Viele Unternehmen haben in den vergangenen zwei Jahren mit künstlicher Intelligenz experimentiert. Texte schreiben, Meetings zusammenfassen, E-Mails formulieren, Code generieren: vieles davon funktioniert inzwischen erstaunlich gut. Und trotzdem bleibt nach den ersten Erfolgen oft die gleiche Frage: Wo entsteht eigentlich der echte, nachhaltige Mehrwert?
Laut dem kürzlich erschienem AI Collaboration Index von Atlassian, sehen 96% des Leaderships noch keinen merklichen ROI durch den Einsatz von künstlicher Intelligenz.
Der nächste KI-Schub kommt nicht aus besseren Prompts, sondern aus besserem Kontext.
Philipp Göllner, XALT-Gründer & CEO
Die Antwort darauf, wie man messbaren Mehrwert durch KI schafft, wurde beim Atlassian Community Event in Leipzig im Februar sehr greifbar. In seinem Vortrag zeigte Philipp Göllner, XALT-Gründer und KI-Intusiast, warum der nächste große Entwicklungsschritt bei KI nicht aus noch besseren Einzelantworten kommt. Der eigentliche Hebel liegt woanders: in Kontext, Integration und Handlungsfähigkeit.
Denn Unternehmen brauchen keine KI, die nur gut klingt. Sie brauchen Systeme, die verstehen, wer etwas wissen will, woran ein Team arbeitet, welche Informationen zusammengehören und welche Aktion daraus folgen sollte. Genau dort beginnt die nächste Phase von KI im Enterprise: Agentic AI.
Die erste KI-Welle war nützlich aber zu generisch
Die erste Phase der KI-Einführung war geprägt von Experimenten. Unternehmen testeten Chatbots, Copilots und Assistenten. Die Ergebnisse waren häufig beeindruckend, aber auch begrenzt. Denn viele Antworten blieben zu allgemein, zu wenig eingebettet und zu weit weg vom realen Arbeitskontext.
Das Problem ist nicht die Qualität der Modelle. Das Problem ist, dass ein Modell ohne den passenden Kontext im Zweifel nur sehr überzeugend formuliert, ohne wirklich präzise zu helfen.
Genau deshalb verschiebt sich der Fokus jetzt. Nicht mehr nur: Was kann das Modell? Sondern: Was weiß das Modell über meine Arbeitsrealität?
Der eigentliche Fortschritt heißt Kontext
Im Vortrag wurde ein zentraler Punkt sehr klar: KI wird erst dann im Unternehmensalltag wirklich wertvoll, wenn sie nicht isoliert arbeitet, sondern in Zusammenhängen.
Wer hat an welchem Ticket gearbeitet? Welche Dokumente gehören dazu? Welche Entscheidung wurde wann getroffen? Welche Informationen liegen in Jira, Confluence, SharePoint, Slack oder anderen Systemen? Und ganz wichtig: Welche Inhalte darf ein Nutzer überhaupt sehen?
Diese Fragen sind entscheidend. Denn sie machen aus einer generischen KI-Antwort eine belastbare Unterstützung im Alltag.
Genau hier liegt aktuell auch die strategische Stoßrichtung vieler Plattformen im Enterprise-Markt. Es geht darum, Wissen, Arbeit, Kommunikation und Berechtigungen zusammenzuführen, damit KI nicht nur Inhalte erzeugt, sondern arbeitsfähig wird.Im Atlassian Ökosystem nutzt die Rovo-KI den Teamwork Graph (Atlassians Daten- und Beziehungsschicht) um Menschen, Aufgaben, Tools und Assets im Kontext zu verstehen und so präzise Antworten sowie effiziente Zusammenarbeit zu ermöglichen.
Was ist Agentic AI? Der echte Paradigmenwechsel
Der vielleicht spannendste Aspekt der aktuellen Entwicklung ist der Übergang von klassischer generativer KI hin zu Agentic AI. Das ist mehr als ein Buzzword. Gemeint ist eine KI, die nicht nur auf Fragen reagiert, sondern innerhalb definierter Grenzen aktiv unterstützt: Sie sammelt Kontext, bereitet Entscheidungen vor, formuliert Zusammenfassungen, stößt Aktionen an und übernimmt operative Zwischenschritte.
Damit verändert sich die Rolle von KI fundamental. Sie ist nicht länger nur ein Werkzeug für einzelne Antworten, sondern wird Teil des Workflows. Statt lediglich Inhalte zu erzeugen, führt sie vorbereitende oder ausführende Aufgaben aus und entlastet Menschen in ihren täglichen Abläufen.
Philipp Göllner, XALT-Gründer & CEO
Wie das konkret aussieht, zeigen typische Praxisbeispiele:
- automatische Zusammenfassungen von Teamleistungen,
- Entwürfe für Weekly Updates oder Townhalls,
- das Erkennen von Zusammenhängen zwischen Vorgängen und Dokumenten,
- die Vorbereitung von Kommunikation auf Basis aktueller Arbeitsstände
- oder das Anstoßen nachgelagerter Aktionen über integrierte Workflows.
Gerade im Enterprise- und Service-Management-Kontext ist das hochrelevant. Denn dort geht es selten nur um Wissensfragen. Es geht um wiederkehrende Tätigkeiten, Statusabfragen, Übergaben, Freigaben, Dokumentation und Abstimmungen zwischen Teams. Genau in diesen Bereichen entfalten AI Agents ihren größten Nutzen, weil sie Informationen nicht nur bereitstellen, sondern den nächsten sinnvollen Schritt im Prozess aktiv unterstützen.
Warum das gerade jetzt zum entscheidenden Thema wird
Dass diese Entwicklung jetzt an Dynamik gewinnt, ist kein Zufall. Drei Dinge kommen aktuell zusammen.
- Moderne Modelle können deutlich mehr Kontext verarbeiten als noch vor kurzer Zeit. Das heißt: Nicht nur einzelne Fragen, sondern ganze Arbeitszusammenhänge, Dokumentationen und Historien können stärker berücksichtigt werden.
- Die Hürde sinkt, erste Prototypen zu bauen. Was früher ein eigenes Entwicklungsprojekt war, lässt sich heute oft deutlich schneller als erster Anwendungsfall umsetzen. Das verändert das Innovationstempo massiv.
- In Unternehmen wächst die Bereitschaft, KI nicht mehr nur als Produktivitäts-Gadget zu sehen, sondern als strukturellen Hebel für Prozesse, Zusammenarbeit und Service-Organisationen.
Was sich in der Praxis wirklich verändert
Besonders stark am Vortrag war die Vielzahl an praktischen Beispielen. Nicht als Show-Effekt, sondern als Hinweis auf ein größeres Muster.
KI hilft heute dabei, Team-Updates automatisch vorzubereiten, Kommunikation aus dem Arbeitskontext abzuleiten, kleine Integrationen schneller zu bauen, Routineprozesse zu automatisieren oder Informationen systemübergreifend nutzbar zu machen.
Der Punkt dahinter ist strategisch wichtiger als jedes Einzelbeispiel: KI reduziert nicht nur Aufwand, sondern verkürzt den Weg von einer Idee zur umsetzbaren Lösung.
Das ist vor allem deshalb relevant, weil viele Unternehmen nicht an fehlenden Ideen scheitern, sondern an zu langen Wegen bis zur Umsetzung. Wenn KI hilft, Probleme schneller sichtbar, testbar und kommunizierbar zu machen, wird aus Technologie plötzlich ein echter Organisationshebel.
Vibe Coding ist nicht das Ziel – aber ein Signal
Ein Begriff, der im Umfeld dieser Entwicklung immer wieder auftaucht, ist Vibe Coding. Gemeint ist damit die sehr schnelle, oft dialogbasierte Erstellung von Prototypen mit KI-Unterstützung.
Man kann diesen Begriff mögen oder nicht. Wichtiger ist, was dahintersteckt: Die Eintrittshürde in die Softwareentwicklung sinkt. Menschen, die bislang Ideen hatten, aber keine direkte Umsetzungsmöglichkeit, können erste Lösungen heute sehr viel schneller sichtbar machen.
Das ersetzt keine saubere Softwareentwicklung. Es ersetzt keine Architektur. Und es ersetzt keine Governance. Aber es verändert die Frühphase von Innovation erheblich.
Aus abstrakten Anforderungen werden plötzlich greifbare Prototypen. Aus langen Diskussionen werden testbare Hypothesen. Und genau das ist für viele Unternehmen ein größerer Fortschritt als jede einzelne Modellverbesserung.
Ohne Governance wird aus neuer Freiheit sehr schnell neues Chaos
So groß die Chancen sind, so klar ist auch die zweite Seite der Medaille. Wenn mehr Menschen in der Lage sind, Lösungen, Automatisierungen und kleine Anwendungen selbst zu bauen, steigt automatisch der Bedarf an Governance.
Das betrifft Daten, Zugriffsrechte, Compliance, Sicherheitsprüfungen, Auftragsverarbeitung, Integrationskontrolle und Betriebsfähigkeit. Gerade im Enterprise-Umfeld ist das kein Nebenthema, sondern die Voraussetzung dafür, dass aus KI-Initiativen belastbare Lösungen werden.
Die richtige Reaktion auf diese neue Geschwindigkeit ist deshalb nicht, Experimente zu verhindern. Die richtige Reaktion ist, saubere Räume für Experimente zu schaffen — und klare Übergänge in produktive Umgebungen zu definieren.
Sandbox zuerst. Governance danach. Produktivsetzung nur mit Leitplanken. Genau so wird aus KI-Dynamik keine Schatten-IT, sondern echte Transformation.
Warum gerade ITSM und Service Management profitieren
Für IT Service Management und Enterprise Service Management ist diese Entwicklung besonders interessant. Denn hier treffen wiederkehrende Aufgaben, dokumentierte Prozesse und hoher Abstimmungsbedarf aufeinander.
Incidents, Requests, Changes, Wissensartikel, Freigaben, Übergaben oder Statuskommunikation: All diese Bereiche sind prädestiniert für kontextbasierte KI-Unterstützung.
Der große Vorteil liegt darin, dass Service Management ohnehin stark strukturiert arbeitet. Dadurch kann KI nicht nur Texte generieren, sondern Vorgänge besser einordnen, Kommunikation vorbereiten und operative Abläufe beschleunigen.
Genau deshalb ist das Thema für IT-Organisationen aktuell so relevant. Nicht weil KI plötzlich alles übernimmt. Sondern weil sie an den richtigen Stellen Reibung entfernt.
Unternehmen sollten jetzt nicht kleiner, sondern ambitionierter denken
Vielleicht die stärkste Botschaft aus dem Vortrag war am Ende gar nicht technologisch, sondern organisatorisch: Bringt größere Probleme mit.
Das ist ein wichtiger Gedanke. Denn viele Unternehmen nutzen KI bislang vor allem dort, wo sie bestehende Arbeit etwas schneller macht. Das ist sinnvoll, aber oft zu kurz gedacht.
Der größere Hebel liegt in den Fragen, die vorher zu aufwendig, zu komplex oder zu unbequem waren.
- Welche internen Prozesse sind unnötig kompliziert?
- Wo geht Wissen in Übergaben verloren?
- Welche Kommunikation kostet jeden Monat Stunden, ohne wirklichen Mehrwert zu schaffen?
- Welche Services könnten deutlich nutzerfreundlicher sein, wenn Kontext und Automatisierung sauber zusammenspielen?
Wer KI nur als Effizienzwerkzeug betrachtet, unterschätzt ihr Potenzial. Wer sie mit echten Business-Problemen verbindet, nutzt sie strategisch.
Fazit: Der nächste KI-Schub ist kontextbasiert, agentisch und workflow-nah
Der Vortrag von Philipp Göllner beim Atlassian Community Event in Leipzig hat genau diesen Wandel greifbar gemacht. Die Zukunft von KI im Enterprise liegt nicht im nächsten Tool, das bessere Texte schreibt. Sie liegt in Systemen, die Kontext verstehen, Arbeit vorbereiten und Teams entlang realer Prozesse entlasten.
Für Unternehmen bedeutet das einen klaren Perspektivwechsel. Weg von der Faszination für einzelne Modellfähigkeiten. Hin zu der Frage, wie Arbeitskontext, Wissensquellen, Berechtigungen und Prozesse so verbunden werden, dass daraus produktiver Nutzen entsteht.
Die nächste KI-Phase wird deshalb nicht einfach nur generativ sein. Sie wird kontextbasiert, agentisch und tief in Workflows verankert sein. Genau dort entsteht der Unterschied zwischen spannendem Experiment und echtem Business-Mehrwert.
Du möchtest herausfinden, wie sich AI Agents, Kontextdaten und moderne Service-Prozesse sinnvoll in deinem Unternehmen einsetzen lassen? Lass uns gemeinsam auf deine Use Cases schauen und herausfinden, wo KI heute schon echten Mehrwert schaffen kann.
