Jan Arendtsz, Gründer und CEO von Celigo – Interview-Serie

Jan Arendtsz ist der Gründer und CEO von Celigo und ein Veteran der Softwareindustrie mit mehr als 25 Jahren Erfahrung in Produktentwicklung, Geschäftsentwicklung, Vertrieb, Kundenerfolg und Marketing. Er gründete Celigo mit dem Ziel, die Integration, Automatisierung und Optimierung von Geschäftsprozessen in Unternehmen zu vereinfachen. Er ist für die Überwachung aller Unternehmensoperationen verantwortlich.

Vor Celigo war Jan Director bei NetSuite, der führenden cloudbasierten ERP-Plattform, wo er ihre Integrationsplattform startete. Vorher arbeitete Jan für Cambridge Technology Partners, wo er komplexe Geschäftslösungen für Kunden von Internet-Startups bis hin zu Fortune-500-Unternehmen umsetzte.

Celigo ist eine cloudbasierte intelligente Automatisierungs- und Integrationsplattform (iPaaS), die Unternehmen dabei hilft, Anwendungen zu verbinden, Geschäftsprozesse zu automatisieren und Daten synchronisiert zu halten, ohne dass eine umfangreiche individuelle Entwicklung erforderlich ist. Ihre Plattform kombiniert vorkonfigurierte Konnektoren, wiederverwendbare Integrationsvorlagen und AI-gestützte Tools, damit sowohl technische als auch nicht-technische Teams Integrationsprozesse im großen Maßstab entwerfen, bereitstellen und verwalten können. Celigo wird häufig verwendet, um Workflows in Bereichen wie E-Commerce, Finanzen, Betrieb und IT zu rationalisieren, manuelle Arbeit zu reduzieren, die DatenGenauigkeit zu verbessern und schnellere, widerstandsfähigere Geschäftsprozesse zu ermöglichen.

Was hat Sie ursprünglich dazu motiviert, Celigo zu gründen, und wie hat Ihre Erfahrung bei der Leitung von Integrationsdiensten und Produktinitiativen bei Softwareunternehmen wie NetSuite die Lücke gesehen, die es in der Unternehmensintegration gab?

Die frühe SaaS-Erfahrung zeigte mir, dass die Cloud zwar ein Software-Lieferproblem löste, aber auch ein massives Daten-Verbindungsproblem schuf. Wir verkauften die Vision eines einheitlichen Unternehmens, aber die Realität bestand aus fragmentierten Daten-Silos. Ich gründete Celigo, um diese Herausforderungen zu überwinden.

Heute sehe ich, dass sich die Geschichte mit KI wiederholt. Wir wechseln von einer “Verbindungs-Lücke” zu einer “Betriebs-Lücke”. Genau wie Unternehmen vor zwanzig Jahren Schwierigkeiten hatten, SaaS zu operationalisieren, haben sie jetzt Schwierigkeiten, KI zu operationalisieren. Unternehmen kämpfen darum, KI von Experimenten zu zuverlässigen Geschäftsergebnissen zu bringen. Dies schafft die nächste Welle von Herausforderungen, die Celigo einzigartig positioniert ist, um IT-Führungskräften zu helfen: Wie man eine Plattform bereitstellt, die nicht nur Systeme verbindet, sondern auch die Nutzung von KI in ganz Unternehmen im großen Maßstab ermöglicht.

Celigo hat sich von traditioneller Integration hin zu KI-getriebenen Workflows entwickelt. Welche Signale haben Ihnen gezeigt, dass die Plattform in diese Richtung gehen musste?

Das größte Signal war die sich verschiebende Flaschenhals. Vor zehn Jahren bestand der Flaschenhals in der Verbindung: System A mit System B zu verbinden. Wir lösten dies mit iPaaS. Als wir jedoch die Integration demokratisierten und Geschäftsanwendern ermöglichten, ihre eigenen Workflows zu erstellen, wurde der neue Flaschenhals zur Verwaltung, Governance und Ausnahmehandhabung.

Wir sahen uns unsere Daten an und sahen, dass das Erstellen von Automatisierungs-Workflows einfacher geworden war, aber die Wartung im großen Maßstab immer noch menschlich-intensiv war. Benutzer verbrachten Stunden damit, Datenfehler zu beheben oder Mappings zu aktualisieren.

Wir reagierten, indem wir KI in den Kern unserer Plattform einbetteten, um Fehlerklassifizierung und -behebung zu automatisieren und die betriebliche Belastung durch die Wartung von Integrationsprozessen im großen Maßstab zu beseitigen. Diese Plattform-Intelligenz bildet nun die Grundlage für kundenorientierte KI-gesteuerte Workflows, die mit größerer Autonomie und Kontext funktionieren können.

Viele Organisationen investieren stark in KI, sehen aber begrenzte Ergebnisse. Warum kommen so viele Initiativen an der Daten- und Integrations-Ebene zum Stillstand?

Wir haben alle Umfragen gesehen, die zeigen, dass die meisten Unternehmen mit KI experimentieren, aber nur wenige messbare ROI-Ergebnisse erzielen. Der Grund liegt nicht in der Technologie. Es liegt in der Herangehensweise. Zu oft behandeln Organisationen die Einführung von KI als Ziel anstelle davon, mit den Geschäftsprozessen zu beginnen, die das Unternehmen antreiben.

Erfolgreiche Initiativen beginnen damit, die Prozesse zu identifizieren, bei denen Verbesserungen den größten Geschäftseinfluss haben, anstatt KI auf isolierte Aufgaben anzuwenden. Von dort aus muss KI mit den Systemen verbunden werden, in denen die Arbeit tatsächlich stattfindet, mit Schutzmechanismen, die die Datenqualität und die Einhaltung von Richtlinien sicherstellen. Ohne diese geregelte Verbindung bleibt KI von der Ausführung getrennt.

Aus Ihrer Perspektive, welche architektonischen Fehler sind am häufigsten anzutreffen, wenn Unternehmen versuchen, KI auf fragmentierte Systeme aufzuschichten?

Ein wachsendes Problem ist derzeit die KI-Verbreitung. Wir sehen oft, dass Unternehmen mehrere verschiedene SaaS-Erweiterungen kaufen: Verkaufstools mit KI, Kundendienst-Tools mit KI, Marketing-Tools mit KI und so weiter. All dies sind nur Hüllen um die gleichen zugrunde liegenden LLMs.

Architektonisch kann dies erhebliche Kosten- und Governance-Probleme schaffen. IT-Führungskräfte stellen fest, dass sie eine Integrationsplattform benötigen, um alle Daten und Erkenntnisse über Tools konsolidieren zu können. Die Nutzung einer einheitlichen Plattform kann das Wissen zusammenbringen, das im gesamten Unternehmen vorhanden ist, und den Kontext bereitstellen, den KI-Modelle benötigen, um im großen Maßstab zu skalierten und Wert zu liefern.

Wie ändern sich intelligente Workflows, wenn KI autonomer wird, und wie interagieren Anwendungen, Daten und Menschen innerhalb eines Unternehmens?

Wenn KI autonomer wird, ändern sich intelligente Workflows, indem sie die Automatisierung von der Aufgabenausführung zur Entscheidungsorchestrierung verschieben. Anwendungen sind nicht mehr nur miteinander verbunden, um Daten auszutauschen. Sie werden zu koordinierten Teilnehmern in einem Workflow, in dem KI den Kontext über Systeme hinweg interpretiert und die nächste beste Aktion bestimmt.

Dieser Wandel bringt das Change-Management in den Vordergrund. Man kann das beste Modell der Welt haben, aber wenn Teams es nicht vertrauen, werden sie es nicht verwenden. Die erfolgreiche Operationalisierung von KI erfordert Einblick in die Gründe, warum ein KI-Agent eine bestimmte Entscheidung getroffen hat, und Vertrauen, dass es innerhalb eines geregelten Rahmens operiert.

Celigo dient sowohl großen Unternehmen als auch schnell wachsenden Marken. Wie unterscheiden sich die Integrations-, Datenqualitäts- und Orchestrierungsherausforderungen über verschiedene Skalierungsstufen hinweg?

Für schnell wachsende Marken ist das Ziel oft der schnelle Zugang zum Wert. Sie adoptieren Tools so schnell, dass sie riskieren, einen fragmentierten Stack aufzubauen, der in einem oder zwei Jahren zusammenbrechen wird. Für sie bietet Celigo die Möglichkeit, schnell zu operationalisieren, ohne technische Schulden aufzubauen.

Für große Unternehmen sind die Herausforderungen um Kontext und Governance. Sie haben wertvolle Datenbestände, aber diese mögen nicht für KI-gesteuerte Workflows bereit sein. Sie müssen den Zugang und den Wert von Daten in komplexen Umgebungen erhöhen. Sie müssen sicherstellen, dass sie, wenn sie KI in ihren Organisationen operationalisieren, keine personenbezogenen Daten oder Halluzinationen in ihre Kundeninteraktionen einbringen. Wir dienen als wichtige Verwaltungs- und Kontrollschicht.

Celigo befindet sich an der Schnittstelle von iPaaS, Workflow-Orchestrierung und KI. Wie sollten Organisationen ihre Integrations-Schicht entwerfen, damit sie ein aktiver Teil des KI-Stacks wird und nicht nur passive Infrastruktur?
Organisationen bewegen sich über die Integration als einfache Datenbewegung hinaus zu intelligenter Automatisierung als kontrollierte Konnektivitätsebene für Geschäftsprozesse. Automatisierung existiert auf einem Spektrum von vorhersehbarer, regelbasierter Ausführung bis hin zu autonomem Verhalten, wobei der größte Unternehmenswert im mittleren Bereich entsteht.

Eine intelligente Automatisierungsplattform verbindet KI mit den richtigen Unternehmensdaten mit integrierter Governance, Sichtbarkeit und menschlicher Aufsicht. Sie orchestriert die Konnektivität über Systeme hinweg, wendet Intelligenz selektiv an und führt Ergebnisse direkt in operativen Anwendungen aus, in denen die Arbeit tatsächlich stattfindet. Anstatt Daten passiv zwischen Systemen zu bewegen, wird die Integrations-Schicht aktiv, indem sie eine Echtzeit-Konnektivität und -Kontrolle mit Governance aufrechterhält. Dies stellt sicher, dass intelligente Automatisierung zuverlässig, überprüfbar und mit der Art und Weise ausgerichtet bleibt, wie das Unternehmen konzipiert ist, um zu laufen.

Bei dem Aufkommen von agenter KI, welche Rolle sehen Sie Integrationsplattformen bei der Ermöglichung von KI-Systemen, die sicher und zuverlässig über Geschäftsanwendungen hinweg handeln?

Agenter KI benötigt Schutzmechanismen. Celigo baut eine Zukunft, in der Integrationsprozesse sich zunehmend selbst verwalten, indem sie Schemenänderungen erkennen, Ausfälle vorhersagen und sich selbst heilen, bevor ein Mensch überhaupt weiß, dass etwas falsch ist.

Die Rolle unserer Plattform besteht nicht nur darin, es Benutzern über das gesamte Unternehmen hinweg zu ermöglichen, Workflows schnell und effizient zu erstellen und auszuführen, sondern auch, es der zentralen IT zu ermöglichen, diese Schutzmechanismen bereitzustellen. Wenn ein Agent einen Datensatz aktualisieren möchte, stellt die Plattform sicher, dass diese Aktion gegen Geschäftsregeln validiert wird. Wir ermöglichen es Agenten, zu handeln, indem wir eine deterministische Umgebung bereitstellen, in der nicht-deterministische KI sicher operieren kann.

Wenn man auf 2026 blickt, welche realen Konsequenzen sehen Sie für Organisationen, die ihre Daten nicht speziell für KI rationalisieren?

Die Konsequenz wird in einer ROI-Abweichung bestehen. Unternehmen, die es versäumen, KI in ihre Betriebsabläufe einzubetten, werden auf die Messung von “gesparten Stunden” bei Ad-hoc-Aufgaben beschränkt sein, während ihre Wettbewerber “Umsatzwachstum” von vollautomatisierten Geschäftsbereichen messen werden.

Ohne die notwendigen Schritte zu unternehmen, um ihre Daten und Anwendungen zu verbinden, werden Organisationen eine Wand erreichen, an der KI-Modelle halluzinieren, weil sie keinen Kontext haben, oder die Kosten spiralisieren, weil sie für die siloartigen Ausgaben von KI-Verbreitung ohne eine einheitliche Strategie zahlen. Unternehmen könnten effektiv ausgeschlossen werden, weil sie nicht agil sind.

Für Technologie-Führungskräfte, die heute ihre Stacks modernisieren, welche Kernfähigkeiten sollten sie in einem iPaaS priorisieren, um sicherzustellen, dass ihre KI-Initiativen skaliert werden können und reale Ergebnisse liefern?

Suchen Sie nach einem modernen iPaaS, das für eine Welt entwickelt wurde, in der alles mit allem verbunden werden muss. Das bedeutet: eine universelle Plattform, die das gesamte Spektrum der Automatisierung abdecken kann: von Daten- und Anwendungsintegration, B2B-Lieferkettenflüsse, API-Management und autonome Agenten. Das stellt ein Unternehmen auf, um weniger Komplexität, weniger Overhead, mehr Benutzer-Ermächtigung und letztendlich die Fähigkeit für IT, KI strategisch und sicher über das gesamte Unternehmen hinweg zu operationalisieren und alles zu operationalisieren.

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