Künstliche Intelligenz entwickelt sich derzeit auf mehreren Ebenen gleichzeitig. Neue Modelle, KI-Agenten und Plattformen entstehen in kurzer Folge, regulatorische Anforderungen verändern sich und Unternehmen müssen entscheiden, welche Technologien sich für den produktiven Einsatz tatsächlich eignen.

Für uns ist KI dabei keine isolierte Technologie. Ein leistungsfähiges Modell allein ergibt noch keine belastbare Unternehmenslösung. Daten, Software, Prozesse und bestehende Systeme müssen zusammenspielen.

Diese Perspektive möchten wir künftig auch im KI Bundesverband – Bundesverband der Unternehmen der Künstlichen Intelligenz in Deutschland e.V. einbringen.

Was ist der KI Bundesverband?

Der KI Bundesverband versteht sich als Deutschlands größtes Netzwerk für Künstliche Intelligenz. Er bringt Unternehmen und Expert aus der KI- und Deep-Tech-Branche zusammen und schafft Verbindungen zu etablierter Wirtschaft und Politik. Zu seinen Schwerpunkten gehören fachlicher Austausch, politische Interessenvertretung sowie die Auseinandersetzung mit Standards und aktuellen Entwicklungen der KI-Branche.

Für Ancud ist diese Verbindung interessant, weil sich technische, wirtschaftliche und regulatorische Fragen in KI-Projekten kaum noch getrennt betrachten lassen. Die Entscheidung für ein bestimmtes Modell kann Auswirkungen auf Datenhaltung, Kosten, Sicherheit oder die Abhängigkeit von einzelnen Anbietern haben. Gleichzeitig beeinflussen regulatorische Anforderungen, wie eine Lösung aufgebaut und betrieben werden sollte.

Was auf den ersten Blick wie unterschiedliche Themen wirkt, läuft in der Praxis häufig zusammen.

Warum ist Ancud Mitglied im KI Bundesverband?

Ancud entwickelt und integriert KI-Lösungen für Unternehmen. Dazu gehören Large Language Models, RAG-Systeme und Wissensdatenbanken, Private AI und lokale KI-Lösungen, Data Science und die Automatisierung von Geschäftsprozessen durch KI-Agenten.

Gleichzeitig kommt ein wesentlicher Teil unserer Erfahrung aus der Softwareentwicklung. Diese Verbindung wird besonders wichtig, sobald KI nicht mehr nur ausprobiert, sondern produktiv eingesetzt werden soll.

Wenn ein Sprachmodell beispielsweise mit internen Daten arbeiten, auf Fachanwendungen zugreifen oder einen Prozess unterstützen soll, entstehen klassische Softwarefragen: Datenquellen müssen angebunden, Schnittstellen entwickelt, Berechtigungen berücksichtigt und Geschäftslogik umgesetzt werden.

Für uns gehört deshalb beides zusammen: KI-Kompetenz und die Fähigkeit, daraus funktionierende Software zu bauen.

Der KI Bundesverband bietet uns einen zusätzlichen Raum, Entwicklungen gemeinsam mit anderen Unternehmen und Expert einzuordnen, Erfahrungen auszutauschen und unsere eigene Perspektive einzubringen.

Warum dieser Austausch gerade jetzt wichtig ist

Auch der regulatorische Rahmen für KI entwickelt sich weiter. Der europäische AI Act ist seit dem 1. August 2024 in Kraft und wird schrittweise anwendbar. Gleichzeitig wurde der Zeitplan zuletzt durch den AI Omnibus angepasst.

Seit dem 27. Juli 2026 ist die entsprechende Änderung in Kraft. Für bestimmte Hochrisiko-KI-Systeme gelten die zentralen Anforderungen nun ab dem 2. Dezember 2027. Für KI-Systeme, die Bestandteil regulierter Produkte sind, wurde die Frist bis zum 2. August 2028 verlängert. Einen aktuellen Überblick bietet die Europäische Kommission zum AI Act.

Für Unternehmen bleibt damit die zentrale Frage bestehen: Welche Anforderungen gelten für das eigene System, welche Daten werden verarbeitet und welche technischen Entscheidungen haben später Auswirkungen auf Governance und Betrieb?

Gerade weil sich sowohl Technologien als auch Rahmenbedingungen verändern, ist ein kontinuierlicher fachlicher Austausch wichtig.

Von der Modellauswahl zur funktionierenden Anwendung

Bei KI-Projekten beginnt die Arbeit nicht mit der Frage, welches Modell aktuell die höchsten Benchmark-Werte erreicht. Zuerst muss klar sein, welche Aufgabe das System lösen soll.

Erst danach lassen sich Modell, Daten, Infrastruktur und technische Umsetzung sinnvoll auswählen.

Bei einer internen Wissensplattform kann beispielsweise ein RAG-System sinnvoll sein. Relevante Informationen werden dabei aus angebundenen Datenquellen gesucht und dem Sprachmodell für eine konkrete Anfrage bereitgestellt.

Ob das funktioniert, hängt jedoch nicht nur vom LLM ab. Datenqualität, Dokumentenstruktur, Zugriffsrechte und die Qualität des Retrievals haben oft mindestens ebenso großen Einfluss auf das Ergebnis.

Das ist ein gutes Beispiel dafür, warum KI und Softwareentwicklung für uns zusammengehören.

Agentic Work Automation: KI-Agenten für komplexe Wissensarbeit

Dass wir uns mit diesen Fragen nicht nur theoretisch beschäftigen, zeigt das Forschungsprojekt Agentic Work Automation (AWA).

Ancud ist dort gemeinsam mit DATEV, dem Fraunhofer-Institut für Angewandte Informationstechnik FIT, soffico und der Brauerei Gebr. Maisel Projektpartner. Ziel ist es, Grundlagen für KI-basierte Multiagentensysteme zu entwickeln, die komplexe und bislang schwer automatisierbare Wissensarbeit unterstützen können. Auch die Bayerische Forschungsstiftung führt Ancud als Projektpartner.

Im Mittelpunkt stehen mehrere spezialisierte Software-Agenten, die unterschiedliche Aufgaben übernehmen, Informationen verarbeiten und miteinander sowie mit Menschen interagieren können.

Damit entstehen Fragen, die für den produktiven Einsatz von KI-Agenten entscheidend sind: Welche Aufgaben werden automatisiert? Auf welche Informationen darf ein Agent zugreifen? Welche Entscheidungen darf er selbstständig treffen? Und wo bleibt eine menschliche Freigabe notwendig?

Der Nutzen eines solchen Systems entsteht nicht durch möglichst viel Autonomie, sondern durch eine sinnvolle Aufgabenverteilung zwischen Software, KI und Menschen.

RAG und Private AI: Architektur hängt vom Anwendungsfall ab

Ein weiteres wichtiges Feld ist die Verbindung von Sprachmodellen mit Unternehmenswissen.

RAG-Systeme können Informationen aus Dokumentenablagen, Wikis oder Fachanwendungen für natürliche Sprachanfragen nutzbar machen. Ob eine solche Lösung zuverlässig arbeitet, hängt dabei stark von den vorhandenen Daten, Berechtigungskonzepten und der Qualität des Retrievals ab.

Ähnlich individuell ist die Entscheidung zwischen öffentlichen KI-Diensten und Private-AI-Ansätzen. Cloud-Modelle können einen schnellen Einstieg ermöglichen. Bei sensiblen Daten oder besonderen Anforderungen können lokal betriebene Modelle, dedizierte Umgebungen oder hybride Lösungen sinnvoller sein.

Eine pauschal richtige Architektur gibt es nicht. Entscheidend ist, was für den jeweiligen Anwendungsfall technisch und wirtschaftlich sinnvoll ist.

KI-Erfahrung jenseits von Large Language Models

Künstliche Intelligenz bei Ancud beginnt nicht erst mit dem aktuellen Boom generativer Sprachmodelle.

Ein Beispiel ist das Forschungsprojekt KI-LiDAR, an dem Ancud als Projektpartner beteiligt war.

Das Projekt beschäftigte sich unter anderem mit datengetriebenen Modellen zur Zustandsüberwachung und zur Vorhersage der verbleibenden Lebensdauer von LiDAR-Sensoren sowie mit Machine-Learning-Verfahren zur Analyse von Messdaten.

Damit zeigt sich auch, dass Künstliche Intelligenz nicht automatisch Chatbot oder LLM bedeutet. In industriellen Anwendungen können klassische Machine-Learning-Verfahren, Sensordaten und spezialisierte Vorhersagemodelle die bessere Wahl sein.

Deshalb beginnt eine KI- und Datenlösung für uns mit dem Problem und den verfügbaren Daten – nicht mit dem gerade populärsten Modell.

Was bedeutet die Mitgliedschaft für unsere Kunden?

Unsere Mitgliedschaft im KI Bundesverband erweitert unseren Zugang zu aktuellen Diskussionen und Erfahrungen innerhalb der deutschen KI-Branche.

Für Kunden soll daraus vor allem eine bessere Einordnung entstehen. Neue Modelle, Frameworks und regulatorische Entwicklungen erscheinen inzwischen so schnell, dass es kaum sinnvoll ist, jede Veränderung einzeln zu verfolgen.

Unsere Aufgabe ist es, zu beurteilen, was davon für einen konkreten Anwendungsfall relevant wird.

Dabei verbinden wir den Austausch innerhalb des Verbands mit unserer eigenen Erfahrung aus Projekten wie AWA und KI-LiDAR sowie unserer Arbeit in KI und Softwareentwicklung. So lässt sich besser unterscheiden, wo eine neue Technologie einen echten Vorteil bietet und wo eine bestehende Lösung weiterhin die sinnvollere Wahl ist.

Regulierung ist auch eine technische Frage

Der AI Act zeigt, dass regulatorische und technische Entscheidungen zunehmend ineinandergreifen.

Wo läuft ein Modell? Welche externen Dienste werden eingebunden? Welche Daten verarbeitet das System? Welche Aktionen darf ein KI-Agent selbstständig ausführen? Wie werden Ergebnisse kontrolliert?

Solche Entscheidungen entstehen bereits bei der Konzeption einer Anwendung und nicht erst kurz vor dem Go-live.

Unternehmen sollten regulatorische Anforderungen deshalb frühzeitig berücksichtigen. Nicht, um jedes KI-Projekt unnötig kompliziert zu machen, sondern um spätere Umbauten und technische Sackgassen zu vermeiden.

Nicht jedes neue Modell braucht ein neues Projekt

Der KI-Markt bringt in kurzer Folge neue Modelle, Plattformen und Frameworks hervor. Dadurch entsteht leicht der Eindruck, bestehende Anwendungen müssten permanent neu gebaut werden.

Das sollte nicht der Fall sein.

Eine belastbare KI-Anwendung sollte so aufgebaut sein, dass einzelne technische Komponenten weiterentwickelt oder ausgetauscht werden können, ohne die komplette Anwendung neu zu entwickeln.

Gerade bei LLM-Anwendungen lohnt sich deshalb eine klare Trennung zwischen Geschäftslogik, Datenzugriff, Modell und Benutzeroberfläche. So können neue Modelle getestet oder Anbieter gewechselt werden, ohne jedes Mal von vorne zu beginnen.

Diese technische Unabhängigkeit wird mit zunehmender Geschwindigkeit des KI-Markts eher wichtiger als unwichtiger.

Was wir aus dem Netzwerk mitnehmen – und einbringen

Die Mitgliedschaft im KI Bundesverband ist für uns keine reine Unternehmensmeldung.

Wir wollen den Austausch nutzen, um technologische und regulatorische Entwicklungen frühzeitig einzuordnen und Erfahrungen innerhalb der deutschen KI-Branche auszutauschen. Gleichzeitig bringen wir unsere eigene Perspektive ein.

Ancud verbindet Künstliche Intelligenz und Softwareentwicklung. Gerade bei produktiven KI-Anwendungen wachsen diese beiden Bereiche zunehmend zusammen.

Für unsere Kunden soll daraus etwas sehr Praktisches entstehen: Sie müssen nicht jede neue Modellversion, regulatorische Änderung oder technische Entwicklung selbst verfolgen. Entscheidend ist, was davon für ihr Unternehmen tatsächlich relevant wird.

Wir freuen uns deshalb, Teil des KI Bundesverbands zu sein und unsere Erfahrung in das Netzwerk einzubringen.

Für uns ist die Mitgliedschaft kein Einstieg in die KI-Branche.

Sie ist der konsequente nächste Schritt.

Mehr über unsere Arbeit rund um Künstliche Intelligenz erfahren Sie unter KI-Beratung und KI-Lösungen bei Ancud.

Häufige Fragen zur Mitgliedschaft

Transparenzhinweis: Bei der Erstellung dieses Beitrags wurde generative KI unterstützend eingesetzt. Inhalt, Faktenprüfung und finale Redaktion erfolgten durch Ancud