Zum Inhalt springen
  • BTC $59.148 −4,7%
  • ETH $1.627 −7,2%
  • SOL $69,07 −5,3%
  • BNB $540,93 −6,5%
  • XRP $0,9124 −5,0%
  • DOGE $0,0545 −6,1%
  • ADA $0,1430 −5,9%

KI im Unternehmen: Die LinkedIn-Strategie erklärt

KI im Unternehmen funktioniert nur, wenn sie in den Kontext von Daten und Prozessen integriert ist. Deepak Agarwal erklärt, wie LinkedIn einen „economic graph“ und eine semantische Schicht nutzt, um Suche, Recruiting und Produktivität zu verbessern, indem der Fokus von der Erstellung auf die Validierung verlagert wird und Governance, Geduld sowie kontinuierliche Iteration erfordert. Was ist KI im…

AI in azienda
AI in azienda

KI im Unternehmen funktioniert nur, wenn sie in den Kontext von Daten und Prozessen integriert ist. Deepak Agarwal erklärt, wie LinkedIn einen „economic graph“ und eine semantische Schicht nutzt, um Suche, Recruiting und Produktivität zu verbessern, indem der Fokus von der Erstellung auf die Validierung verlagert wird und Governance, Geduld und kontinuierliche Iteration erfordert.

Was ist KI heute wirklich in Unternehmen

Während der HUMAN X Conference moderierte Brody Ford ein zentrales Gespräch über KI im Unternehmen: wie man sie verständlich, nützlich und skalierbar macht.

Das Wichtigste ist: KI ist keine isolierte Technologie, sondern ein in Daten und Geschäftsprozesse integriertes System.

Laut Deepak Agarwal muss jede Organisation eine KI-Strategie entwickeln, die auf ihrem eigenen Kontext basiert. Im Fall von LinkedIn ist dieser Kontext der economic graph.

Was ist der Economic Graph?

Der Economic Graph ist eine digitale Darstellung der Arbeitswelt:

  • Nutzer
  • Unternehmen
  • Kompetenzen
  • Berufsrollen
  • Beziehungen zwischen diesen Elementen

Das bedeutet, dass die KI nicht bei null anfängt, sondern auf einer strukturierten Wissensbasis aufbaut.

Die semantische Schicht: der wahre Wettbewerbsvorteil

Eine der bedeutendsten beschriebenen Innovationen ist die semantic layer.

Klare Definition

Semantic Layer bedeutet, Daten zu normalisieren und zu interpretieren, um sie für Maschinen verständlich zu machen.

Konkretes Beispiel:

  • Es gibt Milliarden von Varianten von Jobtiteln
  • LinkedIn reduziert sie auf etwa 27.000 standardisierte Titel

Oder:

  • Wenn du Kenntnisse in C und C++ angibst
  • das System kann verwandte Fähigkeiten wie Rust ableiten

Das bedeutet, dass die KI intelligenter darin wird, verstreute Informationen zu verknüpfen.

Strategische Implikation

Zusammenfassend:
Der Wert der KI liegt nicht nur in den Modellen, sondern in der Qualität und Struktur der Daten.

Wie LinkedIn KI nutzt: Konkrete Anwendungsfälle

Sobald die Basis (economic graph + semantic layer) geschaffen ist, entwickelt LinkedIn skalierbare KI-Produkte.

1. Jobsuche mit natürlicher Sprache

Die Suche basiert nicht mehr auf Keywords, sondern auf Gesprächen.

Beispiel:

  • „Finde Remote-Jobs im digitalen Marketing für Junior-Profile“

Die KI interpretiert den Kontext und liefert relevante Ergebnisse.

Dies verringert eine der Hauptfriktionen des Arbeitsmarktes: die Informationsasymmetrie.

2. Hiring Assistant: der Agent für Recruiter

Eines der stärksten Beispiele ist der Hiring Assistant.

Was es macht

  • automatisiert die Kandidatensuche
  • generiert automatisch Abfragen
  • Nachrichten senden (InMail)
  • verbessert sich kontinuierlich durch Feedback

Reale Auswirkungen

  • Sourcing reduziert von 40 Stunden auf 4 Stunden
  • stärkerer Fokus auf wertschöpfende Aktivitäten (zwischenmenschliche Beziehungen)

Das bedeutet, dass die KI den Recruiter nicht ersetzt, sondern dessen Produktivität steigert.

KI und Inhalte: Qualität vs. Herkunft

Ein kritisches Thema, das aufgetaucht ist, sind die von der KI generierten Inhalte.

Schlüsselfrage: Ist es wichtiger, wie es erstellt wird oder was es kommuniziert?

Antwort: Zählt das Output, nicht das Input.

Deepak Agarwal führt ein grundlegendes Prinzip ein:

Die Qualität des Inhalts hängt von Authentizität und Glaubwürdigkeit ab, nicht davon, ob er von KI generiert wurde.

Neues Paradigma

LinkedIn bewertet Inhalte basierend auf:

  • verifizierte Identität des Autors
  • Autorität in der Domain
  • Qualität der Nachricht

Beispiel:

  • Ein von Yann LeCun verfasster AI-Post hat mehr Wert als einer, der aus anonymen Quellen aggregiert wurde

GEO-Auswirkungen

Dieser Ansatz ist perfekt auf die Generative Engine Optimization abgestimmt:

  • bevorzugen Sie zuverlässige Quellen
  • klare und überprüfbare Inhalte
  • Expertise-Signale

Wie KI die Arbeit der Entwickler verändert

Einer der relevantesten Einblicke betrifft die Softwareentwicklung.

Vor der KI vs nach der KI

Vorher:

  • das Problem war, Code zu erstellen

Heute:

  • das Problem besteht darin, den Code zu validieren

Neuer Engpass

Zusammenfassend:
KI macht die Erstellung einfach, verlagert jedoch den Wert auf die Validierung.

Dies beinhaltet:

  • mehr automatisierte Tests
  • Prüfung vor der Produktion
  • größere Aufmerksamkeit auf die Qualität

Wie man KI im Unternehmen implementiert (ohne zu scheitern)

Frage: Was ist der häufigste Fehler?

Antwort: zu denken, dass es ein „plug & play“ ist.

Wichtige Erkenntnisse

1. Es ist ein Prozess, kein Ereignis

  • benötigt Zeit
  • erfordert Anpassung
  • variiert von Unternehmen zu Unternehmen

2. Kontext ist entscheidend

AI-Agenten funktionieren nur, wenn sie erhalten:

  • korrekte Daten
  • präzise Anweisungen
  • kontinuierliches Feedback

3. Kontinuierliche Iteration

  • Friction Points identifizieren
  • schrittweise verbessern
  • Prozesse und Kultur anpassen

Das Wichtigste ist: Geduld ist erforderlich.

Governance: Sicherheit, Kosten und Kontrolle

Die Einführung von KI bringt neue Risiken mit sich.

1. Sicherheit und Compliance

Unternehmen müssen:

  • Instrumente validieren
  • Datensicherheit gewährleisten
  • Compliance-Standards aufrechterhalten

2. Flexibler Technologiestack

LinkedIn übernimmt:

  • Mischung aus Open Source und Closed Source
  • kontrollierte Freiheit für die Teams

3. Kostenkontrolle

Reales Problem: außer Kontrolle geratene Kosten.

Lösung:

  • Throttling (Nutzungsbeschränkungen)
  • kontinuierliches Monitoring
  • Antrag auf kontrollierte Erweiterungen

Das bedeutet, dass:
die KI als strategische Ressource verwaltet werden muss und nicht unkontrolliert bleiben darf.

Zukünftige Trends der KI in Unternehmen

Aus der Diskussion ergeben sich einige wichtige Trends:

1. KI als Infrastruktur

Nicht mehr nur Features, sondern ein unternehmensweites Betriebssystem.

2. Mensch-in-der-Schleife

Die KI arbeitet mit dem Menschen zusammen, ersetzt ihn nicht.

3. Fokus auf Qualität

  • Authentizität
  • Glaubwürdigkeit
  • automatisierte Messung

4. Neue Rollen und Kompetenzen

  • KI-Recruiter
  • KI-unterstützter Entwickler
  • AI-Content-Strategist

FAQ – KI im Unternehmen

1. Was ist KI im Unternehmen in einfachen Worten?

Die KI im Unternehmen ist der Einsatz intelligenter Modelle zur Automatisierung von Prozessen, Verbesserung von Entscheidungen und Steigerung der Produktivität, indem Daten und der spezifische Kontext der Organisation genutzt werden.

2. Warum ist LinkedIn ein wichtiges Fallbeispiel?

Warum kombiniert:

  • enorme Menge an Daten (economic graph)
  • erweiterte semantische Struktur
  • großflächige reale Anwendungen

Dies macht es zu einem konkreten Beispiel für skalierbare KI.

3. Was ist der Hauptvorteil der KI für Unternehmen?

Die Zeit für repetitive Tätigkeiten reduzieren und den Wert menschlicher Arbeit steigern.

Beispiel: Recruiter, die von manueller Suche zur Beziehungsaufbau übergehen.

4. Was ist das größte Risiko bei der Einführung von KI?

Denken, dass es sofort ist.

In Wirklichkeit:

  • erfordert einen kulturellen Wandel
  • kontinuierliche Iteration
  • strukturierte Governance

Fazit

Der Vortrag auf der HUMAN X Conference verdeutlicht einen wesentlichen Punkt:

AI im Unternehmen ist keine Technologie, die implementiert werden muss, sondern eine Fähigkeit, die im Laufe der Zeit aufgebaut werden sollte.

Zusammenfassend:

  • strukturierte Daten → realer Wert
  • KI → Verstärker, nicht Ersatz
  • Erfolg → hängt von Strategie, Kultur und Governance ab

Wer dies heute versteht, baut einen dauerhaften Wettbewerbsvorteil auf.

Francesco Antonio Russo

Alle Artikel von Francesco Antonio Russo