02.02.2026

Zukunft gestalten: Interviews aus unserem Netzwerk – Adacor Hosting GmbH

Andreas Bachmann

CEO | Geschäftsführer
Adacor Hosting GmbH

 

Welche Voraussetzungen müssen Unternehmen schaffen, damit KI-Anwendungen über Pilotprojekte hinausgehen und zuverlässig produktiv laufen?

Der häufigste Fehler ist, dass Unternehmen KI wie ein einmaliges Projekt behandeln. Ist der Pilot fertig, denken alle: geschafft. Aber dann passiert nichts mehr.

KI produktiv zu betreiben heißt: jeden Tag zuverlässig funktionieren. Das ist ein Betriebsthema, kein Innovationsthema. Du brauchst jemanden, der sich verantwortlich fühlt. Du brauchst Monitoring – nicht nur ob das System läuft, sondern ob die Antworten gut sind. Du brauchst Regeln, wer was sehen darf. Und du brauchst einen Plan, was passiert, wenn die KI unsicher ist.

Das Zweite: Integration. Solange die KI ein separater Chat ist, in den ich Sachen reinkopiere, bleibt sie ein Spielzeug. Interessant wird es, wenn sie ans Ticketsystem angebunden ist, ans DMS, an die Wissensdatenbank. Dann wird sie Teil des Arbeitsflusses.

Und das Dritte – das wird unterschätzt – ist die Frage: Wofür eigentlich? Gute Use Cases starten nicht bei „KI kann das und das“. Die starten bei: Wo verlieren wir Zeit? Wo warten Leute auf Informationen? Wo machen wir Dinge doppelt? Da setzt du an.

Aber ich glaube, wir denken noch zu klein. Chatbots sind nur die erste Welle. Was gerade passiert, ist fundamentaler: Intelligenz wird zur Massenware. Die Kosten für einen intelligenten Prozessschritt – eine Analyse, eine Entscheidungsvorbereitung, eine Zusammenfassung – gehen gegen null. Vor zwei Jahren hättest du dafür einen Experten gebraucht oder drei Stunden Recherche. Heute kostet das Cent-Bruchteile und Sekunden.

Das heißt: Intelligente Arbeit ist nicht mehr knapp. Sie ist im Überfluss da. Und wenn Ausführung quasi umsonst wird, verschiebt sich der Wert komplett. Nicht mehr: Wer kann das umsetzen? Sondern: Was soll überhaupt umgesetzt werden? In welcher Reihenfolge? Mit welchen Leitplanken?

Menschen werden zu Orchestratoren. Du führst nicht mehr aus, du steuerst. Du definierst Ziele, prüfst Ergebnisse, entscheidest über Prioritäten. Die Fähigkeit, die richtigen Fragen zu stellen und Erfolg zu messen, wird wichtiger als die Fähigkeit, Aufgaben abzuarbeiten.

Unternehmen, die das verstehen, bauen nicht nur KI-Tools. Die bauen die Fähigkeit, Arbeit anders zu organisieren.

 

Was versteht ihr bei Adacor unter „souveräner“ bzw. datenschutzkonformer KI – und worin unterscheidet sich euer Ansatz für den Betrieb von KI (z. B. KI-Workplace/privat gehostete Modelle) von typischen Public-Cloud-Lösungen?

Souverän heißt für mich: Ich behalte die Entscheidungshoheit. Über meine Daten, über meine Prozesse, über meine Abhängigkeiten. Ich bin nicht erpressbar. Nicht von einem Anbieter, nicht von einer Jurisdiktion.

Das bedeutet nicht, dass alles in Deutschland stehen muss. Das wäre Dogma. Aber ich will wählen können. Welches Modell nutze ich? Wo läuft es? Wer hat Zugriff? Und wenn ich morgen wechseln will, kann ich das?

Das Problem bei vielen Public-Cloud-Lösungen ist nicht, dass sie schlecht sind. Die sind oft schnell, gut skalierbar, haben ein starkes Ökosystem. Aber: Wo landen meine Daten wirklich? Wie weise ich Compliance nach? Was passiert, wenn sich die Bedingungen ändern?

Und dann hast du noch das Schatten-KI-Problem. Fachbereiche nutzen halt ChatGPT, weil es schnell geht. Aber niemand weiß, was da reingeht. Das ist ein Risiko und ein Kontrollverlust.

Unser Ansatz mit dem KI-Workplace ist: eine private, DSGVO-konforme Umgebung, die in Frankfurt läuft. Mit Governance, mit Rechteverwaltung, mit Audit-Trail. Unternehmen bekommen damit eine echte Alternative – keine Schatten-KI, sondern Enterprise-KI mit Leitplanken.

 

Wenn ihr ein KI- oder Cloud-Modernisierungsprojekt als Erfolg bewertet: An welchen messbaren Kriterien macht ihr das fest (z. B. Zeitgewinn, Stabilität, Sicherheit, Kosten, Geschwindigkeit)?

Nicht daran, dass es live ist. Live ist der Anfang, nicht das Ziel.

Erfolg heißt: Es wird genutzt. Und es funktioniert besser als vorher. Das klingt banal, aber viele Projekte scheitern genau daran. Technisch läuft alles, aber keiner benutzt es. Oder es wird einmal ausprobiert und dann vergessen.

Deshalb schauen wir auf Adoption: Wie viele Leute nutzen es wirklich? Regelmäßig? Nicht nur einmal zum Testen?

Aber – und das ist mir wichtig – die Frage „Wie viel Zeit spare ich?“ greift zu kurz. Das ist die klassische Effizienzbrille: Fünf Minuten pro Vorgang sparen, hochrechnen auf tausend Vorgänge, fertig ist der Business Case. Aber wenn du dir anschaust, was neue Technologien historisch bewirkt haben, dann war es nie nur Zeitersparnis. Es war eine komplett andere Art, Wert zu schaffen.

Nimm Sachbearbeitung. Die falsche Frage ist: Wie spart die Sachbearbeiterin fünf Minuten pro Antrag? Die richtige Frage ist: Warum dauert der Antrag für den Bürger überhaupt drei Wochen? Kann der das nicht in Echtzeit erledigt bekommen?

Das ist der Unterschied zwischen Optimierung und Transformation. Zeitersparnis ist nett. Aber der eigentliche Hebel ist: Wie kann ich mit derselben Mannschaft zehnmal mehr Output erzeugen? Wie kann ich Dinge möglich machen, die vorher gar nicht gingen – weil sie zu langsam waren, zu teuer, zu aufwändig?

Wenn du KI nur an „gesparte Minuten“ misst, verpasst du das Wesentliche. Die Frage muss sein: Welchen Wert liefern wir jetzt, den wir vorher nicht liefern konnten?

Natürlich schauen wir auch auf Stabilität, Compliance, Kosten pro Workload. Das muss stimmen. Aber das ist Hygiene. Der eigentliche Erfolg zeigt sich daran, ob du Dinge anders machst – nicht nur schneller.