Forrester-Vorhersagen für 2026: Vom KI-Hype zu greifbaren Geschäftsergebnissen

EXPERTENKOMMENTAR

Gunnar Rohde

CEO, Striped Giraffe

Die Finanzchefs schreiten ein, weil die Wertentwicklung nicht mehr mit den Rechnungen übereinstimmt. KI-Programme, die keine Ergebnisse mit der Gewinn- und Verlustrechnung verknüpfen können, werden blockiert – und Führungskräfte, die keine Wertschöpfung instrumentalisieren, werden ihr Budget verlieren, bevor sie ihr Vertrauen verlieren. Diese Veränderung hat nichts mit einer Ablehnung der KI zu tun, sondern ist eine Ablehnung von Wunschdenken.

Führungskräfte sollten KI mit derselben Strenge und Disziplin behandeln wie jede andere strategische Kapitalinvestition.

• Messbare Wertbeiträge definieren, indem jede KI-Initiative an eine spezifische Umsatz-, Margen- oder Kostenlinie gekoppelt wird.
• Kosten und Nutzung erfassen, indem Sie den Modellverbrauch, die Inferenz-Effizienz und die Stückkosten in Echtzeit verfolgen.
• Verhandlungen mit Anbietern neu gestalten, indem transparente Leistungskennzahlen und verbrauchsbasierte Verträge gefordert werden.
• Experimente stoppen, indem Proof-of-Concepts (PoCs) über finanzgeführte Reviews mit quantifizierbaren Baselines freigegeben werden.

Profitieren werden nicht die größten Ausgeber, sondern die Unternehmen, die KI als wirtschaftlichen Motor behandeln, nicht als Storytelling-Übung.

EXPERTENKOMMENTAR

Alexandru Ilea

Head of AI Initiatives, Striped Giraffe

Viele KI-Initiativen starten schnell, scheitern aber ebenso schnell. Und dann richtet sich das Augenmerk immer auf den CIO. Das Problem ist nicht ein einzelnes gescheitertes Modell, sondern die fehlende unternehmensweite Disziplin dahinter.

CIOs, die vermeiden wollen, als „Last-Minute-Retter“ zu agieren, müssen jetzt die Leitplanken setzen, bevor Agenten in großem Maßstab ausgerollt werden und Präzisionsprobleme kritisch werden:

• Ein einheitliches Governance-Modell etablieren – ein bereichsübergreifendes Board, das Regeln, Entscheidungsrechte und Eskalationspfade definiert.
• Daten als verwaltetes Produkt behandeln – Verantwortliche benennen, Aktualisierungszyklen festlegen und konsistente Standards über alle Quellen hinweg durchsetzen.
• Automatisierte Qualitätskontrollen aufbauen – Validierungsprüfungen direkt in Agenten-Workflows integrieren, bevor Ausgaben freigegeben werden.
• Klare Autonomiegrenzen setzen – festlegen, welche Aktionen Agenten eigenständig ausführen dürfen und welche immer menschliche Freigabe erfordern.
• Bereichsübergreifende Verantwortung abstimmen – gemeinsame Kennzahlen, Review-Zyklen und gemeinsame Sign-offs für zentrale Agentenentscheidungen nutzen.

Ohne diese Grundlagen übernehmen CIOs nicht nur gescheiterte Projekte – sie müssen das organisatorische Vertrauen in KI wiederherstellen.

EXPERTENKOMMENTAR

Juliane Bauch

HR Manager, Striped Giraffe

Die Nachfrage nach Entwicklern, die KI-gestützte Architekturen gestalten können, wächst schneller als das Angebot – keine Recruiting-Kampagne löst das. Um Schritt zu halten, bauen Sie einen kontrollierten, strategisch gestärkten internen Talentpool auf:

• Formalisieren Sie Weiterbildungsprogramme im Bereich KI für Entwickler und lassen Sie sie gemeinsam mit erfahrenen Architekten an realen Projekten arbeiten, nicht an Sandbox-Projekten.
• Gestalten Sie Rollen neu, damit sich Ihre erfahrensten Entwickler auf das Systemdesign und die Überwachung konzentrieren können und nicht auf Ticket-Arbeit.
• Verwenden Sie Low-Code-, No-Code- und KI-gestützte Tools für routinemäßige Entwicklungsaufgaben, damit sich Ihre Ingenieure auf spezialisierte, hochkomplexe Arbeiten konzentrieren können, die wirklich menschliches Fachwissen erfordern.
• Nutzen Sie erfahrene IT-Partner, die einen Teil der Entwicklungsarbeit übernehmen und bei komplexen Builds praktische Unterstützung leisten können.

Unternehmen, die interne Weiterbildungen, intelligente Tools und Partnerunterstützung koordinieren, werden den Fachkräftemangel überwinden und die Einführung von KI beschleunigen.

EXPERTENKOMMENTAR

Julia Riegger

Data Protection Officer, Striped Giraffe

Mitarbeiter nutzen bereits persönliche KI-Tools für Aufgaben – oft effizienter als gescheiterte Unternehmensinitiativen. Dies birgt jedoch Risiken, da sensible Daten die Kontrolle des Unternehmens verlassen können.

Um Shadow AI zu managen, ohne Innovation zu behindern:

• Kritische Daten über alle Systeme identifizieren und klassifizieren.
• Sichere, überwachte KI-Umgebungen schaffen, inkl. Anonymisierung und Zugriffskontrollen.
• Mitarbeiter für verantwortungsvolle Nutzung und Datenhandling schulen, klare Regeln etablieren.
• Echtzeit-Monitoring implementieren, um ungewöhnliche Datenflüsse oder riskante Prompts frühzeitig zu erkennen.

So lassen sich Produktivitätsgewinne nutzen und Compliance-Risiken minimieren.

EXPERTENKOMMENTAR

Sophia Weiss

VP Digital Experience, Striped Giraffe

Generative KI liefert Inhalte – keine Sicherheit. Was Käufern fehlt, ist die Fähigkeit, zwischen korrekten und kommerziellen Informationen zu unterscheiden. Selbst ein einziger Fehler – eine halluzinierte Spezifikation oder eine ungenaue Produktempfehlung – kann das Vertrauen untergraben. Hier gewinnt menschliches Fachwissen wieder an strategischer Bedeutung.

Sie müssen die Rolle von Produktexperten und Customer Success-Teams neu gestalten:

• Statten Sie Experten mit KI-Copiloten aus, um Erkenntnisse und Empfehlungen vorab zu generieren.
• Verifizieren Sie KI-Ergebnisse anhand von verbindlichen Produkt-, Preis- und Compliance-Daten.
• Schulen Sie Experten darin, KI-Erkenntnisse zu validieren und deren Auswirkungen für Käufer zu quantifizieren.
• Beziehen Sie Experten als strategische Validierer in den Prozess ein, nicht als reaktive Unterstützung, während die KI Routineanfragen bearbeitet.
• Konsolidieren Sie Daten zu Produkten, Konfigurationen und Kunden, damit KI und Menschen auf dieselben zuverlässigen Informationen zurückgreifen können.

Unternehmen, die die Effizienz der KI nahtlos mit menschlicher Validierung kombinieren, werden neue Maßstäbe in Bezug auf das Vertrauen, die Erfahrung und die Conversion von Käufern setzen.

EXPERTENKOMMENTAR

Gunnar Rohde

CEO, Striped Giraffe

Der eigentliche Durchbruch bei B2B-Zahlungen wird in Agent-to-Agent-Workflows liegen, die Validierung, Bonitätsprüfungen und Abrechnungen ohne menschliches Zutun abwickeln. All dies funktioniert jedoch nicht, wenn die zugrunde liegenden Daten fragmentiert sind. Wenn Rechnungsfelder, Vertragsbedingungen oder Lieferantendatensätze in mehreren Versionen vorliegen, können Agenten keine zuverlässigen Entscheidungen treffen – sie replizieren lediglich menschliche Fehler mit maschineller Geschwindigkeit.

Führungskräfte sollten Folgendes tun:

• Harmonisieren Sie wichtige Finanzdaten – stellen Sie sicher, dass Rechnungen, Bestellungen, Auftragnehmerdaten, Kreditlimits und Zahlungsbedingungen einem einzigen verbindlichen Schema unterliegen.
• Stellen Sie einheitliche Daten über sichere APIs bereit – geben Sie Agenten kontrollierten, maschinenlesbaren Zugriff, um transparent zu arbeiten.
• Übersetzen Sie Abrechnungsregeln in maschinenlesbare Logik – kodifizieren Sie Rabatte, Streitfälle und Genehmigungsschwellen für die automatisierte Ausführung.
• Definieren Sie Ausnahmeregelungen – lassen Sie Agenten Unstimmigkeiten intelligent kennzeichnen, anstatt alles an Menschen weiterzuleiten.

Wenn die Datenbasis kohärent ist, automatisieren Agenten nicht nur Zahlungen, sondern komprimieren den gesamten Geschäftszyklus.

EXPERTENKOMMENTAR

Krzysztof Wiśniewski

VP Data Engineering, Striped Giraffe

Die eigentliche Herausforderung ist nicht das Gesetz selbst, sondern die Verwaltung, Weitergabe und Überprüfung hochwertiger Daten mit Lieferanten, Auftragnehmern und Partnern, um Nachhaltigkeits- und Governance-Standards zu erfüllen.

Führungskräfte sollten jetzt strategisch handeln:

• Implementierung von ESG- und Compliance-Bewertungen für Lieferanten und Partner entlang der gesamten Wertschöpfungskette.
• Standardisierung von Datenformaten und APIs, um Informationen maschinenlesbar und leicht überprüfbar zu machen.
• Bereitstellung von Tools und Anleitungen für wichtige Lieferanten zur Berichterstattung über Umwelt-, Sozial- und Governance-Kennzahlen.
• Integration von Datenaustauschprotokollen in Unternehmenssysteme, um die Compliance kontinuierlich zu verfolgen und zu überprüfen.

Unternehmen, die ESG-Daten und die Transparenz der Lieferkette proaktiv verwalten, reduzieren Engpässe in der nachgelagerten Lieferkette, erhalten das Vertrauen der Stakeholder und vermeiden kostspielige Störungen, wenn die behördliche Kontrolle verschärft wird.

EXPERTENKOMMENTAR

Alexandru Ilea

Head of AI Initiatives, Striped Giraffe

Europäische Unternehmen stehen bei der Skalierung von KI in ihren Organisationen vor einzigartigen Herausforderungen. Durch die Verteilung der Geschäftstätigkeiten auf mehrere Länder entstehen fragmentierte Daten, unterschiedliche Systeme und isolierte IT-Initiativen, was es schwierig macht, generative KI über Pilotprojekte hinaus voranzubringen.

Um dieser Komplexität zu begegnen, sollten Führungskräfte Folgendes tun:

• Eine zentralisierte KI-Governance einrichten, um Entscheidungen zu rationalisieren und marktübergreifende Verzögerungen zu reduzieren.
• Hochwertige, strukturierte Daten über Systeme und Partner hinweg sicherstellen, damit KI-Modelle zuverlässig funktionieren können.
• In interne KI-Kompetenzen und funktionsübergreifende Teams investieren, die Technologie, Compliance und Geschäftseinblicke miteinander verbinden.
• Standardisieren Sie grenzüberschreitende Rahmenbedingungen für den Austausch von Modellen und Datensätzen, um redundante Pilotprojekte in den einzelnen Märkten zu vermeiden.
• Arbeiten Sie mit erfahrenen Technologieanbietern zusammen, um vorgefertigte Plattformen zu nutzen, die Bereitstellung zu beschleunigen und interne Kapazitäten zu ergänzen.

Unternehmen, die Governance, Daten und Partnerschaften integrieren, werden die europäische KI von einem langsamen Experiment in einen Wettbewerbsvorteil verwandeln und so die Kluft zu ihren US-Konkurrenten überwinden, während sie gleichzeitig die operative Kontrolle behalten.