In meinem vorherigen Artikel habe ich über den aktuellen Stand der KI-gestützten Anforderungsdefinition geschrieben – wie sich der Prozess vom „Organisieren“ zum „Entscheiden“ verschiebt und wie ich befürchte, dass viele Arbeitsplätze blind ihr Denken auslagern, ohne diesen Wandel zu bemerken.
Dieses Mal möchte ich auf ein weiteres Problem aufmerksam machen, das damit zusammenhängt.
Das Problem ist, dass CTOs und interne SEs, weil sie mit KI-Entwicklung nun so schnell programmieren können, zu reinen Auftragsabwicklern für die Fachabteilungen werden – im Grunde zu „internen SIern“.
Die neuen Dynamiken durch KI-gestützte Entwicklung
Es ist eine unbestreitbare Tatsache, dass die Verbreitung der KI-gestützten Entwicklung die Hürde zum Programmieren drastisch gesenkt hat.
Infolgedessen kommen Anfragen von Fachabteilungen wie „Ich möchte das“ oder „Ich möchte das systematisieren“ in einem Tempo, das mit früher nicht vergleichbar ist. Es ist keine Seltenheit, dass Mitarbeiter der Fachabteilungen selbst mit KI Anforderungen erstellen oder sogar Prototypen entwickeln.
Auf den ersten Blick scheint das gut zu sein. Es sieht aus wie ein ideales Szenario, in dem die Fachabteilungen die Führung bei der Digitalisierung übernehmen und mit der IT zusammenarbeiten, um schnell Systeme einzuführen.
Aber hier lauert eine Falle.
Ich habe den Eindruck, dass immer mehr CTOs und interne SEs zu „Leuten werden, die einfach nur Anfragen der Fachabteilungen umsetzen“. Sie erhalten eine Anfrage, setzen sie technisch um und liefern sie aus. Das ist genau das, was ein interner SIer tut.
Was am Ende des Abwickelns wartet
Auf Anfragen der Fachabteilungen zu reagieren, ist an sich nicht falsch. Das Problem ist, was passiert, wenn man weiterhin jede einzelne Anfrage einer Abteilung so umsetzt, wie sie kommt.
Ich nenne das die Vermehrung von „Wildwuchs-Systemen“ und „Wildwuchs-Datenbanken“.
Der Vertrieb erstellt sein eigenes CRM, das Marketing richtet eine separate Datenanalyseplattform ein, und der Kundenservice baut ein eigenes Ticket-Management. Jede Abteilung ist zufrieden, weil sie schnell ein auf ihre Arbeit optimiertes System bekommen hat.
Aber wie sieht es für das Unternehmen als Ganzes aus?
Daten sind an verschiedenen Stellen verstreut, und die Formate sind nicht vereinheitlicht. Dieselben Kundeninformationen existieren in unterschiedlichen Formen in mehreren Datenbanken. Immer wenn man versucht, Daten zwischen Abteilungen zu verknüpfen, sind manuelle Arbeit oder individuelle Entwicklung nötig.
Das ist eine technische Silos.
Weil die KI-gestützte Entwicklung es so einfach macht, Systeme zu bauen, schreitet diese Silos-Bildung in einem beispiellosen Tempo voran. Früher wirkten die hohen Entwicklungskosten als natürliche Bremse. Es gab eine Dynamik von „es ist schwer zu bauen, also wählen wir streng aus, was wirklich nötig ist.“
Jetzt ist diese Bremse weg. Weil es gebaut werden kann, wird es gebaut. Als Folge vermehren sich Wildwuchs-Systeme und -Datenbanken, und die Anzahl der zu verwaltenden Apps und Infrastruktur steigt ständig.
Warum das im KI-Zeitalter fatal ist
Man könnte denken: „Auch wenn die Systeme etwas verstreut sind, ist es in Ordnung, solange sie funktionieren.“ Im KI-Zeitalter verursacht diese Silos-Bildung jedoch fatalere Probleme als je zuvor.
Der Grund ist einfach: Der Wert von KI ist proportional zum Grad der Datenintegration.
KI zeigt ihre wahre Stärke erst, wenn Daten unternehmensweit integriert sind und abteilungsübergreifende Erkenntnisse möglich sind. Nur wenn Vertriebsdaten, Kundenhistorie, Marketingeffekte und Finanzdaten integriert sind, kann KI Einblicke liefern, die Managemententscheidungen unterstützen.
In einer Umgebung voller Wildwuchs-Systeme sind die Daten von vornherein nicht verbunden. Man erreicht vielleicht kleine KI-Optimierungen innerhalb von Abteilungen, aber niemals eine unternehmensweite KI-Nutzung – die Art, die wirklich einen Geschäftseinfluss hat.
Durch die Anhäufung von abteilungsbezogenen Optimierungen verliert man dauerhaft die Gesamtoptimierung. Das ist das Risiko, das auftragsabwickelnde CTOs und interne SEs unwissentlich schaffen.
Die wahre Rolle, die CTOs und interne SEs spielen sollten
Wie sollten CTOs und interne SEs also sein?
Die Antwort ist klar: Werdet zu „Gestaltern und Entscheidern“ statt nur zu „Bauern“.
„Gestalten“ bedeutet hier nicht, einzelne Systeme zu entwerfen. Es bedeutet, die Daten- und Systemarchitektur für das gesamte Unternehmen zu entwerfen.
Wenn eine Anfrage von einer Fachabteilung kommt, baut man sie nicht einfach, sondern beurteilt, „wie diese Anfrage in der unternehmensweiten Architektur positioniert werden sollte.“ In manchen Fällen muss man sagen: „Das sollte nicht einzeln gebaut werden.“ Wenn es durch die Erweiterung bestehender Plattformen abgedeckt werden kann, leitet man dorthin.
Das mag sich für die Fachabteilungen umständlich anfühlen. Sie fragen vielleicht: „Warum redest du über das ganze Unternehmen, wenn ich nur das jetzt gebaut haben möchte?“
Aber nur CTOs und interne SEs können dieses Urteil fällen. Fachabteilungen haben Anreize, ihren eigenen Bereich zu optimieren, aber keinen Anreiz, die unternehmensweite Architektur zu schützen. Deshalb müssen technische Experten die Rolle von Hütern der Gesamtoptimierung übernehmen.
Die „Entscheidung, nicht zu bauen“ ist die höchste technische Fähigkeit
Ironischerweise könnte die wichtigste Fähigkeit, die CTOs und interne SEs im KI-Zeitalter benötigen, die „Entscheidung, nicht zu bauen“ sein. Deshalb nenne ich sie „Entscheider“.
Eine Anfrage kommt von einer Fachabteilung. Es ist technisch möglich. Mit KI kann man es in wenigen Tagen umsetzen. Aber man muss die Kraft haben, zu hinterfragen, ob der Bau wirklich richtig für das gesamte Unternehmen ist.
Kann diese Anfrage durch bestehende Plattformen abgedeckt werden? Ist die Datenstruktur mit den Unternehmensregeln konform? Läuft ein ähnliches System bereits in einer anderen Abteilung? Wird das Hinzufügen eines individuell optimierten Systems die zukünftige Datenintegration erschweren?
Diese Fragen stellen zu können, ist im KI-Zeitalter wahre technische Stärke.
Das Programmieren übernimmt die KI. Aber zu beurteilen, was gebaut werden soll und was nicht, kann die KI nicht. Wie ich im vorherigen Artikel erwähnt habe, dass „die Anforderungsdefinition zu einem Entscheidungsprozess wird“, folgt die Rolle von CTOs und internen SEs genau derselben Struktur.
Statt Auftragsabwickler zu sein, wird Ihre Rolle als Gestalter der unternehmensweiten Architektur gerade wegen des KI-Zeitalters immer wichtiger.
Einen „Zustand der Bereitschaft“ schaffen, weil die Zukunft unvorhersehbar ist
Obwohl ich die Bedeutung der „Entscheidung, nicht zu bauen“ betont habe, gibt es noch eine weitere Perspektive, die CTOs und interne SEs haben sollten.
Weil die Zukunft im KI-Zeitalter unvorhersehbar ist, müssen Sie das Unternehmen in einem Zustand halten, in dem es sich jederzeit bewegen kann.
Derzeit verbreitet sich der Diskurs, dass „SaaS tot ist“. Seit Microsoft-CEO Satya Nadella diese Worte Ende 2024 ausgesprochen hat, sagen viele das Ende von SaaS voraus. In der Tat werden SaaS-Bewertungen komprimiert, und das Interesse der Investoren verlagert sich schnell auf KI-native Plattformen.
Aber stirbt SaaS wirklich?
Ich glaube, das ist nicht so einfach. SaaS-Unternehmen investieren massiv in Forschung und Entwicklung, um die optimale Form von Software für das KI-Zeitalter zu finden. Agentische KI-Integration, ergebnisorientierte Abrechnung, branchenspezifische KI-Plattformen… Es ist sehr wahrscheinlich, dass Produkte in Formen auftauchen, die wir uns derzeit nicht vorstellen können.
Mit anderen Worten: Sowohl die Schlussfolgerung „SaaS ist tot“ und der übereilte Einstieg in die Eigenentwicklung als auch das Stehenbleiben mit dem Gedanken „SaaS reicht“ sind Risiken.
Die Haltung, die ein CTO/interner SE einnehmen sollte, ist nicht, auf das eine oder andere zu setzen. Es ist, eine Architektur zu entwerfen, die reagieren kann, egal wie die Dinge laufen.
Konkret: Standardisieren Sie, wie Daten gehalten werden, und schaffen Sie eine Struktur, die nicht an eine bestimmte SaaS oder ein bestimmtes Tool gebunden ist. Halten Sie Systemverbindungen lose gekoppelt über APIs. Lassen Sie nicht zu, dass Wildwuchs-Systeme sich vermehren; vereinheitlichen Sie die Datengrundlage des Unternehmens.
Mit dieser Designphilosophie können Sie wechseln, wenn SaaS sich weiterentwickelt und bessere Produkte auf den Markt kommen. Umgekehrt können Sie dorthin migrieren, wenn klar wird, dass Eigenentwicklung für einen bestimmten Bereich besser ist.
Sie können die Zukunft nicht vorhersagen. Aber Sie können eine Struktur schaffen, die darauf reagieren kann. Das ist die Essenz des Architekturdesigns, das von CTOs und internen SEs im KI-Zeitalter gefordert wird. Umgekehrt können nur technische Experten dies tun. Ich möchte nicht, dass Sie diese wertvollen Ressourcen als interner SIer verschwenden.
Upstream-Prozesse mit KI beschleunigen
Als Werkzeug zur Unterstützung der Transformation von Upstream-Prozessen haben wir 'GEAR-UI', ein KI-Tool zur Bildschirmdefinition und Mock-Generierung, als OSS (Open Source Software) veröffentlicht.
Durch die Veröffentlichung als OSS hoffen wir, Benutzer von Implementierungshürden zu befreien und ihnen zu helfen, sich auf das Wesentliche zu konzentrieren. Bitte nutzen Sie es insbesondere für die von mir diskutierten „Vor-dem-Bauen“-Entscheidungen.
Anpassungen sind kostenlos. Bitte machen Sie Gebrauch davon.
