Illustration Absmeier foto ki designer

Die aktuelle CGI-Studie »Voice of Our Clients« zeigt: KI ist in den Führungsetagen gesetzt, doch zwischen strategischem Anspruch und produktiver Skalierung klafft weiterhin eine deutliche Lücke. Für Unternehmen wird damit Digital Re-Engineering zur Kernaufgabe – von modernisierten IT-Landschaften über belastbare Datenarchitekturen bis hin zu Governance, Resilienz und messbarem Business-Impact.

Management Summary

KI ist Chefsache – Skalierung bleibt die Hürde: Während 65 Prozent der Unternehmen KI bereits in Kernprozessen einsetzen, gelingt nur wenigen die Umsetzung einer durchgängigen KI-Strategie über das gesamte Ökosystem hinweg.
Digital Re-Engineering wird zum Enabler: Wer KI wirtschaftlich nutzen will, muss Altsysteme, Dateninseln und starre Betriebsmodelle gezielt modernisieren.
Ohne Kennzahlen kein Business-Impact: Viele KI-Initiativen bleiben schwer steuerbar, weil Ergebnisse und wirtschaftlicher Nutzen nicht konsequent quantifiziert werden.
Souveränität und Resilienz rücken in den Fokus: Datensouveränität, lokale Cloud-Strategien und robuste Organisationen werden zu strategischen Voraussetzungen für digitale Handlungsfähigkeit.
Managed Services beschleunigen die Umsetzung: Externe Partner gewinnen an Bedeutung, wenn Beratung, Integration, Re-Engineering und Betrieb zu skalierbaren Transformationsmodellen zusammengeführt werden sollen.

Unternehmen investieren massiv in KI, doch produktive Skalierung scheitert oft an Altsystemen, Datenbrüchen und fehlender Governance.

CGI, ein IT- und Business-Consulting-Unternehmen, hat die Ergebnisse seiner jährlichen globalen Marktstudie »Voice of Our Clients« veröffentlicht [1]. Sie basiert auf Interviews mit mehr als 1.800 Führungskräften aus Wirtschaft und Technologie, von denen die Mehrheit auf C-Level tätig ist. Die diesjährige Studie zeigt für Deutschland eine klare Marktentwicklung hin zu Digital Re-Engineering: Unternehmen digitalisieren und modernisieren ihre bestehenden IT-Systeme und Geschäftsprozesse gezielt, um den KI-Einsatz zu skalieren und so messbaren Business-Impact zu erzielen. Die Studie von CGI identifiziert drei übergreifende Trends, welche die Business- und Technologiestrategien in Unternehmen und Behörden prägen:

Der strategische Imperativ: Anpassungsfähige, resiliente Organisationen.
Der technologische und digitale Fortschritt bleibt der einflussreichste Makrotrend und wird von 65 % der befragten Führungskräfte genannt. Den am schnellsten an Bedeutung gewinnenden Trend machen weiterhin die Verschiebungen in der Weltwirtschaftsordnung und die damit einhergehende Neugestaltung von Lieferketten aus. Dabei erhöht die zunehmende geopolitische Komplexität den Anpassungsdruck auf Organisationen. Zugleich priorisieren 49 % der Führungskräfte die Themen Datensouveränität und lokale Cloud-Strategien, aber nur 33 % bewerten ihre Systeme als sehr agil. Dies unterstreicht die Notwendigkeit der Implementierung anpassungsfähigerer und resilienterer Organisationsstrukturen und -prozesse.
Die Ambitionen bei der Einführung und dem Einsatz von KI sind größer als die organisatorische und technologische Umsetzungsbereitschaft der Unternehmen.
Die Implementierung von GenAI hat in den letzten zwei Jahren um 30 Prozentpunkte zugenommen, 65 % der Unternehmen setzen KI mittlerweile in zentralen Geschäfts- und Betriebsprozessen ein. Die technologische und organisatorische Bereitschaft der Unternehmen zur effektiven und tiefgreifenden KI-Einbindung hält jedoch nicht mit den KI-Ambitionen Schritt. 52 % der befragten Führungskräfte geben an, dass Legacy-Systeme ihre Daten- und KI-Strategien erheblich beeinträchtigen. Dies unterstreicht, dass die digitale Neugestaltung grundlegender Systeme, Daten und Betriebsmodelle entscheidend ist, um KI in Unternehmen über die Pilotierungsphase hinaus zu skalieren und messbaren Mehrwert zu erzielen. Zwar verfügen 37 % der Unternehmen über eine unternehmensweite KI-Strategie, doch nur 8 % setzen sie in ihrem gesamten Ökosystem um. Darüber hinaus quantifizieren nur 55 % der Unternehmen die Ergebnisse ihrer KI-Einführung.
Kosten und Altsysteme schränken den Return on Investment ein.
Der Kostendruck bleibt das größte Hindernis für Unternehmen bei der KI-Einführung und -Nutzung. 52 % der Führungskräfte stufen ihre Legacy-Systeme als erhebliche Herausforderung für eine erfolgreiche Digitalisierung ein, was sich auf die Programme und die Umsetzungskapazitäten auswirkt. Modernisierung und Migration gewinnen deshalb weiter an Bedeutung. 29 % der Führungskräfte auf C-Level wollen sich in den nächsten drei Jahren auf umfassende und selektive Managed-Services-Modelle stützen, um die Umsetzungskapazitäten zu stärken und eine skalierbare, KI-gestützte Transformation zu ermöglichen.

»Die aktuellen geopolitischen Herausforderungen, steigende Kosten, neue regulatorische Anforderungen und der Einsatz von Künstlicher Intelligenz verändern die Prioritäten vieler Unternehmen. Wer KI erfolgreich nutzen will, braucht moderne, sichere und souveräne digitale Strukturen, die strategische Handlungsoptionen erlauben«, sagt Stefan Becker, President Germany Operations bei CGI. »Die Ergebnisse aus unserer aktuellen Kundenumfrage ›Voice of Our Clients 2026‹ zeigen einen klaren Trend zum Digital Re-Engineering, denn entscheidend ist, bestehende IT- und Prozesslandschaften gezielt zu modernisieren, damit KI messbaren Mehrwert schafft und Unternehmen langfristig wettbewerbsfähig bleiben. CGI blickt in diesem Jahr auf 50 Jahre erfolgreiche Partnerschaften zurück und wird für seine Kunden auch weiterhin die Grundlage schaffen, um Innovation wirtschaftlich umzusetzen und nachhaltige Geschäftsergebnisse zu erzielen.«

Der Trend ist eindeutig: Unternehmen setzen zunehmend auf wenige, vertrauenswürdige Partner, die Beratung, Systemintegration und digitales Re-Engineering aus einer Hand liefern können. Die CGI-Studie bestätigt, dass ohne modernisierte Grundlagen KI bei fragmentierten Daten, Altsystemen und veralteten Betriebsmodellen oft nur die Komplexität und die Kosten erhöht – statt echten Mehrwert zu schaffen. Genau das treibt die Nachfrage nach selektiven Managed Services und Beratungskompetenz: Unternehmen brauchen Unterstützung dabei, Technologie, Mitarbeitende und Prozesse so aufeinander abzustimmen, dass messbare Ergebnisse entstehen.

»Der Erfolg von KI entscheidet sich im operativen Betrieb«, ergänzt Niklas Bläsing, Director Consulting Expert und Head of Data & AI bei CGI. »Dafür braucht es die richtige technische Basis und eine klare Governance. Entscheidend ist aber vor allem, dass keine Insellösungen in der Pilotierungsphase entwickelt werden, sondern wiederverwendbare Anwendungsfälle – und zwar gemeinsam mit Fachbereichen, Datenverantwortlichen und IT-Mitarbeitenden von Anfang an. Nur so lassen sich KI-Anwendungen in die Produktion überführen und effektiv skalieren.«

[1] Weitere globale Erkenntnisse aus der CGI-Studie »Voice of Our Clients« sowie branchenspezifische Einblicke finden sich unter https://www.cgi.com/de/de/voice-of-our-clients

FAQ

Was ist die zentrale Botschaft der CGI-Studie?
KI ist in vielen Unternehmen strategisch etabliert. Der entscheidende Engpass liegt jedoch in der produktiven Skalierung und in den dafür notwendigen technologischen, organisatorischen und prozessualen Voraussetzungen.
Praxisbeispiel: Ein Industrieunternehmen nutzt GenAI zunächst im Kundenservice für Antwortvorschläge. Erst durch Anbindung an CRM, Wissensdatenbank und Qualitätskontrolle entsteht daraus ein skalierbarer Serviceprozess.
Warum ist Digital Re-Engineering so wichtig?
Bestehende IT- und Prozesslandschaften sind häufig nicht auf datengetriebene und KI-gestützte Geschäftsmodelle ausgelegt. Re-Engineering schafft die Grundlage, um Anwendungen aus der Pilotphase in den Regelbetrieb zu überführen.
Praxisbeispiel: Ein Versicherer modernisiert Schadensprozesse, harmonisiert Datenquellen und automatisiert Prüfschritte. KI unterstützt anschließend nicht isoliert, sondern eingebettet in den End-to-End-Prozess.
Welche Rolle spielen Legacy-Systeme?
Altsysteme erschweren Integration, Datenzugriff und Automatisierung. Damit erhöhen sie nicht nur die Komplexität, sondern begrenzen auch Tempo und Wirkung von KI-Initiativen.
Praxisbeispiel: Eine Bank kann Betrugserkennung erst deutlich verbessern, nachdem Transaktionsdaten aus Kernbankensystemen, Online-Banking und Risikomodellen konsolidiert verfügbar sind.
Warum reicht eine KI-Strategie nicht aus?
Strategie muss operationalisiert werden. Ohne saubere Datenbasis, klare Verantwortlichkeiten, Governance und skalierbare Betriebsmodelle bleibt KI ein isoliertes Technologieprojekt.
Praxisbeispiel: Ein Handelsunternehmen definiert nicht nur KI-Ziele, sondern legt auch Verantwortliche für Datenqualität, Modellfreigaben und Monitoring fest – erst dadurch wird KI im Einkauf belastbar nutzbar.
Wie lässt sich Business-Impact nachweisen?
Durch klar definierte Kennzahlen, belastbare Use Cases und eine konsequente Messung von Effizienzgewinnen, Qualitätsverbesserungen, Kosteneffekten und neuen Geschäftsmöglichkeiten.
Praxisbeispiel: In der Instandhaltung wird der Erfolg eines Predictive-Maintenance-Modells nicht an der Modellgenauigkeit allein gemessen, sondern an weniger ungeplanten Stillständen, geringeren Wartungskosten und höherer Anlagenverfügbarkeit.
Warum gewinnt Datensouveränität an Bedeutung?
Regulatorische Anforderungen, geopolitische Risiken und Cloud-Strategien erhöhen den Bedarf an kontrollierbaren, sicheren und nachvollziehbaren Daten- und Betriebsmodellen.
Praxisbeispiel: Ein öffentlicher Auftraggeber setzt auf eine lokal betriebene Cloud-Umgebung, damit sensible Verwaltungsdaten nachvollziehbar verarbeitet und regulatorische Vorgaben eingehalten werden.
Weshalb verharren viele KI-Projekte im Pilotstadium?
Häufig fehlen wiederverwendbare Anwendungsfälle, integrierte Datenflüsse und die frühe Einbindung von Fachbereichen, IT und Datenverantwortlichen.
Praxisbeispiel: Ein Chatbot-Prototyp liefert überzeugende Testergebnisse, scheitert aber im Rollout, weil Rollen, Eskalationsprozesse, Datenschutzprüfung und Betriebsverantwortung nicht frühzeitig geklärt wurden.
Wie können Managed Services unterstützen?
Managed Services können Umsetzungskapazitäten erweitern, Betriebssicherheit schaffen und Unternehmen dabei helfen, KI-Lösungen kontrolliert, wirtschaftlich und skalierbar zu betreiben.
Praxisbeispiel: Ein Mittelständler lagert Betrieb, Monitoring und Weiterentwicklung einer KI-gestützten Dokumentenverarbeitung teilweise aus und kann interne Teams dadurch stärker auf Prozessverbesserungen konzentrieren.
Was sollten IT- und Business-Entscheider jetzt priorisieren?
Im Mittelpunkt sollten modernisierte Kernsysteme, belastbare Datenarchitekturen, klare Governance, messbare Use Cases und ein Betriebsmodell stehen, das Skalierung ermöglicht.
Praxisbeispiel: Ein CIO priorisiert zunächst wenige geschäftskritische Use Cases mit klarer Datenbasis, statt viele Piloten parallel zu starten. So lassen sich Budgets, Architekturentscheidungen und Change Management fokussierter steuern.
Was entscheidet über den nachhaltigen Erfolg von KI?
Erfolgreich wird KI dort, wo Technologie, Prozesse und Menschen zusammengedacht werden – nicht als Experiment am Rand, sondern als Bestandteil des operativen Geschäfts.
Praxisbeispiel: Ein Logistikunternehmen kombiniert Routenoptimierung mit Schulungen für Disponenten, klaren Eingriffsregeln und laufendem Performance-Monitoring. Die KI unterstützt Entscheidungen, ersetzt aber nicht die operative Verantwortung.

Management Summary, FAQ und Bild wurden mit Hilfe von KI erstellt

86 Artikel zu „Re-Engineering“

News | Trends 2024 | Trends Security | Digitalisierung | IT-Security

CrowdStrike-Ausfall markiert Wendepunkt für Software-Engineering

25. November 2024

Der Vorfall sorgte in drei Viertel der Unternehmen für positive Veränderungen in mehreren Bereichen, trotz weitreichender Ausfälle. 86 % der Unternehmen erhöhen ihre Budgets für Softwareentwicklung, 86 % stellen als direkte Reaktion darauf neue Mitarbeiter ein. 83 % wollen ihre Software- und Dienstleistungsanbieter stärker diversifizieren, um zukünftige Risiken zu minimieren, während die Nutzung von Open…