Keynote: Willkommen in der Zukunft der Zusammenarbeit zwischen Menschen und KI-Agenten

Guten Morgen und herzlich willkommen zum Work Innovation Summit in New York.

Alles klar. Warum sind wir also alle hier? Wir sind hier, um zu lernen. Wir haben für den Rest des Tages einige großartige Sessions geplant. Wir sind hier, um Kontakte zu knüpfen. Wenn Sie nach links oder rechts schauen, werden Sie feststellen, dass Sie von einigen der inspirierendsten Führungskräfte der Technologiebranche umgeben sind.

Und wir sind auch hier, um uns von der Zukunft, der Zukunft der Arbeit und der Zukunft der handlungsstarken Arbeit inspirieren zu lassen.

Zunächst möchte ich mich bei unserem Co-Gastgeber der LTSC bedanken, der mit visionären Unternehmen zusammenarbeitet, die langfristig erfolgreich sind.

Beginnen wir unsere Reise mit unserem Privatleben.

Und zu Hause beobachten wir einen enormen Produktivitätsschub durch die Arbeit mit KI-Assistenten. Sie helfen uns bei der Recherche. Sie helfen uns beim Erstellen von Inhalten. Sie helfen uns bei der Planung.

Aber aus irgendeinem Grund funktionieren sie bei der Arbeit einfach nicht.

Und was Sie sehen, ist, dass die enorme Produktivität, die Sie sich in Ihrem Arbeitsleben erhofft haben, einfach noch nicht erreicht wurde.

Warum ist das so?

Nun, es gibt fünf Gründe, warum sich das Arbeitsleben vom Privatleben unterscheidet.

Der erste Grund ist dieses kleine Ding namens Wissen, was im Grunde bedeutet, dass zu Hause der einzige Kontext, um den Sie sich kümmern müssen, in Ihrem eigenen Kopf ist und Sie ihn leicht abrufen können.

Aber bei der Arbeit befindet sich der Weg zum Erfolg, also das Wissen darüber, wie die Dinge in der Vergangenheit erledigt wurden, in den Köpfen anderer Menschen. Deshalb stellen Sie fest, wenn Sie jemals einen Praktikanten in Ihrem Team hatten, dass es ein paar Wochen dauert, ihn einzuarbeiten, damit er weiß, wer was weiß und wie wir hier arbeiten.

Die Arbeit unterscheidet sich auch von Ihrem Privatleben, denn bei der Arbeit erstrecken sich die Abläufe über mehrere Systeme hinweg.

Dutzende, Hunderte von Systemen und mehrere Personen.

Tatsächlich viele Menschen. Wenn Sie zu Hause mit einem dieser Sachbearbeiter interagieren, ist die einzige Person, mit der Sie sich abstimmen müssen, Sie selbst.

Vielleicht Ihren Ehepartner, vielleicht Ihre Kinder.

Aber bei der Arbeit müssen Sie sich mit 10, 20, 30 Personen abstimmen, um die einfachsten Dinge zu erledigen. Und wissen Sie was? Sie alle haben ihre eigene Meinung.

Sie haben Meinungen darüber, wie die Dinge aussehen und sich anfühlen sollten. Sie haben ihre eigenen Standards. Sie haben ihre eigenen Vorlieben.

Das ist ganz anders als in Ihrem Privatleben.

Und schließlich müssen Sie sich zu Hause nur um Ihre eigenen Daten kümmern. Sie können auswählen, wie viele Daten Sie teilen möchten.

Aber bei der Arbeit liegt diese Entscheidung nicht wirklich bei Ihnen, denn es gibt da diese kleine Sache namens Kundendaten, die wirklich wertvoll sind.

Deshalb ist die Arbeit anders als zu Hause, und deshalb hat Asana sich vorgenommen, das Betriebssystem für menschliche Agenten zu entwickeln, mit dem wir all diese kontextuellen Herausforderungen des Arbeitsumfelds lösen.

Wir beginnen die Reise mit dem Work Graph.

Der Work Graph ist im Grunde ein lebendiges Verzeichnis, in dem festgehalten wird, wer was bis wann erledigt und wie die Dinge in der Vergangenheit erledigt wurden. Dadurch wird sichergestellt, dass jeder Mitarbeitende, der mit dem Work Graph arbeitet, bereits über diesen Verlauf und dieses Wissen verfügt.

Und zweitens: Asana lässt sich jetzt mit unseren Connectors in 500 Systeme integrieren. Das bedeutet, dass unser KI-Chief-of-Staff, Dash, den viele von Ihnen heute kennenlernen werden, falls Sie ihn nicht bereits in Ihrer täglichen Arbeit kennengelernt haben, ableiten kann, welche Workflows erforderlich sind. Er kann eine unklare Anweisung nehmen, sie in einen Workflow, in eine Reihe von Aufgaben umwandeln und die Arbeit tatsächlich erledigen.

Und was die Koordination von Personen betrifft, beginnen wir mit einer zentralen Plattform für die Zusammenarbeit aller.

Wir haben eine einzige Arbeitsfläche, ein einziges Register, auf dem jeder sehen kann, was fällig ist und wer als Nächstes was erledigen muss. Die Herausforderung der Koordination, das ewige Hin und Her, ist mit diesem Multiplayer-Framework passé.

Wir haben vordefinierte Teamkollegen.

Teamkollegen sind Akteure, die sich genau wie Menschen verhalten.

Wir haben 30 davon definiert und erstellt, damit Sie schon heute damit beginnen können, die Arbeit in Ihren Teams zu erledigen.

Das Tolle an Teamkollegen ist jedoch, dass Sie mit ihnen im Multiplayer-Modus interagieren können. Das bedeutet, dass Sie all die Präferenzen und Vorlieben der Teammitglieder in den Teamkollegen einfließen lassen können – wie Sie möchten, dass die Dinge aussehen, wie Sie möchten, dass die Ergebnisse aussehen, welche Inputs genutzt werden sollen.

Und mit KI-Assistenten mit festgelegten Zugriffsrechten ist jeder dieser Teamkollegen programmierbar. Sie können sie so programmieren, dass sie nur auf die Daten zugreifen, auf die Sie möchten, dass sie zugreifen.

Nur um die Kosten zu verbrauchen, die Sie verbrauchen lassen möchten.

Und Sie können die Genehmigungskette für jeden einzelnen Teamkollegen so festlegen, dass sie einer bereits bestehenden Hierarchie entspricht.

Dies ist das Betriebssystem für menschliche Agenten, mit dem wir die fünf großen Herausforderungen gelöst haben, die sich bei der Bereitstellung von KI-Produktivität in Unternehmen stellen.

Werfen wir also einen Blick auf ein Beispiel aus der Praxis. Und dieses Beispiel aus der Praxis ist Cindy.

Cindy beginnt ihr Leben sehr glücklich. Sie arbeitet im Kundensupport.

Sie hat ein neues Tool für den Kundensupport entdeckt. Sie möchte es in ihrer gesamten Gruppe einführen.

Und sie ist der Konkurrenz einen Schritt voraus. Sie weiß, wie hoch ihr Budget ist.

Sie weiß, welche Anbieter sie in Betracht zieht. Sie hat bereits Ausschreibungen verschickt.

Aber was typischerweise mit jemandem wie Cindy passiert, wenn sie eine einfache Eingabe macht – wir brauchen ein neues Tool für den Kundensupport –, ist, dass sie mit der Realität konfrontiert wird.

Die Realität ist hart.

Die Realität sind 100 Unteraufgaben.

Ich habe tatsächlich einige dieser Aufgaben, an denen ich beteiligt war, manuell aufgeschrieben. Es gibt eine Vielzahl von Aufgaben, nur um ein neues Kundensupport-Team startklar zu machen … Das Tool einsatzbereit zu machen.

Das sind also eine Menge Aufgaben.

Das wäre vielleicht einfach, wenn sie irgendwie linear wären, aber in Wirklichkeit sieht es so aus, wenn Sie mit der Arbeit beginnen.

Man verliert sich in diesem Hin und Her von Übergaben.

Ich weiß, dass einige von uns hier schmerzhaft das Gesicht verziehen, weil ihnen das nur allzu bekannt vorkommt. Denn bei der Arbeit verbringen wir oft unsere Zeit mit Arbeit rund um die Arbeit, anstatt mit der eigentlichen Arbeit.

Dies ist die Realität für so viele Teams, die in dem stecken bleiben, was ich den Arbeitswirbelsturm nenne.

Es muss einen besseren Weg geben.

Cindys Hoffnungen und Träume für dieses neue Tool für den Kundensupport sind gerade zerschlagen worden, weil sich das Ganze zu einem acht-, neun-, zehnwöchigen Projekt entwickelt hat – nur um einen Dienstleister auszuwählen.

Mal sehen, ob wir Cindy helfen können.

Mit Asana ist Ihr neuer erster Ansprechpartner Dash, Ihr KI-Chief-of-Staff.

Dash wird Cindy hier fragen, was wir heute vorhaben. Ich möchte einen neuen Anbieter für den Kundensupport auswählen.

Aber Dash beginnt nicht mit einer leeren Leinwand.

Asana Dash wird sofort den Work Graph durchsuchen.

Dash versteht alles, was in Ihrem Unternehmen passiert.

In diesem Beispiel ist Dash sogar in der Lage, nachzuschauen und herauszufinden, ob wir in der Vergangenheit schon einmal einen neuen Anbieter eingeführt haben. Ich glaube, das haben wir. Was war damit verbunden? Ich werde mir alle vergangenen Projekte, alle vergangenen Budgets, alle vergangenen Ziele, die getroffenen Entscheidungen und die Meetings ansehen und herausfinden, welche 100 Aufgaben tatsächlich erledigt werden müssen. Ich kann sie alle übersichtlich auf einer einzigen Leinwand darstellen.

Und wissen Sie was? Ich werde noch ein bisschen mehr tun.

Ich weiß irgendwie, wer wer im Unternehmen ist. Ich werde die Personen zuweisen, die diese Arbeit erledigen müssen, damit ich jetzt ein System habe, um diese Aufgabe zu erledigen.

Und Sie werden hier sehen, dass dieser Aufgabe einige ungewöhnliche Personen zugewiesen wurden. Einige Personen, die wir vielleicht noch nie zuvor gesehen haben.

Das sind Teamkollegen.

Das sind vordefinierte Teamkollegen.

An dieser Stelle möchte ich Ihnen drei dieser Teamkollegen vorstellen. Eine prüfende Person für Sicherheit, eine Preisanalystin und ein Projektassistent. Das sind vorgefertigte, vorkonfigurierte Teamkollegen.

Es stellt sich heraus, dass Asana eine lange Geschichte der Arbeit mit der Arbeit hat. Deshalb haben wir 30 vorkonfigurierte Teamkollegen erstellt, von denen wir wissen, dass sie für Sie alle nützlich sein werden.

Wir haben uns mit jedem dieser Teamkollegen befasst, sie geschult und trainiert, damit wir genau wissen, wie wir Ihnen am besten helfen können.

Das sind also Ihre vordefinierten Teamkollegen. Plötzlich ist das Leben für Cindy viel besser geworden.

In einer einzigen Umgebung kann sie mehrere Arbeitsabläufe koordinieren, in denen sowohl Menschen als auch Bots tätig sind.

Und was Cindy besonders auffällt, ist die Auswahl eines Anbieters.

Die Sicherheitsprüfung ist abgeschlossen. Die Anforderungen sind erfüllt.

Leider hat ein bestimmter Anbieter die Budgetanforderung nicht erfüllt. Das Angebot lag bei 600.000 US-Dollar. Sie hatte nur 500.000 $ pro Jahr zur Verfügung.

Aber keine Sorge.

Jemand anderes in diesem Unternehmen hat bereits einen Verhandlungsagenten erstellt.

Dieser Verhandlungsagent hat vordefinierte Spielregeln. Er weiß genau, welchen Verhandlungsleitfaden er befolgen muss. Er kennt seine Budgetgrenzen und weiß auch, wer in der Finanzabteilung auf welcher Ebene was genehmigen darf.

Das ist die Idee hinter der Festlegung der Zugriffsrechte Ihrer KI-Assistenten. Dieser Assistent ist vordefiniert. Der Assistent macht sich an die Arbeit. Er macht sich an die Arbeit, um dieses Angebot zu bearbeiten. Er antwortet tatsächlich Cindy. Er unterbreitet ihr einen neuen Gegenvorschlag. Der Anbieter wird ausgewählt.

Das Leben ist schön.

Anstatt acht Wochen lang hin und her zu schreiben, geschieht dies realistisch betrachtet innerhalb weniger Tage.

Meine Frage an Sie alle lautet also: Gibt es in Ihrer Gruppe Arbeitsprozesse, die Sie agentifizieren möchten? Welche Workflows werden Sie heute agentifizieren?

Im weiteren Verlauf der Show möchten wir Ihnen zeigen, dass es einfacher ist, als Sie denken, einen agentischen Workflow zu erstellen, egal ob Sie im Marketing, in der IT, im Bereich strategische Abläufe, in der Forschung und Entwicklung tätig sind oder ein Tool zur Erstellung von Prozessen für Ihr gesamtes Unternehmen nutzen.

Denn mit Asana stellen wir das Betriebssystem für Mensch-KI-Teams bereit, damit wir alle gemeinsam Workflows voranbringen können.

Ich übergebe jetzt an unsere Chief Product Officer, Arnah Bose, die uns näher erläutern wird, wie Sie alle diese Workflows bereits heute erstellen können. Danke.

Hallo zusammen. Wie läuft's? Na ja … Ja. Bringen wir etwas Schwung rein. So ist es richtig. Ja.

Schön, die Energie hier im New Yorker Publikum zu spüren. Ich bin Arnab. Ich bin Head of Product hier bei Asana.

Und was ich Ihnen heute vorstellen möchte, ist das, was Dan auf einer höheren Detailebene gezeigt hat.

Was er gezeigt hat, war die koordinierte Ausführung über mehrere Systeme hinweg und dann der Aufbau all dessen mit der Leistungsfähigkeit des Work Graphs, dieses Kontext-Tools, das wir hier bei Asana seit weit über einem Jahrzehnt entwickeln.

In meinem Abschnitt werde ich darüber sprechen, wie dieser Work-Graph-Kontext mit der Leistungsfähigkeit von Stack.ai genutzt werden kann, um Aktionen über mehrere Systeme hinweg zu koordinieren, und wie wir durch die wiederholte Anwendung dieses End-to-End-Prozesses Daten wieder in den Work Graph zurückschreiben können, sodass jedes Mal, wenn es eine Ausnahme gibt oder eine neue Verhandlung stattfindet, diese Daten in diesem Kontextsystem erfasst werden und zu wiederverwendbarem Wissen werden.

Es gibt also einige verschiedene Themen, die wir behandeln werden. Das eine ist die koordinierte Ausführung. Wie wird das mit der Leistungsfähigkeit des Work Graphs verbessert? Und wie wandeln wir diese Ausführungen, diese wiederholten Ausführungen, in Wissen um, damit Ihr orchestrierter Workflow beim nächsten Mal umso besser funktioniert. Er ist umso präziser.

All das erledigen wir also im Backend, indem wir mithilfe von stack.ai, das jetzt Teil von Asana ist, Verbindungen zu mehreren Systemen herstellen.

Ich möchte Sie also ein wenig tiefer in den Verhandlungsschritt einführen, den Dan gerade erläutert hat.

Der Kunde erhielt ein Angebot von einem neuen Dienstleister über 575.000 US-Dollar, was deutlich über dem Budget von 500.000 US-Dollar lag.

Und das Angebot kam, wie die meisten von Ihnen sicher aus ihrer täglichen Erfahrung kennen, wahrscheinlich als PDF.

Im PDF sind die allgemeinen Geschäftsbedingungen enthalten. Es gibt Kleingedrucktes.

Und es ist nicht ganz einfach, herauszufinden, ob Sie das Angebot einfach so genehmigen können.

Was Stack Overflow im Hintergrund getan hat, ist, dass es alle früheren Angebote überprüft hat, die der Kunde genehmigt hat. Es hat alle diese PDFs gelesen und sie in eine Wissensdatenbank umgewandelt, die RAG unterstützt. Das bedeutet, dass Sie sehr schnelle Abrufe durchführen und agentische Workflows für diesen Bestand an unstrukturierten Daten erstellen können.

Also all diese kleinen, interessanten Details im Kleingedruckten – wie hoch sind die Kosten pro Benutzer und pro Platz, gibt es eine Ausstiegsklausel im Vertrag, sind die Kosten für den Support inbegriffen? All diese Dinge machen die Analyse viel komplizierter, weil es sich nicht um eine einfache Abfrage handelt. Jetzt, Stackie, kann ich diesen Vergleich im Backend durchführen. Wir haben also im Grunde all diese unstrukturierten Daten konvertiert, damit Sie im Backend mehrere Systeme miteinander verknüpfen können.

Was macht also der Stack-Workflow? Er analysiert Dinge, die genehmigt wurden. Er prüft das konkrete neue Angebot und alle Geschäftsbedingungen und entscheidet, dass ein Gegenangebot unterbreitet werden sollte. Und das Gegenangebot sollte 489.000 $ mit einem Rabatt von 15 % betragen.

Aber das ist ein neuer Dienstleister. Wir haben diesen Prozess in der Vergangenheit noch nicht durchlaufen.

Und daher ist dies ein Punkt, an dem man nicht einfach so fortfahren und die Aktion vollständig automatisiert ausführen kann.

Wir glauben, dass die besten Ergebnisse erzielt werden, wenn Menschen und KI-Assistenten als Team zusammenarbeiten können.

Nicht wahr? Wir glauben, dass Kunden und Unternehmen erfolgreich sind, wenn sie mit Automatisierung und KI zusammenarbeiten können. Mit seinen über 190 Konnektoren zu Asana kann Stack also automatisch ein vollständig konfiguriertes Projekt für diesen Genehmigungs-Workflow erstellen. Es enthält die spezifischen Details des Angebots. Es wird die Details dazu enthalten, was wir aus finanzieller oder rechtlicher Sicht prüfen sollten, und es wird diese Unteraufgaben zuweisen und das menschliche Team einbeziehen. Hier arbeiten Menschen und KI-Assistenten auf der Grundlage desselben Registers zusammen, als wären sie ein Team. Das ist es, was wir unter koordinierter Ausführung verstehen.

Wenn also dieser Gegenvorschlag zur Genehmigung bereit ist, sagt das Finanzteam: „Hey, Schauen Sie mal. Wir wollen eine Ausstiegsklausel nach einem Jahr.

Vielleicht sagt das Team für die Genehmigung durch die Rechtsabteilung, dass es eine Reihe von roten Linien gibt, die wir einfügen möchten.

All diese Daten, die von Menschen bereitgestellt werden, werden jetzt im Work Graph erfasst. Sie werden also in den Aufgaben erfasst, die jetzt für den Stack-AI-Workflow verfügbar sind, damit er sie beim nächsten Auftreten einer solchen Ausnahme verwenden kann.

Was wir hier also zeigen und was wir wirklich unter orchestrierter Ausführung verstehen, ist nicht nur, dass Sie dieses voll funktionsfähige Tool zur Erstellung von Workflows erhalten, das mehrere Systeme zur Datenerfassung und mehrere Backend-Systeme miteinander verbindet – Sie haben schon viele davon gesehen –, sondern dass es vom Work Graph unterstützt wird. Es beginnt also mit dem Kontext. Er wird auch vom Work Graph und all den Funktionen, die Asana bietet, unterstützt, sodass Sie bei einer Ausnahme das menschliche Team zur Zusammenarbeit und Koordination hinzuziehen und die richtigen nächsten Schritte festlegen können. Außerdem können Sie diesen Prozess in Zukunft verbessern. Das ist es, was wir unter kumulativem Wissen verstehen. Asana bietet kumuliertes Wissen und hilft Ihnen, dieses Unternehmensgehirn aufzubauen, in dem, wenn KI-Agenten mit Ihrem Team, mit Ihren menschlichen Kollegen zusammenarbeiten, all diese Interaktionen aufgezeichnet werden, sodass der KI-Agent beim nächsten Mal viel besser abschneidet. Umsetzen, bewahren, verbessern. Wiederholen Sie die Schleife immer und immer wieder.

Stack von Asana ist also, ähnlich wie das eigentliche Kommandozentrum, ein Tool zur Erstellung von Workflows ohne Programmierkenntnisse. Es verfügt über mehr als 500 Integrationen. Wie Sie sehen, unterstützt es den Menschen in der Schleife. Und jetzt wird es vollständig vom Work Graph unterstützt, nicht nur für den anfänglichen Kontext, sondern auch, wenn es einige Ausnahmen erfasst, kann es den gesamten Kontext auch wieder in den Work Graph zurückspielen.

Ich möchte Ihnen den Urheber vorstellen, die Person, die Stack.ai entwickelt hat. Bitte begrüßen Sie mit mir auf der Bühne Bernard, Mitgründer von Stack.ai.

Vielen Dank, Arnav.

Ich freue mich sehr, hier zu sein, meine Damen und Herren.

Mein Name ist Bernard.

Wie Arnab bereits kurz gezeigt hat, ermöglichen wir bei Stack dot ai Unternehmen, ihre komplexesten Workflows mit KI-Assistenten zu transformieren.

Mit Stack dot ai können Sie Teams von KI-Agenten zusammenstellen, die mit mehr als 500 Unternehmenssystemen verbunden sind und wie jeder Angestellte mit einem eigenen Computer, einem eigenen Terminal und einem eigenen Webbrowser arbeiten können. So können sie ihre mühsamsten Prozesse übernehmen und sie in ihre KI integrieren.

In Kombination mit dem Work Graph können Stack-AI-Agenten im Kontext dessen arbeiten, was das Unternehmen tatsächlich tut. Wer arbeitet an was? Was sind die Ziele? Und sie arbeiten unter einer einzigen Einheit und einem einzigen Plan.

Unternehmen wie LifeMD, Exeter, Wild Retirement und BA Systems arbeiten heute alle mit Stack dot ai zusammen, um einige ihrer komplexesten Workflows in großem Maßstab zu optimieren.

Eines dieser Unternehmen ist SciMotion.

Seit über zwanzig Jahren bietet SciMotion personalisierte Versorgung, indem es ein erstklassiger Hersteller von Medizinprodukten ist, und zwar durch die Bereitstellung eines spezialisierten Services für alle Patienten und Kunden, insbesondere in Zusammenarbeit mit medizinischem Fachpersonal.

Eine derart personalisierte Betreuung kann jedoch sehr kostspielig und komplex sein.

Es kann bis zu zwei Stunden dauern, sobald sie eine Reihe von Patientenakten erhalten, um ihren Bestand in SAP zu prüfen, die Patienteninformationen in SharePoint einzusehen, verschiedene Laborergebnisse in vollständigen Skripten und ihre eigenen Daten zu prüfen und all dies zu einer schönen, personalisierten Marke zusammenzufügen.

Sie wussten, dass das nicht der richtige Weg war. Und mit der Ära der KI konnten sie etwas ändern. Mit Stack.ai haben sie einen neuen, agentenbasierten Ansatz gewählt. Sie haben alle diese Elemente zusammengeführt und ein Team von KI-Assistenten aufgebaut, das über die Stack-AI-Plattform bei jeder neuen Bestellung alle Daten aus dem Nahrungsergänzungsmittelbestand, alle Patienteninformationen und Laborergebnisse abrufen kann. Dadurch konnte die Bearbeitungszeit von zwei Stunden auf nur fünf Minuten reduziert werden.

Und als Teil dieses Prozesses konnten sie dies tun, indem sie den Menschen im Prozess belassen, sodass bei jeder kritischen Entscheidung immer der Arzt jede wichtige Entscheidung bewertet und genehmigt.

Heute haben wir den Vorteil, dass wir es nicht nur von mir hören. Wir haben auch Max Perisky, CRO von SignMojian, bei uns, der uns die Geschichte live und aus eigener Erfahrung erzählen wird. Herzlich willkommen, Max. Bitte sehr.

Schön, Sie zu sehen.

Schön, Sie zu sehen, Max. Vielen Dank, dass Sie bei uns in New York dabei sind. Ich weiß das sehr zu schätzen. Und da wir Sie heute hier haben, wäre es … Es wäre toll, ein bisschen mehr über die Geschichte zu erfahren, wie Sie an diesen Punkt gekommen sind. Wie sehen Sie diesen Prozess der Erstellung von Med-Packs über stack.ai? Und natürlich.

Nun, ich denke, dass … Der Ausgangspunkt war, wissen Sie, dass ich ein CRO bin. Und mir wurde tatsächlich gesagt, dass ich der erste CRO bin, der bei dieser Veranstaltung auf der Asana-Bühne steht, denn in der Vergangenheit hätten wir nicht unbedingt einen Grund gehabt, hier zu sein. Aber meine Aufgabe ist es eigentlich, … Wow. Ich hätte nicht gedacht, dass ich dafür Applaus bekomme. Meine Aufgabe besteht eigentlich darin, eine Infrastruktur und eine Strategie zu entwickeln, die die Reibungsverluste für unsere Kunden reduziert – und unsere Kunden sind Angehörige der Gesundheitsberufe.

Und als ich das vor etwa einem Jahr in Angriff nehmen wollte, dachte ich mir: Vielleicht gibt es eine Möglichkeit, wie KI dabei helfen kann, einige dieser Probleme zu lösen, indem sie, wie Sie sagten, diese Komponenten zusammenführt. Also kam mir eine verrückte Idee, und an einem Wochenende fing ich einfach an, mit einigen der verfügbaren Agenten herumzuspielen, und konnte das Konzept irgendwie belegen. Aber ich war mit der Art der Dokumenten- und Websuche-Disziplin nicht zufrieden. Ich bin auf Stack gestoßen und habe mit der kostenlosen Version herumexperimentiert. So konnte ich einen Agenten erstellen, der dieses Problem für meine Vertriebsgruppe gelöst hat, damit sie ihren Kunden sehr schnell einen Mehrwert bieten und den Agenten einsetzen konnte. Wir haben ihn tatsächlich eingesetzt, bevor wir überhaupt dafür bezahlt haben.

Ich erinnere mich, ich erinnere mich. Und jetzt haben sie dafür bezahlt.

Jetzt bezahlen wir dafür. Ja. Deshalb bin ich hier.

Alles klar. Aber es ist gut. Sie wissen, dass Sie dadurch viele Effizienzsteigerungen erzielen, wie z. B. die Automatisierung sowohl der Abläufe im Umsatzbereich als auch der Abläufe auf klinischer Ebene, wie wir Ihnen gezeigt haben, die Erstellung von Medikamentenpaketen und so weiter. Ich bin neugierig: Bei all dieser Effizienz gewinnen Sie wahrscheinlich eine Menge neuer Zeit. Was hat das Zimmergen als Unternehmen ermöglicht?

Nun, ein paar Dinge. Wir haben zunächst damit begonnen, dies als Tool für unsere Vertriebsmitarbeiter einzusetzen, um ihnen zu helfen, wirklich schnell einen Mehrwert zu schaffen. Wir haben über 300 Produkte. Stellen Sie sich also vor, dass jedes einzelne dieser Produkte als klinisches Instrument konzipiert ist. Sie sind also nuanciert. Sie sind kompliziert.

Und so hatten wir gerade einen großen Teil unseres Vertriebsteams ausgetauscht. Es gab also viele neue Mitarbeitende, die 300 Produkte lernen und das richtige Produkt zur richtigen Zeit an die richtige Person liefern mussten. Das hat also wirklich dazu beigetragen, diesen Prozess zu erleichtern und die Lernkurve für sie zu beschleunigen. Das war die erste Art von Proof of Concept. Und dann dachten wir, lassen Sie es uns dem Kunden anbieten, und das ist es, was wir jetzt mit dem Catalyst einführen.

Klasse. Und jetzt werden wir hoffentlich sehr bald noch viel mehr Erfolg haben. Das ist großartig. Vielen Dank, dass Sie bei uns waren, Max. Ich weiß das sehr zu schätzen. Ich freue mich auf viele weitere Jahre, in denen wir gemeinsam Dinge erledigen und, wissen Sie, sie bis zum Mond bringen.

Ja.

Vielen Dank für die Einladung.

Alles klar.

Vielen Dank, dass Sie bei uns waren. Prost. Vielen Dank.

Also, ja.

Wir haben also live von Max darüber gehört. Und er war so freundlich, uns alle Details seiner Geschichte zu schildern. Wie sieht es denn aus, wenn wir hinter die Kulissen schauen? Wie setzen Sie diese Ideen in die Produktion um? Wir werden die Geschichte eines anderen Unternehmens durchgehen, das SimoGen sehr ähnlich ist,

Es heißt Aiuhealth und bietet ebenfalls personalisierte Betreuung und Nahrungsergänzungsmittel an.

Aiuhealth ist in einem ähnlichen Bereich tätig und hat genau dasselbe Problem. Sie mussten ein System entwickeln, das es ihnen leicht ermöglichte, Patientenakten zu erfassen und anhand dieser eine Reihe von Systemen abzufragen, das Web zu durchsuchen und Daten zu sammeln, um ein medizinisches Paket mit einer maßgeschneiderten Lösung für dieses Problem zu personalisieren. Wie Sie auf dem Bildschirm sehen können, haben sie einen KI-Assistenten entwickelt, der tatsächlich ein Patientenakten-PDF erhalten, alle diese Systeme abfragen, alle Skript-Tools abfragen und dann alle Ergebnisse zu einem personalisierten Paket zusammenfassen kann, das Ihnen angibt, wo Sie diese Daten finden und was Ihre Quellen sind.

Und nicht nur das: Sie erhalten auch einen Überblick über alle Spuren der von Ihnen durchgeführten Aktionen. Und wenn man das im mFrame-Dateiergebnis zusammenfasst: Was passiert hinter den Kulissen, während der Agent denkt und all diese Daten sammelt? In Stack.ai haben sie, wie Sie auf dem Bildschirm sehen können, einen agentischen Workflow erstellt, der eine Nachricht von einem Benutzer, eine Datei und eine Reihe von API-Spezifikationen für Whole Scripts empfängt. Und dann wird er damit eine Verbindung zu einem Harness herstellen, das in diesem Fall von Claude betrieben wird, mit einer benutzerdefinierten Eingabeaufforderung für ihr Problem, und er wird ihn mit ihrer wichtigsten Wissensdatenbank in SharePoint verbinden, mit ihren Daten in Whole Scripts, mit einem Webbrowser, mit der Möglichkeit, E-Mails zu senden, im Web zu suchen, genau wie jeder andere persönliche KI-Agent zu arbeiten, aber auf ihren Anwendungsfall zugeschnitten, sodass er, wenn eine neue Anfrage eingeht, alle diese Systeme auslösen kann.

Das Ergebnis ist, dass sie, sobald sie diesen Prozess durchlaufen haben, einen personalisierten Plan erhalten können. Der Anwender kann alle Daten abrufen, sie zusammenfassen, die Quellen für die Ergebnisse erhalten, dem Agenten Feedback geben und an der Bereitstellung einer personalisierten Erfahrung mitarbeiten, die sowohl zur Unterstützung dieses Kunden als auch zur Unterstützung anderer Geschäftsbereiche auf eine menschliche Art und Weise genutzt werden kann.

Und obwohl Sie jederzeit mit FIBA weitermachen und damit arbeiten können, kann dies noch weitergehen.

IU Health ging noch einen Schritt weiter und verband den Assistenten über Asana mit dem WarGraph. So konnte das Unternehmen dafür sorgen, dass immer dann, wenn seine klinischen Forschungsteams eine neue Untersuchung oder ein neues Phänomen bewerteten, sie den Assistenten einbinden und direkt über eine Aufgabe in Asana auslösen konnten. Dadurch konnte der KI-Assistent dieselben Informationen abfragen und zu einem gemeinsamen Ergebnis zusammenfassen.

Das ist die Zukunft der Unternehmenssoftware und der KI-Assistenten im Unternehmen. Ein zentraler Ort, an dem KI-Agenten zusammenkommen, mit all diesen Tools arbeiten, unstrukturierte Daten verarbeiten und unstrukturierte Vorgänge ausführen können, während Menschen das Geschehen steuern, Feedback geben und alle notwendigen Anweisungen erteilen können.

Natürlich ist dies nicht nur der letzte Schritt. Es gibt noch viel zu tun. Und heute … KI-Assistenten und Menschen arbeiten nach unterschiedlichen Plänen. In Zukunft müssen beide nach einem einzigen gemeinsamen operativen Plan arbeiten. Und Sie werden erfahren, wie Asana dieses Problem löst. Dazu wird Prachi Gore, CMO von Asana, zu uns kommen und ein wenig über diese Zukunft erzählen. Danke.

Vielen Dank, Bernard. Wie er bereits sagte, benötigen Sie, um das Versprechen des dynamischen Unternehmens einzulösen, Agenten, die systemübergreifend arbeiten, was wir gerade gesehen haben. Aber Sie brauchen auch die Menschen, also uns, unsere Teams, die gemeinsam auf dieselben Ziele und denselben Plan hinarbeiten und denselben umfassenden Kontext des Unternehmens teilen.

Das wird durch Agentic Work Management ermöglicht.

Wie Dan bereits erwähnt hat, umfasst Agentic Work Management 30 AI Teammates, die über spezifische Fähigkeiten verfügen, kontrolliert werden und sofort für Sie einsatzbereit sind.

Jeder Asana-Nutzer hat außerdem Zugriff auf einen persönlichen Chief of Staff namens Dash. Dash verfolgt Ihre gesamte Arbeit über E-Mails, Meetings und alle Ihre Projekte hinweg, sodass er genau weiß, woran Sie arbeiten.

Und er kann auch in Ihrem Namen Maßnahmen ergreifen, zum Beispiel Erinnerungsaufgaben nach einem Meeting erstellen, damit Sie sich auf die wichtigsten Arbeitsvorgänge konzentrieren können.

Wir bieten außerdem über 20 Integrationen für verschiedene Tools, die wir täglich nutzen, wie Figma, Databricks, HubSpot und Google Drive, damit Sie Ihre gesamte Arbeit an einem Ort erledigen können.

Und einige der größten Marken der Welt verwenden Asana. Aber heute möchte ich eines dieser Unternehmen, Skydance, genauer unter die Lupe nehmen. Skydance hat einige unserer Lieblingsserien produziert. Für mich sind das SpongeBob Schwammkopf und Yellowstone.

Aber im gesamten Fernsehbereich, beim Live-Streaming, machen sie Sport, Nachrichten, Animationen.

Tausende von Mitarbeitern arbeiten dort jeden Tag daran, Ideen in Inhalte umzusetzen, zahlreiche Veröffentlichungen zu koordinieren und neue Shows auf den Markt zu bringen.

Um das zu schaffen und seine Abläufe weiter zu skalieren, benötigte Skydance eine Möglichkeit, weiter zu wachsen und gleichzeitig seine Teams aufeinander abzustimmen.

An diesem Punkt kam Agentic Work Management ins Spiel, ein Ort, an dem ihre Teams und ihre Bots auf der Grundlage gemeinsamer Kontexte auf dieselben Ziele hinarbeiten können.

Für Skydance gibt es ein Beispiel, das ich Ihnen vorstellen möchte. Ein dreiköpfiges Operations-Team bei Pluto TV ist in der Lage, jeden Monat 750 Inhalte zu verwalten, indem es AI Teammates in seinen Workflow integriert.

Auch bei CBS News sortiert KI bereits alle Supportanfragen und erstellt strukturierte Aufgaben, bevor ein Mensch sie überhaupt bearbeiten muss.

Aber hören wir es aus erster Hand.

Wir haben einige ehrgeizige Ziele. Um diese zu erreichen, brauchen wir einen zuverlässigen Partner, solide Systeme und eine wirklich umfassende Integration von KI.

Unser Truck rollt vorwärts.

Wir wollen ein technologieorientiertes Medienunternehmen sein, das den kreativen Aspekt Hollywoods mit dem Innovationsgeist des Silicon Valley verbindet.

Wir sind kein traditionelles Unternehmen.

Hinter den Kulissen unterstützen wir die kreativsten Menschen der Welt. Es gab eine Zeit, in der die Unternehmenskultur sehr dezentralisiert war.

Paramount ist ein sehr großes Unternehmen mit Hunderten von Abteilungen und Geschäftsbereichen. Da KI rasch Einzug am Arbeitsplatz hält, entstehen viele isolierte Bereiche.

Jeder ging mit KI in seinen eigenen, unterschiedlichen Workflows um. Das machte es schwierig, KI zu unterstützen, zu skalieren und bei Änderungen zu aktualisieren.

Und das ist eigentlich das fehlende Glied bei KI: Wenn man keinen sicheren Zugriff auf Daten hat oder … Wenn alles verstreut ist, wird Ihre KI scheitern.

Asana hat diese Grundlage für KI geschaffen.

KI wird dort integriert, wo die Arbeit bereits stattfindet.

Es ist kein zusätzlicher Klick oder ein weiterer Bildschirm. Sie ist direkt in dem Dialog verfügbar, den Sie bereits verwenden.

Zugänglichkeit ist der Schlüssel zur Akzeptanz. Die Nutzung von AI Teammates war nur einen Klick entfernt.

Das Kontextfenster war in Sekundenschnelle verfügbar, was echt beeindruckend ist.

Mit Asana konnten wir verschiedene KI-Funktionen nachverfolgen, sehen, wer sie intensiv genutzt hat, den jeweiligen Business Case analysieren und den ROI wirklich verstehen. Außerdem konnten wir diese Anwendungsfälle mit anderen Geschäftsbereichen teilen.

Um ehrlich zu sein, haben wir uns für Asana entschieden, weil das Team uns geholfen hat, unser Geschäft besser zu verstehen. Das erlebt man bei Anbietern nicht so oft.

Ich betrachte Asana als unseren langfristigen Partner.

Und jetzt möchte ich Laksh Nathan, den EVP und CIO von Skydance, auf die Bühne bitten, um mehr zu erfahren.

Hallo. Vielen Dank für die Einladung!

Danke, Laksh, dass Sie bei uns sind. Ihr Team hat unglaubliche Arbeit geleistet. Aber erzählen Sie uns doch, wie es war, KI-Agenten in Ihre Workflows zu integrieren. Geben Sie uns einen kleinen Einblick hinter die Kulissen.

Wissen Sie, wir sind von Anfang an eine sehr komplexe Organisation. Wir sind Kreative. Wir sind ein Nachrichtenunternehmen. Wir sind Büroangestellte. Ich denke also, dass allein die Vielfalt unserer Unternehmenskultur einfach …

Es ist für uns wie eine sehr offene Leinwand. Die Tatsache, dass wir damit beginnen konnten, jeden unserer Prozesse zu durchleuchten, ihn zu vereinfachen und es den Mitarbeitern zu ermöglichen, ihn mitzugestalten, war für uns fantastisch.

Das ist großartig. Würden Sie mir ein Beispiel nennen oder einfach etwas genauer erläutern, um zu zeigen, wie es im Alltag aussieht? Ja.

Also, schauen Sie mal, wir haben eine Flut von KI-Tools und -Partnern und all das.

Komischerweise verwenden wir Asana, um all das nachzuverfolgen. Und das Tolle daran ist, dass wir mit so vielen verschiedenen Gruppen zu tun haben, die das überprüfen müssen, ähnlich wie die Agenten, die Sie vorhin gesehen haben. Alle diese Teams auf einer Plattform zu haben, mit ihrem eigenen Kontext, der in das System einfließt, und dann alles zu automatisieren, hat unser Leben grundlegend verändert.

Das ist großartig. Nochmals vielen Dank, dass Sie bei uns waren, Lax, und herzlichen Glückwunsch zu Ihrer großartigen Arbeit. Vielen Dank. Das ist einen großen Applaus wert.

Und jetzt möchte ich den SVP und GM von AgenTik Work Management, Kirk Miles, auf die Bühne bitten.

Wow.

War das nicht großartig?

Es ist so schön zu sehen, wie Skydance unsere AgenTeq-Suite einsetzt. Hallo zusammen. Ich bin Kirk Miles und leite das AgenTeq Work Management bei Asana.

Sie haben die Geschichte gehört, und jetzt möchte ich Ihnen einige der Produkte vorstellen, die dahinterstehen.

Heute werden wir gemeinsam mit einer Campaign Operations Managerin eine Woche und eine kurzfristige Kampagne durchlaufen, und zwar mit allen Vorteilen von Agentic Work Management.

Aber bevor ich loslege, möchte ich Sie über ein paar neue Funktionen informieren, die Sie hier sehen werden.

Zunächst KI-Meetings, die das, was in einem Gespräch gesagt wird, in Aktionspunkte umwandeln, die auch tatsächlich erledigt werden.

Als Nächstes Seiten, die Ihre Dokumente in dynamische Pläne umwandeln, mit denen Ihr Team arbeiten kann.

Und schließlich Tabellen, die Ihre Businessdaten aus Tabellenkalkulationen holen und sie … und sie dorthin verschiebt, wo die Arbeit tatsächlich stattfindet.

All dies ist im Work Graph verankert, sodass Ihre menschlichen Teamkollegen und KI-Assistenten alle mit demselben gemeinsamen Kontext arbeiten können.

Damit ist alles gesagt – los geht's! Und ich möchte Ihnen Sarah vorstellen. Sarah leitet die Kampagnenabteilung bei einem Medienunternehmen.

Es ist Freitagnachmittag, und sie hat gerade eine kurzfristige Anfrage für einen großen Launch mit einem hohen Wachstumsziel erhalten, der in weniger als einer Woche stattfinden soll.

Sarah ist gestresst. Und ehrlich gesagt, wäre ich es auch, wenn ich gebeten würde, eine große Produkteinführung in weniger als einer Woche durchzuführen.

Aber keine Sorge, Asana steht ihr zur Seite. Ich zeige Ihnen, wie das funktioniert.

In diesem Fall beginnt die Anfrage tatsächlich außerhalb von Asana in Slack.

Michael, der Leiter der Wachstumsabteilung, hat eine Anfrage im Kanal für Kreativanfragen gepostet. AI Studio erfasst diese automatisch, erstellt die Aufgabe, füllt sie mit Details zur Kampagne und zum Budget und fügt alle Beteiligten zur Aufgabe hinzu, die Einblick in diese haben müssen.

Es fragt bei Michael nach, um den regionalen Geltungsbereich zu bestätigen, und überprüft diesen anhand der Ressourcen-Sammlung.

In diesem Fall stellt es fest, dass eines der Assets nicht für die Verwendung in der EMEA-Region freigegeben ist, und erstellt daher eine Unteraufgabe für Sarah, damit sie die Freigabe durch die Marken- und Rechtsabteilung einholt, bevor die Kampagne fortgesetzt werden kann.

Werfen wir einen Blick auf diese Sammlung von Assets, da sie in Tabellen erstellt wurde.

Darin steht in jeder einzelnen Zeile ein anderes visuelles Asset mit Details wie dem Nutzungszeitraum, den regionalen Genehmigungen sowie den zugehörigen Kampagnen.

Schauen wir uns die EMEA-Spalte genauer an, denn das ist das größte Hindernis für Sarah und ihren Launch nächste Woche.

Gehen wir also zum Montag über.

Sarah weiß, dass in weniger als vier Arbeitstagen viel zu erledigen ist, also macht sie sich sofort an die Arbeit. Sie bittet Dash, in Asana eine Seite für die Rechts- und Markenabteilung zu entwerfen, auf der der Kontext der Einführung, der Umfang der Materialien, die fehlenden Genehmigungen für EMEA sowie die Frist für die Genehmigung am Dienstag erläutert werden.

Dash erstellt einen Entwurf einer Seite, der den Kontext aus der Erfassungsaufgabe in der Materialsammlung übernimmt, und teilt ihn mit der Rechts- und der Markenabteilung. Diese öffnen sofort die Seite und hinterlassen einen Inline-Kommentar mit der Bitte, ein Gespräch über die visuellen Materialien für EMEA zu vereinbaren.

Am nächsten Tag nehmen sie an einem Telefongespräch teil mit … Mit aktivierten AI Meetings.

Und sobald das Gespräch beendet ist, werden das Transkript und die Zusammenfassung automatisch im Kampagnenprojekt veröffentlicht und mit allen Teilnehmern geteilt. Außerdem werden vorgeschlagene Aktionspunkte und verantwortliche Personen automatisch hinzugefügt.

Als Sarah an ihren Schreibtisch kommt, überprüft sie eine Liste und stellt fest, dass ein Mitglied des Rechtsteams bereits eine Aktion übernommen hat. Sie genehmigt den Rest, darunter einen rechtlichen Haftungsausschluss, der dem Kampagnenkoordinator, einem ihrer Teamkollegen, zugewiesen ist.

Der Kampagnenkoordinator erstellt einen Entwurf des rechtlichen Haftungsausschlusses und leitet ihn zur Genehmigung an die Rechtsabteilung weiter.

Und sobald die Rechtsabteilung ihre Freigabe erteilt hat, wird die Ressourcen-Sammlung automatisch aktualisiert.

Und die EMEA-Genehmigung, um die Sarah sich so große Sorgen gemacht hat, wird sofort grün.

Am Ende des Dienstags ist Sarah optimistisch gestimmt. Sie war sich nicht sicher, aber jetzt hat sie das Gefühl, dass sie es tatsächlich schaffen werden.

Schauen wir uns also den Mittwoch an.

Es scheint nichts Schlimmes passiert zu sein, aber da fünf Teams koordiniert werden müssen und mehr als 20 Ergebnisse zu liefern sind, möchte Sarah sichergehen, also fragt sie Dash.

Und Dash weist auf einen Punkt hin.

Das Team für bezahlte Social-Media-Werbung hat gestern seine Frist verpasst, und die heutige Überprüfung ist gefährdet.

Sarah muss nur eine Antwort geben.

Das Ergebnis des Teams für bezahlte Social-Media-Werbung auf heute verschieben, Priyas Aufgabe an Marcus neu zuweisen und alles mit hoher Priorität kennzeichnen.

Dash zeigt eine Vorschau jeder Änderung an, die es vornehmen wird, sodass nichts umgesetzt wird, bis Sarah es genehmigt hat. Und sobald sie das tut, werden alle Aufgaben gleichzeitig aktualisiert.

Bis zum Ende des Mittwochs sind alle 20 Ergebnisse genehmigt und die Kampagne ist bereit für den Start.

Gehen wir also zum Freitag über. Die Markteinführung hat stattgefunden. Sarah ist so erleichtert, so begeistert, aber ihre Arbeit ist noch nicht erledigt.

Ihr VP erwartet ein Status-Update, um zu verstehen, wie die Markteinführung verläuft, und sie ist gerade dabei, sich hinzusetzen, um es von Hand zu schreiben.

Sie … Als sie die Aufgabe öffnet, meldet sich der erstellte … Der Kampagnenanalyst, ein Teamkollege, den jemand in ihrem Team erstellt hat, meldet sich proaktiv und bietet an, die Aufgabe zu übernehmen.

Dieser Teamkollege verfügt über eine benutzerdefinierte Fähigkeit, die das von ihrer VP bevorzugte Berichtsformat kennt und über die Databricks-Verbindung Leistungsdaten sowie das Budget im Vergleich zu den Ist-Werten abrufen kann.

Sie beendet die Aufgabe, und der Teammate ruft die Leistungswerte für alle fünf Kampagnen ab, einschließlich der Anpassung für bezahlte Social-Media-Anzeigen und der Leistung im Vergleich zur Planung.

Sarah gibt ihm sogar einen Hinweis und sagt: „Ich hätte lieber …“ Anstelle eines Briefings hätte ich lieber eine Präsentation.

Und er erkennt, dass es sich um eine wiederkehrende Aufgabe handelt, und bietet daher an, sie jeden Freitag zu übernehmen. Sie sagt „Ja“.

Jetzt stellt ihr Teamkollege jeden Freitag automatisch eine ansprechende Präsentation mit dem Branding des Unternehmens zusammen, in der die Updates aller Kampagnen zusammengefasst werden, die Sarah dann mit ihrem VP teilen kann.

Etwas, das früher einen ganzen Nachmittag in Anspruch nahm, dauert jetzt nur noch wenige Minuten.

In diesem Fall aktualisiert Sarah eine Zeile und sendet sie an ihre VP.

Ihre VP ist so beeindruckt, dass sie den Bericht an ihre CMO weiterleitet und Sarah dabei sehr lobt.

Also fünf Teams, über 20 Assets und weniger als eine Woche.

Alles, von der Annahme von Anfragen über Abstimmungsmeetings bis hin zur Nachverfolgung von Genehmigungen und der Berichterstattung, wird ermöglicht, weil es im Work Graph stattfindet.

Und was diese neuen Produkte betrifft, freue ich mich, Ihnen mitteilen zu können, dass Pages ab heute verfügbar ist und AI Meetings und Tabellen später in diesem Monat folgen werden. Und wenn Sie mehr erfahren möchten, kommen Sie doch in die Expo Hall vorbei. Wir zeigen Ihnen gerne eine Demo.

Damit möchte ich Arnaud wieder auf die Bühne bitten, um mehr darüber zu erzählen, was wir über das Agentic Work Management hinaus entwickelt haben. Danke.

Vielen Dank, Kirk. War das nicht eine fantastische Demo? Hat euch die Demo gefallen? Ja?

Noch einmal: Was Kirk gezeigt hat, war die orchestrierte Ausführung über Systeme hinweg und die gesamte neue Leistungsfähigkeit, die wir in den Work Graph einbringen, um ihm immer mehr Kontext hinzuzufügen. Seiten, Meetings, all diese unstrukturierten Daten, die die Grundlage dafür bilden, dass Menschen und KI-Assistenten besser zusammenarbeiten können.

Als Nächstes werde ich drei neue agentenbasierte Anwendungen vorstellen, die wir auf dieser Plattform entwickelt haben. Jede einzelne dieser Anwendungen profitiert von den Funktionen der Plattform und wird dadurch besser, aber sie sind speziell für bestimmte Teams entwickelt worden.

Wir haben diese Anwendungen Anfang des Jahres auf der Wiz London vorgestellt, und seit letztem Monat sind sie alle allgemein verfügbar. Jede einzelne dieser drei Agent-Tech-Anwendungen ist jetzt allgemein verfügbar. Sie können sie noch heute kaufen. Mein Ziel in diesem Abschnitt ist es, Sie für jede dieser Anwendungen so zu begeistern, dass Sie nach dem Ende dieser Keynote-Präsentation in Scharen von der Bühne strömen und sich die Demo-Stände in der Ausstellungshalle ansehen. Was haben wir also entwickelt? Wir haben Asana Service Management für jeden Service Desk für Angestellte im Unternehmen entwickelt, egal ob es sich um den IT-Helpdesk, die Finanzabteilung, das Facility Management, die Personalabteilung oder die Rechtsabteilung handelt.

Wir haben Asana Client Management für Agenturen und Professional-Services-Teams entwickelt, die KI nutzen müssen, um bei allen Kundenanfragen auf dem Laufenden zu bleiben. Wie bleiben sie profitabel? Wie verwalten sie all diese Kundenbeziehungen in einem einzigen Arbeitsbereich?

Und dann gibt es noch Command by Asana. Command by Asana wird die Art und Weise revolutionieren, wie Forschungs- und Entwicklungsteams sowie Entwicklungsteams, die die Software entwickeln, auf der alle unsere Unternehmen arbeiten, diese Produkte erstellen. Wie sorgen sie für Abstimmung und entwickeln das bestmögliche Produkt so schnell wie möglich?

Lassen Sie mich zunächst etwas genauer auf Asana Service Management eingehen. Wie bereits erwähnt, ist Service Management jetzt allgemein verfügbar.

Es ist für all diese internen Helpdesk-Anwendungsfälle konzipiert.

Unsere zentrale These ist, dass ältere oder veraltete Service-Management-Systeme darauf ausgelegt sind, ein Ticket zur Behebung eines Problems an eine Warteschlange weiterzuleiten, und dass das nicht mehr ausreicht. Das reicht einfach nicht mehr aus. Richtig? Was jedes Unternehmen braucht, ist eine Möglichkeit, Fragen von Angestellten mithilfe einer selbstlernenden Wissensdatenbank automatisch zu beantworten. Genau das bietet Asana Service Management: eine selbstlernende Wissensdatenbank.

Bei Aktionen, die erledigt werden müssen, wie z. B. das Onboarding neuer Angestellter, der Wechsel von Angestellten zwischen Abteilungen innerhalb des Unternehmens oder die Bereitstellung des Zugriffs auf die richtigen Tools zum richtigen Zeitpunkt, können wir diese Aktionen dank der Leistungsfähigkeit von Stack.ai, das mehrere Systeme koordiniert, automatisch im Hintergrund ausführen. Also die automatische Lösung von Tickets.

Und schließlich wissen wir aus all unseren Kundendaten, dass ein großer Prozentsatz dieser Tickets nicht einfach gelöst werden kann. Es handelt sich nicht um einfache Fehlerbehebungen. Wir haben also die Möglichkeit, ein Ticket zu nehmen und es automatisch zu einem Projekt zu eskalieren, mit all den Kontextinformationen, die erforderlich sind, damit sich die Mitarbeiter auf dieses Projekt ausrichten und den komplexen Change-Management-Workflow durchführen können.

All dies ist bereits vorkonfiguriert und in die Systeme integriert, die Ihre IT-Teams verwenden, sei es Workday für HR, Greenhouse für die Personalbeschaffung, Brex für das Finanzmanagement oder Ramp. Und es werden noch viele weitere Integrationen folgen, die alle von Stack.ai bereitgestellt werden. Stack.ai verfügt über mehr als 500 Integrationen. Wir werden all diese nach und nach in Asana Service Management integrieren.

Außerdem gehen Kunden wie Arri Behavioral Health bereits davon aus, dass sie mit der Einführung von Asana Service Management etwa ein Fünftel ihrer internen Helpdesk-Kapazitäten für Angestellte einsparen werden. Ich werde später heute in einer Breakout-Session mit dem CIO des Unternehmens sprechen. Verpassen Sie also diese Session nicht.

Kommen wir nun zu Asana Client Management. Wie bereits erwähnt, Unternehmen für professionelle Dienstleistungen und Agenturen … Wie viele Personen im Publikum arbeiten im Dienstleistungsbereich für Unternehmen oder in einer Agentur? Es gehen ein paar Hände hoch. Richtig? Sie verwalten also Ihre Projekte, Sie möchten Ihren Personalplan festlegen, aber Sie müssen auch all diese Maßnahmen mit Ihrem Kunden, mit Ihren Auftraggebern koordinieren.

Asana Client Management integriert das Kundenportal in Asana, sodass alle Diskussionen mit Ihren Kund*innen und Ihrem Projektteam, das sie betreut, an einem zentralen Ort zusammengeführt werden können. Das bedeutet, dass die KI-Agenten und die Menschen, die sowohl dieses bestimmte Projekt als auch den Kunden unterstützen, alle über denselben Datenkontext sprechen. Wir bringen also die Leistungsfähigkeit von AI Teammates, KI-Studio-Workflows und alle zentralen Plattformkomponenten, die Sie von Kirk gesehen haben, in diese Kundenbeziehungen ein.

Das ist super, super cool. Wir sehen bereits, dass Kunden wie Liminal, iRead and Company und Gravitate Asana Client Management nutzen und damit heute phänomenale Erfolge erzielen.

Zu guter Letzt: Command by Asana.

Ich bin mir sicher, dass jeder in diesem Raum von den fantastischen Fortschritten gehört hat, die Programmieragenten allein im Jahr 2026 gemacht haben. Es ist jetzt supergünstig geworden, Code zu generieren.

Alle paar … Und, wissen Sie, alle paar Wochen gibt es ein neues Programmiermodell. Es ist so einfach, Produkte zu entwickeln. Sie brauchen keinen Abschluss in Informatik mehr. All diese Programmiersprachen sind frei verfügbar.

Aber was passiert ist, ist, dass sich der Engpass jetzt verlagert hat.

Der Engpass bei der Bereitstellung hochwertiger Produkte hat sich auf die Abstimmung, die Strategie und darauf verlagert, dass alle Beteiligten auf dem gleichen Stand darüber sind, was nicht entwickelt werden soll. Was ist Geschmack?

KI-Assistenten werden nicht in der Lage sein, selbst herauszufinden, was sie nicht entwickeln sollten oder was tatsächlich in einer Version enthalten sein sollte oder wie der Status des End-to-End-Prozesses ist. Wird es in hoher Qualität geliefert? Werden unsere Vorgaben für die Zeitpläne von Produkteinführungen tatsächlich eingehalten?

Command by Asana ist ein Produktplanungssystem, das entwickelt wurde, um alle Beteiligten auf denselben Stand zu bringen, Aufgaben automatisch an KI-Agenten zu delegieren und so schnell wie möglich von der Idee zu hochwertigen, fertigen Produkten zu gelangen. Damit wird das Konzept der Softwarefabrik von der bloßen Generierung von Code zur ultraschnellen Entwicklung von End-to-End-Produkten weiterentwickelt.

Und wir freuen uns sehr, mit OpenAI Codex, Cursor by SpaceX AI und GitHub Copilot zusammenzuarbeiten, um dies zum Leben zu erwecken. Super, super cool.

Das war's also. Es gibt sozusagen drei agentenbasierte Apps, die wir auf dieser Plattform entwickelt haben, um neue Arten von Einkaufszentren oder neue Personas in Ihrem Unternehmen zu stärken.

Der Servicedesk wird optimiert, die Kundenbetreuung und die Dienstleistungen für Unternehmen sowie alle Anwendungsfälle von Agenturen werden hyperoptimiert, und jedes F&E-Team wird in eine umfassende Softwarefabrik umgewandelt.

Werfen wir einen Blick auf einen Kunden, mit dem, da bin ich mir sicher, jeder in New York vertraut ist. Auch dieser Kunde befindet sich auf seinem Weg zu agentischen Anwendungen.

Hier ist die Geschichte der NYU. Video abspielen.

Wir müssen uns an einen sehr hohen Standard halten. Die Menschen erwarten von der NYU das Beste.

Die NYU hat 18 Fakultäten, 65.000 Studierende, Zehntausende von Lehrkräften und über 700.000 Alumni.

Als Institution haben wir einen sehr hohen Standard. Es ist ein Standard der Exzellenz.

Unsere Verantwortung besteht darin, die gesamte Organisation, die Fakultäten, die Mitarbeitenden und die Studierenden darauf vorzubereiten, sich an die Zukunft der Arbeit anzupassen.

Wir wollen in einer Welt, in der KI eine zentrale Rolle spielen wird, effizienter und effektiver sein.

Es gibt Dutzende verschiedener Fakultäten, die alle ihre eigenen Umgebungen betreiben. Das College of Dentistry wird sich von der Stern School of Business unterscheiden.

Wir sind für eine Datenbank verantwortlich, in der über 1.500.000 Datensätze verwaltet werden. Die Projekte sind sehr komplex und hängen von Zehntausenden von Partnern an der gesamten Universität ab.

Das kann sicherlich zu vielen redundanten Systemen und mangelnder Klarheit bei den Prioritäten führen.

Wenn alles dringend ist, ist nichts dringend.

Die Verwaltung war eine weitere Vollzeitaufgabe.

Damit KI effektiv eingesetzt werden kann, benötigen wir eine vernetzte Grundlage.

Genau das ändert Asana für uns.

Asana verknüpft unsere Arbeit mit den unverzichtbaren Aspekten wie Datensicherheit, Datenschutz und Governance und ermöglicht es uns so, das Framework und die Grundlage für KI zu schaffen.

Wir haben eine Möglichkeit, systematisch zu arbeiten, die Autonomie und Transparenz bietet, um alle Beteiligten auf dem Laufenden zu halten. Es war kein Rätselraten mehr, ob dies etwas ist, das mehrere Personen oder mehrere Schulen betrifft.

Wir können uns darauf verlassen, dass Asana die Lücken aufzeigt, auf die wir achten sollten, um Probleme so schnell und so präzise wie möglich zu beheben.

Für unsere Studierenden, unsere Mitarbeitenden, unsere Dozierenden und unsere Alumni gilt: Je besser die Vernetzung an der Universität ist, desto besser ist die Universität.

Asana war für uns die eindeutige Plattform, um unsere Studierenden und die gesamte Universität darauf vorzubereiten, in einer KI-gestützten Welt zu arbeiten. Das wollen wir wo immer möglich umsetzen.

Guten Morgen, alle zusammen. Wow. Was für ein unglaubliches Publikum. Haben wir Spaß? Ja.

Dieses Video hat wirklich anschaulich gezeigt, wie ein … Wie es aussieht, wenn eine Organisation als ein einziges System arbeitet.

Und es gibt niemanden, der besser darüber sprechen könnte als Michael Worden, Associate Vice President of Global Service Delivery an der NYU. Herzlich willkommen, Michael. Hallo.

Schön, Sie zu sehen, Michael.

Schön, Sie zu sehen.

Aus diesem Video geht für mich ziemlich deutlich hervor, dass die NYU ein unglaublich komplexes System ist, in dem viele Fakultäten mit großer Unabhängigkeit arbeiten. Daher muss ich fragen: Wie haben Sie es geschafft, dass alle nach einem gemeinsamen Plan arbeiten?

Sie haben also Recht. Universitäten sind unglaublich fragmentiert und über den gesamten … verteilt. Bei der NYU sind wir über die ganze Welt verteilt. Ja. Und wir haben festgestellt, dass Asana an vielen verschiedenen Orten zum Einsatz kam. Und es wurde für uns ganz selbstverständlich, uns zu fragen: Was wäre, wenn wir dies als Plattform und nicht als einzelnes Produkt betrachten würden, das die Leute nutzen? Und als wir die Leute, die die Plattform aktiv nutzen, gefragt haben, waren sie sich einig, dass dies der richtige Weg für uns ist, und das war der Schlüssel zu unserem weiteren Vorgehen.

Das klingt fantastisch. Und da KI allmählich zu einem Bestandteil dieses gemeinsamen Plans wird, wie sehen Sie die Rolle von Asana dabei?

KI steht bei allen ganz oben auf der Agenda. Als Universität müssen wir einen sehr schmalen Grat beschreiten, um mit KI umzugehen.

Ganz sicher.

Sie wird ein Teil der Zukunft sein, aber wir möchten unseren Studierenden auch beibringen, wie sie KI effektiv einsetzen können, und sie nur dort zu verwenden, wo es wirklich angemessen ist. Aber wenn wir an all die Beispiele denken, die wir heute gesehen haben, glauben wir, dass es viele verschiedene Möglichkeiten gibt, die Arbeit zu automatisieren, zu der wir manchmal nicht immer kommen. Und ich denke, genau deshalb freue ich mich so sehr darauf, dass KI in der Asana-Plattform Einzug hält.

Das ist großartig. Wir freuen uns sehr, Sie als Kunden zu haben, und vielen Dank, Michael, dass Sie Ihre Geschichte mit uns geteilt haben.

Danke.

Alles klar. Ich muss also fragen: Wie viele von Ihnen hier arbeiten in einem Servicebereitstellungsteam, sei es in der IT, in der HR, in der Gebäudeverwaltung, im Finanzwesen oder in der Rechtsabteilung?

Heben Sie bitte die Hand. Wow. Viele von Ihnen. Dann ist das hier für Sie.

Arm hat uns vorhin eine Vorschau auf Asana Service Management gegeben, ein KI-natives Enterprise Service Management, das für Service-Teams wie Ihres entwickelt wurde.

Und jetzt möchte ich es konkret machen, indem ich Ihnen genau zeige, wie das in einer verteilten Umgebung wie der NYU aussieht, wo viele verschiedene Teams nach einem gemeinsamen Plan arbeiten müssen.

In meiner Demo werde ich also die Acme University verwenden, die ebenfalls hier in New York liegt. Sie kann, muss aber nicht nach dem Vorbild der NYU gestaltet sein. Ich weiß es nicht.

Ihre Mission ist ganz einfach: den Studierenden eine großartige Lernerfahrung zu bieten. Dazu gehört auch, Anfragen von Studierenden sehr schnell zu bearbeiten, damit sie sich wieder auf ihr Studium konzentrieren können.

Begleiten wir also Zoe, eine normale Studentin, die im Bereich KI forscht.

Eines Morgens holt sich Zoe ihren Kaffee, kommt in ihr KI-Forschungslabor, aber plötzlich funktioniert ihr Ausweis nicht mehr.

Vor Asana hätte das einen Telefonanruf, eine E-Mail oder einen sehr umständlichen Fußweg zurück über den Campus bedeutet.

Aber mit Asana Service Management erfasst sie ihre Anfrage direkt im Asana-Portal.

Die Service-KI überprüft ihre Identität und ihre Zugriffsrechte und stellt ihr einen temporären 24-Stunden-Zugangscode aus.

Es geht kein einziges Ticket an die Gebäudeverwaltung, und es ist kein einziger Mensch involviert.

Zoe ist in wenigen Minuten wieder in ihrem Forschungslabor.

Aber ob Sie es glauben oder nicht, Studierende denken heutzutage auch an andere Dinge als an KI-Forschung.

An diesem Wochenende beginnt Zoe also, ihre Semesterferien zu planen.

Also geht sie in den Slack-Channel für Studentenangelegenheiten und erkundigt sich nach dem Ferienplan.

Diesmal durchsucht die Service-KI die Wissensdatenbank, kann aber keine aktuelle Antwort finden, da Wissensdatenbanken im Laufe der Zeit veralten. Kommt Ihnen das bekannt vor?

In diesem Fall leitet die Service-KI die Frage an Zach vom Studierendenreferat weiter, und Zach antwortet.

Aber wissen Sie was?

Die Service-KI erkennt, dass, wenn Zoe zu dieser Jahreszeit danach fragt, sicher auch 100 andere Studierende darüber nachdenken.

Daher erstellt sie einen Entwurf für einen Wissensdatenbank-Artikel, der auf Zachs Antwort basiert, und bittet Zach, ihn zu überprüfen und zu genehmigen.

Jetzt erhält der nächste Studierende, der nach den Frühlingsferien fragt, sofort eine Antwort, und Zach muss nicht antworten und dasselbe noch 99 Mal sagen, was für Zach von Vorteil ist.

Dann kommen die Frühlingsferien. Zoe und ihre Freunde haben eine Menge Spaß. Ich vermisse die Frühlingsferien, aber egal.

Und als sie zurückkommt, stellt sie fest, dass ihr Laptop am Strand gestohlen wurde. Was macht sie also? Zunächst einmal meldet sie den Vorfall sofort auf Slack.

Und da dieses Gerät im Service-Asset-Management bereits Zoe zugeordnet ist, weiß Asana, welches Gerät gestohlen wurde. Es ist keine Detektivarbeit erforderlich, man muss Zoe keine tausend Fragen stellen.

Und zu diesem Zeitpunkt führen Zoe und die Service-KI eine Fernsperre des Geräts durch, erstellen dann sofort eine Beschaffungsanfrage für einen neuen Laptop und halten sie während des gesamten Prozesses auf dem Laufenden.

Zoe bekommt also ihren Laptop zurück und kann sich wieder ihrer KI-Forschung widmen.

Und wissen Sie was? All die harte Arbeit zahlt sich aus, denn am Ende des Jahres ist ihr Forschungsprojekt ein riesengroßer Erfolg.

Und Kira, ihre Freundin im Bereich Studierendenbelange, beschließt, für ihr Labor eine Party zu veranstalten, um den Erfolg zu feiern.

Und wissen Sie was? Dabei handelt es sich definitiv nicht um ein einfaches Problem, das schnell gelöst werden kann.

Es geht um einen Veranstaltungsort, Catering, Budgetgenehmigungen und viele verschiedene Personen, die teamübergreifend zusammenarbeiten.

In diesem Fall erstellt Asana also mit nur einem Klick ein Asana-Projekt.

Alle Ihre Fälligkeitsdaten, Ihre Verantwortlichen und Ihre Abhängigkeiten werden aus dem WorkGraph automatisch eingetragen.

Und das, meine Damen und Herren, ist die Stärke von Asana Service Management: Einfache Anfragen werden automatisch bearbeitet, Ihre Wissensdatenbank wird im Laufe der Zeit intelligenter und bleibt auf dem neuesten Stand, und komplexe Anfragen werden zu Asana-Projekten, bei denen der gesamte Kontext in einem einzigen Audit-Trail festgehalten wird.

Wenn Sie also bereit sind, die Arbeitsweise Ihrer Service-Teams zu verändern, kommen Sie bitte in die Expo Hall. Dort können ich, mein Team und andere Experten für Asana Service Management Ihnen Ihren individuellen Anwendungsfall vorstellen.

Vielen Dank und bis bald.

Und jetzt möchte ich meine Kollegin Kelly, die Leiterin unseres Teams für Behörden in den USA, begrüßen.

Vielen Dank, Jen. Alles klar, meine Damen und Herren. Nun, das war sicherlich ein inspirierender Vormittag, um es milde auszudrücken. Sie alle haben etwas Neues gelernt, etwas, das Sie umsetzen können, und machen allein dadurch, dass Sie hier sind, den ersten Schritt in die Zukunft der Arbeit.

Deshalb möchte ich Sie um etwas Interaktion mit dem Publikum bitten. Bitte zeigen Sie per Handzeichen, wie viele Asana-Kunden heute im Publikum sind. Zeigen Sie uns Ihre Hände. Hallo.

Das ist ein tolles Publikum. Ich würde gerne ein Foto davon machen. Egal, ob Sie schon seit sechs Jahren, sechs Monaten oder sechs Tagen bei uns sind – Sie haben die ganze Zeit über Kontext im Asana WorkRef für KI aufgebaut.

Das ist wichtig, denn wenn Sie Teamkollegen onboarden oder mit Dash interagieren, kennt Dash bereits den Kontext, in dem Sie, Ihre Teams und Ihr Unternehmen in Asana arbeiten.

Wir haben bereits einige großartige Kunden, die genau das tun, und deshalb möchte ich Sie alle einladen, gemeinsam mit mir unseren Gewinnern des Work Innovation Award 2026 zu gratulieren. Gratulieren Sie sich selbst, wenn Sie sich hier auf dem Bildschirm sehen. Oder? Einige fantastische Unternehmen.

Gut gemacht.

Und diejenigen unter Ihnen, die nicht hier sind oder es werden wollen, fragen sich vielleicht, wie sie alles, was sie heute hier gelernt haben, umsetzen können.

Nun, wie ich schon sagte, haben Sie zunächst einmal den ersten Schritt getan, indem Sie hier sind, und ich werde Ihnen den Leitfaden für den nächsten Schritt an die Hand geben. Wir fangen also klein an. Was ist machbar? Überlegen Sie sich ein bis zwei Workflows, die identifiziert werden können, also jene, die am meisten manuelle Arbeit erfordern. Was würden Sie gerne von Ihrer To-do-Liste streichen?

Zweitens: Beziehen Sie Ihre Teamkollegen ein.

Diese Teamkollegen werden Ihre Workflows automatisieren, indem sie mit Ihren Teams zusammenarbeiten.

Drittens: Interagieren Sie mit Asana Dash. Überlegen Sie, wie KI Ihnen heute bei Ihrer Arbeit in Asana helfen kann. All das ist jetzt verfügbar.

Aber Sie müssen das nicht alleine schaffen. Wir haben fantastische Partner, die Ihnen dabei helfen, auf Ihrem Weg erfolgreich zu sein. Deshalb möchte ich mich bei allen hier aufgeführten Partnern für ihre Partnerschaft, ihr Engagement und ihren Einsatz bedanken, um all unseren gemeinsamen Kunden zum Erfolg zu verhelfen.

Erfolg stellt sich sicherlich nicht ohne eine Community ein. Wenn es also eine Sache gibt, zu der ich Sie alle nachdrücklich auffordern möchte, dann ist es, der Asana Community beizutreten. Wir lieben unsere Community. Egal, ob Sie schon lange Asana nutzen oder gerade erst mit dem Tool zur Erstellung von Workflows beginnen – hier ist für alle ein Platz. Es ist ein Ort, an dem Sie mehr über Anwendungsfälle erfahren, sich über die neuesten und besten Produktfunktionen informieren und professionelle Kontakte knüpfen können.

Vielen Dank, dass Sie heute hier dabei waren und mit uns den ersten Schritt in die Zukunft der Arbeit gemacht haben. Wir sind hier, um Sie auf dieser Reise zu begleiten. Los geht's.