 1991, he provided a framework concept for the description of business processes^1.

The optimization and innovation of business processes is supported by reference models. In the early 1990s, August Wilhelm Scheer together with SAP developed the event-driven process chain (EPC) model to describe more complex processes. This model formed the basis for SAP’s R/3 system. An EPC consists of four elements²

event: When should something be done?
function: What should be done?
organizational unit: Who should do what?
and information objects: What information is needed?

An Enterprise Resource Planning (ERP) system is a modular software system in which business applications are linked by a common database. Typical applications are finance and controlling or purchasing and logistics. Other features of ERP systems include process integration, a uniform development concept, a client/server architecture and the separation of the organizational view and the technical view (multi-client capability). ERP systems are introduced step by step in a function-oriented or process-oriented manner (successive) or on a key date basis (big bang).³

In the 1990s, the reengineering of business processes was one of the most important management topics. The hype was triggered by the book Reengineering the Corporation by Michael Hammer and James Champy, published in 1993.⁴Thomas Davenport’s book Process Innovation, also published in 1993, describes information technologies as the driving force.⁵My book Reengineering-Programme umsetzen, published in 1994, was the first German-language book on the subject.⁶

The subtitle „From rigid structures to flowing processes“ ties in with my habilitation published in 1991, in which I discuss the gradual paradigm shift in strategic management from mechanistic to managing complexity.⁷This change of paradigm should continue in an evolutionary change of organizations. One example is research and production that is more strongly oriented towards customer needs.

Since 2015, SAP has been accelerating the migration of its customers to the SAP S/4 HANA ERP system. The following versions are available

on-Premise: Customer purchases software license
cloud: Installation in the SAP public cloud and
hybrid: Installation in a private cloud.

Despite programs such as Rise with SAP, many existing customers have not yet purchased licenses for S/4 HANA. The acquisition of the Bonn-based start-up LeanIX should bring an improvement. Its platform provides companies with an overview of their IT systems („Google Map for IT“). The value proposition is a reduction in the complexity of multiple ERP systems with different individual configurations. In this way, SAP aims to simplify the transition to S/4 HANA and make it easier for its customers to move to the cloud. In 2023, LeanIX introduced an AI assistant based on the GPT language model from OpenAI.⁸

The first definition of big data was given by Doug Laney in 2001 („data volumes that are larger than we are used to“). Since around 2010, the term has replaced other terms, such as Business Intelligence and Analytics. The five Vs are important here: Volume, Velocity, Variety, Value and Validity. Large volumes of data can be processed using cloud computing. The global market leader in this „hyperscaler“ business area is Amazon Web Services (AWS), followed by Microsoft (Azure). Many companies use the pay-per-use business model.

Increasing productivity with robotic process automation

New opportunities to increase productivity arise from AI technologies based on process mining. Process mining emerged at the intersection of business process management and big data. It analyzes data generated by real processes, compares target and actual data and eliminates deficiencies. This results in innovative approaches to increasing productivity with the help of artificial intelligence (AI) technologies. One such AI technology is robotic process automation (RPA). RPA programs are rule-based software robots („bots“) that can take over routine tasks, e.g. travel expense accounting.⁹The most valuable German start-up, Celonis from Munich, is active in this field.

Similar to Celonis, SAP is now also aiming to take the next development step. As part of its AI-first strategy, SAP has a new Business Data Cloud that is designed to facilitate the processing and analysis of data. According to a study by the Bitkom association, less than 40 percent of companies in Germany are exploiting the potential of the data available to them. The new AI platform is a kind of translator designed to convert data into a standardized language. SAP is working together with the US company Databricks. The database forms the basis for the further development of the SAP AI assistant Joule into a kind of „super agent“ for a variety of tasks. SAP wants to use this to bring its products back together into a „unified system“ in the cloud. The value proposition is artificial intelligence that makes the entire organization of SAP customers more productive.¹⁰

Collaboration with AI assistants

Databricks‘ data intelligence platform is based on a lakehouse architecture that combines data lakes and warehouses. A lakehouse is based on open source and open standards. It simplifies the data inventory by eliminating silos.

Start-ups are also developing AI solutions for specific business processes such as quality management. The Munich-based start-up Datagon AI has developed an AI that aims to convert production data into individual and optimized quality management. The AI learns which data structure indicates error-free production of vehicles, for example, and recognizes deviations from this structure. The aim is to detect 15 to 20 percent more errors than with standardized test procedures. The basis is the data pattern of an error-free production process. Datagon describes its AI solution as a game changer for quality management.¹¹

AI assistants for routine tasks are also playing a more important role in increasing productivity. One such AI assistant supports Würth’s sales department, for example. Reinhold Würth’s motto is: „You are not employed by Würth, but by your customers“. Würth has expanded his father’s screw business into a global group for assembly and fastening technology with sales of more than EUR 20 billion. Pico, the AI assistant developed at Würth, helps sales employees with¹²

route planning for customer appointments
administrative tasks via voice control in the car, e.g. when writing invoices and
answering complex questions in preparation for customer appointments

This is based on systematic data collection of the company’s products and customers. The annual IT budget currently stands at half a billion euros. Around a tenth of this is invested in new AI applications.

While large organizations develop their own AI assistants, smaller companies need a partner. The savings banks are planning to equip all workstations with a personal AI assistant. This chatbot, S-KI-Pilot, was developed by the savings banks‘ IT service provider Finanz Informatik (FI). The AI applications run in FI data centers. The development of the chatbot is 80 percent based on the freely accessible GPT model of the French company Mistral AI. The training is based on specific internal savings bank knowledge that is available on the Internet and in process documentation. In this way, the group aims to maintain its AI sovereignty and counteract the increasing shortage of specialists. One important goal is to make processes more efficient and faster.¹³Smaller companies generally do not have these options. They therefore need a trustworthy service provider, preferably from Europe, in order achieve competitive advantages with knowledge-specific AI.

Fields of action for organizational change

Increasing productivity with process-oriented AI is not the only task in organizational change. There are also the fields of action organizational structure, project management and human resource development. Combining these fields of action is currently a major challenge.

In addition to traditional approaches to reducing hierarchies, companies such as Bayer are testing the humanocracy approach developed by Gary Hamel to create a leaner organizational structure.¹⁴The implementation of agile project management is associated with a change in mindset, especially in established companies. In addition, upskilling and reskilling a large number of employees requires new approaches to human resource development when it comes to AI. Currently there is no general theoretical basis for the connection these fields of action.

Conclusion

The interdisciplinary field of process management has developed in three phases
In the current final phase, new possibilities for increasing productivity are emerging with the help of artificial intelligence
Robotic process automation and AI assistants are providing important impetus here
A new platform developed jointly by SAP and Databricks is based on the Lakehouse architecture.

Literature

[1] Scheer, A.W., ARIS – From Business Process to Application System, 4th edition, Berlin 2002

[2] Gadatsch, A., Grundkurs Geschäftsprozess-Management, 10th edition, Wiesbaden 2023, p. 126ff.

[3] Gadatsch, op. cit. p. 202ff.

[4] Hammer, M., Champy, J., Reengineering the Corporation – A Manifesto for Business Revolution, New York 1993

[5] Davenport, T.H., Process Innovation – Reengineering Work through Innovation Technology, Boston 1993

[6] Servatius, H.G., Reengineering-Programme umsetzen – Von erstarrten Strukturen zu fließenden Prozessen, Stuttgart 1994

[7] Servatius, H.G., Vom strategischen Management zur evolutionären Führung – Auf dem Weg zu einem ganzheitlichen Denken und Handeln, Stuttgart 1991

[8] Alvares de Souza Soares, P., et al, SAP buys Bonn-based software start-up LeanIX. In: Handelsblatt, September 8/9/10, 2023, p. 23

[9] Gadatsch, op. cit. p. 289ff.

[10] Kerkmann, C., SAP introduces „super agents“. In: Handelsblatt, February 14/15/16, 2025, p. 30-31

[11] Knees, L., Up to 20 percent fewer errors. In: Handelsblatt, February 21/22/23, 2025, p. 34

[12] Buchenau, M., A passenger named Pico. In: Handelsblatt, December 27/28/29, 2024, p.32

[13] Atzler, E., Kröner, A., AI assistant for 190,000 employees. In: Handelsblatt, January 9, 2025, p.28-29

[14] Hamel, G., Zanini, M., Humanocracy – Creating Organizations as Amazing as the People Inside Them, Boston 2020

KI als Werkzeug für das strategische Management

Neueste Beiträge

CONNECTIVE MANAGEMENT