Von Cloud-native zu KI-ready: Der nächste Schritt der Modernisierung

Modernisierung war in den vergangenen zehn Jahren ein zentrales Leitmotiv für Unternehmen. Von der Migration von Workloads in die Cloud bis hin zu digitalen, datengetriebenen Betriebsmodellen haben sie massiv in skalierbare und agile IT-Fundamente investiert.

Doch dieser Ansatz greift heute zu kurz. Wie der neue NTT DATA Guide „Modernisierung 2.0: Wie Agentic AI die Spielregeln verändert“ zeigt, ist Cloud-native Modernisierung nicht mehr das finale Ziel. Die damit verbundene Umgestaltung von Altsystemen hin zu Microservices ist vielmehr eine notwendige Zwischenstufe auf dem Weg zu intelligenten Plattformen, die agentenbasierte Workflows ermöglichen.

Wer seine Modernisierungsstrategie bei der Cloud-Migration beendet, bleibt daher auf halbem Weg stehen. Der nächste entscheidende Schritt besteht darin, adaptive, intelligente Ökosysteme aufzubauen, die nicht nur effizienter arbeiten, sondern grundlegend verändern, wie Unternehmen agieren und im Wettbewerb bestehen.  

Von Cloud-first zu AI-first

Die erste Welle der Modernisierung hat Cloud-native Infrastrukturen, integrierte Datenplattformen und Echtzeitanalysen etabliert. Sie senkte Kosten, erhöhte die Skalierbarkeit und beschleunigte Innovation. Vor allem aber machte sie Unternehmen agiler: Teams konnten Updates schneller bereitstellen und Entscheidungen datenbasiert in Echtzeit treffen. Eine entscheidende Voraussetzung für den nächsten Entwicklungsschritt.

Heute reicht Automatisierung allein jedoch nicht mehr aus. Unternehmen müssen ihre Systeme um Intelligenz erweitern – in Form von Agentic AI. Sie hebt Modernisierung über reine Effizienzgewinne hinaus und ermöglicht Systeme, die lernen, sich kontinuierlich anpassen und Entscheidungen im jeweiligen Kontext treffen.

So zeigt sich der Wandel in fünf Schlüsselbranchen:

• Banken, Finanzdienstleistungen und Versicherungen: In dieser stark regulierten Branche stehen Compliance, Betrugsprävention und Kundenvertrauen im Mittelpunkt. Die Modernisierung von Daten und Anwendungen ermöglicht eine Risikoüberwachung in Echtzeit, KI-gestützte Bonitäts- und Risikoprüfungen sowie personalisierte Finanzservices. Agentic AI geht darüber hinaus: Sie automatisiert Routineprozesse und erkennt potenzielle Störungen oder Risiken, bevor sie auftreten.
• Fertigung: Produktionsumgebungen entwickeln sich zu intelligenten Ökosystemen. Modernisierte Infrastrukturen und IoT-Datenplattformen bilden die Basis für vorausschauende Wartung und dynamische Produktionsplanung. Agentic AI erweitert diese Fähigkeiten, indem sie unter anderem den Energieeinsatz optimiert, Lieferketten ausbalanciert und Qualitätsprüfungen automatisiert – in Echtzeit
• Gesundheitswesen: Eine der größten Herausforderungen der Branche ist die Dateninteroperabilität. Patientendaten müssen sicher, zugänglich und nutzbar sein. Moderne Datenfundamente ermöglichen KI-gestützte Diagnostik und individualisierte Behandlungspfade. KI-Agenten können zusätzlich Termine koordinieren, den Therapiefortschritt überwachen und medizinisches Fachpersonal frühzeitig auf Abweichungen oder Risiken hinweisen.
• Einzelhandel und Konsumgüter: In diesem Umfeld zeigt sich die Transformation der Customer Experience besonders deutlich. Von Omnichannel-Interaktionen bis zu personalisierten Empfehlungen bündeln Händler sämtliche Kundenkontakte in zentralen Dashboards. Agentic AI übersetzt diese Erkenntnisse direkt in Maßnahmen, etwa durch automatisierte Bestandsanpassungen, individualisierte Angebote oder die frühzeitige Prognose von Abwanderungsrisiken.
• Automobilindustrie: Die Branche bewegt sich mit hoher Geschwindigkeit in Richtung vernetzter, softwaredefinierter Fahrzeuge. Modernisierung ermöglicht digitale Vertriebsmodelle, Mobility-as-a-Service-Konzepte und kontinuierlich aktualisierte Fahrzeugplattformen. Agentic AI ergänzt diese Entwicklung um vorausschauende Wartung und autonome Entscheidungslogik im Fahrzeug selbst und macht jedes Auto zu einem intelligenten, adaptiven System.

Wie Unternehmen die Hürden für Modernisierung und Agentic AI senken

So groß das Potenzial von Agentic AI ist, ihre Skalierung ist anspruchsvoll. Ohne eine konsistente Datenbasis und einen klaren Fahrplan, der Technologie- und Geschäftsziele konsequent miteinander verzahnt, bleiben selbst hochentwickelte KI-Agenten hinter den Erwartungen zurück.

Der Guide von NTT DATA identifiziert drei zentrale Herausforderungen, denen sich Unternehmen stellen müssen, bevor Sie mit der breiten Einführung von Agentic AI oder jeder anderen KI beginnen können:

1. Die technologische Herausforderung: Der Umgang mit gewachsenen Legacy-Strukturen
   
   Das volle Potenzial von Agentic AI lässt sich nicht ausschöpfen, solange Unternehmen durch veraltete Infrastrukturen und fragmentierte Systemlandschaften gebremst werden. In vielen Organisationen schränken umfangreiche Legacy-Umgebungen nach wie vor Skalierbarkeit, Agilität und die nahtlose Integration von KI-Funktionen ein.
   
   Der erste Schritt besteht darin, Workloads konsequent zu modernisieren und in Cloud-native Umgebungen zu überführen. Architekturen auf Basis von Microservices, Automatisierung und durchgängigem Datenzugriff schaffen die notwendige technische Grundlage für den Einsatz von Agentic AI.
   
   
2. Die strategische Herausforderung: Die Rolle von KI neu definieren
   
   Agentic AI ist weit mehr als ein weiteres Automatisierungswerkzeug. Sie ist eine transformative Kraft, die grundlegend verändert, wie Geschäftsprozesse gestaltet, Entscheidungen getroffen und Wertschöpfungsketten organisiert werden.
   
   Cloud-native Architekturen, serverlose Technologien und Edge-Intelligenz, kombiniert mit vorgefertigten, branchenspezifischen Service-as-a-Software-Lösungen, beschleunigen Implementierung und Innovation. So entwickelt sich KI von einer unterstützenden Funktion zu einem strategischen Akteur im Unternehmen.
   
   
3. Die operative Herausforderung: Messbaren Mehrwert nachweisen
   
   Die größte Hürde bei der Skalierung von Agentic AI liegt häufig im Nachweis ihres tatsächlichen Beitrags zum Geschäftserfolg. Viele Initiativen bleiben in der Pilotphase stecken, weil klare Messgrößen fehlen oder Daten über verschiedene Systeme hinweg fragmentiert sind.
   
   Erfolgreiche Skalierung erfordert klar definierte KPIs und SLAs für KI-Agenten, die unmittelbar mit geschäftlichen Ergebnissen verknüpft sind und auf konsistenten, qualitativ hochwertigen Datenfundamenten aufbauen.

Pragmatisch zur nächsten Modernisierungsstufe

Die gute Nachricht: Unternehmen müssen ihre IT-Landschaft nicht auf einen Schlag neu aufsetzen. Der Übergang zu Agentic AI lässt sich schrittweise und zielgerichtet gestalten:

• Ausgangslage bewerten: Analysieren Sie Ihre bestehende Infrastruktur, die Qualität Ihrer Daten sowie zentrale Integrationspunkte.
• Fokus auf schnelle Mehrwerte: Priorisieren Sie Anwendungsfälle mit unmittelbarem Geschäftsnutzen, etwa im Kundenservice oder in der Optimierung von Lieferketten.
• Beschleuniger gezielt einsetzen: Branchenplattformen und vorgefertigte KI-Agenten verkürzen den Weg von der Idee zur Umsetzung deutlich. In Zusammenarbeit mit Partnern wie NTT DATA und Google lässt sich der Schritt vom Proof of Concept zu messbarem Mehrwert in Monaten statt Jahren realisieren.

Agentic AI markiert die nächste Stufe der Modernisierung. Unternehmen, die diesen Schritt jetzt gehen, sichern sich einen nachhaltigen Vorsprung durch höhere Effizienz, schnellere Innovation und eine überzeugendere Customer Experience.

Finden Sie heraus, welches Potenzial Agentic AI für Ihr Unternehmen bietet! Wir unterstützen Sie dabei, dieses Potenzial zu realisieren.

IHRE NÄCHSTEN SCHRITTE

Erfahren Sie mehr über die Cloud-Architektur- und Modernisierungsservices von NTT DATA und wie wir Sie dabei unterstützen, Ihre Geschäftsziele nachhaltig zu erreichen.