Erste Schritte mit AI in Ihrem Atlassian-Alltag

Wer AI im eigenen Atlassian-Alltag einordnen will, braucht kein Modell zu programmieren. Drei Ebenen, drei häufige Missverständnisse und drei Voraussetzungen fürs eigene Team — das ist der Rahmen, den dieser Beitrag legt.

Was heißt AI im Atlassian-Kontext?

AI im Unternehmen ist nicht das Modell, das Sie aus Nachrichtenartikeln kennen, sondern eine Schicht, die auf Ihre eigenen Daten in Jira, Confluence und angebundenen Tools zugreift. Nicht das Sprachmodell entscheidet, wie nützlich AI in Ihrem Unternehmen wird, sondern der Zugriff auf Ihren geschäftlichen Kontext.

Wenn Sie AI in einem Nachrichtenartikel lesen, geht es meist um Chatbots wie GPT oder Claude: Sprachwerkzeuge, die Texte schreiben oder Fragen beantworten. Im Unternehmenskontext ist das die halbe Wahrheit. Interessant wird AI dort, wo sie auf Ihre eigenen Daten Zugriff hat: auf Jira-Tickets, Confluence-Seiten, Aufgaben, Beschlüsse, Rollen, Personen.

Warum das relevant ist: Laut einer Gartner-Umfrage haben 47 Prozent der Digital-Knowledge-Worker Probleme, Informationen zu finden, die sie für ihre Arbeit brauchen. Der Engpass ist nicht das Wissen — das existiert im Unternehmen meist — sondern der Zugriff darauf. Genau da setzt AI mit Kontext an.

Ein Modell allein weiß nicht, was in Ihrem Unternehmen läuft. Erst wenn es Ihre Wissensbasis versteht, wird aus einer Antwort ein Ergebnis, mit dem Ihr Team weiterarbeitet. Die zentrale Frage ist deshalb nicht, welches Modell das beste ist, sondern wie AI sicheren, kontrollierten Zugriff auf Ihre Arbeit bekommt, und was sie damit macht.

AI im Atlassian-Kontext ist kein Chatbot im Browser. Es ist eine Schicht, die Ihre bestehende Arbeit vernetzt und beschleunigt.

Diese drei Ebenen sollten Sie einordnen können

In Team-Gesprächen zu AI reichen drei Konzepte: die Sprachmodelle, die Agenten und der Datenlayer. Wer diese drei Ebenen unterscheiden kann, versteht auch, warum Atlassian AI anders funktioniert als ein generischer Chatbot.

Die Modelle

Das sind die Sprachwerkzeuge (Large Language Models, LLMs) im Hintergrund. Sie generieren Text, fassen zusammen, beantworten Fragen. Welches Modell konkret zum Einsatz kommt, entscheidet meist Ihr gewählter Anbieter, nicht Sie. Bei Atlassian ist das Rovo: eine AI-Schicht, die vorkonfiguriert mit den Sprachmodellen mehrerer Anbieter arbeitet.

Die Agenten

Ein Agent ist AI, die nicht nur antwortet, sondern Schritte selbst ausführt: eine Zusammenfassung erstellen, ein Ticket anlegen, jemanden benachrichtigen. Agenten übernehmen wiederkehrende Aufgaben und bleiben dabei an Ihre Regeln und Berechtigungen gebunden.

Der Datenlayer

Damit AI wirklich weiß, was in Ihrem Unternehmen passiert, braucht sie Zugriff auf strukturiertes Wissen: Jira, Confluence, Verknüpfungen, Berechtigungen. Bei Atlassian heißt diese Grundlage Teamwork Graph. Er entscheidet, wie gut AI in Ihrem Kontext antwortet, nicht das Modell.

Diese Missverständnisse rund um AI im Unternehmen halten sich hartnäckig

Drei Annahmen tauchen in fast jedem Beratungsgespräch auf: dass AI Prozesse ersetzt, dass es auf das beste Modell ankommt und dass AI und Datenschutz unvereinbar seien. Alle drei stimmen so nicht.

„AI ersetzt unsere Prozesse.“

AI beschleunigt, was schon existiert. Ein unklarer Prozess wird mit AI nicht klar, sondern unklar und schnell. Wo heute niemand weiß, wer für eine Freigabe zuständig ist, weiß es AI auch nicht. Bevor AI etwas verbessert, brauchen Sie einen Prozess, den es zu beschleunigen lohnt.

„Wir brauchen erst das perfekte Modell.“

Das Modell ist selten der Engpass. Der Engpass sind die Daten: wie gut sie gepflegt, verknüpft und mit Berechtigungen versehen sind. Sauber strukturierte Confluence-Seiten und konsistent gepflegte Jira-Tickets bringen mehr AI-Nutzen als der Wechsel auf ein neueres Modell.

„Datenschutz und AI schließen sich aus.“

Nein, aber es ist differenzierter, als oft dargestellt. In Atlassian-Umgebungen sehen AI-Funktionen nur, was der jeweilige Nutzer ohnehin sehen darf – Berechtigungen werden respektiert. Die eigentliche Modell-Verarbeitung findet je nach Atlassian-Plan bei externen LLM-Anbietern oder in Atlassian-eigenen Modellen statt, häufig außerhalb der EU. Die richtigen Fragen im Compliance-Kontext sind deshalb nicht „AI ja oder nein?“, sondern „Wo werden Daten verarbeitet?” und „Wie lassen sich Zugriffe nachvollziehen?“.

Woran erkennen Sie, dass Ihr Team startklar ist?

Ihr Team ist bereit für erste Schritte, wenn Ihre Wissensbasis auffindbar ist, Berechtigungen sauber geregelt sind und jemand Verantwortung für AI im Unternehmen übernimmt.

Konkret:

1. Ihre Wissensbasis ist auffindbar. Confluence-Seiten sind aktuell, Ablagen strukturiert, Duplikate im Griff. AI kann nur so gut sein wie das Wissen, auf das sie zugreift.
2. Berechtigungen sind sauber. Wer was sehen darf, ist klar geregelt und nicht historisch gewachsen. Wenn AI nur zeigen darf, was Nutzer ohnehin sehen dürfen, müssen diese Rechte stimmen.
3. Es gibt jemanden, der Verantwortung übernimmt. AI ohne Ownership führt zu Wildwuchs. Es braucht mindestens eine Rolle, die entscheidet, welche Agents freigeschaltet, welche Use-Cases priorisiert und welche Grenzen gezogen werden.

Wenn Sie nicht sicher sind, wo Sie stehen, hilft unser AI-Readiness-Check in drei Minuten weiter.

Vertiefen Sie Ihr AI-Vokabular

Wer die Begriffe rund um AI kompakt nachschlagen will, findet in unserem KI-Glossar 23 Begriffe für Teams eingeordnet: nicht generisch, sondern im Bezug auf das, was in Ihrer Atlassian-Umgebung passiert.

Der Unterschied zwischen dem Glossar und einer Google-Suche liegt in der Einordnung. „Was ist ein LLM?“ beantwortet Wikipedia. „Was heißt ein LLM konkret für unser Confluence?“ beantwortet niemand außer Ihnen selbst – oder eben unser Glossar, das genau diesen Übersetzungsschritt für Sie macht.

Die 23 Begriffe im Hauptteil decken ab, was Teams für AI-Gespräche im Unternehmensalltag brauchen. Im Anhang stehen weitere 29 Begriffe für alle, die tiefer einsteigen wollen – zu technischen Konzepten (u. a. Embeddings, Vektordatenbank, Guardrails, Observability) und organisatorischen Mustern (u. a. AI Center of Excellence, Change Management für AI, Responsible AI, ROI von AI).

Wie geht es weiter?

Sie wollen das große Bild verstehen?

Sie wollen sehen, was AI konkret bringt?

Sie wollen einen konkreten Fahrplan?

Sie wollen persönlich sprechen?

Häufige Fragen zu AI im Atlassian-Kontext