Skalierbare KI im Unternehmen: Warum Architektur und Betrieb über Erfolg oder Scheitern entscheiden

Ein Prototyp kann zeigen, dass eine Idee unter ausgewählten Bedingungen technisch funktioniert. Daraus folgt noch nicht, dass sich das System wirtschaftlich, sicher und verlässlich in einen Arbeitsprozess integrieren lässt. Entscheiderinnen und Entscheider sollten deshalb neben dem Modell auch Daten, Schnittstellen, Verantwortlichkeiten, Qualitätssicherung und den laufenden Betrieb betrachten.

Was zwischen Pilot und Betrieb geklärt werden muss

Ein Pilot bildet meist einen begrenzten Zweck, Nutzerkreis und Datenbestand ab. Vor einer Ausweitung ist zu prüfen, ob die Ergebnisse unter realistischen Bedingungen bestehen bleiben: Welche Daten und Berechtigungen werden benötigt? Wie reagieren Schnittstellen und Abläufe auf Fehler? Wer prüft Ergebnisse, bearbeitet Vorfälle und entscheidet über Änderungen? Welche Anbieter- oder Plattformabhängigkeiten entstehen?

Es gibt keine allgemeine Dauer oder Kostenquote für den Übergang. Aufwand und Risiken hängen unter anderem von vorhandener Infrastruktur, Integrationsbedarf, Datenqualität, Schutzanforderungen und gewünschtem Serviceumfang ab. Planungen sollten diese Annahmen offenlegen und anhand eines abgegrenzten Einsatzfalls überprüft werden.

Architektur und Betrieb gemeinsam bewerten

Ein Architekturzielbild sollte den Zweck und die Systemgrenzen beschreiben, Komponenten und Datenflüsse sichtbar machen und Anforderungen an Zugriff, Verfügbarkeit und Wartbarkeit benennen. Prüfen Sie auch Alternativen: Ein bestehendes Standardprodukt kann für einen klaren Anwendungsfall ausreichen; individuelle Bausteine können sinnvoll sein, wenn konkrete Anforderungen nicht anders erfüllt werden. Eine Entscheidung braucht nachvollziehbare Kriterien statt pauschaler Build-or-buy-Regeln.

Zum Betrieb gehören Rollen für Freigabe, Überwachung, Support und Weiterentwicklung. Für die Qualitätssicherung sind repräsentative Tests, dokumentierte Grenzen, Rückmeldemöglichkeiten sowie ein Verfahren für Fehler und Eskalationen nötig. Der freiwillige NIST AI RMF ordnet solche Arbeiten in die Funktionen Govern, Map, Measure und Manage ein. NIST weist darauf hin, dass der Rahmen derzeit überarbeitet wird; sein Playbook ist eine Sammlung freiwilliger Vorschläge, keine vorgeschriebene Checkliste. Der 2026 erschienene Bericht NIST AI 800-4 behandelt zudem offene Herausforderungen beim Monitoring eingesetzter KI-Systeme. (NIST AI RMF Core, NIST AI RMF Playbook, NIST AI 800-4, 2026)

Entscheidungsvorlage statt Erfolgsversprechen

Vergleichen Sie den erwarteten Nutzen mit den Gesamtkosten, Risiken und verfügbaren Alternativen. Legen Sie fest, welche Beobachtungen einen Ausbau, eine Anpassung oder einen Abbruch begründen. Ergebnisse eines Piloten gelten zunächst für dessen konkreten Kontext und sollten nicht ohne Prüfung auf andere Abteilungen oder Daten übertragen werden.

Dieser Beitrag ordnet die Fragen für eine Investitionsentscheidung ein. Im Beitrag zu Architekturkonzept und Betriebsmodell geht es vertiefend um die Ausarbeitung einer Lösung. Der Workshop zu skalierbarer KI-Architektur und Betrieb vermittelt Grundlagen für Entscheiderinnen und Entscheider; die Leistung zur Architekturkonzeption betrifft die projektspezifische Konzeption.