IBM: Unternehmen setzen alles in der KI ein und stehen nun vor der Herausforderung, LLM auf den Anwendungsfall anzuwenden

Im Laufe des letzten Jahrhunderts hat IBM zahlreiche Technologietrends aufkommen und vergehen sehen. Die Ansätze, die überdauern, sind in der Regel diejenigen, die Flexibilität und Auswahl bieten.

Auf der VB Transform 2025 erläuterte Armand Ruiz, IBMs Vice President of AI Platform, die Perspektive des Unternehmens auf generative KI und wie seine Unternehmenskunden die Technologie praktisch umsetzen. Ruiz betonte, dass es in der aktuellen Landschaft nicht darum geht, einen einzigen großen Sprachmodellanbieter oder eine Lösung auszuwählen. Unternehmen wenden sich zunehmend von KI-Strategien eines einzelnen Anbieters ab und entscheiden sich stattdessen für Multi-Modell-Frameworks, die spezialisierte LLMs mit spezifischen betrieblichen Anforderungen kombinieren.

IBM bietet mit der Granite-Serie zwar eigene Open-Source-KI-Modelle an, stellt diese aber nicht als Universallösung für jede Anwendung dar. Dieses Kundenverhalten prägt die Rolle von IBM: Das Unternehmen will als zentrale Schaltstelle für KI-Operationen dienen und nicht direkt als Anbieter von Basismodellen konkurrieren.

"Wenn ich mich mit Kunden treffe, nutzen sie jedes ihnen zur Verfügung stehende Tool", so Ruiz. "Für Codierungsaufgaben bevorzugen viele Anthropic. Für Schlussfolgerungen und Logik verwenden sie vielleicht o3. Für die Anpassung von LLMs mit ihren eigenen Daten durch Feinabstimmung reichen die Optionen von unseren Granite-Modellen bis zu den kleineren Modellen von Mistral oder sogar Llama. Es geht darum, das richtige Modell für die jeweilige Aufgabe auszuwählen. Wir unterstützen sie dabei auch mit Empfehlungen."

Eine Strategie für Multi-LLM-Konnektivität

Um dieser Marktdynamik zu begegnen, hat IBM ein neues Modell-Gateway eingeführt. Dieses System bietet Unternehmen eine einheitliche API für den nahtlosen Übergang zwischen verschiedenen LLMs und gewährleistet gleichzeitig eine konsistente Überwachung und Steuerung über alle Implementierungen hinweg.

Das technische Design ermöglicht es Kunden, Open-Source-Modelle auf ihrer eigenen Inferenzinfrastruktur für sensible Daten zu betreiben und gleichzeitig öffentliche APIs wie AWS Bedrock oder Google Clouds Gemini für weniger kritische Funktionen zu nutzen.

"Dieses Gateway bietet unseren Kunden eine einzige Schnittstelle mit einer API, um zwischen verschiedenen LLMs zu wechseln, wobei der gesamte Prozess vollständig überwacht und gesteuert werden kann", so Ruiz.

Diese Methode steht im Gegensatz zu den Taktiken der Anbieter, die oft versuchen, die Kunden an proprietäre Systeme zu binden. IBM ist nicht der einzige Anbieter, der sich für die Auswahl eines Modells aus mehreren Anbietern einsetzt. In jüngster Zeit sind mehrere Tools für das Modell-Routing aufgetaucht, die darauf abzielen, Arbeitslasten dem am besten geeigneten Modell zuzuweisen.

Agenten-Koordinationsprotokolle werden zur unverzichtbaren Infrastruktur

Neben der Verwaltung mehrerer Modelle geht IBM auch auf den wachsenden Bedarf an Kommunikation zwischen Agenten durch offene Standards ein.

Das Unternehmen hat das Agent Communication Protocol entwickelt und es bei der Linux Foundation eingereicht. ACP ist ein Gegenstück zu Googles Agent2Agent-Protokoll, das Google diese Woche ebenfalls bei der Linux Foundation eingereicht hat.

Ruiz erwähnte, dass beide Protokolle darauf abzielen, die Agentenkommunikation zu rationalisieren und den Bedarf an benutzerdefinierter Kodierung zu minimieren. Er geht davon aus, dass die verschiedenen Methoden irgendwann miteinander verschmelzen werden, wobei die derzeitigen Unterschiede zwischen A2A und ACP in erster Linie technischer Natur sind.

Diese Agenten-Koordinationsprotokolle schaffen einheitliche Methoden für KI-Systeme zur Interaktion über verschiedene Plattformen und Anbieter hinweg.

Die technische Bedeutung ist auf Unternehmensebene offensichtlich: Einige IBM-Kunden testen bereits über 100 Agenten in Pilotprojekten. Ohne standardisierte Kommunikationsprotokolle erfordert jede Interaktion zwischen Agenten eine individuelle Entwicklung, was zu einem unüberschaubaren Integrationsaufwand führt.

KI transformiert Arbeitsabläufe und Betriebsmethoden

Was den aktuellen Einfluss von KI auf Unternehmen betrifft, so ist Ruiz der Meinung, dass die Auswirkungen über grundlegende Chatbot-Funktionen hinausgehen müssen.

"Wenn sich Ihre KI-Initiativen auf Chatbots oder bloße Kostenreduzierung beschränken, haben Sie KI noch nicht vollständig verinnerlicht", so Ruiz. "Echte KI bedeutet eine grundlegende Umgestaltung von Arbeitsabläufen und der Art und Weise, wie Arbeit erledigt wird."

Der Unterschied zwischen der grundlegenden Nutzung von KI und der vollständigen Transformation liegt darin, wie gründlich die Technologie in die Geschäftsabläufe eingebettet ist. IBMs interner HR-Fall zeigt diese Entwicklung: Anstatt dass Mitarbeiter Chatbots für HR-Details konsultieren, bearbeiten spezialisierte Agenten nun Standardanfragen zu Gehalt, Einstellung und Beförderung, wobei sie sich automatisch mit den relevanten Systemen verbinden und menschliche Mitarbeiter nur dann hinzuziehen, wenn es unbedingt notwendig ist.

"Früher habe ich viel Zeit damit verbracht, HR-Vertreter für verschiedene Angelegenheiten zu konsultieren. Jetzt bearbeitet ein HR-Agent die meisten meiner Anfragen", erklärt Ruiz. "Je nach Anfrage - ob es um Vergütung, Trennung von Mitarbeitern, Einstellung oder Beförderung geht - werden diese Aufgaben mit verschiedenen internen HR-Systemen verknüpft, die jeweils von speziellen Agenten verwaltet werden."

Dies bedeutet einen grundlegenden Strukturwandel von der Interaktion zwischen Mensch und Computer hin zur computergesteuerten Workflow-Automatisierung. Anstatt dass Mitarbeiter lernen, KI-Tools zu nutzen, lernt die KI, ganze Geschäftsprozesse von Anfang bis Ende auszuführen.

Die praktische Konsequenz: Unternehmen müssen über einfache API-Verbindungen und Prompt-Design hinausgehen und zu einer umfassenden Prozessintegration übergehen, die KI-Agenten in die Lage versetzt, mehrstufige Workflows selbstständig auszuführen.

Strategische Überlegungen für KI-Investitionen in Unternehmen

Die Beobachtungen von IBM zum Einsatz von KI deuten auf mehrere wichtige Veränderungen für die KI-Planung in Unternehmen hin:

Gehen Sie über einen Chatbot-zentrierten Ansatz hinaus: Unternehmen sollten ganze Arbeitsabläufe überarbeiten und nicht nur konversationelle Frontends zu aktuellen Systemen hinzufügen. Ziel ist es, manuelle Schritte zu beseitigen und nicht nur die Interaktion zwischen Mensch und Computer zu verbessern.

Bauen Sie auf die Anpassungsfähigkeit mehrerer Modelle: Anstatt sich an KI-Anbieter zu binden, benötigen Unternehmen Integrationsplattformen, die es ermöglichen, je nach Aufgabenstellung zwischen verschiedenen Modellen zu wechseln und dabei die Governance zu wahren.

Priorisieren Sie Kommunikationsstandards: Unternehmen sollten KI-Lösungen bevorzugen, die aufkommende Protokolle wie MCP, ACP und A2A unterstützen, und proprietäre Integrationsmethoden vermeiden, die zu Anbieterabhängigkeit führen.

"Es gibt ein immenses Entwicklungspotenzial, und ich betone immer wieder, dass jeder etwas über KI lernen muss. Vor allem Führungskräfte müssen eine KI-zentrierte Denkweise annehmen und die grundlegenden Konzepte verstehen", so Ruiz abschließend.