Paul Kurt Haberfellner, Managing Director und Co-Founder von Nagarro © RNF

"Jetzt ist die Spielstunde vorbei. KI muss so eingesetzt werden, dass sie einen messbaren Effekt hat", sagt Paul Kurt Haberfellner von Nagarro im Interview mit NEW BUSINESS.

Technologie, Geschwindigkeit, Organisationskultur und KI – das alles ist wichtig. Aber über allem steht für Paul Kurt Haberfellner, Managing Director und Co-Founder von Nagarro, das "Wozu". Es ist die Basis, sozusagen die Leitplanken, die Unternehmen in eine erfolgreiche Zukunft führen. Wie die Reise dorthin aussehen kann, skizziert er im Gespräch mit NEW BUSINESS – und hat dafür auch ein paar positive wie negative, aber immer anschauliche Beispiele im Gepäck.

Herr Haberfellner, Sie sind seit rund 35 Jahren in IT und Telekommunikation tätig. Hat sich die Welt in Sachen IT jemals so schnell gedreht wie heute?
Die IT war immer schon ein Garant für Veränderung. Aber die alten Themen, Zentralisierung und Dezentralisierung, On-Premise und Cloud, das waren alles nur Vorbereitungen für das, was jetzt kommt. Der Zeithorizont – zum Beispiel in der Softwareentwicklung – hat sich von fünf Jahren auf Zwei-Wochen-Sprints verkürzt. Durch künstliche Intelligenz habe ich nun einen permanenten Drall, es geht noch viel schneller. Deswegen ist heute die Frage nach dem "Wozu" essenziell. Du musst, wenn du etwas startest, genau wissen, was du erreichen möchtest, und dieses "Wozu" in den Mittelpunkt stellen. 

Was verstehen Sie genau unter dem "Wozu"?
Das wird oft missverstanden. Die meisten Diskussionen starten so, dass der Geschäftsführer, der Eigentümer oder der Investor gesagt hat, man müsse jetzt "etwas mit KI" machen. Das sind die Gespräche, die wir mit Chief Information Officers, Technical Officers oder Digital Officers führen. 

Was im Moment leider sehr häufig passiert, ist, dass viele Unternehmen für einen Use Case eine Single Point Solution bauen. Kommt dann eine zweite Herausforderung, wird dafür eine komplett andere Solution hochgezogen. Das ist nicht das Regelwerk, das man am Schluss benötigt. So entstehen lauter Silo-Lösungen. Das Wozu soll eigentlich beantworten: Warum mache ich das Ganze? 

Sind die Unternehmen jetzt schon dort? Manche ja, manche ganz sicher nicht. Und viele befinden sich im Mittelfeld. Sie passen sich zwar immer wieder an, aber eher ad hoc. Dieses Ad-hoc-Handeln reicht für die Zukunft nicht mehr. Du kannst in der heutigen Zeit nur wendig bleiben, wenn du überhaupt die Stellschrauben verändern kannst. Mit festgetretenen Trampelpfaden funktioniert es nicht mehr.

Da reden wir jetzt eigentlich nicht von Technologie, sondern von Unternehmensstrukturen oder Unternehmenskulturen, oder?
Organisationskulturen, genauso ist es. Diese werden aber maßgeblich gefordert, speziell durch künstliche Intelligenz. Schon durch Digitalisierung ist alles schneller geworden. Auch Digitalisierung hat immer einen Wechsel in der Organisationskultur mit sich gebracht. Viele haben es aber negiert und gesagt: "Nein, ich digitalisiere meine Prozesse und der Rest bleibt gleich." Das funktioniert so nicht länger. Wir als Nagarro betrachten auch dieses durch Technologie disruptierte Organisationsmodell mit und lassen Themengebiete wie Change-Management einfließen. 

Könnte man sagen, dass deswegen auf viele Unternehmen eine Zäsur zukommt?
Ich würde es nicht Zäsur nennen. Das "Wozu" ist relativ klar, die Frage ist, wie und wann ich es erreiche. Geschwindigkeit ist in der heutigen Zeit ein Riesenthema. Es geht darum, welche Tools man einsetzen muss, um Geschwindigkeit und Expertise schnell ins Unternehmen zu bekommen, und wie man diese zum eigenen Vorteil nutzen kann. 

Bei Nagarro haben wir das unter dem Begriff Fluidic Intelligence zusammengefasst. Auf der Metaebene bedeutet das: Du hast organisatorisches Wissen in den Köpfen der Menschen, du hast es in den Systemen und in den Daten. Wie bringt man das alles gemeinsam "in the flow", damit ich die Daten, die Informationen und alles Weitere verarbeiten kann? Daraus haben wir drei Offerings kreiert, die einander ergänzen, aber nicht voneinander abhängig sind oder aufeinander aufbauen.

Bei Fluidic Advisory geht es um den Berateransatz: Wir erarbeiten gemeinsam eine Strategie, nehmen eine Positionierung vor, schauen, wo das Unternehmen im Reifegradmodell steht. Was wurde schon eingesetzt? Wo liegen die Stärken und Schwächen? Wie weit ist das Unternehmen auf seiner Reise? 

In Fluidic Forge, dem zweiten Bereich, steckt jahrzehntelanges Know-how: Acceleratoren, Frameworks, Denkansätze und Herangehensweisen, die die Kunden verwenden können. Abhängig vom genutzten Accelerator sind 50, 60 oder 70 Prozent der Lösung "out of the box" fertig. Die restlichen 30 bis 50 Prozent sind Individualisierung. Das Ziel ist, schneller zu werden, den Go-to-Market und die Time-to-Market zu reduzieren.

Der dritte Bereich ist Fluidic Teams. Damit unterscheiden wir uns stark von unseren Marktbegleitern: Für uns ist der Mensch immer "in the loop". Es geht darum, dass man die eigene Human Intelligence – sprich den Menschen selbst – durch künstliche Intelligenz anreichert, um die Qualität und die Performance zu steigern und das auch ins Unternehmen zu bringen. 

Dabei muss man höllisch aufpassen: Wir hatten einen Fall, bei dem ein Unternehmen aus seinen Scrum-Teams alle Seniors herausgenommen und die Juniors mit KI angereichert hat. Aber – und jetzt kommt es – komplett unbegleitet. Man hat ihnen völlig freie Hand gelassen. Das Positive war: Sie wurden dreimal so schnell. Der Nachteil: Nach zehn Sprints gab es einen Fehler, und sie konnten ihn nicht mehr finden. Unsere besten Leute haben dafür drei Tage gebraucht und haben gesagt: "Den Code kannst du nicht mehr lesen. Der ist so komplex." Was war passiert? Die Teammitglieder wollten sich gegenseitig mit ihrem durch KI veredelten Code übertrumpfen. In diesem Wettrennen haben sie das System gegen die Wand gefahren. Am Ende hat keiner mehr gewusst, was da überhaupt passiert.

Ihre Interpretation des "Wozu" setzt einen sehr breiten Scope, der weit über einzelne Use Cases hinausgeht.
Absolut. Das geht eigentlich schon in die Zukunft: Wie kann ich mein Unternehmen zukunftssicher aufstellen? Und wie kann ich ein Regelwerk etablieren, dem ich sämtliche Agenten, die kommen werden, unterwerfen kann, sodass ich sie mit gutem Gewissen unter Kontrolle habe.

Heute hat jeder bereits in irgendeiner Art und Weise mit KI interagiert, allein im privaten Umfeld. Wenn man sich anschaut, wofür die Leute verschwenderisch die Ressourcen der Erde verbrennen, ist das eigentlich zum Genieren. Auf der anderen Seite sage ich: Das ist spielerisches Lernen. Aber jetzt ist die Spielstunde vorbei. KI muss so eingesetzt werden, dass sie einen messbaren Effekt hat.

Und auch das Spielen wird mittlerweile richtig teuer, wenn man sich die Preisentwicklung ansieht.
Dabei ist da das endgültige Preisschild noch gar nicht gefunden. Das wird sich noch maßgeblich verändern. Umso wichtiger ist es eben, nicht in ein Vendor-Lock-in zu geraten. Die Firmen brauchen dafür einen "Reiseführer", das ist ihnen nur kaum bewusst. Das ist genau der Punkt, an dem Unternehmen wie Nagarro ins Spiel kommen. 

In die künstliche Intelligenz werden im Moment hohe Erwartungen gesteckt, deshalb stehen alle sehr unter Druck. Ich gebe ein Beispiel von einem großen österreichischen Unternehmen, das 12 Millionen Euro für seine Digitalisierungsoffensive ausgegeben hat – mit sehr überschaubarem Outcome. Das ist passiert, weil man von falschen Voraussetzungen ausgegangen ist. Beispielsweise waren die Daten nicht bereits digital, wie angekündigt, sondern steckten in Lagerhallen voller Papierordner. Das passiert oft: Jeder erzählt irgendetwas, um sich bestmöglich darzustellen. Im Endeffekt verliert man durch die schlecht kommunizierte Ausgangslage Zeit und Geld. Den gelungenen Teil des Projekts hat der Eigentümer dafür wortwörtlich als bahnbrechend bezeichnet – das spart ihm allein beim Porto 200.000 Euro pro Monat. Ein echter Mehrwert durch die Plattform, die wir gemeinsam aufgebaut haben. Zusätzlich sind seine Sales-Zahlen gestiegen. 

Wenn wir jetzt von diesen praktischen Beispielen ausgehen: Wie lange dauert es, dieses "Wozu" zu finden? Wie lange dauert es, das aufzusetzen?
Das hängt vom Reifegrad des Entscheiders ab und davon, wie Entscheidungen in dem Unternehmen getroffen werden. Es gibt keine allgemeine Metrik dahinter, die für alle gilt. Sondern es geht darum, was der konkrete Anwendungsfall ist und wie man ihn pragmatisch angehen kann.

Mit künstlicher Intelligenz erreicht man unheimlich schnell "Low Hanging Fruits", die aber sofort eine um 20 Prozent bessere wirtschaftliche Stellung erwirken, eine 20-fache Beschleunigung eines Prozesses, oder die Verbesserung der Qualität um 50 Prozent. Wie man das misst, hängt von der Herausforderung ab. 

Es ist möglich, sowohl das komplexeste als auch das einfachste Problem relativ hemdsärmelig herunterzubrechen. Wenn ich die Kosten vom Ist-Zustand erfassen kann, kann ich genau sagen, was es bringen wird. Das ist relativ simpel, die Metrik dahinter ist klar. Geht es darum, welchen Impact das Ganze auf die Umwelt hat? Das wird schon schwieriger. Am Ende des Tages geht es darum, ob man eine Metrik findet, die für alle in Ordnung ist. Dann ist es ein Selbstläufer. Aber es gibt eben ganz viele, die durch – sagen wir – geschönte Tatsachen von einem falschen Standpunkt ausgehen.

Können Sie ein paar konkrete Beispiele für gelungene Projekte geben?
Wir arbeiten für einen großen Automobilhersteller in Indien, der auch den Gebrauchtwagenmarkt bedient. Ihnen hat der Prozess zu lange gedauert, um gebrauchte Autos zu begutachten, ihren Wert fair zu ermitteln und sie dem Sekundärmarkt zuzuführen. Außerdem wollten sie wissen, wie viel die Reparatur kostet. Das dauerte Tage und sollte durch KI beschleunigt werden – eine klare Aufgabenstellung. Den theoretischen Wert zu ermitteln, ist simpel: Baujahr des Autos, Modell – fertig. Aber dann kommt der echte Zustand ins Spiel, und die Lösung dafür ist im Grunde denkbar einfach: Das Auto fährt in eine Art Box, in der unzählige Sensoren und hochauflösende Kameras verbaut sind. Diese erfassen das Auto mit Infrarot- und Normallicht dreidimensional. Der Game Changer war hierbei die Scratch- und Dellenerkennung. Es macht bei der Reparatur einen erheblichen Unterschied, ob es ein oberflächlicher Kratzer ist, der sich einfach auspolieren lässt, oder ob er tief bis auf die Legierung geht. Das kostet um einiges mehr. Das Unternehmen wollte es ganz genau wissen. Unsere Lösung erstellt auf Knopfdruck in nur fünf Minuten ein 3D-Modell sowie die exakte Bill of Material – also eine Auflistung, was es kostet. Du siehst sofort, was das Auto wert ist, welche Schäden in Abzug gebracht werden und was der reale Restwert ist. Das klingt simpel, ist aber riesengroß.

Ein anderer Use Case betrifft einen großen Beauty-Hersteller aus Frankreich. An diesem Projekt haben wir sieben Jahre gearbeitet. Es ging darum, die komplette Supply Chain und das Forecast-Wesen zu automatisieren. Wir können nun auf SKU-Basis (Stock Keeping Unit; Lagerhaltungseinheit) heruntergebrochen etwa sagen, wie viel Sonnencreme in den nächsten zwei Wochen in Brasilien verkauft wird. Da fließen unter anderem die Wettervorhersage sowie andere Faktoren mit ein, an die man im ersten Moment gar nicht denkt. Der Lkw fährt bereits von der Fabrik los, weil das System weiß, dass in zwei Wochen eine Hitzewelle in Brasilien kommt. Das war deshalb ein kritisches Thema, weil dem Kunden zuvor viele Waren verdorben sind. Sonnenmilch hält nur sechs Monate. Die kann man nicht einfach auf Verdacht produzieren, einlagern und irgendwann ausliefern. Solche Dinge, die klar und easy aussehen, sind meistens extrem komplex. Hier kam Forecastra AI zum Einsatz, eine KI-basierte Prognoseplattform, die in unserer Fluidic Forge enthalten ist. Damit können wir auf SKU-Basis für jedes einzelne Beauty-Produkt Vorhersagen treffen. Man glaubt zum Beispiel gar nicht, wie viele Lippenstifte es gibt. Ich dachte, da gäbe es vielleicht 20, aber es sind unvorstellbar viele. 

Noch ein Beispiel: Wir betreuen einen großen Anlagenbauer in Österreich. Da geht es um Millioneninvestitionen, also um Kraftwerke und ähnliche Großprojekte. Die hatten beispielsweise alleine um die hundert Leute in der Kalkulation sitzen, die für Lieferveränderungen zuständig waren. Wenn so etwas passiert wie die Sperrung der Straße von Hormuz, mussten sie früher alles manuell neu berechnen. Mittlerweile ist das komplett automatisiert, indem vertrauenswürdige Newsfeeds direkt in das System eingespielt werden. Was als vertrauenswürdig gilt, definiert das Unternehmen selbst.

Es gibt also Use Cases, bei denen man im Traum nicht an einen Anwendungsfall für KI denken würde. Genau dafür haben wir unsere Innovation Challenge ins Leben gerufen. Sie fördert Innovationen gezielt und gibt den Teilnehmern die Möglichkeit, sich damit innerhalb und außerhalb des eigenen Unternehmens zu präsentieren. Bei der Challenge haben wir immer wieder KI-Einreichungen und bei der genaueren Analyse stellt sich heraus, dass es um pure Automatisierung geht. Ganz klassisch, weil sie immer demselben, starren Muster folgen. Künstliche Intelligenz entfaltet ihre Stärke erst dann, wenn sich die Rahmenbedingungen immer wieder verändern. Die Frage ist: Wie reagiere ich darauf? Genau deswegen ist ein Enterprise-Regelwerk – womit wir wieder bei dem Fluidic-Ansatz wären – so extrem wichtig. Ich muss der künstlichen Intelligenz ein stabiles Rahmenwerk mitgeben, innerhalb dessen sie sich frei bewegen kann. Wie bei einer Autobahn mit Leitplanken: Es ist mir egal, ob die KI auf der ersten, zweiten oder dritten Spur fährt – solange sie innerhalb der Leitplanken bleibt.

Wo wir gerade davon sprechen: Was verstehen Sie unter künstlicher Intelligenz? Bei KI schwingen immer Begriffe von Machine Learning, über neuronale Netze bis zu Agentic AI und GenAI mit.
Darauf habe ich eine ganz schnelle Antwort: Alles, was nicht eins zu eins reproduzierbar ist, sondern sich verändert, ist für mich künstliche Intelligenz. Alles andere ist Automatisierung – also wenn A passiert, machst du B, und wenn B passiert, machst du C. Wenn sich A jedoch verändert und die Maschine ihre Antwort darauf flexibel anpasst, ab dann ist es für mich künstliche Intelligenz.

Bei Digitalisierung und später bei KI hat es früher oft geheißen: Es ist egal, wie und womit man anfängt, Hauptsache, man kommt ins Tun. Ist das dann der falsche Ansatz?
Früher vielleicht, aber mittlerweile ist es falsch. Das kostet Geld, Zeit und defokussiert dich für viele andere Dinge. Man muss sich ganz klar fragen: Wozu mache ich es, was will ich machen und was soll es mir bringen? Wenn ich mir das nicht beantworten kann, sollte ich auch nicht herumspielen.

Man sollte sich also zuerst hinsetzen und seine große Strategie entwerfen?
Ja und nein. Ich kann auch losgelöst mit einer Point-Solution starten, wenn ich eine akute Herausforderung habe. Man kann das parallel machen, muss sich aber zugleich überlegen, wie man langfristig mit dem Ganzen umgeht. Bei Nagarro glauben wir felsenfest: Die Zukunft ist rein agentic. Das ist nicht die Zeit der Point-Solutions, der vielen kleinen Silos, die man dann alle einzeln warten und pflegen muss. Sondern ich brauche ein Regelwerk, bei dem eine Anpassung an einer Stellschraube sofort überall greift. Wenn wir beispielsweise einen neuen AI Act 2.0 bekommen, der andere Regulierungen vorschreibt, muss das in der Sekunde für das gesamte System gelten. Weil du dir sonst ins eigene Knie schießt, während du versuchst, einen Marathon zu laufen.

Worauf muss man aufpassen, damit solche Projekte nicht aus dem Ruder laufen? Gerade wenn man hört, dass manche Unternehmen mittlerweile Unmengen für KI-Tokens ausgeben. 
Man braucht eben ein Regelwerk, das genau das steuert. Wenn ich merke, dass den Agenten die Tokens ausgehen, muss ich hinterfragen, was sich verändert hat und ob ich eine Möglichkeit habe, Einfluss zu nehmen. Da bietet es sich an, ein agnostisches Regelwerk zu haben, bei dem ich Modell A gegen B tauschen kann, um beispielsweise Kosten zu sparen. Mit einem Enterprise-Regelwerk kann ich das abbilden, sodass ich letztendlich eine Plattform habe, auf der ich einen Austausch relativ schnell vornehmen kann, weil mir die Technologie dahinter egal ist. Es läuft gerade ein Wettrennen, und dieses Wettrennen ist noch lange nicht vorbei – ebenso wenig wie die endgültige Preisgestaltung. Das heißt, da wird sich noch drastisch viel verändern. Und das laufend. Umso wichtiger ist es, diesen Weg begleitet zu gehen.

Sie haben gesagt, die Zukunft ist agentic. Ist KI denn dann das Ende der technologischen Fahnenstange?
Nein. Das Nächste – und das ist meine eigene, persönliche Wette – ist die Quantentechnologie. Sie wird noch einmal alles komplett disruptieren – angefangen von der Blockchain bis hin zur künstlichen Intelligenz. (RNF)