Vier Jahre für die Basis: Cushman & Wakefield schaltet KI-Kern für 53.000 Mitarbeiter scharf

Cushman & Wakefield startet globalen AI-Core für 53.000 Mitarbeiter

Während viele Großkonzerne bei der Künstlichen Intelligenz noch im Experimentiermodus verharren, hat der Immobiliendienstleister Cushman & Wakefield einen anderen Weg eingeschlagen. Sal Companieh, Chief Digital and Information Officer des Unternehmens, hat in den vergangenen vier Jahren einen unternehmensweiten KI-Kern aufgebaut. Das System ist nach seinen Angaben darauf ausgelegt, eine vertrauenswürdige, dauerhafte und skalierbare Wirkung für weltweit 53.000 Mitarbeiter zu entfalten. Companieh beschreibt die typische Ausgangslage großer Häuser so: „For most large enterprises, AI transformation is a story of silos — business units running competing experiments, data sitting in disconnected systems, and outcomes staying out of reach.“

Der KI-Kern basiert auf zwei miteinander verzahnten Komponenten: einem bewussten Betriebsmodell und einer vereinheitlichten Datenstrategie. Das Betriebsmodell soll dem Silo-Denken entgegenwirken, indem es festlegt, wie KI-Initiativen gesteuert, priorisiert und in die Geschäftsprozesse integriert werden, statt sie einzelnen Abteilungen zu überlassen. Die Datenstrategie wiederum zielt darauf ab, die fragmentierte Informationslandschaft eines globalen Immobilienkonzerns in eine nutzbare Grundlage zu überführen. Erst diese Kombination soll es ermöglichen, KI-Anwendungen nicht nur als Pilotprojekte zu starten, sondern sie mit reproduzierbaren Ergebnissen in der Breite der Organisation zu verankern. Der vierjährige Aufbau erfolgte bewusst methodisch, um eine Architektur zu schaffen, die auf einem durchdachten Betriebsmodell und einer einheitlichen Datenbasis fußt – beides Faktoren, die über die reine Technik hinausgehen und die organisatorische Verankerung fördern sollen.

Die Lücke zwischen Demo und produktivem KI-System

Die von Cushman & Wakefield beschriebene Architektur zielt auf ein grundlegendes Problem, das die gesamte KI-Branche durchzieht: die notorische Lücke zwischen einer vielversprechenden Demo und einem produktiven System. Einem archivierten Fachartikel zufolge existieren vier zentrale Hürden, die diesen Sprung so schwierig machen.

Die erste Lücke betrifft die Datenintegration. Ein Prototyp arbeitet oft mit einem sorgfältig kuratierten, statischen Datensatz, während ein Produktivsystem dynamische, oft widersprüchliche Datenströme aus verschiedenen Quellen verarbeiten muss. Fehlen standardisierte Schnittstellen und eine übergreifende Daten-Governance, scheitert die Skalierung bereits an dieser Stelle. Zweitens mangelt es an Robustheit: Was in einer kontrollierten Umgebung funktioniert, scheitert häufig an unvorhergesehenen Eingaben oder Randfällen im Echtbetrieb. Die dritte Lücke liegt im fehlenden Betriebsmodell, das Wartung, Überwachung und kontinuierliches Nachtraining der Modelle regelt. Ohne klare Verantwortlichkeiten und automatisierte Feedback-Schleifen verkümmern selbst treffsichere Modelle mit der Zeit. Viertens fehlt es an der Einbindung in bestehende Geschäftsprozesse, sodass die KI-Ergebnisse nicht in tatsächliche Arbeitsabläufe und Entscheidungen einfließen. Die Folge: Der Output bleibt folgenlos, und der erhoffte Mehrwert verpufft.

Cushman & Wakefields Ansatz lässt sich als direkter Versuch lesen, genau diese vier Lücken zu schließen. Die vereinheitlichte Datenstrategie adressiert das Integrationsproblem, indem sie die fragmentierte Datenlandschaft von vornherein zusammenführen will. Das bewusste Betriebsmodell wiederum soll die Lücken bei Wartung und Prozessintegration schließen, indem es klare Verantwortlichkeiten und standardisierte Abläufe für den KI-Betrieb definiert. Die vierjährige Entwicklungszeit deutet darauf hin, dass ein erheblicher Teil der Arbeit nicht in der Entwicklung von Algorithmen, sondern in der Schaffung dieser organisatorischen und datentechnischen Voraussetzungen bestand. Ob die Robustheit im Echtbetrieb tatsächlich erreicht wird, bleibt jedoch eine Frage der praktischen Bewährung, die sich erst im täglichen Einsatz durch die 53.000 Mitarbeiter zeigen wird.

Strategische Bedeutung und Risiken für Cushman & Wakefield

Die Einführung des KI-Kerns ist für Cushman & Wakefield mehr als ein IT-Projekt; sie ist ein strategischer Vorstoß in einer Branche, die traditionell nicht als Vorreiter der Digitalisierung gilt. Statt isolierter Experimente in einzelnen Geschäftsbereichen setzt das Unternehmen auf eine konsolidierte, unternehmensweite Architektur. Gelingt die Skalierung, könnte dies einen erheblichen Wettbewerbsvorteil bedeuten. Eine einheitliche KI-Architektur erlaubt es, Erkenntnisse aus verschiedenen Märkten und Service-Linien zusammenzuführen und in Echtzeit zu nutzen – etwa für präzisere Marktprognosen, schnellere Reaktionen auf Kundenanfragen oder eine konsistente Bewertungslogik über das gesamte Portfolio hinweg. Fragmentierte Initiativen können solche Synergien nicht heben, weil sie in Datensilos gefangen bleiben. Genau hier setzt der von Companieh beschriebene Ansatz an: Statt „competing experiments“ in einzelnen Einheiten zu dulden, bündelt das bewusste Betriebsmodell die Kräfte und schafft eine gemeinsame Datenbasis, die mit jedem weiteren Anwendungsfall wertvoller wird.

Dieser Vorsprung könnte andere große Dienstleister unter Zugzwang setzen. Wenn Cushman & Wakefield nachweist, dass sich mit einer zentralisierten KI-Strategie konsistent bessere und schnellere Dienstleistungen erbringen lassen, geraten Wettbewerber mit fragmentierten KI-Initiativen unter Druck, ihre eigenen Strukturen zu überdenken. Kunden, die zunehmend datengestützte Entscheidungen erwarten, könnten ihre Aufträge bevorzugt an Anbieter vergeben, die solche Fähigkeiten vorweisen können. Der Zugzwang entsteht also nicht allein durch die Technologie, sondern durch die Markterwartung, die eine erfolgreiche Skalierung auslösen würde.

Der Erfolg dieses Vorhabens hängt jedoch entscheidend von einer Komponente ab, deren Zustand ungewiss ist: der Qualität und Konsistenz der zugrundeliegenden Datenbasis. Einem archivierten Report zufolge sind die Fähigkeiten und Risiken allgemeiner KI-Systeme untrennbar mit der Beschaffenheit der Dateninfrastruktur verbunden. Ungenaue, unvollständige oder verzerrte Datenbestände führen unweigerlich zu fehlerhaften Modellen, die im großen Maßstab nicht nur nutzlos, sondern geschäftsschädigend sein können. Der Report unterstreicht, dass selbst fortschrittlichste Algorithmen ohne eine solide, gut gepflegte Datenbasis keine verlässlichen Ergebnisse liefern und bestehende Verzerrungen sogar verstärken können.

Für Cushman & Wakefield bedeutet dies, dass die Vereinheitlichung der Datenstrategie nicht nur eine technische, sondern eine existenzielle Voraussetzung ist. Die öffentlich zugänglichen Informationen lassen offen, wie weit dieser Bereinigungsprozess tatsächlich fortgeschritten ist. Sollte die Datenbasis den Anforderungen eines produktiven KI-Systems nicht genügen, droht der KI-Kern genau jene Lücke zwischen Demo und Realität zu reproduzieren, die er zu schließen vorgibt. Die kommenden Monate werden zeigen, ob die vierjährige Investition in die Basisarchitektur das Fundament für einen echten Wettbewerbsvorteil gelegt hat – oder ob die Branche weiter auf den ersten echten produktiven KI-Durchbruch warten muss.