Operational Technology Service Management (OTSM) überträgt etablierte IT-Service-Prinzipien wie Incident-, Change- und Monitoring-Prozesse auf die Shopfloor-Umgebung. Das Ergebnis: schnellere Fehlerbehebung, höhere Transparenz, gesteigerte Sicherheit – und ein Verständnis von IT und OT als gleichberechtigte Partner. 

In vielen Industrieunternehmen existieren IT und OT oft noch als organisatorische und kulturelle Parallelwelt, in denen sich Webstandards, Produktionshardware und -schnittstellen wie Feuer und Wasser verhalten. Die OT (operative Technologie) als Wertschöpfung des Unternehmens, hat sich im Shopfloor als eigenständiges Systemuniversum, mit eigenem Personal, Anforderungen und oft proprietären Infrastrukturen entwickelt, während die Aufgabe der IT darin liegen sollte diese Wertschöpfung als Servicedienstleister zu begleiten, zu optimieren und zu vereinfachen.  

Allerdings zeigt die Praxis, dass Produktionssysteme häufig neben den Prozessen der zentralen IT laufen und es im Störfall an klaren Zuständigkeiten, strukturierten Abläufen und Transparenz fehlt. Die Folgen sind spürbar: durch ineffiziente Prozesse findet kein Datenaustausch zwischen Steuerungssystemen und Produktionsebenen statt, organisatorische und kontextuelle Silos erschweren die Zusammenarbeit. 

Warum OTSM mehr ist als „ITSM für die Produktion“

Operational Technology Service Management (OTSM) setzt genau hier an. Der Ansatz überträgt bewährte Prinzipien des IT Service Managements (ITSM) in die Welt der OT, passt sie aber den besonderen Gegebenheiten in der Produktion an. 

Worum geht es konkret?  

OTSM etabliert strukturierte Prozesse für den Betrieb, die Überwachung und die Veränderung von OT-Systemen, ähnlich wie im IT Service Management (ITSM), aber mit klarer Rücksicht auf Verfügbarkeitsanforderungen (Produktionsstillstand ist keine Option), Echtzeitanforderungen (z.B. bei Maschinensteuerungen), Sicherheitsaspekten, heterogenen Systemen und langen Lebenszyklen. 

Zentrale Elemente von OTSM sind zum einen das IT-gestützte Incident Management, das sich durch eine strukturierte (automatisierte) Störungsaufnahme, Eskalation und Priorisierung auszeichnet; das Problem Management für die Ursachenanalyse und nachhaltige Behebung wiederkehrender Fehler; Change Management für geplante, kontrollierte Änderungen an OT-Systemen sowie das Monitoring & Reporting für eine kontinuierliche Überwachung und letztendlich eine KPI-basierte Bewertung der OT-Landschaft. 

Zum anderen wird ein OT-System zur Kommunikation und standardisierten Anbindung zwischen dem Maschinenpark und Incident Management benötigt. Diese Vernetzung bindet die maschinentypischen Datenströme in IT-normierte, webfähige Formate ein und kann erste Filterungen und Analysen übernehmen. 

Das Ziel: Die OT-Umgebung wird nicht länger gesondert behandelt, sondern als servicefähiger, messbarer und sicher betreibbarer Teil der Unternehmensinfrastruktur. 

Vier zentrale Mehrwerte durch OTSM 

1. Fehler schneller erkennen und beheben 

Mit einem automatisierten Störungsmanagement lassen sich Fehlermeldungen strukturiert erfassen, klassifizieren und priorisieren. In Kombination mit smarter Root-Cause-Analyse reduziert sich die mittlere Störungsdauer signifikant und Wiederholungsfehler lassen sich systematisch vermeiden. Im, Klartext heißt das, die oft kryptischen Fehlermeldungen auf den Maschinenbedienelementen tauchen direkt und klar lesbar in zentralen IT-Systemen auf. 

2. Visibilität erhöhen 

OTSM schafft zentrale Transparenz über den Zustand der Produktionssysteme. Mit Dashboards, KPIs und Monitoring-Tools, die OT-Verfügbarkeit, Ausfälle, Interaktionen und Abhängigkeiten sichtbar machen. So können sowohl OT-Teams als auch IT und Management datenbasiert handeln. Die nun an einer zentralen Stelle klar lesbaren Fehler lassen erste Muster erkennen und Fehlerbehebungen idealerweise konsolidiert angehen. 

3. Sicherheit stärken 

Durch kontrollierte Change-Prozesse, Patch-Management und strukturierte Zugriffskontrollen lassen sich auch in heterogenen OT-Umgebungen Sicherheitslücken schließen. OTSM ist damit ein Schlüsselbaustein für industrielle Cybersicherheit, ohne dabei den Betrieb zu gefährden. Leider wird dieser Bereich oft unterschätzt, sind doch gerade in der Produktion die Anlagensteuerungen oft deutlich älter und daher offener für Angriffe.  

4. IT als echter OT-Partner 

OTSM definiert gemeinsame Prozesse und Rollen zwischen IT und OT. Statt Silodenken gibt es klar definierte Übergabepunkte, abgestimmte Verantwortlichkeiten und ein gemeinsames Ziel: eine sichere, stabile und leistungsfähige Produktion.  

Von der stabilen Produktion zur autonomen Dark Factory 

Die Einführung von OTSM ist nicht nur ein operatives Effizienzprogramm, sondern auch ein strategischer Meilenstein auf dem Weg zur Dark Factory und Factory-as-a-Service. 

Denn: Autonome Fabriken setzen voraus, dass Infrastruktur, Systeme und Services in der Produktion planbar, überwachbar und automatisierbar betrieben werden können. Genau das schafft OTSM durch: 

• Hohe Kostentransparenz  

• Klar definierte Serviceprozesse als Grundlage für Automatisierung 

• Messbare Zustände als Datenbasis für KI, im speziellen prädiktive, aber auch präskriptive Modelle 

• Integrierte Zuständigkeiten als Voraussetzung für eine horizontale Skalierung 

Wer OTSM heute einführt, schafft die Basis für ein Betriebsmodell, das auch bei höherem Automatisierungsgrad noch steuerbar und sicher bleibt. 

Der wichtigste Schritt: IT und OT als gleichberechtigte Partner verstehen und gemeinsam an einem Modell arbeiten, das nicht nur heute funktioniert, sondern auch morgen skalierbar bleibt. 

Im Zuge dessen legen die Europäische Union (EU), die Vereinten Nationen (UN) oder die Internationale Organisation für Normung (ISO) ökologische Nachhaltigkeitsziele und -vorschriften fest und treiben so den Wandel zu einer Kreislaufwirtschaft voran. Das hat Auswirkungen auf viele europäische Sektoren, allen voran auf die Automobilbranche. An Bedeutung gewinnen hier speziell Fahrzeugaufbereiter, als Verantwortliche für das Ende des Lebenszyklus von Fahrzeugen (End of Lifecycle, EoL).

Autos, bei deren Konstruktion bewusst auf Zugänglichkeit geachtet wurde – mit leicht abnehmbaren Verkleidungen, klarer Beschriftung und einfachen Demontageverfahren – erleichtern den Fahrzeugaufbereitern ihre Arbeit. Es bleibt jedoch eine Herausforderung, die neuen Umweltanforderungen in die komplexen Prozesse der Autobranche zu integrieren. Denn Autos müssen vielseitige Anforderungen erfüllen. Es muss abgewogen werden zwischen vielen Aspekten:

• Nachhaltigkeit
• Entwicklungs- und Produktionskosten
• Kundenerwartungen, z. B. Farbechtheit oder haptische Qualität
• Und viele weitere.

All das bringt technische Komplexität und teils konkurrierende Leistungsmerkmale mit sich. Das unter einen Hut zu bringen und zudem Kreislauffähigkeit zu erfüllen ist kompliziert.

Nachhaltigkeit muss in das „Systems Engineering Framework“ integriert werden

Einer der wichtigsten Schritte, um Kreislauffähigkeit zu erfüllen: Nachhaltigkeit muss in den übergeordneten Produktentstehungsprozess integriert werden, durch das sog. „Systems Engineering Framework“. In diesem Framework werden die komplexen Schritte von Entwurf bis Produktion eines Fahrzeugs dargestellt.

Alle Stakeholder-Anforderungen werden darin übersetzt in verständliche, messbare Anforderungen (z. B. KPIs). Wichtig ist ein interdisziplinäres Verständnis, d. h. Verantwortliche für Nachhaltigkeit müssen verstehen, welche Anforderungen Verantwortliche für Kosten oder Produktqualität haben – und umgekehrt. In Zusammenarbeit wird eine Systemarchitektur kreiert. Dank dieser Systemarchitektur sehen alle, welche Anforderungen bestehen und mit wem dafür Zusammenspiel notwendig ist.

Dieser iterative Ansatz erstreckt sich von der höchsten Systemebene („Fahrzeug“) bis hinunter zu den Subsystemen (z. B. „Batterie“) und den Komponenten (z. B. „Batteriezelle“ oder „Befestigung“). Abbildung 1 veranschaulicht die Schritte des Anforderungsmanagements in einem vereinfachten Flussdiagramm. Die Prozesse müssen in der Regel auf den Teilsystemebenen mehrfach wiederholt werden.

Abbildung 1: Prozesse zur Verwaltung von Anforderungen im Systems Engineering Framework (ähnlich wie beim Referenz-Modell des Verbands der Automobilindustrie, ASPICE, ab S. 143). Quelle: Capgemini.

Beispiel: E-Auto

Wie können nun Umweltanforderungen in den Entwicklungsprozess integriert werden? Das lässt sich am Beispiel E-Auto zeigen. Für die Entwicklung eines batterieelektrischen Fahrzeugs (BEV) ergibt sich eine mehrstufige Systemhierarchie, die in Abbildung 2 dargestellt ist. Diese Hierarchie veranschaulicht die Zerlegung des Gesamtsystems „Fahrzeug“ in Teilsysteme bis hin zu einzelnen Komponenten wie „Batteriezellen“. Abbildung 2 stellt dabei nur einen Teil der Hierarchie dar, da die komplette Hierarchie zu umfangreich wäre, um sie darzustellen.

Abbildung 2: Teil einer mehrstufigen Systemhierarchie eines BEV. Quelle: Capgemini.

Auf den jeweiligen Stufen – von Fahrzeug bis Komponenten – ergeben sich verschiedene Anforderungen, die gegebenenfalls verlinken zu relevanten tieferen Ebenen. In Textform sieht das so aus:

Mit einer solchen eindeutigen Hierarchie lassen sich notwendige Analysen auf allen Ebenen durchführen. Um verlässlich zu überprüfen, ob Anforderungen an Nachhaltigkeit erfüllt werden, gibt es Standard-Methoden, zum Beispiel die Lebenszyklusanalyse (Life Cycle Assessement, LCA) oder die Materialflussanalyse (Material Flow Analysis, MFA). Im Beispiel „E-Auto“ kann beispielsweise MFA eingesetzt werden, um zu beurteilen, ob die erforderlichen Wiederverwendungsraten erreicht werden.

Diese Analyse muss auf jeder Ebene durchgeführt werden, und wird dann jeweils in die obere Ebene integriert, s. Abbildung 3. Das führt zu einer umfassenden Bewertung des gesamten Fahrzeugs.

Abbildung 3: Analysen auf unteren Ebenen werden wieder in die obere Ebene integriert und ergeben in Summe eine vollständige Bewertung. Quelle: Capgemini.

Nachhaltigkeit als Wettbewerbsvorteil

Die Rohstoffpreise steigen, Lieferketten werden unsicherer und Kunden, Analysten und Nichtregierungsorganisationen machen Druck. Das lineare Wirtschaftsmodell von “Nehmen – Produzieren – Konsumieren – Entsorgen” scheint zunehmend unhaltbar. Das ist für die Autobranche – neben Themen wie Gen AI und Softwareisierung – eines der akutesten Themen.

Bei all dem sind Unternehmen nicht auf sich allein gestellt. Spezielle Tools – beispielsweise Cameo Systems Modeler von Dassault Systèmes oder Codebeamer von PTC – erleichtern es, die vielen Anforderungen beim Auto-Bau systematisch zu erfassen, zu organisieren und zu verwalten. Zudem können Unternehmen mit den richtigen Partnern und einer belastbaren Strategie den Weg in Richtung intelligenter Industrie gehen. Dabei wird nicht nur Nachhaltigkeit zum Wettbewerbsvorteil, sondern es entstehen ganzheitlich gedachte Lösungen, die von Ende-zu-Ende konzipiert sind und die vernetzte Wertschöpfungsketten auf resiliente Beine stellen.

Co-Autor: Alexander Sorgenicht

Sie wollen mehr erfahren oder einen konkreten Fall besprechen? Dann laden wir Sie ein, unser Team an Expert*innen zu besuchen auf der IAA Mobility 2025 oder dem Future Battery Forum 2025.

„Impact Together“: Für einen positiven Wandel in Wirtschaft und Gesellschaft 

Matthias, wie versteht Capgemini seine gesellschaftliche Rolle? 

Wie wird „Impact Together“ bei Capgemini gelebt? 

Matthias: Pro Jahr bieten wir ungefähr 40 Projekte an, in denen sich die Mitarbeitenden einbringen können. Dazu gehören lokale und bundesweite Initiativen. Manche finden digital statt, andere vor Ort. Wir kooperieren dafür mit verschiedenen NGOs und Social Startups.  

Digitale Inklusion steht bei Capgemini ebenfalls weit oben auf der Agenda. Wie engagiert ihr euch in diesem Bereich? 

Matthias: Für uns als globales Unternehmen, das Organisationen bei der Transformation von Business und Technologie begleitet, liegt es natürlich nahe, dass wir uns im Bereich der digitalen Inklusion engagieren. Aktuelle Studien zeigen, dass sich Millionen Menschen – jung und alt – digital abgehängt fühlen. Sie sind unsicher, wie sie digitale Tools angemessen nutzen können. ​Im Umgang mit dem Internet fehlt es manchen Menschen an Möglichkeiten zur Reflexion oder an unterstützender Begleitung. ​​​​​Genau dort setzen wir mit verschiedenen gesellschaftlichen Initiativen an. Wir initiieren zum Beispiel Medienkompetenz-Trainings an Schulen für sozial benachteiligte Kinder und Jugendliche oder ​​​​Smartphone-Sprechstunden in einer Einheit für betreutes Wohnen. Hier erhalten Senior*innen Antworten auf alle ihre Fragen rund ums Smartphone. 

Initiativen für mehr digitale Inklusion

Corporate Volunteering, das Leben retten kann

Ihr habt auch eine Kooperation mit der DKMS, der Deutschen Knochenmarkspenderdatei. Wie sieht diese Zusammenarbeit aus? 

Matthias: Die Kooperation mit der DKMS läuft bereits seit über zehn Jahren. Über eine eigene Website können sich Kolleg*innen für eine potenzielle Stammzellspende registrieren lassen. Zum World Blood Cancer Day (Weltblutkrebstag) am 28. Mai 2024 haben wir eine große Aufklärungskampagne rund um das Thema „Typisierung“ gestartet. In unseren Büros in Berlin, Köln und München haben wir zudem Registrierungssets bereitgestellt. Über 90 Kolleg*innen haben sich daraufhin neu registriert. So kann künftig noch mehr Menschen geholfen werden.​​ Denn in der Vergangenheit gab es bereits Matchings, bei denen Capgemini Mitarbeitende anderen Menschen das Leben retten konnten und umgekehrt. Darauf sind wir unfassbar stolz. 

Liegen euch noch andere Gesundheitsthemen am Herzen? 

Matthias: Ja, das Thema Organspende. Capgemini Invent, die Strategieeinheit von Capgemini, hat am neuen Organspende-Verzeichnis mitgewirkt. Wir haben den Weltblutkrebstag genutzt, um auch darüber aufzuklären. Dafür haben wir verschiedene Speaker eingeladen. In Berlin schilderte uns zum Beispiel Gudrun Ziegler, wie sie selbst jahrelang auf eine Organspende gewartet hatte, was das für ihren Alltag bedeutete und wie froh sie war, als endlich der Anruf kam. Es war spannend, sich während der Mittagspause mit den Kolleg*innen über solch ein lebenswichtiges Thema auszutauschen. 

Pro-Bono-Projekte: NGOs langfristig unterstützen 

Soziales Engagement bedeutet für Capgemini auch, an Pro-Bono-Projekten mitzuwirken. Welche Initiativen begleitet ihr? 

Matthias: Pro Jahr haben wir rund zehn bis zwölf Pro-Bono-Projekte. Dabei unterstützen wir NGOs ​​bei konkreten Herausforderungen. Die Projekte dauern mehrere Wochen und ermöglichen es, sich in verschiedene Teams einzubringen. Seit letztem Jahr arbeiten wir zum Beispiel mit der Ludwig-Maximilian-Universität München an einem Projekt zur Erkennung von seltenen Kinderkrankheiten.

Initiativen für Kinder & Jugendliche

Capgemini unterstützt eine Reihe von Initiativen für Kinder und Jugendliche. Unter anderem: 

“Für mich vereint die Hacker School auf wundervolle Weise die drei Herzen, die in meiner Brust schlagen: Scale AI, Women Empowerment und Coding for Kids.“  Daniela Rittmeier, Head of Generative AI Accelerator 

Initiativen für die Umwelt

Der Umweltschutz spielt bei Capgemini eine große Rolle. Das Unternehmen unterstützt seine Kunden bei ihren ökologischen Herausforderungen und arbeitet selbst aktiv an einer Netto-Null-Strategie. Auch hier können sich die Mitarbeitenden in verschiedene Projekte einbringen. 

Wie können Mitarbeitende bei Capgemini neue Projekte initiieren und sich selbst engagieren? 

Matthias: Alle Mitarbeitenden sind herzlich eingeladen, Ideen für Projekte einzureichen. Das kommunizieren wir auch sehr offen und transparent über alle internen Kanäle hinweg. Bei den monatlichen Onboardings für neue Mitarbeitende gibt es beispielsweise auch einen Slot zum Thema CSR-Aktivitäten. So wissen die neuen Teammitglieder von Anfang an, welche Bedeutung gesellschaftliches Engagement bei Capgemini hat. 

Capgeminis Ziel als Arbeitgeber ist es, gesellschaftliches Engagement für die Mitarbeitenden möglichst unkompliziert und zugänglich zu gestalten. Viele Kolleg*innen zeigen Interesse, sind aber unsicher, wo und wie sie aktiv werden können. Deshalb informieren wir sie regelmäßig über neue Aktionen und laden zur Teilnahme ein. Einmal im Jahr veranstalten wir außerdem an unseren Standorten CSR-Foren. Dort stellen wir unsere sozialen und ökologischen Aktivitäten vor, zeigen, wie sie mit unserer Unternehmensstrategie verknüpft sind, und geben konkrete Impulse, wie sich Mitarbeitende engagieren können.  

Welche Freiräume schafft Capgemini für Corporate Volunteering im Arbeitsalltag? 

Matthias: Bei Capgemini legen wir großen Wert auf Flexibilität – auch beim Thema Corporate Volunteering. Unsere Arbeitszeitmodelle erlauben es, gesellschaftliches Engagement gut mit dem Arbeitsalltag zu vereinbaren. Mitarbeitende, die sich engagieren möchten, haben die Möglichkeit, ihre Arbeitszeiten entsprechend anzupassen. Dabei erfahren sie starke Unterstützung durch unser Management. Gleichzeitig achten wir darauf, viele Aktionen so zu planen, dass sie auch außerhalb der Kernarbeitszeiten stattfinden können. Etwa am späten Nachmittag oder an Samstagen. Bei fortlaufenden Initiativen gibt es zudem flexible Beteiligungsmöglichkeiten über das ganze Jahr hinweg. 

Zu unseren CSR-Zielen gehört auch ein bestimmter Anteil an Pro-Bono-Arbeit. Bei Initiativen wie dem Girls’ Day oder Skill-Based-Volunteering gilt die eingebrachte Zeit nicht als Freizeit, sondern kann als Arbeitszeit verbucht werden. 

Inwieweit stärkt „Impact Together“ den Zusammenhalt im Team? 

Matthias: Die „​​Impact Together“-Aktivitäten sind eine tolle Möglichkeit, um mit Kolleg*innen aus anderen Abteilungen zusammenzukommen. Das stärkt die Vernetzung und die teamübergreifende Zusammenarbeit. Außerdem spiegeln sich die Werte von Capgemini in unserem sozialen Engagement wider. Dazu gehören Mut, Spaß und Bescheidenheit. 

Warum ist Freiraum für gesellschaftliches Engagement wichtig? 

Matthias: Ich glaube, es gibt uns allen ein gutes Gefühl, für einen verantwortungsvollen Arbeitgeber tätig zu sein. Soziales Engagement mit der Arbeit an Projekten zu kombinieren hat für viele Kolleg*innen eine große Bedeutung. 

Welche Zukunftsvision hast du für „Impact Together“ sowie für weitere Initiativen und Projekte? 

Matthias: Wir sind dabei, unser gesellschaftliches Engagement zu verstetigen. Die Einsätze werden regelmäßiger, wie in der Arche in Köln. Unsere Kolleg*innen gehen mittlerweile jedes Quartal dorthin, um mit den Kindern eine Kombination aus Workshop und Spielenachmittag zu veranstalten. 

Außerdem schauen wir, wie wir unsere Kunden – große Unternehmen und öffentliche Institutionen – in die Initiativen einbeziehen können. Wenn unsere Corporate Volunteers und unsere Kunden zusammen Aktionen durchführen, kann das die Kundenbeziehung stärken. 

Eine abschließende Frage: Was schätzt du am Corporate Volunteering am meisten? 

Matthias: Das Schöne an den Initiativen ist, dass man neue Orte und Menschen kennenlernt und in eine ganz andere Lebenswelt eintauchen kann. Das verleiht neue Energie, gute Laune und stärkt den Teamgeist. 

Danke, Matthias!  

Ab dem 02.08.2025 wird es ernst: Es treten neue Anforderungen des EU AI Acts in Kraft – und mit ihnen Bußgelder von bis zu 35 Millionen Euro oder 7 % des weltweiten Jahresumsatzes. Unternehmen müssen bis dahin wissen, ob sie KI-Praktiken einsetzen, die bereits seit 02.02.2025 ausdrücklich verboten sind – und ob sie als GPAI-Modellanbieter im Rahmen des EU AI Act gelten.

Scharfstellung der Sanktionen: Was Unternehmen jetzt klären müssen

Der 2. August 2025 markiert den Beginn der Durchsetzung der Sanktionen nach Artikel 99 – 100 des EU AI Acts. Für Unternehmen bedeutet das: Unwissen schützt nicht vor Strafe. Die EU-Kommission macht ernst – mit klar definierten Pflichten, Verboten und Sanktionen. Besonders im Fokus sind hierbei die verbotenen KI-Praktiken, wie etwa manipulative Systeme, biometrische Kategorisierung oder emotionale Überwachung am Arbeitsplatz, die bereits seit dem 02. Februar 2025 verboten sind.

Wer sich bis zum Stichtag nicht vorbereitet, riskiert nicht nur finanzielle Konsequenzen, sondern auch erhebliche Reputationsschäden.

Was sind GPAI-Modelle – und warum ist das entscheidend?

Neben den Strafzahlungen treten ebenfalls Pflichten für Anbieter von General Purpose AI-Modelle (GPAI) in Kraft. Nach Artikel 3 Nummer 63 des EU AI Acts wird ein GPAI-Modell als ein KI-Modell definiert, das eine erhebliche Allgemeinheit aufweist und in der Lage ist, ein breites Spektrum unterschiedlicher Aufgaben kompetent zu erfüllen. Außerdem kann es in eine Vielzahl von nachgelagerten Systemen oder Anwendungen integriert werden. Wer solche Modelle entwickelt, oder nachtrainiert und Dritten bereitstellt (z.B. über APIs), oder in Betrieb nimmt, unterliegt spezifischen Pflichten gemäß Kapitel V (Artikel 50–55) des EU AI Acts. Entsprechend der am 22. April veröffentlichten vorläufigen GPAI-Leitlinien, ist gemäß AI-Office der Europäischen Kommission davon auszugehen, dass es sich um ein GPAI-Modell handelt, wenn für das Training eines Modells, das Text und/oder Bilder generieren kann, mehr als 10²² Gleitkommaoperationen (FLOPs) benötigt wurden.

Die durch die GPAI-Anbieter sicherzustellenden Anforderungen sind technischer, organisatorischer und prozessualer Art – und unterscheiden sich zudem danach, ob das GPAI-Modell ein systemisches Risiko birgt. Die Einstufung von KI-Modellen erfolgt gemäß Artikel 51 i. V. m. Anhang XIII. GPAI-Modelle mit systemischem Risiko unterliegen zusätzlichen Pflichten.

Code of Practice: Die noch freiwillige Vorstufe zur Pflicht

Als Unterstützung bei der Frage, was ein Unternehmen als GPAI-Modellanbieter erfüllen muss, kann der „Code of Practice on GPAI“ zu Rate gezogen werden.

Dieses Dokument wird im Einklang mit Artikel 56 Abs. 3 des AI Acts als „Verhaltenskodex“ durch das AI Office der EU Kommission nach Abschluss der finalen Konsultationen veröffentlicht werden und dient als vorbereitende Maßnahme für GPAI-Modellanbieter. Zwar ist die Teilnahme aktuell nicht verpflichtend, der Code soll jedoch schrittweise als Best Practice für Compliance gelten – insbesondere im Rahmen der bevorstehenden harmonisierten Normen nach Artikel 40.

Der Code umfasst u. a.:

• Transparenzstandards (z. B. ein Musterdokumentationsformular)
• Regeln zum Urheberrecht von Trainingsdaten
• Anforderungen an die Sicherheit (nur für GPAI-Modelle mit systemischen Risiken)

Wie finde ich heraus, ob ich GPAI-Modellanbieter bin?

Die Code of Practice Arbeitsgruppen rechnen mit einer kleinen Anzahl an GPAI-Modellen mit systemischem Risiko und entsprechend auch wenigen Anbietern solcher Modelle. Jedoch ist durch Anpassung (etwa Fine-Tuning) von Modellen davon auszugehen, dass die Anzahl von GPAI-Modellanbietern ohne systemisches Risiko, die unter die AI Act Anforderungen nach Artikel 53 fallen, ansteigen wird. Hierbei unterstreicht der Code of Practice, dass sich die Anbieterpflichten in den meisten Fällen nur auf den nachtrainierten Teil des Modells beschränken sollen. Eine Orientierungshilfe bei der Ermittlung der Pflichten für Unternehmen, die bestehende GPAI-Modell nachtrainieren (sogenannte „Downstream Modifier“) helfen die ersten Entwürfe der GPAI-Leitlinie und nachfolgende Übersicht.

Fazit

Zusammengefasst gilt: Ab August 2025 sind Verstöße gegen den EU AI Act sanktionsbewährte Compliance-Verstöße. Bis dahin sollten Unternehmen mindestens folgende Schritte abgeschlossen haben:

1. Verbotene Praktiken ausschließen: Werden KI-Systeme eingesetzt, die seit Februar 2025 untersagt sind (z. B. versteckte emotionale Erkennung)? Hierbei ist ein AI-Inventory mit einer Übersicht über alle KI-Systeme hilfreich.
2. Modellklassifizierung vornehmen: Welche der verwendeten Modelle sind GPAI? Welche fallen unter die Modelle mit systemischem Risiko? Für welche dieser Modelle nehme ich die GPAI-Modellanbieter-Rolle ein – und sei es nur, weil sie durch mein Unternehmen als „Downstream Modifier“ in größerem Umfang nachtrainiert wurden?
3. Dokumentation & Transparenzstruktur aufsetzen: Trainingsdaten, Funktionsweise, Performance nachvollziehbar machen.

Wer heute vorbereitet ist, stellt die Weichen für KI-Compliance gemäß EU AI Act – und zeigt Verantwortung im Umgang mit Künstlicher Intelligenz. Capgemini verfügt als erfahrener Partner im Bereich der AI-Compliance über die notwendigen Befähigungen, um Sie auf diesem Weg entscheidend zu beschleunigen:

1. Assets und Frameworks: Zu zahlreichen Herausforderungen rund um AI-Compliance hat Capgemini Rahmenwerke und Assets entwickelt – von Maturity-Assessments  über Governance-Frameworks bis hin zu konkreten Musterprozessen zum Management von AI.
2. Hands-On-Projekterfahrung: Unsere Experten haben aus erster Hand Projekterfahrungen zu zahlreichen Themen des AI Acts.

Gerne stellen wir Ihnen unser Portfolio persönlich vor und diskutieren konkrete Lösungsansätze für Ihr Unternehmen.

Vielen Dank an meinen Co-Autoren Philipp Schumacher!

In der modernen Arbeitswelt wird Künstliche Intelligenz (KI) zunehmend zu einem integralen Bestandteil unserer täglichen Aufgaben. 82 % der Führungskräfte sehen dieses Jahr als entscheidenden Zeitpunkt, um zentrale Aspekte der Strategie und der Abläufe zu überdenken. Zudem erwarten 81 %, dass KI-Agenten in den nächsten 12–18 Monaten in die Unternehmensstrategie integriert werden (Microsoft – Work Trend Index Annual Report). In unserem vorherigen Artikel haben wir die Frage beleuchtet, ob Generative KI (Gen AI) lediglich ein vorübergehender Hype ist oder wahren Mehrwert bietet. Dabei haben wir gezeigt, dass Gen AI die Arbeitsweise in Unternehmen maßgeblich verändern kann. Allerdings haben wir nur einige ausgewählte Anwendungsfälle vorgestellt, die lediglich einen kleinen Ausschnitt der vielfältigen Einsatzmöglichkeiten von KI in Unternehmen darstellen. Die zentrale Frage lautet nun: Wie wird man zu einem Unternehmen, das KI erfolgreich und reibungslos implementiert? Um dies zu verstehen, müssen wir uns zunächst anschauen, warum Unternehmen Gen AI überhaupt in ihre Prozesse integrieren. In diesem Artikel möchten wir aufzeigen, wie Unternehmen durch die Schaffung eines AI-nativen Workplace das volle Potenzial von Gen AI ausschöpfen können.

KI ohne Wirkung? Das sind die Gründe

Die Haupttreiber sind Effizienzsteigerungen durch Automatisierung zeitintensiver Aufgaben, das Schaffen maßgeschneiderter Erlebnisse – in denen Mitarbeitende sich auf wertschöpfende Tätigkeiten konzentrieren können – sowie die Vereinfachung komplexer Arbeitsabläufe. Trotz des vielversprechenden Potenzials bleiben die bisher erzielten Ergebnisse jedoch oft hinter den Erwartungen der Unternehmen zurück. Wir haben drei Kernprobleme identifiziert: mangelnde Datenqualität, unzureichende Trainings- und Adoptionsmaßnahmen sowie die fehlende ganzheitliche Integration der KI in das bestehende Arbeitsumfeld. Besonders bei der Integration von Gen AI sehen wir derzeit eine Arbeitsumgebung, in der die Implementierung von KI-Lösungen fragmentiert und isoliert erfolgt. KI-Lösungen sind auf einzelne Plattformen beschränkt und es mangelt an Interkonnektivität zwischen Anwendungen und Prozessen, was den tatsächlichen Wert von KI erheblich mindert.

AI-native Workplace: Zukunft, die heute startet

Unsere Vision bei Capgemini ist der AI-native Workplace – eine zentrale, proaktive, KI-gestützte Benutzeroberfläche, die Informationen, Anwendungen und Prozesse intelligent miteinander vereint. Diese Plattform wird zur Kommandozentrale der modernen Arbeitswelt: Über eine smarte Schnittstelle geben Nutzende ihre Anweisungen ein, steuern Aufgaben und gestalten so ihre Arbeit effizienter, intuitiver und zukunftsorientiert. 

Der AI-native Workplace ist mehr als ein technisches Konzept. Er steht für eine neue Arbeitslogik: Gen AI und intelligente Agenten unterstützen dabei, Aufgaben zu automatisieren, Wissen bereitzustellen und Entscheidungen effizienter zu gestalten. So schaffen wir eine Arbeitsumgebung, die personalisiert, nahtlos und intuitiv ist – und in der Menschen sich auf das konzentrieren können, was den Unterschied macht: strategisches Denken, Kreativität und Wirkung. 

Agenten und Konnektoren – Die Bausteine des AI-native Workplace

Die Grundlage des AI-native Workplace bilden zwei wesentliche Kernelemente: Agenten und Konnektoren. 

 Agenten sind spezialisierte, zielgerichtete Softwareeinheiten, die eigenständig Aufgaben übernehmen, Entscheidungen treffen und mit anderen Systemen oder Agenten interagieren können. Sie sind der nächste logische Schritt nach der Einführung einer zentralen KI-Plattform, die Daten, Modelle und Services intelligent vernetzt. Im Gegensatz zu klassischen Automatisierungslösungen agieren Agenten kontextsensitiv, lernfähig und dynamisch – sie orchestrieren ganze Prozesse, statt nur einzelne Schritte auszuführen. Damit ermöglichen sie eine neue Qualität der Zusammenarbeit zwischen Mensch und Maschine – proaktiv, intelligent und skalierbar. Agenten zahlen direkt auf die Vision des AI-native Workplace ein – einen Arbeitsplatz zu schaffen, der nicht nur digital, sondern wirklich intelligent ist und in dem Menschen sich auf wertschöpfende Tätigkeiten konzentrieren können. 

‍Konnektoren sind Verbindungen zwischen der zentralen KI und anderen Anwendungen im digitalen Arbeitsplatzumfeld, wie beispielsweise ServiceNow oder SAP. Durch diese Konnektoren kann die KI auf alle notwendigen Daten im gesamten Ökosystem zugreifen. Auf diese Weise sind verschiedene Anwendungen nahtlos in den Arbeitsplatz integriert, um ein ganzheitliches und umfassendes Ökosystem zu schaffen. 

Den gesamten Prozess kann man im untenstehenden Schaubild erkennen. Der Mitarbeitende stellt über ein zentrale Benutzeroberfläche seine Anfrage, wodurch bestimmte Agenten aktiviert werden, um die Nutzeranfrage zu bearbeiten. Dabei greift das Agentennetzwerk über Konnektoren auf diverse Anwendungen zurück, um die Anfrage korrekt zu erfüllen. 

Microsoft Copilot: Mehr Fokus, weniger Klicks

Der AI-native Workplace vereint die bislang fragmentierte digitale Arbeitsplatzlandschaft in einem intelligenten Ökosystem. Große Technologieanbieter passen ihre Services dementsprechend an. Microsoft integriert beispielsweise Agenten in seinen KI-Assistenten Copilot. Dabei teilt Microsoft eine ähnliche Vision wie wir. Satya Nadella, CEO von Microsoft, sagte kürzlich: „Man kann sich Copilot als die Benutzeroberfläche für KI vorstellen. Es hilft dabei, die Silos zwischen Arbeitsartefakten, Kommunikationswegen und Geschäftsprozessen zu durchbrechen. Und wir stehen erst am Anfang.“ Microsoft Copilot ist ein hervorragendes Beispiel dafür, wie Agenten in den Arbeitsalltag integriert werden können. Durch die Verbindung von Arbeitsdokumenten, Kommunikation und Geschäftsprozessen in einer einzigen Benutzeroberfläche hilft Copilot dabei, Silos aufzubrechen und eine kohärente Arbeitsumgebung zu schaffen. Diese Entwicklungen weisen den Weg – die Grenzen zwischen einzelnen Anwendungen verschwimmen zugunsten einer einheitlichen KI-Erfahrung, die den Menschen ins Zentrum stellt und zeitaufwendige Zwischenschritte überflüssig macht.  

Die KI fungiert dabei nicht nur als unterstützendes Werkzeug, sondern als proaktiver Agent, der die Arbeitsprozesse optimiert und verbessert. Dieser erkennt Zusammenhänge, priorisiert Aufgaben, automatisiert Abläufe und fördert die Zusammenarbeit. So entsteht ein Arbeitsumfeld, das nicht nur effizienter ist, sondern sich aktiv an den Bedürfnissen der Nutzenden orientiert. Routineaufgaben, von der Terminplanung bis zur Erstellung von Dokumenten, laufen im Hintergrund, während sich die Mitarbeitenden auf strategische und kreative Aufgaben fokussieren können. Egal ob Terminplanung, Analysen von Verkaufszahlen oder Projektstatus-Updates – all diese Aufgaben werden über einen KI-gestützten Agenten abgewickelt. Ein konkretes Beispiel: Statt manuell Belege hochzuladen und Formulare auszufüllen, analysiert der Agent automatisch die Kreditkartenabrechnung, ergänzt fehlende Reisedaten und erstellt eine vollständige Reisekostenabrechnung – ohne Informationsverlust, ohne Umwege.  Durch die Kombination menschlicher Ambitionen, Kreativität und Einfallsreichtum mit Gen AI eröffnen sich für Unternehmen neue Möglichkeiten, ihre Geschäftsprozesse grundlegend zu transformieren und den wirtschaftlichen Mehrwert zu maximieren.

Vorläufer sein, statt später hinterherzulaufen

Erste Kundenprojekte zeigen bereits klare Erfolge. Für einen globalen Pharmakonzern gestalten wir aktuell den digitalen Arbeitsplatz grundlegend neu – mit Gen AI als zentralem Treiber hin zu einem AI-native Workplace. Eine Schlüsselrolle spielt dabei Microsoft Copilot: Über intelligente Agenten und Konnektoren entstehen nahtlose Schnittstellen zwischen Copilot und weiteren Arbeitsplatzsystemen. So wird eine integrierte und effiziente Arbeitsumgebung Realität. Im Rahmen eines Proof of Concept wurden bereits die ersten Agenten entwickelt, indem Konnektoren zwischen ServiceNow und Copilot hergestellt wurden. Ein Beispiel hierfür ist ein IT-Service-Desk-Agent, der einen effizienten IT-Support und die Verwaltung von ServiceNow-Tickets ermöglicht. Dieser Agent unterstützt die effiziente Problemlösung, Ticket-Erstellung und Statusaktualisierungen über Copilot. Auf diese Weise können Mitarbeitende Probleme direkt über Copilot melden, um ad-hoc Unterstützung zu erhalten oder automatisch ein Ticket eröffnen zu lassen. 

Der Weg zum AI-native Workplace ist kein Selbstzweck – er ist ein entscheidender Schritt, um im digitalen Zeitalter wettbewerbsfähig zu bleiben. Dabei geht es nicht nur um den Einsatz einzelner KI-Tools, sondern um die Schaffung vollständig integrierter, intelligenter Systeme, die Arbeitsweisen grundlegend verändern. Automatisierung, Effizienz und Produktivität werden so auf ein neues Niveau gehoben. Unternehmen, die frühzeitig handeln, positionieren sich als Innovationsführer und profitieren langfristig von den Potenzialen der Gen AI. Der AI-native Workplace ist keine Zukunftsvision mehr – er ist heute realisierbar. Der Weg dorthin ist anspruchsvoll, aber lohnend. Wir begleiten unsere Kunden aktiv auf dieser Reise und unterstützen sie bei der erfolgreichen Integration. Wer jetzt handelt, sichert sich entscheidende Vorteile. Ihr AI-native Workplace wartet – wir sind bereit. Kontaktieren Sie uns und lassen Sie uns gemeinsam durchstarten. 

Die öffentliche Verwaltung befindet sich an einem Wendepunkt. Der demografische Wandel und der Fachkräftemangel stellen sie vor neue Herausforderungen: Rund 570.000 Stellen sind unbesetzt, und die Tendenz ist steigend. Gleichzeitig erwarten Bürgerinnen und Bürger sowie die Wirtschaft eine moderne, leistungsfähige Verwaltung. Der Ruf nach Vereinfachung und Effizienzsteigerung wird lauter. Wie kann der Staat mit weniger Personal mehr leisten und das Vertrauen der Bevölkerung zurückgewinnen? Dieser Artikel beleuchtet zentrale Trends und Lösungsansätze, um einem drohenden „Kollaps der öffentlichen Verwaltung“ entgegenzuwirken.

Vertrauen durch Verwaltungsmodernisierung zurückgewinnen

Seit Jahren schwindet das Vertrauen in die Handlungsfähigkeit und Lösungskompetenz des Staates. Die neue Regierung will gegensteuern und hat sich das Ziel gesetzt, einen handlungsfähigen Staat zu schaffen. Durch eine „grundlegende Modernisierung, Verwaltungsreform, einen umfassenden Rückbau der Bürokratie, Ziel- und Wirkungsorientierung“ soll der Staat „effizienter als bisher“ werden, so der Wortlaut im Koalitionsvertrag.

In einer kürzlich veröffentlichten Publikation haben auch wir gezeigt, wie Bürokratie pragmatisch abgebaut werden kann. Digital, vereinfacht, fokussiert, harmonisiert und modern – das Ziel ist eine Verwaltung, die durch digitale Lösungen und vereinfachte Prozesse effizienter und bürgernäher wird.

Der eGovernment MONITOR 2024 bestätigt dies: Jeder Zweite hätte mehr Vertrauen in den Staat, wenn staatliche Angebote einfach digital nutzbar wären. Zudem zeigt sich, dass Deutschland bei der Digitalisierung der Verwaltung Fortschritte gemacht hat, so der Capgemini eGovernment Benchmark Report 2024. Allerdings reicht es nicht aus, Bestehendes einfach zu digitalisieren. Vielmehr braucht es eine konsequente Neugestaltung der Prozesse mit echtem Mehrwert für Bürgerinnen und Bürger sowie für Unternehmen.

Zukunftsfähige Verwaltung durch innovative Technologien

Um dies zu erreichen, muss der öffentliche Sektor disruptive Veränderungen anstoßen. Ein „Weiter so“ wird nicht mehr ausreichen. Stattdessen müssen neue Ansätze und Technologien integriert werden, die schnellere Anpassungen und Problemlösungen ermöglichen. Die Herausforderung besteht heute darin, „mit weniger mehr zu erreichen” und gleichzeitig die Qualität zu steigern.

Erstens müssen hierfür die vorhandenen Ressourcen für die Digitalisierung der Verwaltung konsequent gebündelt werden. Die Zentralisierung digitaler Services und das Prinzip der Wiederverwendung werden damit zu zentralen Bestandteilen der Transformation. Die Einrichtung des Digitalministeriums auf Bundesebene ist in diesem Sinne ein großer Schritt in die richtige Richtung.

Zweitens ist es notwendig, die Modernisierung der Verwaltung konsequent arbeitsteilig zu gestalten. Die Cloud ermöglicht durch Shared Responsibility eine effiziente Arbeitsteilung, reduziert den Verwaltungsaufwand durch Automatisierung und vernetzte Software-Schnittstellen und bietet eine bedarfsgerechte Skalierbarkeit.

Drittens muss der öffentliche Sektor verstärkt auf innovative Technologien wie generative künstliche Intelligenz (KI) setzen, um die Effizienz zu steigern und mit begrenzten Ressourcen mehr zu erreichen.

Letztlich gilt es, einen ganzheitlichen Ansatz zu verfolgen, der die Neugestaltung von Prozessen und die Digitalisierung von Fachanwendungen durch den gezielten Einsatz von Cloud-Technologien und KI umfasst.

1. Das Prinzip „Einer für alle“ neu denken

Ein notwendiger Schritt zur Vereinfachung ist, die Wiederverwendung von digitalen Lösungen konsequenter umzusetzen.

Das im Rahmen des Onlinezugangsgesetzes (OZG) bereits als Ziel formulierte Prinzip „Einer für alle“ (EfA) hat bislang nicht dazu geführt, dass einheitlichere IT-Infrastrukturen entwickelt wurden und die Lösungen auf gemeinsamen IT-Basiskomponenten basieren. Durch fehlende Interoperabilität können die entstandenen Lösungen nicht flächendeckend ausgerollt werden und den bestehenden Flickenteppich nicht reduzieren – trotz des Aufwands und der erheblichen Ressourcen, die in die Entwicklung von EfA-Diensten geflossen sind.

Zentralisierung und Standardisierung fördern

Statt wie bisher das Rad häufig neu zu erfinden, muss das EfA-Prinzip dahingehend weiterentwickelt werden, eine stärkere Zentralisierung zu fördern, die eine konsequente bundesweite Nutzung von zentralen IT-Services vorantreibt. Im Sinne von „Einer betreibt für Alle“müssen Wiederverwendung und Zentralisierung zusammen gedacht werden, um Parallelentwicklungen zu vermeiden. Anstatt auf allen Verwaltungsebenen individuelle Lösungen zu entwickeln und diese lokal zu betreiben, muss stärker in Cloud-Services gedacht und zentrale IT-Services zur Verfügung gestellt werden, die möglichst einfach über cloudbasierte Plattformen bezogen und genutzt werden können.

Für eine erfolgreiche Umsetzung bedarf es zum einen einer föderalen, einheitlichen IT-Architektur, die auf gemeinsamen Standards, Komponenten und Schnittstellen basiert. So können die Interoperabilität zwischen den verschiedenen Verwaltungsebenen gewährleistet und digitale Lösungen effizient und nachhaltig genutzt werden.

Ein wichtiger Schritt in diese Richtung könnte die geplante Reform des Grundgesetzes sein, die im Koalitionsvertrag der kommenden Bundesregierung festgehalten ist. Die Reform sieht vor, dass der Bund „digitale Verwaltungsverfahren und Standards regeln und IT-Systeme errichten, betreiben und zur Mitnutzung zur Verfügung stellen kann“ (S.59 KoaV). Dies würde die rechtlichen Hürden für die gemeinsame Nutzung von IT-Systemen durch Bund, Länder und Kommunen erheblich reduzieren und den Weg für eine zentralisierte IT-Infrastruktur ebnen.

Zum anderen braucht es eine engere Zusammenarbeit nicht nur zwischen den Behörden, sondern auch mit der Privatwirtschaft und den Willen, etwas Gemeinsames und Zentrales aufzubauen.

Das neue Bundesministerium für Digitalisierung und Staatsmodernisierung wird eine zentrale Rolle dabei spielen, digitalpolitische Querschnittsthemen zu bündeln und strategisch voranzutreiben. Durch eine missionsorientierte, ressortübergreifende Strategie und dem „Whole of Government-Ansatz“ wird es die interministerielle Zusammenarbeit stärken – und könnte als wichtiger Ansprechpartner für die Digitalwirtschaft und Start-ups fungieren.

Eine wichtige Plattform für diese Zusammenarbeit ist der GovTech Campus in Berlin, der bereits länder- und bereichsübergreifend Akteure vernetzt. Dieser könnte künftig noch gezielter für die Entwicklung und Standardisierung interoperabler Lösungen genutzt werden. So könnten digitale Plattformen gleich von Anfang an auf einheitliche Standards und Schnittstellen ausgerichtet werden, um auf verschiedenen Ebenen miteinander kompatibel zu sein.

2. Die Cloud als ein Wegbereiter der digitalen Verwaltung

Bereits in den letzten Jahren hat die digitale Transformation der öffentlichen Verwaltung den Einsatz von Cloud-Technologien als Wegbereiter in den Fokus gerückt – und wird es auch weiterhin tun: Denn sie ermöglicht erst eine kostengünstige Skalierbarkeit von innovativen Technologien wie der (generativen) künstlichen Intelligenz. Die Cloud ist daher nicht nur ein Nice-to-have, sondern ein unverzichtbarer Enabler, der dabei unterstützt die erforderlichen Infrastrukturen für die digitale Verwaltung zu schaffen.

Sie bietet die Möglichkeit, bestehende Lösungen einfach nachzunutzen, Verwaltungsebenen zu vernetzen und Prozesse automatisch zu skalieren. Darüber hinaus beschleunigt die Cloud die Entwicklungszeiten und stellt sicher, dass hohe Sicherheitsstandards eingehalten werden. Im Gegensatz zu Legacy-Verwaltungssystemen, die oftmals isoliert und ineffizient agieren, ermöglicht die Cloud die Integration neuer, agiler Lösungen, die anpassbar und skalierbar sind.

Die eigentliche Herausforderung liegt jedoch nicht nur in der Bereitstellung der Infrastruktur. Vielmehr besteht die Kernaufgabe darin, zu klären, wie die Cloud die Nutzung und insbesondere die Modernisierung von Fachanwendungen unterstützt, die für die öffentliche Verwaltung unverzichtbar sind. Die Multi-Cloud-Studie von Wegweiser Research & Strategy und Capgemini unterstreicht: Ohne Public Cloud lassen sich weder moderne Fachverfahren noch der Einsatz von KI sinnvoll realisieren. Es bedarf eines Umdenkens vom „Weiter so wie bisher“ zum „Lass uns etwas Neues machen“.

Cloud-native Infrastrukturen und Plattformansätze tragen dazu bei, die Wertschöpfungstiefe zu reduzieren. Dadurch kann sich die öffentliche Verwaltung stärker auf ihr Kerngeschäft konzentrieren: den inhaltlichen, fachspezifischen Teil der Verwaltungsprozesse, also die Fachanwendungen. Die Cloud entlastet die Verwaltung und gestaltet digitale Dienstleistungen effizienter und nachhaltiger, wovon Bürgerinnen und Bürgern sowie Unternehmen und Organisationen unmittelbar profitieren.

Die wachsende Bedeutung von KI im öffentlichen Sektor unterstreicht die Notwendigkeit dieses Wandels. Das wahre Potenzial liegt in der Schaffung eines echten Ökosystems, in dem KI-Anwendungen cloudbasiert entwickelt und betrieben werden. Dadurch können diese Anwendungen nach einheitlichen Standards auf allen föderalen Ebenen eingesetzt und in ein API-basiertes System zur Nachnutzung integriert werden – ganz im Sinne von „Einer für alle“.

3. Generative KI und Cloud als Katalysator für EfA

KI und generative KI werden eine entscheidende Rolle dabei spielen, eine automatisierte und nutzerzentrierte Verwaltung zu realisieren. Von der Beschleunigung von Genehmigungsverfahren in der Verwaltung, über Ermittlungsassistenten für Sicherheitsbehörden bis hin zu KI-gestützten Entscheidungsunterstützungssystemen im Gesundheitswesen – der Mehrwert von KI im öffentlichen Sektor ist enorm und teilweise bereits spürbar.

Durch die Integration von KI in Fachanwendungen können bestehende Prozesse weiter optimiert und die Entwicklung neuer, innovativer Lösungen vorangetrieben werden. Die Landesverwaltung Nordrhein-Westfalen (NRW) beispielsweise suchte nach einer intelligenten Lösung, um effizienteres Arbeiten zu ermöglichen und den 18 Millionen Einwohnerinnen und Einwohnern des Bundeslandes den bestmöglichen Service zu bieten. Gemeinsam mit dem Landesbetrieb Information und Technik Nordrhein-Westfalen (IT.NRW) hat Capgemini den NRW.Genius KI-Verwaltungsassistenten entwickelt, um zeitaufwändige Aufgaben zu beschleunigen und so eine schnellere Bearbeitung von Antragsverfahren zu ermöglichen.

KI-Assistenten wie der NRW.Genius ebnen perspektivisch den Weg zu einer proaktiveren Verwaltung durch den Einsatz sogenannter KI-Agenten (Agentic AI). Darunter versteht man Software-Anwendungen, die mithilfe von KI Aufgaben selbstständig verstehen, planen und ausführen können. Diese KI-Agenten werden nicht nur dazu beitragen, die Arbeitsbelastung des Verwaltungspersonals durch die Automatisierung von Routineaufgaben zu verringern, sondern sie bieten auch die Möglichkeit Verwaltungsprozesse neu zu gestalten. Wo heute in Antragsverfahren noch lange Wartezeiten durch manuelle Vollständigkeitsprüfungen und Nachforderungen entstehen, könnten KI-Agenten zukünftig bereits beim Hochladen von Dokumenten aktiv werden. Sie unterstützen die Bürgerinnen und Bürger proaktiv, indem sie auf fehlende oder inkonsistente Unterlagen hinweisen, noch bevor die eigentliche Sachbearbeitung beginnt.

So kann die Verwaltung zukünftig schneller und effizienter auf individuelle Anliegen reagieren. Idealerweise wird eine weitgehend automatisierte Dunkelverarbeitung möglich, bei der Routineaufgaben ohne direkten Eingriff der Sachbearbeitung erledigt werden. Das Verwaltungspersonal konzentriert sich auf den gesetzlich eingeräumten Ermessensspielraum und bleibt in dem von der KI vorbereiteten Vorgang die Entscheidungsinstanz. Derzeit haben bereits 91 Prozent der Akteure im öffentlichen Sektor generative KI implementiert, Pilotprojekte gestartet oder begonnen, das Potenzial in ihrer Kundeninteraktion auszuloten. Entscheidend ist dabei die richtige Balance zwischen Automatisierung und menschlicher Kontrolle. Eine verantwortungsvolle Implementierung setzt auf transparente, nachvollziehbare Prozesse, die durch rechtliche Rahmenbedingungen abgesichert sind.

Technologie und Vertrauen sind der Schlüssel

Ein ganzheitlicher Ansatz aus Cloud, generativer KI und dem EfA-Prinzip ist der Schlüssel für eine erfolgreiche Digitalisierung der Verwaltung und wird noch stärker in den Fokus rücken. Die Cloud stellt die notwendige Basis bereit und ist gleichzeitig der Enabler für den Einsatz von KI. Generative KI wird als Beschleuniger wirken, um Fachanwendungen zentralisiert, automatisiert und intelligent neu- und weiterzuentwickeln und ermöglicht es, Lösungen über mehrere Behörden und Verwaltungsebenen hinweg zu nutzen. Dies wiederum führt zu einer höheren Nachnutzung im Sinne des EfA-Prinzips.

Die Digitalisierung der öffentlichen Verwaltung ist jedoch nicht nur eine technische, sondern auch eine kulturelle Herausforderung. Sie erfordert Offenheit, Dialog und den Mut, alte Strukturen zu hinterfragen und neue Wege zu gehen. Die Integration von Cloud-Technologien und KI bietet eine einzigartige Chance, die Effizienz und Bürgernähe der Verwaltung zu verbessern. Ebenso wichtig ist aber auch, diese Technologien verantwortungsvoll und transparent einzusetzen, um das Vertrauen der Bürgerinnen und Bürger zurückzugewinnen.

Vielen Dank an meine Co-Autorinnen und Co-Autoren Dalia Benitez-Fiehe, Andreas Antic und Maximilian Kälbert für ihre wertvollen Beiträge.

Zur Studie aus dem Beitrag

Point of view

Windenergie jenseits der Cloud

Zum Report

Die Problemstellung: Operational Excellence Frameworks waren lange Zeit ein verlässlicher Motor für Effizienz und Qualität. Doch in der heutigen, sich rasant verändernden Welt kann das Festhalten an traditionellen Methoden zur Belastung werden. Angesichts von Marktschwankungen, digitaler Disruption und steigenden Kundenerwartungen stellt sich nicht die Frage, ob man sich weiterentwickeln sollte, sondern wie man operative Abläufe neu denken kann.

Unternehmen, die an veralteten Praktiken festhalten, riskieren Ineffizienz, Unzufriedenheit bei Kunden und Stillstand. Die Zukunft verlangt nach einem mutigen neuen Paradigma – Flow-Driven Excellence – um Komplexität in einen Wettbewerbsvorteil zu verwandeln.

Operational Excellence Frameworks: Bisherige Praxis und Anwendung

Über Jahrzehnte hinweg konzentrierte sich Operational Excellence auf schrittweise Verbesserungen durch Lean, Six Sigma und ähnliche Methoden. Diese Ansätze funktionierten gut in stabilen, vorhersehbaren Umgebungen, indem sie Verschwendung beseitigten, Prozesse standardisierten und Qualität sicherten. Obwohl sie Konsistenz förderten, geschah dies oft auf Kosten der Anpassungsfähigkeit. Mit zunehmender Dynamik der Märkte stoßen diese traditionellen Ansätze an ihre Grenzen und können mit dem technologischen Wandel und den sich wandelnden Kundenbedürfnissen nicht mehr Schritt halten.

Folgen des Festhaltens an traditionellen Methoden

Das Festhalten an klassischen Frameworks der Operational Excellence bringt erhebliche Herausforderungen mit sich:

• Verpasste Marktchancen: Starre Prozesse verhindern die Nutzung neuer Trends.
• Operative Ineffizienz: Silo-Strukturen und starre Arbeitsabläufe bremsen die Reaktionsfähigkeit.
• Kundenabwanderung: Veraltete Systeme erfüllen moderne Erwartungen an Personalisierung und Geschwindigkeit nicht.
• Wettbewerbsnachteil: Agile Wettbewerber überholen Unternehmen mit konventionellen Modellen.

Die Risiken sind offensichtlich: Wer sich nicht weiterentwickelt, wird in einer Welt, die Schnelligkeit, Innovation und Kundenorientierung belohnt, abgehängt.

Flow-Driven Excellence: Die Zukunft der Operational Excellence Frameworks

Flow-Driven Excellence ist ein Paradigmenwechsel. Sie stellt nicht nur Effizienz, sondern auch Anpassungsfähigkeit, Innovation und durchgängige Wertschöpfung in den Mittelpunkt. Im Gegensatz zu früheren Ansätzen integriert sie moderne Technologien, kundenzentriertes Design und agile Prinzipien, um der heutigen Komplexität gerecht zu werden. Operational Excellence wird neu definiert – als dynamische Fähigkeit, die alle Bereiche eines Unternehmens – von der Strategie bis zur Umsetzung – auf die Schaffung außergewöhnlicher Werte für Kunden und Stakeholder ausrichtet. Sie basiert auf fünf zentralen Prinzipien:

1. Strategie mit Purpose: Ausrichtung der Abläufe an einer klaren Mission, die Mitarbeitende und Stakeholder inspiriert.
2. End-to-End-Wertschöpfung: Abbau von Silos für eine nahtlose Lieferung kundenorientierter Ergebnisse.
3. Technologische Befähigung: Einsatz von KI, Automatisierung und Analytik zur Erweiterung menschlicher Fähigkeiten.
4. Kundenzentriertes Design: Gestaltung von Prozessen entlang von Wertströmen mit Fokus auf Kundenergebnisse.
5. Agile Kultur: Förderung einer Denkweise der Resilienz, Zusammenarbeit und kontinuierlichen Verbesserung.

Vorteile von Flow-Driven Excellence

Unternehmen, die Flow-Driven Excellence umsetzen, können transformative Ergebnisse erzielen:

• Höhere Gewinnmargen: Senkung der Betriebskosten um bis zu 25 % durch optimierte Abläufe, intelligente Automatisierung und bessere Ressourcennutzung.
• Erhöhte Agilität: Verkürzung der Markteinführungszeit um 30–40 %, um schneller auf Kundenbedürfnisse und Marktveränderungen zu reagieren.
• Höhere Kundenzufriedenheit: Steigerung von Net Promoter Score (NPS) und Kundenzufriedenheit (CSAT) um 20–30 % durch nahtlose, personalisierte Erlebnisse.
• Betriebliche Zuverlässigkeit: Reduktion von Nacharbeit, Fehlern und Ausfallzeiten um bis zu 40 %, was zu stabileren Prozessen und höherer Servicequalität führt.

Transformation: Der Weg zur Flow-Driven Excellence

Flow-Driven Excellence ist ein umfassendes Rahmenwerk, das Unternehmen auf die Anforderungen einer komplexen, sich schnell verändernden Welt ausrichtet. Im Gegensatz zu traditionellen Ansätzen zielt es darauf ab, Anpassungsfähigkeit, Innovation und Wertschöpfung in allen Ebenen eines Unternehmens zu verankern – sowohl in produktorientierten Unternehmen mit dem Ziel schneller Innovationszyklen als auch in dienstleistungsorientierten Organisationen, die Kundenzufriedenheit und operative Effizienz steigern wollen.

Die Umsetzung von Flow-Driven Excellence erfordert eine Transformation entlang vier Dimensionen, die jeweils auf die dynamischen Anforderungen der heutigen Geschäftswelt zugeschnitten sind. Im Mittelpunkt steht dabei die Maximierung des Kundennutzens durch konsequente Kundenorientierung in jeder Dimension:

1. Flow-zentrierte Prozesse

• Was zu tun ist: Arbeitsabläufe neu gestalten – mit Fokus auf Geschwindigkeit, Flexibilität und Effizienz. Engpässe durch Automatisierung und prädiktive Analytik beseitigen und reibungslose Abläufe sicherstellen. End-to-End-Wertströme integrieren, um Übergaben zu minimieren und Prozess-Transparenz zu maximieren.
• So gelingt die Transformation: Bestehende Workflows analysieren und Schwachstellen identifizieren. Robotic Process Automation (RPA) für repetitive Aufgaben einsetzen und prädiktive Analytik zur Ressourcenoptimierung nutzen. Prozesse nach Lean-Prinzipien neugestalten, mit Fokus auf die Abschaffung nicht-wertschöpfender Schritte.
• Erwarteter Business Impact: Steigerung der Prozesseffizienz um 25–40 %, schnellere Markteinführung neuer Angebote und Senkung der Betriebskosten um bis zu 20 %.
• Kundenbeispiel: Capgemini Invent unterstützte einen Tier-1-Automobilzulieferer bei der vollständigen Neugestaltung des Hardware-Designs und der Software-Produktentwicklung. Die Transformation folgte Lean-Agile-Prinzipien und war entlang eines End-to-End-Wertstroms strukturiert. Das Ergebnis: effizientere Prozesse und mehr Innovationskraft über den gesamten Produktlebenszyklus hinweg.

2. Flow-fördernde Strukturen

• Was zu tun ist: Weg von starren Hierarchien hin zu dynamischen, vernetzten Strukturen mit klaren Verantwortlichkeiten. Agile, multidisziplinäre Teams rund um Wertströme oder Geschäftsfähigkeiten aufbauen. Rollen, Verantwortlichkeiten und Entscheidungsbefugnisse klar definieren.
• So gelingt die Transformation: Lean-Agile-Governance einführen, flache Teamstrukturen mit klaren KPIs etablieren, die an Geschäftsergebnisse gekoppelt sind. Rollentaxonomien auf Basis von Fähigkeiten statt Jobtiteln entwickeln. Neue Rollen wie Value Stream Owner, Flow Facilitator oder Client Partner Twin einführen, um Eigenverantwortung und Kundenorientierung zu stärken. Regelmäßige Routinen für Reflexion, Priorisierung und Lernen verankern.
• Erwarteter Business Impact: Schnellere Entscheidungszyklen, mehr Transparenz und 30 % mehr bereichsübergreifende Zusammenarbeit. Höheres Mitarbeiterengagement durch Autonomie, Purpose und Klarheit über den eigenen Beitrag.
• Kundenbeispiel: Ein globaler Automobilhersteller wandelte seine HR-Abteilung in agile, funktionsübergreifende Teams um und führte das SAFe-Framework ein. Digitale Kollaborationstools und umfassende Schulungen unterstützten den Übergang. Ergebnis: mehr Agilität, bessere Kommunikation und eine kohärente globale HR-Strategie.

3. Flow-Driven Performance-Systeme

• Was zu tun ist: Klassische KPIs durch dynamische, Echtzeit-Dashboards ersetzen, die strategische Prioritäten widerspiegeln. Fokus auf Frühindikatoren und umsetzbare Erkenntnisse.
• So gelingt die Transformation: Dashboards entwickeln, die Daten aus verschiedenen Quellen konsolidieren und in Echtzeit Einblicke liefern. Metriken an langfristigen Zielen ausrichten und prädiktive Modelle zur Trendfrüherkennung einsetzen.
• Erwarteter Business Impact: Höhere Entscheidungsqualität, 40 % schnellere Reaktion auf Probleme und bessere Ausrichtung der Teamarbeit auf strategische Ziele.
• Kundenbeispiel: Ein führendes Unternehmen im öffentlichen Gesundheitswesen startete ein Process-Excellence-Projekt und führte Process Mining mit Celonis ein. Dadurch konnten Prozesse anhand von KPIs analysiert und kontinuierlich verbessert werden – mit spürbaren Effizienzgewinnen.

4. Flow Mindset & Verhalten

• Was zu tun ist: Eine Kultur des kontinuierlichen Lernens, der Experimentierfreude und Anpassungsfähigkeit fördern. In Leadership-Programme investieren, die Innovation und Resilienz stärken.
• So gelingt die Transformation: Unternehmensweite Lernplattformen mit modularen Kursen zu Zukunftskompetenzen einführen. Mentoring-Programme und erfahrungsbasiertes Lernen etablieren, um innovatives Denken zu fördern.
• Erwarteter Business Impact: 25 % höhere Mitarbeiterzufriedenheit, 15 % mehr umgesetzte Innovationsideen und eine widerstandsfähigere Belegschaft.
• Kundenbeispiel: Ein führendes Verkehrsunternehmen startete ein umfassendes Programm zur Einführung einer Kaizen-Kultur für 10.000 Mitarbeitende. Kaizen-Coaches, Lernprogramme und Routinen verankerten kontinuierliche Verbesserung im Alltag – mit positiven Effekten auf Effizienz und Innovationskraft.

Call to Action

Flow-Driven Excellence ist kein Buzzword – es ist eine geschäftliche Notwendigkeit, die für produkt- wie dienstleistungsorientierte Unternehmen gleichermaßen gilt. Durch die Transformation entlang der vier Dimensionen – Flow-zentrierte Prozesse, Flow-fördernde Strukturen, Flow-Driven Performance-Systeme und Flow Mindset & Verhalten – können Organisationen die Agilität und Resilienz entwickeln, die sie im Zeitalter der Komplexität benötigen.

Für produktorientierte Unternehmen bedeutet Flow-Driven Excellence schnellere Innovationszyklen, bessere Integration der Lieferkette und höhere Kundenzufriedenheit. Für dienstleistungsorientierte Organisationen bringt es effizientere Abläufe, zuverlässigere Services und personalisierte Kundenerlebnisse. Unabhängig von der Branche fördert dieser Ansatz eine durchgängige Wertschöpfung – durch die Ausrichtung der operativen Abläufe an strategischen Zielen und Kundenerwartungen.

Die Zukunft gehört den Mutigen und Entscheidungsfreudigen. Sind Sie bereit, die Transformation anzuführen? Kontaktieren Sie uns, um zu erfahren, wie wir Ihr Unternehmen auf dem Weg zu Flow-Driven Excellence begleiten können.

Zum einen stellen sie sich auf diese Komplexität ein und können auch damit umgehen, dass sich etwa Anforderungen oder sogar Bedingungen in der Umwelt (durch regulatorische, rechtliche, politische oder wirtschaftliche Einflüsse) ungeplant ändern. Zum anderen verfügen agile Softwareentwicklungsansätze über Methoden und -tools, mit denen sie die Schätzung von Aufwänden, die Visualisierung des Fortschritts und die Minimierung von Risiken bewerkstelligen und verbessern. Ein dritter Aspekt agiler Entwicklung ist die Softwarequalität, die dank eines durchdachten Testkonzepts (meist Test-First-Ansätze) und CI/CD sowie dem Bestreben, technische Schulden, anstatt abzubauen, erst gar nicht entstehen lassen.

Agilität und AI schaffen Transparenz

Zu diesen drei genannten Aspekten kann Artificial Intelligence (kurz AI) einen erheblichen Beitrag, sowohl in der agilen Organisation als auch in der agilen Softwareentwicklung, leisten. Die Synergie zwischen Agilität und AI macht Entscheidern die als unvorhersehbar angenommene Geschehnisse transparent und damit vorhersehbar. In der agilen Softwareentwicklung werden Schätzungen sowie Fortschrittsprognosen präziser, die Priorisierung von Aufgaben intelligenter und der Quellcode sicherer und robuster. Auch versteckte, schwer auffindbare Fehler werden früh identifiziert und in Produktion vermieden. Das Ganze spart Zeit, böse Überraschungen und schafft Wettbewerbsvorteile.

Auf Unvorhersehbares reagieren

Fangen wir an, mit dem erstgenannten Aspekt, die Unvorhersehbarkeit in unserer heutigen komplexen VUCA-Welt. In einem Kommentar zum Beitrag des Projektmagazins bringt Georg Angermeier auf den Punkt, dass sich die bislang schwer vorhersehbaren Dinge, wie beispielsweise das Wetter der nächsten drei Tage, mit einer damals für kaum möglich gehaltenen Zuverlässigkeit vorhersagen lassen und die nachvollziehbare Behauptung liegt nahe, „dass wir noch nie in einer so zuverlässigen, überschaubaren, berechenbaren und eindeutigen Welt gelebt haben wir heute!“. Dies hängt vor allem mit dem gegenwärtigen technologischen Fortschritt zusammen. So ermöglichen auch AI-Methoden die Wahrnehmung von Veränderungen (selbst wenn diese schleichend sind) innerhalb sowie im Umfeld des Unternehmens. Solche Veränderungen werden als Abweichung vom „Gelernten“ wahrgenommen. Anforderungen lassen sich mittels AI klassifizieren und priorisieren. Es lässt sich damit nicht nur das Produktbacklog, sondern sogar das ganze Portfolio – wenn wir an Ansätze zu skalierter Agilität wie beispielsweise SAFe denken – intelligent priorisieren.

Intelligente agile Planung

Zum zweiten Aspekt, der agilen Planung, trägt AI ebenfalls bei. So lassen sich Schätzungen, die zum Beispiel in JIRA eingetragen werden mit den tatsächlichen Aufwänden abgleichen. AI-Methoden können anhand von Merkmalen lernen, wie hoch Schätzabweichungen sind: welches Team hat geschätzt, um welche Aufgabe ging es dabei die geschätzt wurde (Server-seitige Programmierung, Frontend-Entwicklung, …) und um das wievielte Release im Jahr handelt es sich. AI-gestützte Forecasts lassen sich damit optimieren, Schätzungen werden präziser und Projektrisiken (die Wahrscheinlichkeit für das Reißen von Deadlines oder Budgets) werden abschätzbarer, wie Aspari in seinem Onlineartikel beschreibt. Ein Beispieltool ist Pegasus AI.

Auf gleiche Weise kann AI die Backlog-Priorisierung intelligent unterstützen: Welche Aufgaben sollten unter Berücksichtigung vorhandener Skills, unter Berücksichtigung von Abhängigkeiten sowie Umfang der Aufgaben und deren fachlicher Kontext sowie Nutzenbewertung zuerst angegangen werden?

Qualitätssicherung von Code

Der dritte Aspekt ist offensichtlich: In der Qualitätssicherung von Code kann AI einen großen Beitrag leisten, das zeigen Aspari und Patel. Hierfür gibt es bereits zahlreiche Ansätze – seien es AI-gestützte Code-Assistenzsysteme (mit Vorschlägen für angefangen bei Variablennamen gemäß der innovativen Idee von Allamanis et al., für Dokumentationstexte bis hin zu ganzen Codeschnipseln), die AI-gestützte Erkennung von Sicherheitsschwachstellen (auf GitHub gibt es eine ganze Liste von Papers, Talks und Tutorials), die Erkennung von Bugs und das Lernen von Stellen im Code, in denen häufig Fehler auftreten, oder der von Strug vorgeschlagene Ansatz für AI in Mutations-Tests. Wir haben ebenfalls einen AI-basierten Ansatz einschließlich eines Tools für die Identifizierung von Fehlern im Code entwickelt, die dahintersteckende Systematik, den Anwendungsfall und Nutzen lesen Sie in diesem Blogbeitrag und in unserer Success Story.

AI und ML sind die technischen Mittel für den Umgang mit Komplexität

Es stimmt zwar, dass die Welt komplex ist, das war sie jedoch schon immer – nur haben wir jetzt die technischen Mittel, diese Komplexität zu durchleuchten. Dies wiederum erfordert eine tiefere Auseinandersetzung mit maschinellem Lernen und ist aufwendiger, als sich bloß darauf zu berufen „die Welt ist nun mal viel zu komplex“. Aber es lohnt sich.

Mehr zu diesem Thema finden Sie hier:

• SQ-Magazin, Dezemberausgabe: „5 Dinge, die ein Unternehmensarchitekt in Zukunft ständig tun muss“
• perspektive:blau: „Management des Unvorhersehbaren“