KI – Von Büro-Agenten bis zur intelligenten Fabrik

Künstliche Intelligenz ist längst nicht mehr nur ein Thema für Innovationsabteilungen, Tech-Konferenzen und vollmundige Strategiepapiere. KI rückt tiefer in die operativen Abläufe von Unternehmen vor: in Personalabteilungen, Finanzprozesse, Produktionshallen, Robotik, industrielle Steuerung und Sicherheitsarchitekturen. Drei aktuelle Mitteilungen von Workday, NTT DATA und Dell Technologies zeigen exemplarisch, wohin sich der Markt bewegt. Die Branche wird weiter dynamisiert, die Anbieter bringen neue Lösungen in hoher Kadenz auf den Markt, und die Kunden werden gleichzeitig mit neuen Möglichkeiten, neuen Abhängigkeiten und neuen Sicherheitsfragen konfrontiert.

Der gemeinsame Nenner: KI wird konkreter. Workday will KI-Agenten näher an HR- und Finanzprozesse bringen. NTT DATA warnt davor, dass Physical AI neue Sicherheitsrisiken in die reale Welt trägt. Dell Technologies wiederum sieht Industrieunternehmen im internationalen KI-Wettlauf unter Zugzwang und skizziert den Weg zur sogenannten KI-Fabrik. Das klingt nach drei unterschiedlichen Meldungen. Tatsächlich erzählen sie zusammen eine grössere Geschichte: KI verlässt die Spielwiese und wird Teil kritischer Geschäftsprozesse. Genau dort wird es spannend. Und gefährlich.

KI-Agenten ziehen in HR und Finanzen ein

Workday setzt bei seiner KI-Strategie auf eine vertiefte Partnerschaft mit Google Cloud. Im Zentrum steht die Integration des Workday Sana Self-Service Agent in Gemini Enterprise. Mitarbeitende sollen künftig direkt in Gemini Enterprise Fragen stellen und personalisierte Antworten aus Workday erhalten können. Entscheidend ist dabei der Verweis auf Richtlinien und Berechtigungen. Denn HR- und Finanzdaten sind keine beliebigen Datensätze. Es geht um Löhne, Personalinformationen, Ferienansprüche, Leistungsbeurteilungen, Payroll-Daten, Spesenreglemente und Genehmigungsprozesse. Der Kernsatz dieser Meldung lautet deshalb: KI-Agenten werden dann relevant, wenn sie nicht nur allgemein antworten, sondern im konkreten Unternehmenskontext handeln können. Genau das will Workday erreichen. Mitarbeitende sollen etwa Urlaubstage beantragen und prüfen, persönliche Daten aktualisieren oder Gehaltsabrechnungen einsehen können. Führungskräfte erhalten Unterstützung bei Teamzielen, Stundenzettel-Genehmigungen, Leistungsbeurteilungen oder Payroll-Fragen. Finance-Teams wiederum können KI-Agenten für Auskünfte zu Spesen- und Reiserichtlinien oder Firmenkarten-Berechtigungen nutzen.

Die Botschaft ist klar: Workday will KI nicht als Zusatzfunktion verkaufen, sondern als neue Bedienoberfläche für geschäftskritische Prozesse. Das ist strategisch nachvollziehbar. Wer heute HR- und Finanzplattformen betreibt, sitzt auf Daten, Workflows und Berechtigungsmodellen, die für Unternehmen zentral sind. Wenn KI-Agenten dort sinnvoll eingebettet werden, können sie tatsächlich Effizienzgewinne bringen. Gleichzeitig steigt aber die Verantwortung. Falsche Antworten in einem Chatbot sind ärgerlich. Falsche Aktionen in HR- oder Finanzsystemen können teuer werden. Deshalb ist die zweite Workday-Botschaft fast wichtiger als die erste: Es geht nicht nur um neue KI-Agenten, sondern um deren Entwicklung, Prüfung und Kontrolle. Mit neuen Funktionen in Workday Build sollen Entwicklerinnen und Entwickler KI-Apps und Agenten schneller erstellen, sicher anbinden und zuverlässig verifizieren können. Der Developer Agent soll die Erstellung mit natürlicher Sprache aus Entwicklungsumgebungen wie Claude Code, Cline, Codex, Cursor und Google Antigravity erleichtern. Agent-Ready Tools sollen kundeneigenen und Drittanbieter-Agenten sicheren Zugriff auf Workday-Daten ermöglichen. Besonders interessant ist der sogenannte Agent Passport. Er soll KI-Agenten testen, verifizieren und überwachen – vor dem produktiven Einsatz und während des laufenden Betriebs. Geprüft wird unter anderem anhand von Standards wie OWASP LLM Top 10, NIST AI RMF und MITRE ATLAS. Cisco ist Launch-Partner und bringt Cisco AI Defense ein, um KI-Agenten unabhängig zu testen und zur Laufzeit gegen Risiken wie Prompt Injection, Datenlecks oder unsichere Aktionen abzusichern. Das ist der entscheidende Punkt: Wenn Agenten handeln, reicht Vertrauen nicht mehr. Dann braucht es Nachweise.

Physical AI macht Sicherheitsfragen real

NTT DATA lenkt den Blick auf einen Bereich, der in den kommenden Jahren massiv an Bedeutung gewinnen dürfte: Physical AI. Gemeint ist KI, die nicht nur Daten verarbeitet, Texte erzeugt oder Empfehlungen gibt, sondern über Sensorik und Aktorik mit der physischen Welt verbunden ist. Das kann Robotik betreffen, autonome Maschinen, Anlagensteuerung oder intelligente Infrastrukturen. Der Unterschied zu klassischer Unternehmenssoftware ist fundamental. Ein Fehler bleibt nicht im Dashboard stecken. Er kann eine Maschine falsch steuern, einen Produktionsprozess stören oder Menschen gefährden. Der Kernsatz dieser Meldung lautet: Bei Physical AI wird aus digitalem Risiko physischer Schaden. Genau deshalb müssen Unternehmen Sicherheit, Robustheit und Systemdesign neu denken. Klassische Steuerungen wie speicherprogrammierte Steuerungen basieren auf klaren, deterministischen Logiken. Physical-AI-Systeme operieren dagegen in offenen Problemräumen. Sie interpretieren unstrukturierte Sensordaten, leiten daraus kontextabhängige Entscheidungen ab und greifen unter Umständen direkt in Abläufe ein.

NTT DATA nennt fünf zentrale Risiken: vulnerable Sensorik, Angriffe auf KI-Modelle, neue Angriffsflächen durch Vernetzung, die bisher oft getrennte Betrachtung von Safety und Security sowie unerwartete Situationen in realen Umgebungen. Besonders plausibel ist der Hinweis auf Sensorik. Kameras, Kraftsensoren oder Positionssensoren liefern die Grundlage vieler Physical-AI-Anwendungen. Werden diese Daten manipuliert oder durch Staub, Lichtverhältnisse oder elektromagnetische Störungen verfälscht, kann das System zu falschen Schlüssen kommen. In einer Präsentation wäre das ein Fehler. In einer Fabrikhalle kann es ein Vorfall sein. Als Gegenmassnahmen nennt NTT DATA unter anderem Sensorfusion, Redundanzen, regelmässige Kalibrierung, Anomalieerkennung in Echtzeit, kontrollierte Trainingspipelines, Modellversionierung und Audits. Hinzu kommen Zero-Trust-Architekturen, Netzwerksegmentierung, abgesicherte Update-Prozesse, Logging und kontinuierliches Monitoring. Das klingt nach viel Technik. Im Kern geht es aber um eine Führungsfrage: Unternehmen dürfen Physical AI nicht wie ein weiteres IT-Projekt behandeln. Wer KI mit Maschinen, Robotik oder Infrastruktur verbindet, braucht ein integriertes Risikomanagement.

Oliver Köth, (Bild oben) Managing Director Technology & Innovation DACH bei NTT DATA, bringt es entsprechend auf den Punkt: «Physical AI wird in den kommenden Jahren in immer mehr Bereichen Einzug halten, von autonomen Maschinen über Robotik bis hin zu intelligenten Infrastrukturen. Damit wächst auch die Verantwortung, diese Systeme von Anfang an robust und sicher zu gestalten.» Sicherheit könne bei Physical AI «nicht erst nachträglich ergänzt werden, sondern muss integraler Bestandteil von Architektur, Training und Betrieb sein». Das ist mehr als eine technische Empfehlung. Es ist eine Warnung vor dem typischen Innovationsfehler: Erst bauen, dann absichern, später kommunizieren – und wenn etwas schiefgeht, hektisch eine Taskforce gründen. Bei Physical AI wäre das fahrlässig. Safety und Security wachsen zusammen. Systeme müssen deshalb so ausgelegt sein, dass sie auch bei unsicheren oder fehlerhaften KI-Entscheidungen kontrollierbar bleiben – etwa durch sichere Betriebsmodi, robuste Fallback-Strategien und physische Notfallmechanismen.

Die KI-Fabrik als Wettbewerbsfrage

Dell Technologies betrachtet die gleiche Entwicklung aus industrieller Perspektive. Die These ist deutlich: Industrieunternehmen dürfen im KI-Wettlauf keine Zeit verlieren. Generative KI ist breit angekommen, KI-Agenten befinden sich in der Testphase, Multi-Agenten-Systeme werden entwickelt. Wer KI in der Industrie nicht ernsthaft ausrollt, riskiert Wettbewerbsnachteile. Dell spricht deshalb von der KI-Fabrik – einer Plattform, die Entwicklung, Training, Deployment und Betrieb von KI-Anwendungen über den gesamten Lebenszyklus unterstützt. Der Kernsatz dieser Meldung lautet: Viele Voraussetzungen für industrielle KI sind bereits vorhanden, aber ohne Strategie und gezielte Ergänzungen bleiben sie ungenutzt. Dell beschreibt sechs Schritte: Aufbau einer skalierbaren IT-Architektur, Integration von Sicherheitskonzepten, Erhebung und Bereitstellung von Produktionsdaten, Bildung interdisziplinärer Teams, Skalierung über Werke hinweg und schliesslich der Rollout der KI-Fabrik.

Besonders wichtig ist die Verbindung von IT und OT. In Fabriken treffen klassische IT-Systeme auf Operational Technology, also Maschinen, Produktionsanlagen, Sensoren, Steuerungen, Feldbus- und SCADA-Landschaften. Genau hier liegt der Flaschenhals vieler industrieller KI-Projekte. Daten sind vorhanden, aber oft nicht sauber erschlossen, nicht kontextualisiert oder nicht in Echtzeit nutzbar. KI kann aber nur dann Muster erkennen, Anomalien identifizieren oder prädiktive Wartung ermöglichen, wenn die Datenbasis stimmt. Dell betont zudem, dass Cybersecurity bereits beim Aufbau der KI-Infrastruktur berücksichtigt werden muss. Je stärker IT- und OT-Umgebungen konvergieren, desto grösser wird die Angriffsfläche. Viele OT-Infrastrukturen wurden nicht für heutige Bedrohungslagen gebaut. Zero Trust, Netzwerksegmentierung und zentrale Sicherheitsregeln sind deshalb keine nette Zugabe, sondern Grundvoraussetzung. Man könnte es einfacher sagen: Wer alte Maschinen blind ans KI-Zeitalter anschliesst, baut kein Zukunftsmodell, sondern eine Einladungskarte für Angreifer. Ein weiterer zentraler Punkt ist die Organisation. Dell warnt vor isolierten Teams. Data Scientists kennen sich oft zu wenig mit Betriebstechnologie, Zykluszeiten und Wartungsfenstern aus. OT-Teams wiederum haben nicht automatisch Erfahrung mit Training, Sensor Fusion oder Data Cleaning. Die KI-Fabrik ist damit nicht nur eine technische Plattform, sondern auch ein Kulturprojekt. Ohne gemeinsame Sprache zwischen Produktion, IT, Datenwissenschaft und Management bleibt KI ein Pilotprojekt mit schönen Folien.

Chris Kramar (Bild oben), Director und General Manager OEM Solutions DACH bei Dell Technologies, formuliert es so: «Viele, wenn auch nicht alle Voraussetzungen für industrielle KI sind in den meisten Produktionsunternehmen bereits vorhanden.» Unternehmen benötigten «vor allem eine gute Strategie und die letzten Hardware- und Software-Puzzlestücke für die flächendeckende Nutzung von KI». Sein Appell ist eindeutig: Unternehmen sollten diesen Schritt nicht aufschieben, wenn sie ihre Wettbewerbsfähigkeit im internationalen Vergleich sichern wollen.

Was die drei Meldungen gemeinsam zeigen

Zusammen betrachtet zeigen die drei Mitteilungen eine klare Verschiebung im KI-Markt. Die erste Phase war von Experimenten, Chatbots, generativer Textproduktion und Pilotprojekten geprägt. Jetzt beginnt die Phase der Integration. KI soll in HR- und Finanzprozesse, in Produktionsdaten, in industrielle Plattformen, in Robotik, in Anlagensteuerung und in Sicherheitsarchitekturen eingebettet werden. Damit steigen Nutzen und Risiko gleichzeitig. Die wichtigste Erkenntnis: KI wird nicht mehr nur als Produktivitätswerkzeug verstanden, sondern als Handlungssystem. Agenten beantworten nicht nur Fragen, sondern führen Aktionen aus. Physical AI analysiert nicht nur Daten, sondern wirkt in reale Prozesse hinein. Industrielle KI-Fabriken erzeugen nicht nur Einsichten, sondern steuern Optimierung, Wartung und Produktion. Damit rücken Governance, Sicherheit, Nachvollziehbarkeit und Verantwortlichkeit ins Zentrum. Für Unternehmen bedeutet das: Der Druck steigt, aber blinder Aktionismus wäre gefährlich. Wer KI strategisch einführt, kann Prozesse beschleunigen, Mitarbeitende entlasten, Daten besser nutzen und Wettbewerbsvorteile schaffen. Wer KI unkontrolliert einführt, schafft neue Abhängigkeiten, neue Haftungsfragen und neue Krisenpotenziale. Besonders kritisch sind Systeme, die geschäftskritische Daten verarbeiten oder physische Prozesse beeinflussen.

Der Kommentar dazu fällt nüchtern aus: Die KI-Euphorie ist berechtigt, aber sie wird erwachsen werden müssen. Die Anbieter liefern inzwischen nicht mehr nur Zukunftsmusik, sondern konkrete Bausteine für den Unternehmenseinsatz. Das ist gut. Gleichzeitig darf der Markt nicht so tun, als liessen sich Governance, Sicherheit und Verantwortung nachträglich an eine KI-Infrastruktur anschrauben wie ein Zubehörteil aus dem Baumarkt. Bei KI-Agenten, Physical AI und industrieller KI gilt: Wer Kontrolle nicht von Anfang an mitdenkt, bekommt später nicht Innovation, sondern Ärger. Und Ärger skaliert bekanntlich ebenfalls sehr gut.

Grosses Bild: Der Anfang von AI: Am 14. Februar 1946 wurde der „Electronic Numerical Integrator and Computer“ (ENIAC) als erster universeller elektronischer Computer in Betrieb genommen.