GenAI in der Anwendung: Playbook und Erfolgsstrategien zur erfolgreichen Anwendung von GenAI-Projekten

Matthias Zwingli ()
Additional contact information
Matthias Zwingli: Connect AI Group

Chapter 9 in Wie die Künstliche Intelligenz die Wirtschaft verändert, 2025, pp 137-149 from Springer

Abstract: Zusammenfassung Dieses Kapitel zeigt, wie generative Künstliche Intelligenz (GenAI) Unternehmen als strategischer Hebel für Effizienz und Wachstum dient. Mit einem praxisnahen Playbook und realen Fallstudien – etwa Digital Republic und GGA Maur – wird ein strukturierter Ansatz zur erfolgreichen Umsetzung von GenAI-Projekten vorgestellt. Die Impact-Effort-Matrix hilft dabei, Anwendungsbereiche zu priorisieren und Quick Wins frühzeitig zu realisieren. Im Fokus stehen agile Methoden wie der MVPAnsatz zur schnellen Validierung und iterative Verbesserungen, die praxisnahe Ergebnisse liefern. Technologien wie Retrieval-Augmented Generation (RAG) und Multi-Agenten-Systeme ermöglichen präzise, skalierbare Lösungen, die spezifisch auf Unternehmensbedürfnisse abgestimmt sind. Die Fallbeispiele verdeutlichen, wie GenAI Kosten senkt, Support-Teams entlastet und die Kundenzufriedenheit verbessert. Abschließend bietet das Kapitel Handlungsempfehlungen zur schrittweisen Integration, betont die Bedeutung von Datenqualität und zeigt, wie Unternehmen durch Flexibilität und kontinuierliche Anpassung langfristige Wettbewerbsvorteile sichern können.

Date: 2025
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-46839-2_9

Ordering information: This item can be ordered from
http://www.springer.com/9783658468392

DOI: 10.1007/978-3-658-46839-2_9

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().