vchalup - stock.adobe.com

Checkliste KI-Einführung: Was das Management beachten sollte

Die transformativen Kräfte von künstlicher Intelligenz (KI) sind enorm – vorausgesetzt, man bringt die erforderlichen Kenntnisse, Ressourcen und Technologien zusammen.

So groß der Hype, so mangelhaft die Umsetzung: Immer noch scheitern zwei Drittel aller angestoßenen KI-Projekte. Wenn es gar nicht erst zum Kick-off kommt, liegt das oft an mangelnder Akzeptanz in der Chefetage.

Doch um die Entscheider im Unternehmen zu überzeugen, ist kein Hexenwerk notwendig; lediglich ein paar grundlegende Voraussetzungen sind dafür zu erfüllen.

  • Die Vorzüge von künstlicher Intelligenz (KI) müssen verständlich vermittelt werden.
  • Herausforderungen, Chancen und Anwendungsszenarien sind mit den strategischen Geschäftszielen zu verknüpfen.
  • Erst konkrete Empfehlungen zu Implementierung, Kosten und Vorteilen können überzeugen.
  • Hilfestellung bei der Wahl des richtigen KI-Partners ist notwendig.

Stakeholder verstehen

Die Entscheider im Unternehmen haben in erster Linie ihre Geschäftsziele vor Augen – und dazu gehört nicht primär die Einführung neuer Technologien. Fürsprecher müssen sich also auf kritische Fragen einstellen. Wofür sollen wir so viel Geld ausgeben? Worin besteht der ökonomische Vorteil? Und langfristig gesehen: Inwieweit steigert sich unsere Wettbewerbsfähigkeit? Welches Risiko birgt es, wenn wir nicht investieren? Welche Veränderungen bringt KI für die Mitarbeiter?

Als Antwort auf diese Fragen gilt es zu beweisen, dass man die Geschäftsziele versteht. Das gelingt zum Beispiel, indem man aufzeigt, wie KI Prozesse effektiver und effizienter macht, oder wie sie hilft, neue Produkte und Services zu entwickeln – je konkreter diese Erläuterungen sind, desto besser.

Anschauliche Use Cases

Praxis überzeugt stärker als Theorie. Daher ist neben einer allgemeinen Darstellung der Chancen und Risiken eine Veranschaulichung potenzieller Einsatzszenarien für KI das A und O. Diese besteht aus dem Dreiklang Ziel – Ansatz –Auswirkung.

Dazu ein hypothetisches Beispiel aus der Produktion. Ziel: Die Fehlerquote für Produkt XX soll um YY Prozent reduziert werden, bevor es die Werkshalle verlässt. Ansatz: KI wird eingesetzt, um alle Schlüsselkomponenten auf dem Fließband vor der Montage zu scannen. Auswirkung: Mit dieser Methode lässt sich der Zeitaufwand für Qualitätsüberprüfungen um 70 Prozent verringern, Produktrückrufe sinken um 85 Prozent.

Der Dreh- und Angelpunkt ist der ROI: Wie lässt sich sicherstellen, dass Investitionen den maximalen Mehrwert erzielen? Accenture hat fünf Eigenschaften formuliert in Bezug auf Geschäftsprozesse, die Unternehmen mehrheitlich mit KI transformieren möchten: Flexibilität, Geschwindigkeit, Skalierbarkeit, Entscheidungsfindung und Personalisierung. Bereiche, in denen sich positive Auswirkungen insbesondere zeigen, sind vor allem Vertrieb und Marketing, Kundenservice, Lieferkette und Patientenversorgung.

Nichtstun schadet eben doch

KI wird ein entscheidender Treiber für die wirtschaftliche Entwicklung der nächsten zehn Jahre sein – da sind sich Unternehmensberater weitgehend einig. Insofern stellt die Nichtnutzung der Potenziale ein strategisches Risiko dar. Denn einerseits ist die Technologie entscheidend, um Innovationen auf den Weg zu bringen, was wiederum eine wichtige Voraussetzung ist, um sich gegen in den Markt drängende Tech-Start-ups, beispielsweise im Finanzsektor, zu behaupten.

Andererseits ist der Zeitfaktor zu berücksichtigen. Die KI-Einführung braucht einen enormen Vorlauf, der die Anpassung an die spezifischen Geschäftsanforderungen und die Integration in bestehende Systeme ebenso wie die Erstellung eines Governance-Frameworks und die Schulung der Mitarbeiter umfasst. Grundsätzlich ist es besser, jetzt klein zu starten und dann sukzessive zu erweitern, als auf die 100-prozentige Marktreife der Technologie zu warten.

Die Äpfel in Nachbars Garten

Noch eindringlicher vermitteln lassen sich die Vorteile für das eigene Geschäft, wenn diese bereits beim Wettbewerber sichtbar sind. Je prägnanter die Beispiele anderer Unternehmen der Branche sind, die mit KI bereits Verbesserungen umsetzen, desto überzeugender ist die Argumentation für eine KI-Implementierung im eigenen Unternehmen. Fehlen konkrete Einblicke in den Wettbewerb, kann ein Rückgriff auf öffentliche Use Cases helfen, die ähnliche Herausforderungen und Potenziale beschreiben.

Fakten, Fakten, Fakten

Der Business Case bleibt nur eine schöne Präsentation, solange er nicht mit belastbaren Informationen untermauert wird. Ein überzeugender Geschäftsplan muss die Daten, Infrastruktur, Mitarbeiter und die finanziellen Auswirkungen berücksichtigen, die eine KI-Einführung in der gesamten Organisation über mehrere Jahre mit sich bringt.

Hier ist es erforderlich, verschiedene Geschäftsmodelle abzuwägen (zum Beispiel Inhouse versus Service-Provider), technologische Implikationen zu antizipieren (Anforderungen an Infrastruktur, Rechen- und Speicherkapazität, Netzwerk, IT-Budget), relevante Datenquellen und den Bedarf an Data Scientists zu bestimmen sowie gleichzeitig Datensicherheit und Compliance im Auge zu behalten. Und zu guter Letzt ist dies alles in einem detaillierten Finanzplan abzubilden, der sämtliche Eventualitäten berücksichtigt.

Die Qual der Partnerwahl

Eine ressourcenschonende Option für die KI-Implementierung ist die Zusammenarbeit mit einem erfahrenen KI-Anbieter. Der Partner sollte allerdings eine Reihe von Faktoren erfüllen. Dazu gehören vor allem Erfahrung in der Umsetzung von KI-Projekten, finanzielle Stabilität, die für Zukunftssicherheit sorgt, und End-to-End-Services, um den hochkomplexen Implementierungsprozess zu vereinfachen. Leistungsstarkes Datenmanagement dient als Basis für Datenqualität, für schnelle Entwicklung sowie Operationalisierung von Modellen, und es schafft Transparenz mit integrierter Governance.

Composite AI: Eine KI kommt selten allein

Last but not least ist es wichtig, dass KI nicht eindimensional betrachtet wird. Denn Geschäftsprobleme sind in der Regel komplex und umfassen strukturierte sowie unstrukturierte Daten. Eine einzige Technologie greift daher zu kurz. Die Kombination verschiedener Ausprägungen von KI – Machine Learning, Deep Learning, Natural Language Processing (NLP), Computer Vision, Conversational AI, Forecasting, Optimization – hat Gartner erstmals 2020 in seinem Hype Cycle als Composite AI bezeichnet.

Produktivität und Time-to-Value sind der Schlüssel zum Erfolg für KI-basierte Datenanalysen. Voraussetzung dafür: eine Plattform für KI, Analytics und Datenmanagement, die auf einer modernen skalierbaren Architektur aufsetzt. Der Vorteil von Composite AI ist, dass Unternehmen jederzeit die passenden Funktionalitäten zur Hand haben, um spezifische Use Cases zu adressieren und gleichzeitig den Implementierungsaufwand gering zu halten.

Dr. Andreas Becks, SAS DACH

„Je prägnanter die Beispiele anderer Unternehmen der Branche sind, die mit KI bereits Verbesserungen umsetzen, desto überzeugender ist die Argumentation für eine KI-Implementierung im eigenen Unternehmen.“

Andreas Becks, SAS

Die Integration unterschiedlicher KI-Funktionalitäten ist zudem die Voraussetzung für Skalierbarkeit. Fängt ein Unternehmen mit Machine Learning an und stellt fest, dass es für einen anderen Use Case NLP oder Computer Vision braucht, kann die entsprechende Funktionalität ohne Aufwand zugeschaltet werden.

Und eine integrierte Plattform erleichtert die Operationalisierung der KI-Modelle. Unabhängig davon, ob die Daten aus einem Stream stammen, in einer Datenbank liegen oder über eine Programmierschnittstelle generiert werden: Sind die Modelle einmal entwickelt, können sie in all diesen Systemen eingesetzt werden.

Natürlich ist der Erfolg eines KI-Projekts auch immer von den speziellen Anforderungen der jeweiligen Branche abhängig. Welche Faktoren beispielsweise in einem hochregulierten Umfeld wie der Versicherungsbranche zu beachten sind, fasst dieses Handbuch zusammen.

Über den Autor:
Als Senior Manager Customer Advisory, Artificial Intelligence bei SAS DACH berät Dr. Andreas Becks Kunden zu Anwendungen von künstlicher Intelligenz und Machine Learning und deren Umsetzung. Seit vielen Jahren konzipiert er innovative Lösungen für datenbasierte Entscheidungen in komplexen Geschäftsanwendungen.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.

Erfahren Sie mehr über Künstliche Intelligenz (KI) und Machine Learning (ML)

ComputerWeekly.de
Close