Beispiele für den Einsatz von KI: Wie Unternehmen KI in die Praxis umsetzen

Einleitung

Sie müssen wahrscheinlich nicht davon überzeugt werden, dass künstliche Intelligenz wichtig ist. Die schwierigere Frage ist, wo sie in Ihre bestehenden Abläufe passt.

Die Unternehmen, die KI gut einsetzen, sind nicht diejenigen mit den meisten KI-Tools. Es sind diejenigen, die KI in spezifische Kundenerlebnisse und Geschäftsprozesse integriert und sie dann mit den Daten und Systemen verknüpft haben, auf die diese Prozesse bereits zurückgreifen. Eine Empfehlungsmaschine ohne Einblick in das Kundenverhalten stellt lediglich Vermutungen an. Ein KI-Assistent ohne Zugriff auf Kontodaten ist nichts anderes als eine FAQ-Seite mit besseren Manieren.

Dieser Leitfaden behandelt Beispiele aus der Praxis zur KI-Implementierung sowie sechs praktische KI-Anwendungen, die Sie für Ihr eigenes Unternehmen prüfen können.

Beispiele für KI-Implementierungen aus der Praxis von Liferay DXP-Kunden

Die besten KI-Erfolgsgeschichten beginnen nicht mit KI. Sie beginnen mit einem geschäftlichen Problem und einer Plattform, die die richtige Idee mit den richtigen Daten verknüpfen kann.

So sah das bei zwei Liferay DXP-Kunden aus.

Einbindung von Empfehlungen auf Basis von maschinellem Lernen in Brasiliens größtes Treueportal

Mit mehr als 15 Millionen Kunden ist „Smiles“ , das Treueprogramm der brasilianischen Fluggesellschaft GOL, das größte Treueprogramm in Brasilien. Nach dem Börsengang benötigte das Unternehmen ein Kundenportal, das auch bei Traffic-Spitzen im Rahmen von Werbeaktionen stabil bleibt und es den Teams ermöglicht, Inhalte zu veröffentlichen, ohne auf die IT-Abteilung angewiesen zu sein.

Smiles hat dieses Portal in nur fünf Monaten auf Liferay DXP neu aufgebaut. Im Rahmen des Projekts nutzte das Team die Headless-APIs von Liferay, um das Portal mit dem CRM des Unternehmens und einer Machine-Learning-Engine zu verbinden. Durch diese Verknüpfung erhielt das Machine-Learning-System Zugriff auf echte Kundendaten.

Smiles nutzte diese Verbindung für ein Empfehlungsfenster – einen Bereich des Portals, der jedem Kunden personalisierte Produkt- und Serviceangebote basierend auf seinem Profil anzeigte. Da die Empfehlungen auf denselben CRM-Daten beruhten, die auch den Rest des Portals versorgten, spiegelten sie die tatsächliche Beziehung jedes Kunden zum Programm wider. Das Empfehlungsfenster führte zu einer Steigerung der Konversionsrate um 46 %.

Einbindung von KI-Empfehlungen in eine Unified-Commerce-Plattform

Einer der führenden Telekommunikationsanbieter im Nahen Osten ging einen anderen Weg. Seine veraltete E-Commerce-Anwendung basierte auf einem dezentralen Produktkatalog, sodass selbst grundlegende Änderungen an Produkten oder Werbeaktionen über die IT-Abteilung abgewickelt werden mussten. Mit dem Wachstum des Katalogs wurde dessen Verwaltung immer schwieriger.

Um dieses Problem zu beheben, stellte das Unternehmen auf eine einzige Liferay DXP-Commerce-Plattform um, die sowohl B2B- als auch B2C-Kunden bedient. Produktinhalte, Preisgestaltung, Werbeaktionen und Bestandsverwaltung wurden an einem Ort zusammengeführt, und die Plattform wurde mit dem Backend-CRM, den Zahlungsgateways, dem Chatbot und den Versandsystemen des Unternehmens verbunden. Die Filialen fungierten zudem zunehmend als erweiterte Lager, wodurch E-Commerce und Filialbetrieb enger miteinander verzahnt wurden.

Nachdem die Produktdaten zentralisiert waren, konnte das Unternehmen darauf aufbauend KI-Funktionen implementieren. Mithilfe der KI-/ML-Dienste von Liferay führte es ein Produktempfehlungstool ein, um Upselling und Cross-Selling für mehr als 70.000 Artikel (SKUs) zu unterstützen. Die Empfehlungen boten den Kunden eine relevantere Möglichkeit, Produkte zu entdecken, während die neue Plattform den Zeitaufwand für die Produktkonfiguration um 93 % reduzierte. Das Projekt verdeutlicht die Reihenfolge der Schritte, die für den Erfolg von KI entscheidend sind: zuerst saubere, zentralisierte Daten, dann die Intelligenz.

6 praktische Beispiele für den Einsatz von KI in allen Unternehmensbereichen

KI kann in nahezu jedem Bereich eines Unternehmens einen Mehrwert schaffen, vom Service Desk bis zur Lieferkette. Einige Anwendungen stützen sich auf maschinelles Lernen, um Muster zu erkennen und Vorhersagen zu treffen. Andere nutzen generative KI und große Sprachmodelle, um Fragen zu verstehen und Inhalte zu erstellen – und die effektivsten kombinieren oft beides. Was die erfolgreichsten Implementierungen gemeinsam haben, ist eine klare Verbindung zu den tatsächlichen Geschäftsanforderungen sowie zu den Systemen und Daten, die diese bereits unterstützen.

1. KI-gestützter Kundenservice und Self-Service

Serviceteams verbringen einen Großteil ihres Tages mit Routineaufgaben wie Rückerstattungsanfragen, der Überprüfung des Bestellstatus und Fragen zur Rechnungsstellung. Genau diese Anfragen kann KI gut bewältigen, und ihre Rolle nimmt rasch zu. Gartner prognostiziert, dass bis 2029 agentische KI 80 % der gängigen Kundenservice-Probleme ohne menschliches Eingreifen lösen wird, was zu einer Senkung der Betriebskosten um 30 % führen wird.

Doch ein KI-Assistent ist nur so hilfreich wie seine Anbindungen. Eingebettet in ein Self-Service-Kundenportal , das bereits weiß, wer der Kunde ist und was er bestellt hat, kann ein dialogorientierter KI-Assistent auf Ihre Wissensdatenbank, Kontodaten und Ihr Fallmanagementsystem zurückgreifen, um Anfragen zu lösen, anstatt nur häufig gestellte Fragen zu beantworten. Wenn eine Anfrage kompliziert wird, wird sie an einen menschlichen Mitarbeiter weitergeleitet.

Zu den potenziellen Vorteilen zählen schnellere Reaktionszeiten, ein geringeres Supportaufkommen und ein besseres Kundenerlebnis. Verfolgen Sie die Bearbeitungszeit, die Ticketvermeidung und die Kundenzufriedenheit, um die Auswirkungen zu messen.

2. Personalisierte Produktempfehlungen und Kundenerlebnisse

Kunden erwarten mittlerweile Relevanz bei Online-Interaktionen, und maschinelles Lernen schließt diese Lücke, indem es das Kundenverhalten, die Kaufhistorie und Produktkataloge analysiert, um jedem Einzelnen genau das zu empfehlen, was er am ehesten haben möchte. Die KI-Algorithmen übernehmen die Vorhersage, die Plattform sorgt für die Umsetzung. Empfehlungen müssen auf CRM- und E-Commerce-Daten zurückgreifen und dann überall dort erscheinen, wo Kunden interagieren – von Shop-Seiten und Portalen bis hin zu Treueprogrammen –, und zwar mithilfe von Personalisierungsregeln, die Marketingteams selbst verwalten können.

3. Intelligente Suche und Wissensmanagement

Die meisten Unternehmen verfügen bereits über die Antworten, die ihre Mitarbeiter und Kunden benötigen. Das Problem besteht darin, sie zu finden. In einer Gartner-Umfrage unter fast 5.000 Mitarbeitern im digitalen Bereich gaben 47 % an, dass sie Schwierigkeiten haben, die Informationen oder Daten zu finden, die sie benötigen, um ihre Arbeit effektiv zu erledigen.

Generative KI verändert die Funktionsweise der Suche. Anstatt nach Schlüsselwörtern abzugleichen, nutzt die semantische Suche ein Sprachmodell, um die Absicht hinter einer Frage in Alltagssprache zu interpretieren und die relevantesten Inhalte anzuzeigen. Sie versteht, was Menschen meinen, und nicht nur, was sie eingeben. Außerdem muss sie die von Ihnen bereits festgelegten Berechtigungen berücksichtigen, sodass Nutzer nur das sehen, was sie sehen dürfen.

Für Mitarbeiter-Intranets , Partnerportale und Support-Websites ist die KI-gestützte Suche oft der schnellste Weg, den Nutzen von KI unter Beweis zu stellen: weniger Zeitaufwand für die Suche, weniger Support-Tickets und produktivere Teams. Messen Sie die Erfolgsquote bei der Suche, die Zeit bis zum Auffinden von Informationen und die vermiedenen Tickets.

4. Predictive Analytics und datengestützte Entscheidungsfindung

Prädiktive Analysen nutzen KI, um Muster in historischen und operativen Daten zu erkennen, sodass Teams handeln können, bevor ein Problem auftritt – und nicht erst danach. Sie sind besonders wertvoll, wenn komplexe Daten aus mehreren Systemen zusammengeführt werden müssen, um Erkenntnisse zu gewinnen, die kein einzelner Bericht liefern kann.

So könnte das in verschiedenen Branchen aussehen:

• Ein Hersteller könnte Sensorwerte zum Zustand der Anlagen mit der Wartungshistorie kombinieren, um Wartungsarbeiten noch vor einem Ausfall zu planen.
• Ein Einzelhändler könnte anhand von Verkaufshistorien und Markttrends die Nachfrage prognostizieren, um die Bestandsverwaltung zu verbessern und Verzögerungen in der Lieferkette zu erkennen.
• Ein Energieversorger könnte den Energieverbrauch nach Regionen vorhersagen, Kunden identifizieren, bei denen die Wahrscheinlichkeit einer Kündigung hoch ist, und ihnen dann über sein Kundenportal rechtzeitig eine Nachricht senden.
• Ein Finanzdienstleister könnte ungewöhnliche Transaktionen kennzeichnen, bevor sie zu finanziellen Verlusten führen – unter Verwendung derselben Mustererkennung, die auch bei der Betrugsaufdeckung zum Einsatz kommt.

In jedem Fall schafft eine Vorhersage nur dann einen Mehrwert, wenn sie jemanden erreicht, der darauf reagieren kann. Die Anbindung von Datenpipelines und Analysediensten an die Portale, Dashboards und Arbeitsabläufe, mit denen Teams bereits arbeiten, verwandelt umsetzbare Erkenntnisse in datengestützte Entscheidungen, eine intelligentere Ressourcenzuweisung und ein Lieferkettenmanagement, das sich an veränderte Bedingungen anpasst. Verfolgen Sie die Prognosegenauigkeit, die Kundenbindung und die Zeit bis zum Eingreifen, um die Auswirkungen auf die Entscheidungsfindung zu messen.

5. KI-gestütztes Content-Management und Lokalisierung

Für globale Unternehmen vervielfacht jede Markteinführung den Arbeitsaufwand im Bereich Content: Dutzende regionaler Websites, mehrere Sprachen und eine wachsende Bibliothek an Assets. Auf die Lokalisierung zu verzichten, ist keine echte Option. CSA Research hat herausgefunden, dass 76 % der Online-Käufer es vorziehen, Produkte mit Informationen in ihrer eigenen Sprache zu kaufen, und 40 % kaufen überhaupt nicht auf Websites in anderen Sprachen ein.

KI kann einen Großteil dieser Last übernehmen. Generative KI kann direkt im Content-Editor Texte entwerfen und Bilder erstellen. Maschinelle Übersetzung kann automatisch lokalisierte Versionen jeder Seite erstellen. Automatisches Tagging, einschließlich Computer Vision für Bilder, kann Assets sofort nach ihrer Erstellung kennzeichnen, sodass sie später leicht zu finden sind.

Ein multinationales Unternehmen könnte diese Funktionen nutzen, um eine Produkteinführung in 15 Märkten gleichzeitig vorzubereiten, wobei lokale Redakteure jede Version im Rahmen ihrer bestehenden Arbeitsabläufe prüfen und freigeben. KI übernimmt repetitive Aufgaben, während Menschen für Genauigkeit und Markenkonsistenz sorgen. Einige Teams gehen noch einen Schritt weiter und setzen auf agentische KI, die mehrstufige Marketing-Workflows abwickelt . Messen Sie die Zeit bis zur Veröffentlichung, die Bearbeitungszeit für die Lokalisierung und die Stunden, die für das manuelle Tagging von Assets aufgewendet werden.

6. Intelligente Workflow-Automatisierung

Qualifizierte Mitarbeiter verlieren jede Woche Stunden damit, Anfragen zu klassifizieren, Informationen zu sammeln und Aufgaben an das richtige Team weiterzuleiten. Das ändert sich rasch. Gartner prognostiziert, dass bis 2028 mindestens 15 % der täglichen Arbeitsentscheidungen autonom durch agentische KI getroffen werden – gegenüber null im Jahr 2024 – und dass 33 % der Unternehmenssoftwareanwendungen agentische KI enthalten werden.

KI kann solche sich wiederholenden Aufgaben innerhalb der Low-Code-Workflows automatisieren, die Teams bereits nutzen. Sie kann eine eingehende Anfrage lesen, klassifizieren, zugehörige Datensätze abrufen und sie an die richtige Warteschlange weiterleiten – wobei an festgelegten Schritten eine menschliche Freigabe erforderlich ist. Wenn diese Workflows bereits mit Formularen, Genehmigungsabläufen und Geschäftsanwendungen verknüpft sind, fügt sich die KI nahtlos in den Prozess ein, anstatt nur daneben zu stehen.

Die gleiche Effizienz erstreckt sich auch auf die Softwareentwicklung, wo KI-Codierungsassistenten Softwareentwicklern dabei helfen, Code zu entwerfen, zu überprüfen und zu korrigieren. In beiden Fällen zahlt sich der Einsatz von KI am schnellsten aus, wenn sie in die Tools integriert ist, die die Mitarbeiter bereits nutzen. Verfolgen Sie die Durchlaufzeit, die Weiterleitungsgenauigkeit und die eingesparten Stunden an Verwaltungsarbeit.

Was haben erfolgreiche KI-Implementierungen in Unternehmen gemeinsam?

Der Erfolg einer KI-Implementierung hängt in der Regel weniger von den KI-Modellen selbst ab als von allem, was sie umgibt – einschließlich der Daten, auf die sie zurückgreifen, der Systeme, mit denen sie verbunden sind, und der Menschen, die sie beaufsichtigen.

Erfolgreiche Implementierungen beruhen in der Regel auf fünf Grundlagen.

Keiner dieser Punkte hängt von einer bestimmten KI-Technologie ab. Die Modellauswahl und die Modellleistung spielen zwar eine Rolle, sind aber selten der Grund, warum KI-Projekte ins Stocken geraten. Fragmentierte Daten, nicht miteinander verbundene Systeme und unklare Zuständigkeiten sind weitaus häufigere Ursachen – und genau diese Lücken bremsen auch umfassendere Bemühungen zur KI-Transformation.

Wie können Unternehmen die richtigen Möglichkeiten für eine KI-Implementierung identifizieren?

Marktforschung und Anbieterdemos können Ihnen zeigen, was KI leisten kann. Nur Ihre eigenen Abläufe können Ihnen zeigen, wo sie zuerst zum Einsatz kommen sollte. Beginnen Sie mit einem Prozess mit hohem Durchsatz, der bereits auf Daten basiert, denen Sie vertrauen, und bei dem Sie den Vorher-Nachher-Effekt messen können.

1. Finden Sie die Reibungspunkte. Suchen Sie nach Prozessen mit sich wiederholenden Aufgaben, langen Reaktionszeiten oder Informationen, die Mitarbeiter nicht finden können. Sprechen Sie mit Fachexperten in den jeweiligen Abteilungen, nicht nur mit der IT. Sie wissen, wo die Zeit verloren geht.
2. Überprüfen Sie die Daten. Vergewissern Sie sich, dass die für diesen Anwendungsfall benötigten Daten vorhanden, zugänglich und ordnungsgemäß verwaltet sind. Befinden sie sich in fünf Systemen, die nicht miteinander kommunizieren, ist deren Vernetzung Ihr erster Arbeitsschritt.
3. Erfassen Sie die Integrationen. Listen Sie jedes System auf, aus dem die KI Daten lesen oder in das sie schreiben muss. Je mehr davon Ihre Plattform bereits verbindet, desto schneller kommen Sie voran.
4. Legen Sie fest, wer das System entwickelt und wartet. Manche KI-Projekte benötigen Datenwissenschaftler für das Modelltraining, viele jedoch nicht. Legen Sie klar fest, wofür Ihr Team verantwortlich ist, wofür ein Partner zuständig ist und was nach der Inbetriebnahme geschieht.
5. Wägen Sie Komplexität und Risiko ab. Berücksichtigen Sie Sicherheitsanforderungen, regulatorische Risiken und Stellen, an denen eine menschliche Überprüfung unverzichtbar ist.
6. Legen Sie KPIs fest und gehen Sie zielgerichtet vor. Starten Sie eine Anwendung, messen Sie deren Leistung und bauen Sie darauf auf. Ein erster Erfolg liefert Ihnen die Belege und die interne Unterstützung, um beim nächsten Mal ehrgeiziger vorzugehen.

Sie benötigen keine umfassende KI-Strategie für Ihr Unternehmen, um Ihre KI-Reise zu beginnen. Sie benötigen einen gut ausgewählten Anwendungsfall.

Wie Liferay DXP die KI-Implementierung in Unternehmen unterstützt

KI ist nur so leistungsfähig wie die Plattform, auf der sie zum Einsatz kommt. Liferay DXP bietet Ihnen diese Plattform – eine flexible Grundlage, auf der KI mit Ihren Daten verknüpft wird, in den richtigen Nutzererlebnissen zum Tragen kommt und dank Liferays Engagement für verantwortungsvolle KI sicher bleibt. Da die Lösung mit Ihren bestehenden Systemen zusammenarbeitet , müssen Sie nicht bei Null anfangen, um loszulegen.

Ganz gleich, ob Sie ein Kundenportal um einen KI-Assistenten erweitern, einen Online-Shop personalisieren oder Genehmigungsprozesse automatisieren möchten – mit Liferay DXP können Sie KI-Lösungen ganz nach Ihren geschäftlichen Anforderungen entwickeln und diese entsprechend Ihren wachsenden Zielen skalieren. Hier sind die Funktionen, mit denen Sie arbeiten können.

• Integrierte KI-Tools für Inhalte, die Texte entwerfen, Bilder generieren, Seiten übersetzen und Assets direkt dort taggen, wo Ihre Teams bereits arbeiten
• AI Hub zum Erstellen und Bereitstellen von KI-Agenten, die mehrstufige Aufgaben übernehmen – ohne langwierigen KI-Entwicklungszyklus
• Eine intelligentere Suche, die versteht, was Menschen meinen – und nicht nur, was sie eingeben
• Personalisierte Erlebnisse, die jedem Besucher genau die Inhalte, Produkte und Angebote zeigen, die für ihn am wichtigsten sind
• Die Freiheit, die KI-Modelle und KI-Dienste Ihrer Wahl anzubinden, sodass Sie nie an einen einzigen Anbieter gebunden sind
• Anbindungen an die Systeme, die Sie bereits nutzen – von CRM und ERP bis hin zu Datenplattformen
• Berechtigungen, Prüfpfade und Genehmigungsworkflows, die jedes KI-gestützte System unter Kontrolle halten – gestützt durch einen nach ISO 42001 zertifizierten Ansatz für verantwortungsvolle KI

Setzen Sie KI mit der richtigen digitalen Grundlage ein

Diese Beispiele für KI-Implementierungen kommen alle zu demselben Ergebnis: KI schafft einen Wettbewerbsvorteil, wenn sie mit den richtigen Daten, Systemen und Prozessen verknüpft ist. Klarna hat gezeigt, was KI im Kundenservice leisten kann – und was sie nicht alleine leisten sollte. Morgan Stanley, Lumen, Smiles und ein führender Telekommunikationsanbieter haben gezeigt, was passiert, wenn KI in die Arbeit integriert wird, die Menschen ohnehin bereits verrichten.

Für die meisten Unternehmen ist das erste KI-Projekt erst der Anfang. Wenn ein Anwendungsfall gut umgesetzt wird, fällt der nächste leichter, da die Daten bereits vernetzt sind, die Governance bereits vorhanden ist und Ihre Teams gesehen haben, dass es funktioniert. So nutzen Unternehmen KI, um schnell auf sich ändernde Marktbedingungen zu reagieren, ohne jedes Mal von vorne anfangen zu müssen.

Entdecken Sie die KI-Funktionen von Liferay und finden Sie heraus, wo KI für Ihr Unternehmen den größten Unterschied machen könnte.

Häufig gestellte Fragen

Was sind Beispiele für den Einsatz von KI in der Wirtschaft?

Zu den gängigen Beispielen zählen KI-Assistenten für den Kundenservice, Empfehlungen auf Basis von maschinellem Lernen, KI-gestützte Suche, prädiktive Analysen, KI-gestütztes Content-Management und Workflow-Automatisierung. Smiles, ein Kunde von Liferay, hat beispielsweise maschinelles Lernen in sein Treueportal integriert, um personalisierte Angebote zu empfehlen, und konnte dadurch eine Steigerung der Konversionsrate um 46 % verzeichnen. Der effektivste Einsatz von KI zielt auf eine bestimmte Geschäftsfunktion ab und knüpft an die Daten an, auf die diese Funktion bereits zurückgreift.

Können Unternehmen KI integrieren, ohne ihre bestehenden Systeme zu ersetzen?

Ja. Die meisten KI-Systeme lassen sich über APIs mit bestehenden CRM-, E-Commerce-, Content- und Identitätssystemen verbinden. Sowohl Smiles als auch der führende Telekommunikationsanbieter haben KI-Empfehlungen in Plattformen auf Basis von Liferay DXP integriert, die bereits mit ihren CRM- und Backend-Systemen verbunden waren. Entscheidend ist eine Plattform, die flexibel genug ist, um KI-Dienste mit den bereits bestehenden Systemen zu verknüpfen, ohne dass eine Umstellung auf eine neue Plattform erforderlich ist.

Wie können Unternehmen den Erfolg einer KI-Implementierung messen?

Wählen Sie vor dem Start einen geschäftlichen KPI aus und messen Sie diesen anhand einer Basislinie. Im Kundenservice könnte dies die Lösungszeit oder die Ticketvermeidung sein. Bei Empfehlungen ist es die Konversionsrate, und bei der Workflow-Automatisierung sind es eingesparte Stunden oder die Durchlaufzeit. Steigerungen der betrieblichen Effizienz sind ein guter Anfang, aber verknüpfen Sie diese mit geschäftlichen Ergebnissen wie Umsatz, Kundenbindung oder erheblichen Kosteneinsparungen, damit die Ergebnisse in Budgetgesprächen Bestand haben.