Autonomous Enterprise Journey: Wie AI Value Engineering messbaren Geschäftswert schafft

Wo lohnt sich KI im eigenen Unternehmen?

Ob Auftragsabwicklung, Einkauf, Personal- oder Produktionsplanung: Bei komplexen Abläufen und heterogenen Systemlandschaften ist oft unklar, an welcher Stelle neue Technologien wie KI sinnvoll sind, um effizienter und profitabler zu wirtschaften.

Wie lässt sich der AI Value zuverlässig bewerten und der Return on Invest von AI Use Cases messen? Woran erkennen Unternehmen die größten strategischen Hebel und entscheidenden Prozesse für ihren Geschäftserfolg?

Antworten und Empfehlungen gibt Katrin Luft, Senior Expert bei valantic und Mitentwicklerin der „Autonomous Enterprise Journey“, im Gespräch mit Darya Basarhina, Vice President Sales & Marketing und Manufacturing Practice Lead bei valantic.

Value first: Geschäftswert als Ausgangspunkt der Autonomous Enterprise Journey

Katrin, nahezu jedes Unternehmen beschäftigt sich mittlerweile mit KI. Viele wissen aber nicht, wo sie anfangen sollen. Wo setzt ihr an?

Unser Ansatz ist die Autonomous Enterprise Journey, bei der wir mit den strategischen Zielen des Unternehmens und den dafür wichtigsten Geschäftsprozessen starten. Dahinter steht das Prinzip „Value first“: Gemeinsam mit dem Kunden identifizieren wir die Abläufe, die für die Wettbewerbsfähigkeit und den Geschäftserfolg besonders relevant sind, klären, welche Ergebnisse diese Prozesse liefern müssen, vergleichen geeignete Lösungen und bewerten deren erwarteten Geschäftswert im Verhältnis zu Kosten, Risiken und Machbarkeit. Wir konzentrieren uns also auf Use Cases mit nachvollziehbarem Wertpotenzial und realistischen Voraussetzungen für die Umsetzung.

Ihr sprecht auch von „AI Value Engineering“. Was meint ihr damit?
Damit beschreiben wir ein systematisches Vorgehen in der Autonomous Enterprise Journey. Beim AI Value Engineering identifizieren, quantifizieren und priorisieren wir die Möglichkeiten und Wertpotenziale von KI und Automatisierung, begleiten wir von der initialen Bewertung, der Definition von Zielwerten und KPIs bis zur Umsetzung und laufenden Überprüfung des tatsächlich erzielten Impacts.

Welche Geschäftsprozesse stehen beim AI Value Engineering im Fokus?
Die Auswahl richtet sich nach der Strategie und dem Geschäftsmodell des Kunden. In der Fertigungsindustrie sind das typischerweise die Ketten von der Planung bis zur Produktion (Plan-to-Produce), vom Kundenauftrag bis zum Zahlungseingang (Order-to-Cash), von der Beschaffung bis zur Bezahlung (Procure-to-Pay) sowie von der Produktentwicklung bis zum Anlagenbetrieb (Design-to-Operate). Diese Abläufe betrachten wir über System- und Abteilungsgrenzen hinweg, um herauszufinden, wo die größten Hebel für den Geschäftserfolg liegen und wie sich eine Veränderung an dieser Stelle auf die gesamte Kette auswirkt.

Geht es beim Value-first-Ansatz immer um KI?
Nein, auch klassische Automatisierung kann für repetitive, regelbasierte Tätigkeiten sinnvoll sein, zum Beispiel für die Datenübertragung, den Datenabgleich oder Standard-Workflows. KI hilft insbesondere bei unstrukturierten Informationen, Klassifikation, Prognosen und Entscheidungen. Agentic AI plant und führt mehrere Arbeitsschritte zielgerichtet über angebundene Systeme hinweg aus. Dafür definieren wir im Vorfeld, welche Aktionen autonom erfolgen dürfen und was menschliche Überprüfung oder Freigabe erfordert. Manchmal ist es auch sinnvoller, einen Prozess mit KI von Grund auf neu zu denken, statt einen bestehenden in Einzelschritten zu optimieren.

Welche Rolle spielt die Wahl der Technologie in der Autonomous Enterprise Journey?
Die Technologie folgt den geschäftlichen Zielen und Anforderungen des jeweiligen Anwendungsfalls. valantic berät systemagnostisch, also technologieoffen. Wir berücksichtigen die bestehende Systemlandschaft, Integrationsmöglichkeiten und Abhängigkeiten von Anbietern. Dafür pflegen wir Partnerschaften mit führenden Hyperscalern und spezialisierten Anbietern von Daten- und KI-Lösungen. So können wir für jeden Use Case entscheiden, ob klassische Automatisierung, KI oder Agentic AI der passende Weg ist. Wir verbinden tiefes Prozess-Know-how mit fundierter Branchenexpertise, haben außerdem Use Cases für zahlreiche Branchen identifiziert und für unsere Kunden bereitgestellt. Voraussetzungen sind eine geeignete Datenbasis, klare Verantwortlichkeiten und eine Architektur für einen sicheren und wirtschaftlichen Betrieb.

Wertpotenziale quantifizieren und priorisieren

Wie identifiziert ihr die größten Werthebel?

Wir bewerten die strategische Bedeutung der Geschäftsprozesse und ihrer Potenziale. Stellschrauben liegen zum Beispiel dort, wo Fehler die Qualität beeinträchtigen, lange Durchlaufzeiten Umsatz kosten oder fehlendes Fachpersonal Wachstum einschränkt. Auch viele manuelle Arbeitsschritte, Excel-Zwischenlösungen und mangelnde Transparenz sind typische Warnsignale.

Für eine Einschätzung des erwarteten Geschäftswerts und die Priorisierung der Prozesse und Use Cases berücksichtigen wir auch, welche organisatorischen Veränderungen notwendig sind, damit messbarer Nutzen entsteht. Wo es die Datenlage zulässt, nutzen wir Process Mining: Hierbei machen Systemdaten reale Abläufe sichtbar, was uns dabei hilft, Engpässe und Abweichungen zu erkennen.

Am Ende entsteht eine Value Heatmap, die die größten Potenziale aufzeigt, und eine Roadmap, die nach Geschäftswert und Umsetzbarkeit priorisiert. Wichtig ist, das prognostizierte Wertpotenzial vom nachgewiesenen Impact zu unterscheiden.

Wie quantifiziert ihr den erwarteten Geschäftswert?

Wir schauen uns im ersten Schritt die Ausgangssituation an, etwa Fallzahlen, Bearbeitungszeiten, Kosten je Vorgang, Fehlerquoten und Durchlaufzeiten. Darauf aufbauend erarbeiten wir Zielwerte und KPIs und legen fest, über welchen Zeitraum und anhand welcher Daten wir die Fortschritte messen. Den erwarteten Nutzen stellen wir den Gesamtkosten gegenüber. Aufwände für Entwicklung und Integration, Onboarding, Enablement und organisatorische Anpassungen fließen hier ebenso ein wie laufende Kosten für Modelle, Lizenzen, Hosting, Wartung und Weiterentwicklung.

Dabei unterstützt uns ein praktisches Tool: Der valantic Impact Miner ermöglicht uns einen Vergleich mit geeigneten Benchmarks, die als Orientierung für Zielwerte dienen. Wir prüfen, ob die Benchmarks hinsichtlich Prozessumfang, Fallstruktur und Messmethode wirklich vergleichbar sind.

Das Ergebnis ist ein Business Case mit Hypothesen, die es zu validieren gilt. Wird zum Beispiel Arbeitszeit freigesetzt, sehen wir das zunächst als Kapazitätsgewinn, klären aber mit dem Kunden, ob es tatsächlich Engpässe reduziert, Kosten senkt oder zusätzliches Geschäft ermöglicht. Wo es sinnvoll ist, berechnen wir den ROI und die Amortisationsdauer. Eine Bewertung in Euro erfolgt grundsätzlich nur bei belastbaren Annahmen.

Hast du ein Beispiel, wie das AI Value Engineering in der Praxis aussieht?

Ein Klassiker, der sich branchenunabhängig in fast jedem Unternehmen findet, ist der Rechnungseingangsprozess. Besonders aufwendig wird es, wenn Rechnungen nicht zu Bestellung oder Wareneingang passen und manuell geklärt werden müssen. Der Use Case ist bewusst klein geschnitten: Er liefert schnell messbaren Nutzen, schafft Vertrauen in KI und bildet die Basis, um schrittweise auf die strategisch wichtigsten Use Cases zu skalieren.

Bei einem Kunden mit rund 120.000 Rechnungen pro Jahr, von denen etwa 20 Prozent relevante Differenzen aufweisen, haben wir die Lösung schrittweise umgesetzt. Sie erkennt Differenzen automatisch, bereitet Klärungsmitteilungen vor, die nach menschlicher Freigabe versendet werden, und unterstützt bei der Verarbeitung eingehender Antworten. Fachliche Prüfung und Verbuchung bleiben beim Fachbereich.

Der Business Case sieht 45 bis 60 Prozent weniger manuelle Bearbeitungszeit je Klärfall vor. Im mittleren Szenario ergibt sich ein jährlicher Netto-Nutzen von rund 138.000 Euro nach Betriebskosten, bei einer Amortisation nach etwa 13 bis 14 Monaten.

Geschäftswert realisieren und Wirkung messen

Wie entsteht aus einem Business Case eine praktisch umsetzbare Roadmap?

Unsere Autonomous Enterprise Journey umfasst in der Regel drei Bestandteile, die aufeinander aufbauen.

Startpunkt ist ein Discovery Snapshot: Bei diesem Workshop mit der Geschäftsführung oder Verantwortlichen aus Fachbereich und IT definieren wir die Ziele und relevanten Geschäftsprozesse, schauen uns drei bis fünf Use Cases an und geben eine erste Einschätzung zur Größenordnung der Potenziale. Am Ende ist klar, ob sich eine tiefergehende Analyse lohnt.

Daran anknüpfend erfassen wir in mehreren Impact Case Workshops Daten aus den Systemen, schärfen mit dem Kunden Zielwerte, KPIs und Bewertungsannahmen und bewerten acht bis zwölf Use Cases, einschließlich eines Business Case.

Die Impact Roadmap ergänzt einen Daten- und Architektur-Check, die Konzeption des ersten Use Cases und eine Umsetzungsplanung über zwei Releases. Damit erhält das Unternehmen eine fundierte Entscheidungsgrundlage mit den wesentlichen Voraussetzungen und Abhängigkeiten.

Wie schnell wird der Impact der Autonomous Enterprise Journey sichtbar?

Für eine tiefgehende Analyse und Umsetzungsplanung rechnen wir mit drei bis sechs Wochen. In der ersten Woche fokussieren wir uns auf die Ziele und Geschäftsprozesse. In den Wochen 2 bis 4 bewerten wir die Use-Case-Potenziale, klären die Datenlage und Zielarchitektur. In den Wochen 5 und 6 geht es an das Lösungskonzept, KPIs und die Umsetzungs-Roadmap. Der konkrete Umfang und die Dauer hängen von der Ausgangssituation, Datenverfügbarkeit und Komplexität der Use Cases ab.

Und wie lange dauert es bis zum ersten produktiven AI Use Case?

Für einen klar abgegrenzten Anwendungsfall streben wir eine Umsetzung in 30 bis 90 Tagen an – abhängig von der Komplexität des Use Cases. Im Produktivbetrieb vergleichen wir die Ergebnisse der vereinbarten KPIs mit der Ausgangslage, betrachten also Veränderungen der Fallzahlen, Fehlerquoten und anderer Einflüsse auf die Prozessleistung. Nach dem Produktivstart beginnt die iterative Weiterentwicklung und Optimierung auf Basis der Messergebnisse oder der Rollout auf andere Geschäftsprozesse.

Was braucht es dafür neben der Technologie?

Zum einen braucht es Menschen, die die Lösung mittragen. Zur unserer Autonomous Enterprise Journey gehört auch, Mitarbeitende und Anwendergruppen frühzeitig einzubeziehen und die Organisation, Rollen und Verantwortlichkeiten anzupassen, einschließlich der Zuständigkeit für den erzielten Geschäftswert.

Zum anderen braucht es eine ganzheitliche Governance: Wir prüfen mit jedem Kunden die rechtlichen Anforderungen je Use Case, mit besonderem Fokus auf den EU AI Act. Datenschutz, Informationssicherheit und menschliche Aufsicht verankern wir über den gesamten Lebenszyklus, von der Konzeption bis zum laufenden Betrieb. Dazu gehören definierte Zugriffs- und Handlungsbefugnisse, nachvollziehbare Systemaktionen, Qualitätssicherung, menschliche Aufsicht und Freigaben.

Wie unterstützt ihr Kunden dabei im laufenden Betrieb?

Nach der Einführung messen wir laufend den erzielten Value anhand der vereinbarten KPIs. Gemeinsam mit dem Fachbereich screenen wir die Prozesse kontinuierlich, optimieren sie und identifizieren anhand der Value-Heatmap neue Use Cases, die wir nach ihrem Wertbeitrag priorisiert gemäß Roadmap umsetzen.

Im Betriebsmonitoring überwachen wir Kosten, Modelle und Architektur und stellen die Kosten dem erzielten Value gegenüber. Arbeitet ein neues Modell bei gleicher Qualität günstiger, begleiten wir den Wechsel. So entwickeln wir die Prozesse kontinuierlich entlang der vereinbarten Ziele weiter.

Was empfiehlst du Unternehmen, die jetzt anfangen wollen?

Sie sollten mit den strategisch wichtigsten Geschäftsprozessen beginnen und dort die größten Hebel für den Geschäftserfolg identifizieren. Klar definierte Zielwerte und KPIs schaffen die Grundlage für die Auswahl der ersten Use Cases und die spätere Erfolgsmessung. Von Anfang an sollte außerdem feststehen, wer den Nutzen im Fachbereich verantwortet, wie sich die Arbeitsweise verändert und wie die Lösung dauerhaft betrieben wird. Auch eine laufende SAP Transformation ist kein Grund zu warten. Gerade dann lassen sich Automatisierungs-Readiness und Quick Wins parallel identifizieren, abgestimmt auf die Ziele, Ressourcen und Abhängigkeiten der Transformation.

Vielen Dank für deine Einblicke und Empfehlungen, Katrin.