Denis Romanovskiy, Chief AI Officer bei SOFTSWISS – Interviewreihe

Denis Romanovskiy, Chief AI Officer bei SOFTSWISS, ist ein erfahrener Technologie-Executive mit mehr als 25 Jahren Erfahrung bei der Leitung von groß angelegten Ingenieurprogrammen in den Bereichen Gaming, Unternehmenssoftware, IoT und hoch belastbaren Online-Plattformen. Nachdem er die letzten fünf Jahre im iGaming-Sektor verbracht hat, war er zuvor stellvertretender CTO bei SOFTSWISS und überwachte die technische Governance über mehrere Produktteams hinweg mit einem starken Fokus auf Casino- und Sportwetten-Plattformen, bevor er in seine aktuelle Rolle wechselte, um die AI-Strategie des Unternehmens zu definieren und umzusetzen.

SOFTSWISS ist ein in Malta ansässiges iGaming-Technologieunternehmen, das Turnkey-Lösungen für Online-Casinos und Sportwetten anbietet, einschließlich einer Casino-Plattform, eines Spiel-Aggregators, einer Sportwetten-Lösung und von Managed Services. Das Unternehmen unterstützt Betreiber weltweit mit einer Infrastruktur, die für Skalierbarkeit, Compliance und Zuverlässigkeit konzipiert ist und sich an der Schnittstelle zwischen Gaming-Technologie und aufstrebender AI-gesteuerter Optimierung positioniert.

Wie hat Ihre Erfahrung mit hoch belastbaren, hoch verfügbaren Systemen Ihre Herangehensweise an die Integration von KI in ein Unternehmen mit über 2.000 Mitarbeitern geprägt?

Meine Erfahrung mit hoch belastbaren, hoch verfügbaren Systemen hat mir eine grundlegende Lektion beigebracht: Jede komplexe Änderung im großen Maßstab erfordert einen systemischen Ansatz. Man kann nicht einfach eine Technologie bereitstellen und hoffen, dass sie funktioniert – man muss das gesamte Ökosystem um sie herum entwerfen und sicherstellen, dass Prozesse, Struktur und Technologie alle zusammenarbeiten.

Wir wenden genau diesen Grundsatz auf die KI-Adoption bei SOFTSWISS an. Es beginnt auf der Ebene des Einzelnen. Wir erklären jedem Mitarbeiter, wie man KI sicher und effektiv einsetzt – was sie kann, wo ihre Grenzen liegen und welche Risiken damit verbunden sind. Es ist entscheidend, dass wir klar machen, dass ihre Verantwortung für Ergebnisse nicht verschwindet, wenn KI ins Bild kommt. KI erweitert Ihre Fähigkeiten, aber die Verantwortung bleibt bei Ihnen. Sie sind immer noch für die Qualität der Ausgabe, die Entscheidungen und die Ergebnisse verantwortlich.

Dann gehen wir auf die Team-Ebene über, und hier verschieben sich die Dynamiken. Neue Chancen entstehen – schnellere Planungszyklen, automatisierte Überprüfung, erweiterte Analyse – aber auch neue Risiken: Übermäßige Abhängigkeit von KI-Ausgaben, Erosion des kritischen Denkens, inkonsistente Einführung im Team. Hier spielt der Manager eine entscheidende Rolle. Sie müssen ihre Art und Weise anpassen, wie sie die Arbeit überprüfen, welche Fragen sie stellen und welche Signale sie suchen. Wenn jemand ein Ergebnis doppelt so schnell liefert, ist es die Aufgabe des Managers, zu verstehen, ob die Qualität erhalten blieb und ob die Person tatsächlich versteht, was sie geliefert hat.

Dieser schichtweise Ansatz – individuelles Bewusstsein, teambezogene Anpassung, Management-Überwachung – ermöglicht es uns, KI über ein großes Unternehmen hinweg zu skalieren, ohne die Stabilität und Zuverlässigkeit zu gefährden, die unser reguliertes Umfeld erfordert. Es geht nicht nur um die Technologie. Es geht darum, das System um sie herum aufzubauen, das die Einführung nachhaltig macht.

Was unterscheidet KI, die als Produktivitätstool eingesetzt wird, von KI, die direkt in die Kerninfrastruktur und Entscheidungssysteme integriert ist, und wie ändert sich dadurch die langfristige Geschäftsentwicklung?

KI-Produktivität – Chat-Assistenten und Code-Copiloten – ist der Bereich, in dem die Menschen KI am Arbeitsplatz zum ersten Mal erleben. Dieser Schritt ist wichtig, und man kann ihn nicht überspringen. Er baut KI-Literatur auf, lehrt die Menschen, Ausgaben zu bewerten, und schafft Gewohnheiten des verantwortungsvollen Gebrauchs über das gesamte Unternehmen hinweg.

Es gibt jedoch einen grundlegenden Unterschied zwischen KI, die einem Einzelnen hilft, und KI, die in die Art und Weise integriert ist, wie das Unternehmen operiert. Infrastruktur-KI – in Unternehmenssysteme über KI-Plattformen integriert – wird Teil des Managementsystems. Sie beinhaltet Planung, Kontrolle und Prüfung. Sie respektiert Governance-Rahmen und speist direkt in Entscheidungsketten ein.

Die Auswirkungen sind erheblich. Produktivitätstools liefern 20-30% Effizienzgewinne bei einzelnen Aufgaben – wertvoll, aber inkrementell. Infrastruktur-KI beschleunigt gesamte Prozesse um 3-5-mal. Und im Laufe der Zeit verändert sie das Unternehmen selbst – eliminiert einige Rollen teilweise oder vollständig, schafft neue und komprimiert Arbeitsabläufe, die früher mehrere Übergaben erforderten.

Deshalb erfordern diese beiden Kategorien unterschiedliche Ansätze. KI-Produktivität ist eine Aktivierungs-Herausforderung. Infrastruktur-KI ist eine organisationale Transformation, die sorgfältige Planung, Change-Management und kontinuierliche Überwachung erfordert.

Welche architektonischen und kulturellen Verschiebungen sind erforderlich, um von isolierten KI-Experimenten zu einer zentralisierten, unternehmensweiten KI-Plattform überzugehen?

Architektonisch ist eine zentrale Plattform unerlässlich – eine, die sicheren Zugang zu mehreren Modell-Anbietern bietet, während sie gleichzeitig strenge Daten-Governance aufrechterhält. Ohne diese Schicht skaliert die Experimentierung Fragmentierung anstelle von Wert.

Kulturell ist der größere Wandel die Verschiebung vom ausführungsorientierten Denken zum designorientierten Denken. Da die Ausführung mit KI billiger und schneller wird, verschiebt sich der Wettbewerbsvorteil auf die Art und Weise, wie Teams Arbeitsabläufe entwerfen. Mitarbeiter sollten Prozesse entwerfen, in denen KI repetitive Operationen ausführt, während Menschen die Orchestrierung und die Entscheidungsqualität kontrollieren.

Wie können große Unternehmen systematisch ihre Lerngeschwindigkeit bei der Bereitstellung von KI erhöhen, und welche betrieblichen Mechanismen machen dies messbar?

Die Lerngeschwindigkeit erhöht sich, wenn die Experimentierung strukturiert ist. Bei SOFTSWISS ernennen wir KI-Champions innerhalb der Produktteams, die Anwendungsfälle identifizieren, bewährte Verfahren verfeinern und sie im gesamten Unternehmen teilen. Workshops beschleunigen den Wissenszuwachs weiter.

Die Messung ist an Geschäftskennzahlen gebunden. Wir verfolgen Indikatoren wie die Zeit bis zur Lösung im Support oder die Automatisierungsgrade in der Code-Überprüfung. Wenn die KI-Adoption diese messbaren Metriken nicht verbessert, bleibt sie oberflächlich.

Welche veralteten Prozesse begrenzen am häufigsten die Auswirkungen der KI-Adoption in etablierten Technologieunternehmen?

Die Hauptbeschränkung besteht darin, KI in starre Management-Strukturen mit langen Planungszyklen und festen Ressourcenzuweisungen zu integrieren. Der Vorteil von KI ist Geschwindigkeit, und veraltete Governance-Modelle verlangsamen diesen Vorteil.

Ein weiterer begrenzender Faktor ist eine schwache Datenklassifizierung. Ohne strukturierte und gut regierte Daten wird die sichere und skalierbare KI-Integration extrem schwierig.

Können Sie Beispiele nennen, in denen die direkte Integration von KI in Kernsysteme messbare Gewinne in Bezug auf Effizienz, Umsatz oder Betriebsleistung erbracht hat?

Im technischen Support analysiert KI, die in Jira integriert ist, die Ticket-Historie und -Dokumentation, um Lösungspfade vorzuschlagen, und reduziert so die Lösungszeit erheblich.

Im Personalwesen sparen automatisierte Assistenten, die Anfragen zu Leistungen und Urlaub bearbeiten, Hunderte von Stunden pro Monat.

In der Entwicklung erreicht die KI-gesteuerte Code-Überprüfung eine Automatisierungsrate von 60-80%, was die Entwicklungslifecycle um zwei bis vier Mal beschleunigt. Diese Gewinne sind operativ messbar und haben direkten Einfluss auf die Effizienz.

Wie entwerfen Sie Governance-Rahmen, um Prüfbarkeit, Sicherheit und Rechenschaftspflicht sicherzustellen, wenn KI tief in Unternehmensprozesse integriert ist?

Governance muss ein kontrolliertes Umfeld schaffen, anstatt Innovationen einzuschränken. Wir verlassen uns auf unternehmensweite Verträge mit Anbietern und wenden Datenmaskierung an, bevor wir Informationen an Cloud-Modelle senden.

Rechenschaftspflicht ist in die Systementwicklung integriert. KI-gesteuerte Aktionen erfolgen innerhalb definierter Rückgabefenster, die es Menschen ermöglichen, sie rückgängig zu machen. Die Verantwortung bleibt letztendlich bei dem Teamleiter, der den Arbeitsablauf entwirft und besitzt.

Welche strukturellen Vorteile ermöglichen es kleinen KI-nativen Teams, schneller zu skalieren als traditionelle Unternehmen, und wie können größere Organisationen sich anpassen, ohne die Stabilität zu verlieren?

Der Kernunterschied liegt in der Architektur. Traditionelle Unternehmen brechen die Arbeit in sequenzielle Stadien auf – jedes besitzt von einer separaten Rolle, mit Übergaben und Warteschlangen dazwischen. KI-native Teams können über alle Stadien hinweg gleichzeitig ausführen. Es gibt keine Warteschlangen, keine Wartezeit auf die nächste Person in der Kette. Der gesamte Prozess ist automatisiert, von Anfang bis Ende, was ihnen einen massiven Geschwindigkeitsvorteil gibt.

Für größere Organisationen ist der Weg nach vorne allmählich. Zuerst – bauen Sie KI-Literatur auf und rüsten Sie Teams mit KI-Tools aus. Geben Sie den Menschen Zeit, zu lernen, zu experimentieren und KI in ihre bestehenden Arbeitsabläufe zu integrieren. In dieser Phase findet die Innovation innerhalb der bestehenden Prozesse statt, nicht anstelle davon.

Sobald Teams Erfahrung und Vertrauen gewonnen haben, können Sie ambitioniertere Ziele setzen – ganze Prozesse optimieren, anstatt einzelne Schritte. Hier beginnt die eigentliche Transformation, aber sie funktioniert nur, wenn die Menschen und Prozesse bereit dafür sind.

Der Schlüssel liegt im Tempo. Wenn Sie zu schnell vorankommen, gefährden Sie die Stabilität. Wenn Sie zu langsam vorankommen, lässt der Markt Sie zurück. Der richtige Ansatz ist eine bewusste, sequenzielle Fortschritt – so dass das Unternehmen sich entwickelt, ohne das zu verlieren, was bereits funktioniert.

Wie beeinflusst die Tatsache, im iGaming-Sektor zu operieren, mit seinen regulatorischen und Zuverlässigkeitsanforderungen, die Art und Weise, wie KI-Infrastruktur konzipiert und bereitgestellt wird?

iGaming ist eine einzigartige Umgebung. Es geht um Echtgeld, Echtzeit-Transaktionen und regulatorische Aufsicht über mehrere Gerichtsbarkeiten hinweg. Bei SOFTSWISS operieren wir unter mehreren Lizenzen – jede mit ihren eigenen Compliance-Anforderungen. Das bedeutet, dass jede technologische Entscheidung, einschließlich KI, ein komplexes regulatorisches Umfeld berücksichtigen muss, das weit über den Standard-Datenschutz hinausgeht.

Regulierte Märkte erfordern strikte Einhaltung von Daten-Speicher-, Lösch- und Verarbeitungsregeln, einschließlich DSGVO. Im iGaming ist der Umfang jedoch breiter – Anti-Geldwäsche-Anforderungen, verantwortungsvolle Glücksspiel-Verpflichtungen, Lizenzbedingungen, die bestimmen, wie Daten fließen und wo sie verarbeitet werden können. Die Infrastruktur muss sicherstellen, dass sensible Daten nicht für externe Modell-Trainings verwendet werden und dass jede KI-gesteuerte Entscheidung weiterhin prüfbar bleibt.

Gleichzeitig sind die Zuverlässigkeitsstandards außergewöhnlich hoch. Systeme operieren 24/7 mit enormen Transaktionsvolumina. Jedes KI-System, das wir bereitstellen, muss dieselben Standards erfüllen – immer verfügbar, vollständig prüfbar und in der Lage, die Datenmengen zu bewältigen, die wir in Support- und Compliance-Operationen sehen. In dieser Branche ist ein KI-Ausfall nicht nur ein Unannehmlichkeit – es ist ein regulatorisches und finanzielles Risiko.

Was sind die Fähigkeiten, die Unternehmen, die KI tatsächlich in ihr Betriebsmodell integrieren, von denen unterscheiden werden, die nur oberflächlich adoptieren, wenn die Unternehmens-KI heranreift?

In reifen KI-Unternehmen wird jeder Mitarbeiter KI in Reichweite haben – mit sicherem Zugang zu Unternehmensdaten über Systeme hinweg, ohne Barrieren oder manuelle Anfragen. Prozesse werden automatisiert, von Anfang bis Ende, ohne Warteschlangen oder Übergaben zwischen Rollen. Die Arbeit wird kontinuierlich fließen, nicht in Stadien.

Aber die Automatisierung allein reicht nicht aus. Was die Führer von den anderen unterscheidet, ist die Fähigkeit, KI-gesteuerte Arbeit im großen Maßstab zu kontrollieren. Teams und Organisationen werden sich an die automatisierte Qualitätsüberwachung anpassen – Probleme frühzeitig erkennen und korrigieren, bevor sie sich verschlimmern.

Die Rolle des einzelnen Mitarbeiters verschiebt sich grundlegend. Anstatt Aufgaben auszuführen, definieren sie Spezifikationen für KI – liefern ausreichenden Kontext, klare Ziele und Qualitätskontrollmethoden. Ihr Wert liegt darin, KI zu steuern und deren Ausgabe zu optimieren, nicht darin, die Arbeit manuell auszuführen.

Die Rolle der Führungskräfte ändert sich auch. Manager und Führungskräfte werden zu Architekten des systemischen Denkens im gesamten Unternehmen. Ihre Aufgabe ist es, verschiedene Arbeitsstränge, Tools und Artefakte in Wertschöpfungsketten zu verbinden, die Kundenprobleme besser lösen als die Konkurrenz, nicht die Optimierung einzelner Aufgaben – sondern das Entwerfen, wie alles zusammenpasst.

Diese Tiefe der Integration – KI in jeder Hand, automatisierte Prozesse, systematische Qualitätskontrolle und Führungskräfte, die auf den Gesamtwert fokussiert sind – wird den langfristigen Wettbewerbsvorteil definieren.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten SOFTSWISS besuchen.