1. Herr Hermann, Sie verantworten bei STACKIT Themen rund um Cloud- und KI-Infrastruktur. Was bedeutet für Sie persönlich „smarte Infrastruktur“ in Projekten?

Smarte Infrastruktur bedeutet für mich eine Cloud-Umgebung, die mitdenkt und sich selbst optimiert. Bei STACKIT verstehen wir darunter eine datensouveräne Plattform, die nicht nur skaliert, sondern auch intelligent auf die Anforderungen von Projekten reagiert. Konkret heißt das: automatische Ressourcenzuteilung basierend auf Workload-Patterns, predictive Analytics für Kapazitätsplanung und integrierte KI-Services wie unser STACKIT AI Model Serving. Letzteres ermöglicht es Unternehmen, führende KI-Modelle sicher in der Cloud zu nutzen. Zu den Use Cases gehören: Texte effizient erstellen, bearbeiten und analysieren, intelligente Chatbots mit firmenspezifischen Daten betreiben und Prozesse durch Automatisierung wiederkehrender Aufgaben optimieren.

Als jemand, der über 20 Jahre in der Schwarz Gruppe arbeitet und den Weg von traditioneller IT zur souveränen Cloud miterlebt hat, sehe ich smarte Infrastruktur als Enabler für echte digitale Transformation. Sie muss drei Kriterien erfüllen: erstens sie arbeitet proaktiv statt reaktiv. Zweitens sie behält die Kontrolle über Daten in europäischen Händen. Drittens, sie integriert sich nahtlos in bestehende Prozesse, ohne Teams zu überfordern.

2. Wie können Projektteams durch KI-gestützte Cloud-Infrastrukturen produktiver, datengetriebener und schneller arbeiten?

KI-gestützte Clouds steigern Produktivität über Automatisierung, Datenanalyse und beschleunigte Entscheidungen. Infrastruktur skaliert automatisch, AI Model Serving liefert DSGVO-konforme LLMs für Analysen und Berichte. Automatisierte Abläufe in der Cloud sorgen dafür, dass Teams schneller arbeiten können. KI-gestützte Tools überwachen den Projektfortschritt, fassen Informationen aus E-Mails, Chats und Aufgabenlisten zusammen und liefern so die wichtigsten Entscheidungsgrundlagen sofort.

3. Können Sie bitte ein praxisnahes Szenario oder Beispiel dazu geben, das zeigt, wie „Smart Infrastructure“ Projektarbeit konkret verändert?

Ein praxisnahes Beispiel ist der “DataHub Europe“, unser Joint Venture mit der Deutschen Bahn. Die Plattform dient als sichere, souveräne Infrastruktur in der Cloud, die auf europäischen Gesetzen basiert. Unternehmen können hier eigene Datenprodukte und KI-Lösungen entwickeln und betreiben, diese Lösungen nutzen, skalieren und monetarisieren und effizienter mit externen Partnern kollaborieren.

AuditGPT ist ein konkretes KI-Beispiel, das auf dem Data Hub Europe entwickelt wurde. Es wurde mit internen, vertraulichen Revisionsdaten der Deutschen Bahn und uns trainiert. Der Zweck von AuditGPT ist es, die Erstellung von Audit-Feststellungen schneller, einheitlicher und qualitativ hochwertiger zu machen. Bei uns wurde so die Erstellungsdauer einer Feststellung von knapp drei Tagen auf drei bis vier Stunden verkürzt.

Der DataHub Europe ermöglicht es Unternehmen, eigene KI-Lösungen zur Optimierung und Innovation von Geschäftsprozessen zu entwickeln. Durch die Infrastruktur werden neue Lösungen schneller einsatzbereit ("Time to Value"). Darüber hinaus können Unternehmen ihre Lösungen intern skalieren und sogar extern monetarisieren, was eine effiziente Zusammenarbeit mit Partnern ermöglicht.

4. Welche neuen Rollen oder Skills braucht es in Projektteams, um Cloud- und KI Lösungen sinnvoll einzusetzen? Wie verändert sich dadurch die Zusammenarbeit zwischen Fachbereichen, IT und Management?

Cloud- und KI-Projekte erfordern zum einen oft neue Rollen: Data Scientists, Machine-Learning-Engineers, Cloud-Architekten. Zum anderen wandeln sich auch bestehende Rollen: Projektleiter müssen datenkompetenter sein, in der Lage, Analysen zu interpretieren und mit KI-Unterstützung Entscheidungen vorzubereiten. Insgesamt werden Projektteams interdisziplinärer. IT, Fachbereiche und Management arbeiten enger zusammen. Ich beobachte auch, dass Führungskräfte vermehrt “Übersetzer”-Fähigkeiten mitbringen müssen – also technische Konzepte verständlich erklären können, damit das Team die Technologie sinnvoll nutzt, und gleichzeitig sicherstellen, dass technologische Lösungen die geschäftlichen Ziele optimal unterstützen.

5. Wenn KI-Systeme Entscheidungen vorbereiten oder gar empfehlen: Wer trägt letztlich die Verantwortung?

Die Verantwortung bleibt immer beim Menschen, auch wenn KI Entscheidungen vorbereitet oder automatisierte Prozesse durchführt. Wichtig ist daher, dass die Prozesse ausreichend sicher designed sind: Bei kritischen Entscheidungen sollte der “Human-in-the-Loop” sein. Aber auch bei voll automatisierten Prozessen sollten diese Entscheidungen regelmäßig gereviewt werden, und z.B. Sicherheitsschranken vordefiniert werden. Versäumnisse wie fehlende Kontrolle oder mangelnde Nachvollziehbarkeit liegen letztlich beim Unternehmen.

6. Welche kulturellen und organisatorischen Bedingungen müssen Unternehmen schaffen, um Cloud- und KI-Technologien wirklich gewinnbringend zu nutzen? Was müssen moderne Governance-Architekturen hinsichtlich des verantwortungsvollen Einsatzes von KI in Projekten leisten?

Unternehmen brauchen eine offene, lernbereite Kultur, die Digitalisierung und KI nicht als Bedrohung, sondern als Chance begreift. Projektteams müssen neue Cloud- und KI-Tools ausprobieren dürfen, ohne dass beim ersten Fehler der erhobene Zeigefinger kommt.

Organisatorisch müssen einige Voraussetzungen erfüllt sein: Eine moderne digitale Infrastruktur ist die Basis; ohne diese verpufft jede KI-Idee. Unternehmen sollten also strategisch in ihre Cloud-Umgebung investieren. Wichtig ist hier der Gedanke der Souveränität: Nur wenn ich Kontrolle über meine Daten und Systeme habe, kann ich nachhaltig Nutzen daraus ziehen.

Unternehmen sollten verbindliche KI-Policies formulieren, etwa welche Daten für KI genutzt werden dürfen, welche Qualitätsmaßstäbe gelten, wann menschliche Freigaben nötig sind. Eine solche Governance gehört idealerweise auf Top-Management-Ebene verankert und wird von einem interdisziplinären Team getragen (Juristen, Ethiker, Datenschutz, IT, Fachbereiche).

Eine gute Governance-Architektur sorgt auch für Risikomanagement: KI-Systeme sollten vor ihrem Einsatz auf Risiken getestet und laufend überwacht werden. Dazu gehört Bias-Tests, Security-Checks und natürlich Einhaltung aller Gesetze (Stichwort GDPR/DSGVO und EU AI Act).

7. Wenn Sie Projektleiter:innen drei Tipps geben sollten, wie sie sich auf die KI-Ära in der Projektarbeit vorbereiten können – welche wären das?

Mein erster Tipp: Beginnen Sie klein, aber denken Sie groß. Starten Sie mit einem klar abgegrenzten Use Case – beispielsweise KI-gestützte Risikobewertung oder automatisierte Berichtserstellung. Sammeln Sie Erfahrungen, messen Sie Erfolge, lernen Sie aus Fehlern. Aber entwickeln Sie parallel eine übergreifende KI-Strategie für Ihre gesamte Projektlandschaft.

Zweitens: Investieren Sie in souveräne KI-Infrastruktur. Die verlockenden Angebote der US-Hyperscaler können sich schnell als Falle erweisen, wenn regulatorische Anforderungen steigen oder geopolitische Spannungen zunehmen. Mit Lösungen wie STACKIT AI Model Serving können Sie KI-Power nutzen, ohne Datensouveränität zu opfern. Das zahlt sich langfristig aus.

Drittens: Bilden Sie sich und Ihr Team kontinuierlich weiter. KI entwickelt sich rasant. Was heute State-of-the-Art ist, kann morgen veraltet sein. Aber noch wichtiger: Entwickeln Sie ein kritisches Verständnis für KI-Outputs. Die besten Projektleiter der Zukunft werden nicht die sein, die KI blind vertrauen, sondern die, die KI-Empfehlungen intelligent hinterfragen und validieren können.

Mehr Einblicke von Robin Hermann gibt es live auf der VDI-Konferenz smartAI.

(Dieser Beitrag wurde nicht von projektmagazin geprüft oder bearbeitet. Die Verantwortung für den Inhalt liegt vollständig bei den Personen oder Organisationen, die den Beitrag verfasst oder in Auftrag gegeben haben.)