Fred Laluyaux, Mitgründer und CEO von Aera Technology – Interview-Serie

Fred Laluyaux, Mitgründer, Präsident und CEO von Aera Technology, ist ein erfahrener Unternehmenssoftware-Executive, der Unternehmen an der Schnittstelle zwischen Analytics, Automation und Entscheidungsfindung aufgebaut und geleitet hat. Bevor er Aera gründete, war er CEO von Anaplan und hatte mehrere leitende Positionen bei SAP inne, die Finanzen, Leistungsmanagement, Risiko, Vertrieb und Unternehmensentwicklung umfassten. Zu Beginn seiner Karriere arbeitete er in leitenden Positionen bei Business Objects und ALG Software und gründete Transcribe Technologies, was ihm Jahrzehnte Erfahrung im Aufbau globaler Software-Organisationen und in der Umsetzung komplexer Daten in Geschäftsergebnisse gab.

Aera Technology entwickelt künstliche Intelligenz-getriebene Entscheidungs-Intelligenz-Software, die dazu dient, große Unternehmen mit größerer Geschwindigkeit und Präzision zu betreiben. Die Plattform des Unternehmens analysiert kontinuierlich Daten aus der gesamten Organisation und ihrer externen Umgebung und wandelt Erkenntnisse in empfohlene und automatisierte Aktionen in Echtzeit um. Indem sich Aera auf Entscheidungen anstelle von Dashboards konzentriert, zielt das Unternehmen darauf ab, Organisationen von reaktiver Analyse zu proaktiver, kontinuierlich verbesserter Betriebsführung zu bewegen.

Sie haben mehrere Unternehmenssoftware-Unternehmen gegründet und geleitet, von Ihren frühen Tagen beim Aufbau von Transcribe Technologies bis hin zur Gründung von Aera. Welches Problem sahen Sie in großen Unternehmen, das Sie davon überzeugte, dass Entscheidungs-Intelligenz als eigene Kategorie existieren muss, und warum war 2017 der richtige Moment, um Aera aufzubauen?

Ich arbeite seit über einem Jahrzehnt an diesem Problem – lange bevor Aera existierte. Im Jahr 2010, als ich bei SAP war, schrieb ich einen Artikel über das, was ich für die größte Herausforderung für große Unternehmen hielt: die Fähigkeit, Entscheidungen schnell genug zu treffen, um mit der Digitalisierung der Wirtschaft Schritt zu halten.

Drei Kräfte kollidierten – Volumen, Komplexität und Geschwindigkeit. Entscheidungen wurden auf eine viel feinere Körnung reduziert, näher an den Einflusspunkt, aber Unternehmen waren immer noch als tiefe Pyramiden von Menschen, Tools und Prozessen strukturiert, die einfach nicht skaliert werden konnten.

Die eigentliche Frage wurde: Wie bringt man die Macht der Technologie auf die transaktionale Ebene? Nicht nur Erkenntnisse oder Dashboards, sondern Maschinen, die Entscheidungen ausführen, kontinuierlich aus allen getroffenen Entscheidungen lernen und mit Menschen in der Kontrolle.

Was 2017 betrifft, waren wir früh dran. Der Markt war noch nicht vollständig bereit, und wir auch nicht. Das ist die Natur eines Startups: Man beginnt mit einer klaren Vision und baut früh, um bereit zu sein, wenn der Markt ausgereift ist. Im Fall von Aera dauerte es einige Jahre. Und COVID-19 half nicht. Aber es war faszinierend zu sehen, dass unsere Kernvision immer noch ihrer ursprünglichen Formulierung treu geblieben ist, während sich sowohl die Plattform als auch der Markt entwickelten, um Aera nun die Entscheidungs-Intelligenz-Kategorie zu führen und mit einigen der größten Unternehmen der Welt zusammenzuarbeiten.

Es gibt derzeit viel Diskussion über künstliche Intelligenz-Agenten, aber Sie haben betont, dass Erkenntnisse allein nicht ausreichen. Wie erklären Sie den Unterschied zwischen Analytics, künstlicher Intelligenz-getriebenen Empfehlungen und echter Entscheidungs-Intelligenz gegenüber CIOs, die versuchen, durch den Lärm zu kommen?

Traditionelle Analytics- und Business-Intelligence-Tools sagen Ihnen, was passiert ist. Künstliche Intelligenz kann helfen, vorherzusagen, was passieren könnte. Künstliche Intelligenz-getriebene Empfehlungen schlagen Optionen vor, aber sie verlassen sich immer noch auf Menschen, um zu entscheiden und zu handeln.

Entscheidungs-Intelligenz geht über statische Dashboards oder einmalige Empfehlungen hinaus. Sie operiert als kontinuierlicher Lernprozess, um Entscheidungen zu beschleunigen und zu verbessern – mit Daten, Analytics, künstlicher Intelligenz und Automation, um Trade-offs zu bewerten, Szenarien zu simulieren und Aktionen in Echtzeit auszuführen und zu überwachen, die mit den Geschäftszielen übereinstimmen.

Während künstliche Intelligenz Teams helfen kann, Nachfrage vorherzusagen oder Workflows zu optimieren, bestimmt Entscheidungs-Intelligenz, wie man auf diese Erkenntnisse reagiert. Sie balanciert Kosten, Risiken, Service-Level und operative Einschränkungen über das gesamte Unternehmen hinweg.

Aera wird oft als Unternehmen beschrieben, das das “selbstfahrende” Unternehmen ermöglicht. Was bedeutet das in der Praxis innerhalb eines großen Unternehmens, und welche Entscheidungen sind realistischerweise für dieses Maß an Automatisierung bereit?

Wenn wir über das selbstfahrende Unternehmen sprechen, geht es dabei nicht um Autonomie ohne Kontrolle. Von Anfang an war unsere Vision, von Menschen zu machen, die Entscheidungen treffen und Maschinen unterstützen, zu Maschinen zu gelangen, die Entscheidungen ausführen und von Menschen geleitet werden – mit klaren Absichten, Einschränkungen und Verantwortung.

In der Praxis operiert Aera als Entscheidungs-Agent. Es versteht kontinuierlich Daten, erkennt Auslöser, bewertet Trade-offs, empfiehlt Aktionen und führt Entscheidungen direkt in Unternehmenssystemen aus. Mit Aera müssen Menschen keine Dashboards verwalten; sie regeln Entscheidungen oft durch eine einfache Zustimmungs- oder Ablehnungs-Interaktion.

Die Entscheidungen, die heute für dieses Maß an Automatisierung bereit sind, sind hochvolumig und wiederholbar – Lagerumschlag, Priorisierung von Bestellungen, Parameteränderungen – wo Geschwindigkeit wichtig ist und manuelle Koordination die meisten Ineffizienzen verursacht.

Sie haben eng mit globalen Unternehmen aus Supply-Chain-, Finanz- und Betriebsbereichen zusammengearbeitet. Wo sehen CIOs die schnellsten und greifbarsten Renditen aus der Entscheidungs-Intelligenz, sei es in der Arbeitskapital-, Service-Level- oder Abfallreduzierung?

CIOs sehen die schnellsten und greifbarsten Renditen aus der Entscheidungs-Intelligenz, wo Entscheidungen hochvolumig, wiederholbar und durch Kosten, Kapazität oder Service-Trade-offs eingeschränkt sind. In der Supply-Chain- und Betriebsführung umfasst dies oft Lagerumschlag, Priorisierung von Bestellungen und Logistik. Hier treibt die automatisierte Ausführung im großen Maßstab messbare Gewinne in der Arbeitskapital-, Service-Level- und Abfallreduzierung.

Ein globales Life-Sciences-Unternehmen verwendet beispielsweise Entscheidungs-Intelligenz, um kontinuierlich die Nachfrage zu überwachen und Bestellungen anzupassen – automatisch Lieferanten-Stornierungen oder -Reduzierungen anfordern, Antworten validieren und Änderungen bestätigen. Diese Fähigkeit bringt über mehrere Millionen Dollar an jährlichen Einsparungen bei der Abfallreduzierung, während sie auch die Anzahl der LKW-Meilen und die damit verbundenen Treibhausgasemissionen (GHG) reduziert.

Viele Unternehmen haben bereits Schwierigkeiten, künstliche Intelligenz-Modelle im großen Maßstab umzusetzen. Welche sind die häufigsten Blockierungen, die Sie sehen, wenn Organisationen versuchen, von der Erkenntnisgenerierung zur automatisierten Entscheidungs-Ausführung zu gelangen?

Herausforderungen entstehen oft, wenn Teams mit einzelnen künstlichen Intelligenz-Tools experimentieren. Sie können einen einzelnen Workflow automatisieren, aber sie kämpfen darum, Entscheidungen konsistent über das gesamte Geschäft hinweg zu operationalisieren. Ohne eine komponierbare, speziell entwickelte Entscheidungsplattform sind diese Bemühungen schwierig zu regeln, zu skalierten oder anzupassen, wenn sich die Bedingungen ändern.

Ein weiterer häufiger Blockierer ist ein Mangel an Klarheit darüber, wo die Entscheidungsfindung zusammenbricht. Unternehmen investieren in künstliche Intelligenz und Vorhersagen, aber sie identifizieren nicht, warum Lagerbestände ansteigen, Prognosen fehlschlagen oder Logistik unter den Erwartungen bleibt. Fragmentierte Sichtbarkeit über Entscheidungen verschlimmert das Problem.

Teams, die erfolgreich sind, beginnen mit einem klaren, hochwertigen Anwendungsfall, bei dem Trade-offs verstanden werden, Vertrauen durch Empfehlungen und Ausführung aufbauen und schrittweise automatisieren. Von dort aus können sie skaliert werden, während Entscheidungen kontinuierlich anpassen und verbessern.

Agente künstliche Intelligenz wird im gesamten Branchenbereich zu einem Buzzword. Wie sehen Sie Agenten in Entscheidungs-Intelligenz-Plattformen, und wo müssen Unternehmen vorsichtig sein, wenn es um Autonomie versus menschliche Aufsicht geht?

In der Entscheidungs-Intelligenz fügen Agenten den größten Wert hinzu, wenn sie in einem beaufsichtigten Entscheidungssystem eingebettet sind – nicht in Isolation. Mit der Aera Decision Cloud-Plattform arbeiten Agenten als koordinierte Teams, jedes mit einer spezifischen Fähigkeit: Szenarien simulieren; Echtzeit-Signale integrieren; Machbarkeit validieren; finanzielle Auswirkungen bewerten; und Aktionen ausführen – alle von einer einzigen Entscheidung ausgesteuert.

Wo Unternehmen vorsichtig sein müssen, ist Autonomie ohne Regulierung. In der Praxis sind agentenbasierte Entscheidungen immer von Menschen geleitet. Menschliche Teams legen die Parameter und Ziele fest, überwachen die Leistung, testen Annahmen und verwalten die Datenqualität aus einer Kontrollraum-Umgebung. Das System kann kontinuierlich laufen, aber Menschen regeln, wie Entscheidungen evolvieren. Diese Balance ist es, was agentenbasierte künstliche Intelligenz im Unternehmen skalierbar, vertrauenswürdig und sicher macht.

Vertrauen ist entscheidend, wenn Entscheidungen Umsatz, Kunden oder Compliance betreffen. Wie stellt Aera sicher, dass Entscheidungen erklärbar, überprüfbar und vertretbar sind, insbesondere in regulierten Umgebungen?

Vertrauen beginnt mit Transparenz. Für jede Entscheidung erfasst Aera den vollständigen Kontext – die verwendeten Daten, die Empfehlung, die Logik dahinter, die getroffene Entscheidung und das Ergebnis. Wenn das System läuft und aktualisiert wird, überwacht und misst es die Ergebnisse der Entscheidungen, um die Entscheidungsfindung kontinuierlich zu verbessern.

Wir nennen dies Auto-Entscheidungs-Lernen. Basierend auf der Entscheidungsleistung berechnet Aera Vertrauenswerte für Empfehlungen – erläutert die Ursachen, Trade-offs und erwartete Auswirkungen. Ein Benutzer kann eine Empfehlung mit einer klaren Begründung und einem Vertrauenswert von 92 % sehen.

Dieser Ansatz ist autonom, aber beaufsichtigt. Durch das Entscheidungs-Intelligenz-Netzwerk, das als zentrales Kontrollzentrum dient, haben Benutzer eine vollständige Sichtbarkeit über Entscheidungen, Aktionen und Ergebnisse. Sie können die Leistung überwachen, Annahmen testen, die Datenqualität verwalten und die Logik im Laufe der Zeit anpassen.

Basierend auf Ihren Gesprächen mit CIOs, wie verändert sich die Rolle der Menschen, wenn Entscheidungs-Intelligenz-Systeme ausgereift sind, und welche Fähigkeiten werden wichtiger, wenn Maschinen mehr operative Entscheidungen übernehmen?

Wenn Entscheidungs-Intelligenz ausgereift ist, verschwindet die Rolle der Menschen nicht – sie verschiebt sich die Wertschöpfungskette hinauf. Wir sehen eine Veränderung von Menschen, die Entscheidungen manuell ausführen, zu Menschen, die Entscheidungen entwerfen, regeln und verbessern.

In vielen Unternehmen für Verbrauchsgüter entwickeln sich traditionelle Planer-Rollen bereits zu Entscheidungsanalysten, die auf die Überwachung von Ergebnissen, das Verständnis von Trade-offs und die Verbesserung der Entscheidungslogik im Laufe der Zeit fokussiert sind. Neben ihnen definieren Entscheidungs-Architekten die Absicht, die Einschränkungen und die Schutzmechanismen, die bestimmen, wie Maschinen handeln.

Die wichtigsten Fähigkeiten werden Urteilsvermögen, systemisches Denken und die Fähigkeit, die richtigen Entscheidungen zu treffen. Menschen bleiben fest in der Kontrolle, regeln, wie Entscheidungen von Maschinen getroffen werden, aber nicht jede einzelne Aktion.

Gartners erstes Magic Quadrant für Entscheidungs-Intelligenz-Plattformen signalisiert, dass diese Kategorie in den Mainstream eintritt. Welche Fähigkeiten glauben Sie, werden führende Anbieter von Nachzüglern in den nächsten Jahren unterscheiden?

Als Leader im ersten Gartner Magic Quadrant für Entscheidungs-Intelligenz-Plattformen sehen wir Führung durch starke Ausführung und die Fähigkeit, umfassende, komponierbare Fähigkeiten über den gesamten Entscheidungslebenszyklus hinweg zu liefern. In Gartners Begleitforschung “Critical Capabilities” wurde Aera auch für seine Leistung bei wichtigen Entscheidungsanwendungsfällen anerkannt – einschließlich Entscheidungsanalyse, Entscheidungs-Engineering, Entscheidungswissenschaft und Entscheidungsverwaltung – und bewertet, wie gut Plattformen Entscheidungen im großen Maßstab modellieren, operationalisieren, regeln und kontinuierlich verbessern können.

Wir glauben, dass führende Anbieter auch durch die effektive Integration von fortschrittlichen künstlichen Intelligenz-Techniken, einschließlich generativer und agentenbasierter künstlicher Intelligenz, in beaufsichtigte, unternehmensreife Entscheidungssysteme unterschieden werden. Dies erfordert speziell entwickelte Plattformen, die komponierbar, für das Geschäft über Low-Code- und Natursprachenschnittstellen zugänglich und im großen Maßstab regelbar sind, um Sicherheits- und Regulierungsanforderungen zu erfüllen. Letztendlich werden die stärksten Anbieter Entscheidungs-Intelligenz als Betriebslayer einbetten, der kontinuierlich lernt und verbessert, und nicht nur als weitere Anwendung, die Teams verwalten müssen.

Für Organisationen, die die Lücke zwischen Erkenntnissen und Aktionen erkennen, wie hilft Aeras Plattform ihnen, diese Lücke in der Praxis zu schließen, und was sieht eine erfolgreiche erste Bereitstellung für einen CIO aus, der messbare geschäftliche Auswirkungen vorantreiben möchte?

Das Schließen der Lücke zwischen Erkenntnis und Aktion beginnt damit, Entscheidungen in den täglichen Betrieb zu operationalisieren. Aeras Plattform ermöglicht es CIOs, Entscheidungen als kontinuierliche Prozesse zu behandeln: Ergebnisse überwachen; Trade-offs testen; und Leistung über die Zeit verbessern. Dies ist oft in einem Entscheidungszentrum von Exzellenz verankert, virtuell oder physisch, wo Teams regeln und verfeinern, wie Entscheidungen getroffen und ausgeführt werden.

Aera vereint Daten, Analytics, Geschäftsregeln, künstliche Intelligenz und Automation in einer einzigen komponierbaren Plattform, um Entscheidungen zu ermöglichen, die von Erkenntnissen über Ausführung und Lernen fließen. Die komponierbare Architektur ermöglicht es IT, die Aufsicht und Sicherheit aufrechtzuerhalten, während das Geschäftsteam Entscheidungsflüsse definieren, anpassen und im Laufe der Zeit evolvieren kann. Wenn Ergebnisse erfasst werden, verbessern sich Entscheidungen kontinuierlich und befreien Teams, um sich auf Urteilsvermögen, Strategie und Ausnahmen zu konzentrieren.

Ein erfolgreicher erster Einsatz beweist in der Regel messbare Ergebnisse in einem hochwertigen Entscheidungsanwendungsfall in 10-12 Wochen, indem Entscheidungen von Anfang bis Ende ausgeführt und kontinuierlich verbessert werden. Dies schafft ein wiederholbares Blueprint für die Unternehmensskalierung.

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