Mukund Kalmanker, Globaler Leiter von Data, Analytics & AI bei Apexon – Interview-Serie

Mukund Kalmanker, Globaler Leiter von Data, Analytics & AI bei Apexon, bringt über zwei Jahrzehnte Erfahrung im Leiten von groß angelegten Unternehmensumwandlungsinitiativen mit, mit einer Karriere, die seniorische Führungsrollen bei Wipro umfasst, wo er globale AI-Praktiken aufbaute und skalierte, Automatisierungsplattformen wie HOLMES inkubiert und Unternehmens-Technologie-Strategien über Branchen wie Finanzdienstleistungen, Telekommunikation und Gesundheitswesen definiert hat. Seine Arbeit hat sich konsistent auf die Übersetzung von aufkommenden Technologien – insbesondere AI, Data-Engineering und Automatisierung – in praktische Geschäftsergebnisse konzentriert, indem er tiefes technisches Fachwissen mit einer starken Erfolgsbilanz im Aufbau globaler Teams, der Steuerung digitaler Strategien und der Erzielung messbarer operativer Effizienzen für große Unternehmen kombiniert.

Apexon ist ein digitaler Technologiedienstleister, der Unternehmen hilft, ihre GeschäftsTransformation zu beschleunigen, indem er AI, Data-Analytics und digitales Engineering kombiniert, um intelligente, skalierbare Systeme und Kunden Erfahrungen zu schaffen. Durch seine integrierten Fähigkeiten über Cloud, Automatisierung und fortschrittliche Analytics arbeitet das Unternehmen mit Organisationen zusammen, um Betriebsabläufe zu modernisieren, Entscheidungsfindung zu verbessern und End-to-End-Digitallösungen zu liefern, insbesondere in Branchen wie Finanzdienstleistungen, Gesundheitswesen und Life Sciences.

Nach zwei Jahrzehnten, in denen Sie AI- und Analytics-Initiativen bei Unternehmen wie Wipro und jetzt Apexon geleitet haben, welche Erfahrung hat Ihre Herangehensweise an die digitale Transformation am meisten geprägt?

Im Laufe der letzten Jahre hat mich die Erkenntnis am meisten geprägt, dass erfolgreiche digitale Transformation nicht nur um Technologie geht – sondern um die Ausrichtung dieser Technologie auf die Lösung realer Geschäftsprobleme und die Anpassung an sich verändernde menschliche Verhaltensweisen. Es geht darum, Innovation als strategisches Instrument zu nutzen, um die Branche zu führen und die Welt zu einem besseren Ort zu machen. Ob es darum geht, einer Bank zu helfen, regulatorische Anforderungen zu erfüllen, oder einem Einzelhändler zu helfen, seine Kundenbindung neu zu gestalten, oder einem Gesundheitsdienstleister zu helfen, schneller und datengetriebene Entscheidungen zu treffen, ich habe den größten Einfluss gesehen, wenn wir mit dem End-Erlebnis im Sinn beginnen. In meinem vorherigen Leben und jetzt bei Apexon haben meine Teams und ich eng mit Kunden aus verschiedenen Branchen zusammengearbeitet, um Agentic AI, Gen AI, AI, ML, RPA und Data von Buzzwords in Geschäftsergebnisse umzuwandeln – Erkenntnisse freizusetzen, Effizienz zu verbessern, Kundenerfahrungen zu verbessern, Risiken zu managen und Wettbewerbsvorteile für unsere Kunden zu schaffen. Diese ständige Zusammenarbeit und Fokussierung auf Ergebnisse ist es, was mein Denken weiterhin prägt.

Was hat Sie zu Apexon gezogen, und wie stimmt die aktuelle Herangehensweise des Unternehmens an Data, Analytics und AI mit Ihrer persönlichen Vision für die Zukunft der Unternehmens-Technologie überein?

Was mich zu Apexon gezogen hat, ist sein klares Bekenntnis, Kunden zu helfen, Innovation mit einem Zweck zu umarmen. Innovationskultur und Wachstumsmentalität sind in jedem Menschen, der mit Apexon verbunden ist, tief verwurzelt, und das zeigt sich in der Art und Weise, wie wir lernen, innovieren und gemeinsam Grenzen überwinden. Mit tiefen Fähigkeiten in Data und AI, kombiniert mit Tiefe in Engineering und einem scharfen Fokus auf regulierte Branchen wie BFSI und Gesundheitswesen, betrachtet Apexon Data oder AI nicht als isolierte Fähigkeiten – sondern als grundlegende Vermögenswerte, um intelligente Unternehmen zu schaffen, um skalierbare, IP-getriebene Geschäfts-Lösungen und -Plattformen zu bauen. Dies stimmt eng mit meiner Überzeugung überein, dass die Zukunft der Unternehmens-Technologie in der Schaffung intelligenter Systeme liegt, die nicht nur adaptiv, sondern auch skalierbar, wiederholbar und für langfristigen Wert gebaut sind.

Bei Apexon gibt es einen bewussten Fokus darauf, Spitzen-Technologie in sinnvolle Geschäftsergebnisse umzuwandeln – ob es darum geht, Wettbewerbs-Einblicke freizusetzen, intelligente Automatisierung zu ermöglichen oder kundenorientierte Erfahrungen zu treiben. Diese Konvergenz von AI mit einer IP-ersten Mentalität ist genau dort, wo ich glaube, dass die Unternehmens-Transformation hin ist – und ich bin aufgeregt, diese Zukunft hier zu gestalten.

Wie helfen intelligente Stoffe dabei, ein vernetztes Unternehmen aufzubauen, und wie sieht ihre reale Umsetzung aus?

Intelligente Stoffe sind kein Produkt oder eine Plattform. Sie sind eine architektonische Verschiebung. Sie verbinden die Punkte zwischen Geschäftseinheiten, Systemen, Daten und Entscheidungen, so dass Intelligenz nicht etwas ist, das man gelegentlich nutzt, sondern immer aktiv ist. Dies verwandelt Organisationen von datengetrieben zu wirklich intelligenzgetrieben.

Kommen wir zur realen Umsetzung – denken Sie an einen Einzelhändler, der seine Lieferketten-Operationen in Echtzeit anpasst, basierend auf Faktoren wie Kaufverhalten, Störungen in der Lieferkette, geopolitischen Entwicklungen, Wetteränderungen oder lokalen Katastrophen. Oder ein Krankenhaus, das Behandlungsempfehlungen während der Überprüfung der Testergebnisse durch den Kliniker zur Verfügung stellt. Oder Banken, die Daten über mehrere Transaktionen hinweg zusammenfügen, um komplexe Geldwäsche-Aktivitäten zu identifizieren. Die Macht liegt darin, Intelligenz direkt in den Arbeitsfluss zu integrieren, anstatt sie nachträglich hinzuzufügen. So werden Unternehmen wirklich vernetzt – Intelligenz wird in jedem Teil des Unternehmens generiert und von der gesamten Organisation genutzt.

Wie nutzt Apexon generative AI-Tools wie Copilot, um Kunden Wert zu bieten, und in welchen Bereichen haben Sie die stärkste Akzeptanz gesehen?

Wir sehen Tools wie GitHub Copilot nicht nur als Codier-Assistenten, sondern als Katalysatoren, um die Art und Weise, wie Software geplant, gebaut und getestet wird, neu zu gestalten. Bei Apexon ist Copilot über den gesamten Engineering-Lebenszyklus integriert – von der Erstellung von Benutzerstories und der Verfeinerung von Anforderungen bis zur Generierung von Testfällen und der Vorhersage von Fehlern. Es hilft Teams, schneller und genauer zu arbeiten.

Als Beispiel arbeiten wir mit einem Gesundheitsdienstleister zusammen, um Copilot-Adoption und Agentic-Frameworks zu kombinieren, um den Software-Engineering-Lebenszyklus komplett neu zu gestalten und Effizienzen im Engineering zu bringen. Für einen anderen Kunden helfen wir, Gen AI und Agentic-Frameworks zu adoptieren, um die Datenqualität zu verbessern und die Macht in die Hände der Benutzer zu legen, die direkt mit Regulierungsbehörden interagieren, um Compliance-Anforderungen zu erfüllen.

Die Akzeptanz war in Bereichen am stärksten, in denen Geschwindigkeit, Personalisierung und Skalierbarkeit am wichtigsten sind – intelligente Dokumentenverarbeitung, konversationale AI und Hyper-Automatisierung. Diese sind Bereiche, in denen generative AI nicht nur Ausgaben, sondern einen strategischen Vorteil liefert.

Wie beeinflussen akademische Partnerschaften mit Institutionen wie IIT Madras und Imperial College London Ihre AI-Forschung und Talent-Entwicklungs-Strategie?

Unsere Zusammenarbeit mit IIT Madras und Imperial College London spielt eine wichtige Rolle bei der Gestaltung unserer Forschungs-Agenda und unserer Strategie für die Entwicklung zukünftiger Talente. Wir finanzieren nicht nur Projekte – wir arbeiten eng mit führenden Forschern zusammen, um Grenzbereiche wie Agentic AI, Multi-Agenten-Systeme und AGI zu erkunden. Diese Partnerschaften geben uns tiefere Einblicke in verschiedene aufkommende Bereiche – wie zum Beispiel, wie große Sprachmodelle sich verhalten und evolvieren, um sie in verschiedenen Domänen kontextuell zu machen.

Sie dienen auch als Motoren für die Talent-Entwicklung. Durch gemeinsame Programme schaffen wir praktische Lernmöglichkeiten, die akademische Tiefe mit Unternehmens-Relevanz verbinden. Es ist ein zweigleisiger Austausch: Wir gewinnen Zugang zu Spitzen-Forschung, und Studenten beschäftigen sich mit realen Problemen. Diese Synergie ist entscheidend für die Skalierung unserer AI-, Data- und digitalen Engineering-Fähigkeiten.

In Branchen wie Gesundheitswesen, Finanzen oder Telekommunikation – was ist ein Beispiel, in dem Apexons AI- oder Analytics-Lösung die operative Effizienz erheblich verbessert oder neue Geschäftsmodelle freigesetzt hat?

Ein gutes Beispiel ist unsere Arbeit mit einer führenden nordamerikanischen Finanzinstitution, um ihren Risikobewertungsprozess mithilfe eines AI-gestützten Frameworks zu modernisieren. Durch die Automatisierung der Daten-Erfassung, die Standardisierung fragmentierter Quellen und die Bereitstellung eines Echtzeit-Risiko-Motors reduzierten wir die manuelle Arbeitsleistung um 90 % und beschleunigten die Bewertungen um 4-mal. Integrierte Vorhersage-Alarme und Compliance-Tracking halfen, regulatorische Strafen um 30 % und finanzielle Exposition um 40 % zu reduzieren. Aufgebaut auf einer cloud-nativen, mikroservice-basierten Architektur, verbesserte die Lösung nicht nur die Genauigkeit und Geschwindigkeit, sondern positionierte den Kunden auch für skalierbares, datengetriebenes Risiko-Management in einem sich schnell verändernden regulatorischen Umfeld.

Welche aufkommenden Technologien oder AI-Trends konzentrieren Sie sich am meisten auf als die nächste große Grenze für die Unternehmens-Innovation?

Bei Apexon sehen wir Agentic AI als den nächsten großen Sprung in der Unternehmens-Intelligenz in naher Zukunft. Im Gegensatz zu traditionellem AI, das auf Anfragen reagiert, können Agentic-AI-Systeme dynamischen Kontext autonom interpretieren, Ziele setzen und verfolgen, über Systeme hinweg zusammenarbeiten und sich kontinuierlich durch Feedback verbessern. Wir haben ein umfassendes Framework, AgentRise, entwickelt, um dies zu ermöglichen. AgentRise kombiniert ein Agentic-AI-Gehirn, Multi-Agenten-Orchestrierung, menschliche Aufsicht und Unternehmens-Grade-Beobachtbarkeit.

Das Ergebnis ist AI, die nicht nur assistiert, sondern komplexe Geschäfts-Workflows autonom ausführt, von der Dokumenten-Triage im Gesundheitswesen bis hin zur Echtzeit-Ausnahmebehandlung in der Finanzbranche.

Was unsere Herangehensweise auszeichnet, ist der Fokus auf skalierbare, vertrauenswürdige Intelligenz. Wir nutzen modulare Komponenten, Prompt-Engineering und sichere Integrationen, um Agentic AI mit Geschwindigkeit und Zuverlässigkeit bereitzustellen. Es ist nicht nur Innovation – es ist AI, die in den Geschäftsfluss eingebettet ist, sicher skaliert und greifbare Ergebnisse liefert. Wenn diese Systeme ausgereift sind, glauben wir, dass sie das Rückgrat adaptiver, selbstentwickelnder Unternehmen in regulierten und hoch-impact-Bereichen bilden werden.

Wir verfolgen auch Fortschritte in Narrow AI, Artificial General Intelligence und Quanten-Computing – aber was uns am meisten begeistert, ist, wie diese Technologien konvergieren, um Unternehmen zu ermöglichen, die nicht nur intelligent, sondern auch adaptiv, autonom und in der Lage sind, sich selbst zu entwickeln.

Welche sind die größten Herausforderungen, denen sich Unternehmen bei der Umstellung von Legacy-Data-Systemen auf moderne Analytics-Architekturen gegenübersehen?

Unternehmen stoßen typischerweise auf vier große Herausforderungen, wenn sie von Legacy-Systemen auf moderne Analytics-Architekturen umsteigen.

Die erste ist die Akzeptanz und der Wert-Realisierung. Legacy-Plattformen prägen oft tief verwurzelte Arbeitsweisen, was Change-Management kritisch macht. Unternehmen müssen sicherstellen, dass neue Analytics-Plattformen greifbare Geschäftsergebnisse wie Umsatzwachstum, operative Effizienz und verbessertes Risiko-Management liefern, anstatt sich nur auf technische Upgrades zu konzentrieren.

Die zweite ist die technologische Modernisierung und die Aufbau von Fähigkeiten. Viele Unternehmen betreiben komplexe Legacy-Bestände, die Mainframes, On-Premise-Systeme und frühe Cloud-Umgebungen umfassen. Die Modernisierung dieser Umgebungen erfordert eine sorgfältige Rationalisierung und Neukonzeption, neben dem Aufbau der Fähigkeiten, Talente und Betriebsreife, die erforderlich sind, um moderne Data-, Analytics- und AI-Plattformen aufrechtzuerhalten.

Die dritte ist die Data- und AI-Bereitschaft. Modernisierung ist nicht nur darum, Daten auf eine neue Plattform zu verschieben. Unternehmen müssen sicherstellen, dass Daten für fortschrittliche Analytics und AI vorbereitet sind, indem sie die Datenqualität stärken, Governance, Herkunft, Datenschutz und ethische Sicherheitsvorkehrungen verbessern, damit Erkenntnisse und AI-Modelle vertrauenswürdig und skalierbar sind.

Schließlich gibt es die organisatorische Verschiebung. Da Plattformen in Richtung autonomer und agenter AI-Fähigkeiten evolvieren, müssen Unternehmen ihre Betriebsmodelle, Arbeitnehmer-Fähigkeiten und Kultur anpassen, um eine effektive Zusammenarbeit zwischen Menschen und intelligenten Systemen zu ermöglichen.

Wie stellen Sie sicher, dass digitale Erfahrungen und AI-Lösungen auf menschliche Bedürfnisse und nicht nur auf technische Ergebnisse ausgerichtet bleiben?

Ich glaube, dass die Grundlage wirklich wirksamer digitaler und AI-Lösungen ein klarer Wechsel in der Denkweise ist – von der Frage, was Technologie leisten kann, zu der Frage, wie sie Geschäftswert schaffen und Menschen und Gesellschaft dienen kann.

Wir beginnen, indem wir jede Initiative in realen menschlichen Ergebnissen verankern, wie besseren Entscheidungen, stärkerer Einbeziehung, stärkerem Vertrauen und einfacheren Erfahrungen. Dies erfordert tiefes Engagement mit Benutzern, kontinuierliches Zuhören und das Design von Lösungen um die Art und Weise, wie Menschen digitale Erfahrungen adoptieren und interagieren. Wir integrieren absichtlich menschzentriertes Design, Transparenz und Rechenschaftspflicht in unsere Plattformen.

In hoch-impact-Bereichen insbesondere muss AI mit starker menschlicher Aufsicht und klaren ethischen Sicherheitsvorkehrungen operieren, um sicherzustellen, dass sie menschliches Urteilsvermögen erweitert, anstatt es zu ersetzen. Ebenso wichtig ist es, Erfolg nicht nur durch Leistungs-Metriken, sondern auch durch Akzeptanz, Benutzer-Vertrauen und langfristigen Wert-Schaffung zu messen.

Wenn dies gut gemacht wird, gehen die Vorteile weit über einzelne Organisationen hinaus. Menschzentrierte AI hat das Potenzial, Zugang zu Chancen zu erweitern, Institutionen zu stärken und die Lebensqualität auf großem Maßstab zu verbessern. Sie kann dazu beitragen, widerstandsfähigere Volkswirtschaften, gerechtere Systeme und besser informierte Gesellschaften aufzubauen. Letztendlich sollte unser Ziel darin bestehen, AI zu entwickeln, die nicht nur intelligent, sondern auch verantwortungsvoll, inklusiv und zweckorientiert ist. Technologie, die menschliches Potenzial erweitert und positiv zum zukünftigen Wohlergehen beiträgt, das wir gemeinsam gestalten.

Wie bewerten Sie den Erfolg von Gen-AI-Deployments bei Apexon – gibt es spezifische KPIs oder Frameworks, die Sie verwenden, um Effektivität über verschiedene Kunden-Umgebungen hinweg zu messen?

Bei Apexon haben wir robuste Frameworks etabliert, unterstützt durch ein Portfolio an IP, Lösungen und Acceleratoren, um sowohl unsere Teams als auch unsere Kunden dabei zu unterstützen, die Effektivität von GenAI- und Agentic-AI-Deployments zu messen.

Erstens konzentrieren wir uns auf den Geschäftswert. Dies beginnt mit klar definierten domänen- oder prozessspezifischen Zielen, aber letztendlich konzentriert es sich auf die Messung strategischer Ergebnisse wie verbesserter Kundenerfahrung, Umsatzwachstum, Kosteneinsparungen, operativer Effizienz und stärkerem Risiko-Management. Unser proprietäres M4-Framework unterstützt dies, indem es ein strukturiertes Ausführungs-Modell für Analytics-Engagements bereitstellt. M4 bietet eine bewährte Strategie und vorhersehbare Schritte für die Daten-Modernisierung, um Organisationen dabei zu helfen, Use-Cases zu kartieren, Daten-Architekturen zu modernisieren und in cloud-basierte Analytics-Umgebungen zu wechseln, während sichergestellt wird, dass AI-Initiativen eng mit messbaren Geschäfts-KPIs verbunden bleiben.

Zweitens bewerten wir die Akzeptanz und den Wert-Realisierung. AI-Deployments haben nur dann einen bedeutenden Einfluss, wenn sie vertrauenswürdig, weit verbreitet und effektiv sind, um menschliche Fähigkeiten zu erweitern. Bei Apexon hat unsere eigene unternehmensweite Adoption von GenAI und Agentic AI als praktisches Modell für Kunden gedient. Wir begannen, Mitarbeiter über das gesamte Unternehmen hinweg mit GenAI- und Agentic-AI-Fähigkeiten auszustatten, sie mit Tools, Richtlinien und Anleitungen für den verantwortungsvollen Einsatz zu versorgen, während wir gleichzeitig die Geschäftsergebnisse verfolgten, die sie lieferten. Die Governance-Frameworks, Richtlinien und KPIs, die wir durch diese Reise entwickelt haben, helfen unseren Kunden nun, GenAI-Adoption zu beschleunigen und zu skalieren.

Drittens messen wir die technische Leistung. Unsere Acceleratoren innerhalb der Genysys-Plattform ermöglichen die kontinuierliche Überwachung wichtiger operativer Metriken wie Antwort-Genauigkeit, Halluzinations-Raten, Kosten pro Inferenz, Skalierbarkeit und Gesamtsystem-Leistung. Genysys, Apexons proprietäre GenAI-Plattform, konsolidiert die Fähigkeiten mehrerer großer Sprachmodelle in einer einheitlichen Umgebung mit nahtloser Integration über mehr als zehn LLMs. Dies ermöglicht es Organisationen, die am besten geeigneten Modelle für verschiedene Use-Cases auszuwählen, während sie gleichzeitig die Leistung, Zuverlässigkeit und Kosteneffizienz über die Deployments hinweg im Auge behalten.

Schließlich bewerten wir Governance und Risiko. Unser Enterprise-Guardrail-Framework, Teil des AgentRise-Angebots, hilft Organisationen, kritische Bereiche wie Governance, Risiko und Compliance anzugehen. Angesichts unserer tiefen Arbeit mit regulierten Branchen helfen wir Kunden, Erklärbarkeit, Prüfbarkeit, Daten-Herkunft, Datenschutz-Sicherheitsvorkehrungen und die Ausrichtung auf verantwortungsvolle AI-Standards zu bewerten, um sicherzustellen, dass AI-Systeme sowohl skalierbar als auch vertrauenswürdig sind.

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