Comment l'IA agentique bouscule les Grands Groupes ? Partie 2/2 #DevSummit

Kernpunkte

1. Make vs. Buy. ist bei Adeo zu „mindestens 70 %“ Make: Bei vollständigem Buy gibt es keine Wettbewerbsdifferenzierung.
2. Jede Transformation wird gleichzeitig an zwei Fronten gewonnen: Kultur UND Struktur. Dasselbe Playbook (das die digitale Transformation vorangetrieben hat: Wasserfall → agil, Produkt, Plattformen, Tech-Radar, APIs, Microservices) wird mit KI erneut durchgespielt.
3. Verantwortlichkeit. bleibt menschlich und an die Organisationen gebunden, bis hin zu rechtlichen Fragen: „Ich will nicht, dass mir irgendjemand sagt, es sei in Produktion kaputt, aber das sei nicht seine Schuld, sondern die des Agenten“.
4. Die Dokumentationsschuld (mittelmäßige Produktdokumentation, nicht vorhandene Prozessdokumentation) „wird uns sehr bald ins Gesicht schlagen“: Ein Agent kann keine Dokumentation lesen, die nicht existiert.
5. Mathieu spricht im Vorstand nie über Technologie: Er spricht über Kundenerlebnis, ROI, Profitabilität, Investition.
6. Er beantragt nicht einmal zusätzliches Budget für KI: Die Einsparungen (Reduzierung der JIRA-Tickets, Ops) finanzieren die neue Arbeit („bei gleichbleibendem Budget“). Eine Logik der Wiederverwendung: Die eingesparte Zeit wird im Dienst des Verkäufers in der Filiale / des Kunden reinvestiert.
7. Keine Fantasie davon, „dank Claude Code alle Entwickler zu entlassen“: Im Gegenteil, er erwartet eine Lawine an Anfragen — P10/P15-Projekte rücken zu P2 auf, weil „kein Projekt mehr zu teuer ist“.
8. Sein großer „Weckruf“: Claude Code (Neuerstellung einer VM, ohne lange programmiert zu haben), dann die Beobachtung, dass Karpathy und andere mehr „shippen“, schließlich sein persönlicher Agent „Hermes“ (mit Gedächtnis).
9. Token-Kosten. Zuversicht, dass sie fallen werden, wie schon bei Cloud-FinOps (FinOps-Muskeln wurden nach BigQuery-Abfragen mit Kosten von 30.000 aufgebaut). Hebel: Inferenz-Chips (Google-TPUs), aufholende Open-Source-Modelle (Rückstand China/Anthropic von ~9 Monaten), destillierte Modelle, die auf einem Laptop laufen (Gemma 4, MoE 26B / 4B aktiv, „in Paris entworfen“). Für die rund 300 digitalen Produkte der Gruppe ist kein Frontier-Modell nötig.
10. Modellvariation = ein echtes Produktionsproblem. Wenn sich ein Modell ändert, müssen erneute Tests durchgeführt werden (unterschiedliche Ergebnisse); die Anbieter requantisieren / stufen herab / leiten auf geringere Kapazität um. Man hat aufgehört zu upgraden, sobald es „gut genug“ war (Marketplace-Sortierung: 15 Mio. Produkte → 7 Mio. veröffentlicht, über OpenAI). Das Ziel ist, „schnell zu sein, aber zu den eigenen Bedingungen“.
11. Produktionsbewusstsein. Google verfügt darüber, während Startups (OpenAI, Anthropic) es noch nicht haben (z. B. ein Bug, bei dem die Codex/Claude-Limits in 1 Stunde statt an einem ganzen Tag aufgebraucht wurden, mit Reset um 17 Uhr).
12. Seine größte Sorge: das Lock-in der Unternehmensintelligenz (die Konfiguration des Unternehmens, fest verbacken in einem agentischen Harness / „adeo.md“; „das ERP der KI neu erfinden“). Gegenmaßnahmen: Standard-Kubernetes (keine proprietären Cloud Functions), regelmäßiges Testen der APIs mit anderen Hyperscalern, Aufmerksamkeit für das Gedächtnismanagement (cold/hot, context engineering, wo es gespeichert wird, wem es gehört).
13. Fehlender Open-Source-Baustein. die Agenten-Orchestrierung (Registry, Lebenszyklus, Berechtigungen — „welcher Agent darf was“ —, unternehmensweites Teilen von Skills). n8n / MCP decken davon nur einen kleinen Teil ab.
14. Unternehmensgedächtnis. („company brain“): „wenn es nicht logisch ist, ist es historisch“ — den Kontext hinter Entscheidungen festhalten. Beispiel: Leroy Merlin verkauft keine Matratzen, weil das Unternehmen nach Umsatz pro Quadratmeter gesteuert wird (ein Bett nimmt zu viel Platz ein im Verhältnis zu dem, was es einbringt); dies sollte im company brain festgehalten werden, damit ein künftiger Product Manager die Idee nicht erneut vorschlägt.
15. RAG / Zugriffskontrolle. schwer zu wissen, worauf die fragestellende Person Anspruch hat (mehrere Berechtigungsstufen) — ein ungelöstes Problem für Enterprise-Chatbots.
16. KI-Stack. Vertex AI (GCP), Modellauswahl je nach Bedarf. Immer ein Auge auf „die Ausgangstür“ (Souveränität) haben.
17. Rat an einen anderen CDO. Die Transformation ist maßgeschneidert (Kultur, verfügbares Kapital); den echten Wettbewerbsdifferenzierer im Kundenerlebnis identifizieren. Wenn der Vorstand ihn nicht einmal benennen kann → grundlegende IT / operativer Betrieb. Wenn er ihn benennen kann → alles darauf setzen, etwas komplett Durchgängiges bauen, den Präzedenzfall schaffen. Die Technologie vor allem verstehen, „um sich nicht von Anbietern und Hype über den Tisch ziehen zu lassen“.
18. Durchgängiges RFID bei Decathlon. ein Erfolg, weil sie einen großen Teil ihrer Produkte selbst herstellen (Chip wird am Anfang der industriellen Kette eingebettet) bis hin zur nachgelagerten Sicherheit. Einfache Kennzahl: eingesparte Zeit über die gesamte Kette (Personal + Kunde) = sofortiger ROI. Adeo stellt nur die Hälfte selbst her → alle Lieferanten zur Änderung ihrer industriellen Werkzeuge zu bewegen, ist sehr kompliziert.