Mit diesen drei Fragen umgehen Sie gängige KI‑Fallstricke

Was entscheidet über Erfolg oder Misserfolg interner KI-Projekte?

Kürzlich hatte ich die Gelegenheit, mich während des Analyst Summit mit Führungskräften von Dell Technologies zu treffen, um mehr über den Stand der KI-Infrastrukturbereitstellungen in Unternehmen zu erfahren. Dell Technologies hat mehr als 3.000 Unternehmenskunden, die sein AI Factory-Portfolio implementiert haben – eine Sammlung von Software, Infrastruktur und Services des Herstellers sowie wichtigen Partnern wie Nvidia. Dell unterstützt wie viele andere Anbieter Unternehmen dabei, ihre internen KI-Initiativen mit ihren eigenen privaten oder souveränen Daten aufzubauen.

Auf die Frage, welcher Faktor den größten Einfluss auf den Erfolg von KI hat, betonten mehrere Führungskräfte von Dell Technologies, dass es letztlich auf die Führung ankommt. „Unternehmen verbessern sich nicht von selbst“, so Michael Dell, Gründer, Vorsitzender und CEO von Dell Technologies. Er betont, dass der Erfolg von KI von oben nach unten kommen muss.

Ja, die Infrastruktur, die Daten und die Tools sind alle wichtig, aber wenn die Führung des Unternehmens nicht vom Potenzial der KI überzeugt ist, schwindet die Wahrscheinlichkeit eines Erfolgs schnell. Für die Mitarbeiter gibt es eine Fülle von Unsicherheiten im Zusammenhang mit KI, sowohl im positiven als auch im negativen Sinne. Für jeden Mitarbeiter, der KI als Chance für eine Produktivitätssteigerung sieht, gibt es wahrscheinlich einen anderen, der sich Sorgen um seine Arbeitsplatzsicherheit macht.

Akzeptanz und Engagement sind unerlässlich, aber welche spezifischen Führungsqualitäten machen den Unterschied? Weitere Gespräche ergaben, dass Führungskräfte, die sich auf die Besonderheiten des Prozesses und Anwendungsfalls konzentrieren, den die KI-Initiative verbessern soll, tendenziell bessere Erfolgschancen haben als Führungskräfte, die sich mehr auf die spezifischen Tools konzentrieren, die eingesetzt werden.

Auch hier sind die richtigen Technologien, Tools und Daten wichtig. Die Auswahl der richtigen Komponenten reicht jedoch nicht aus, um den Erfolg zu gewährleisten. Führungskräfte müssen sich auch auf die Besonderheiten der KI-Anwendungsfälle, die spezifischen Projektziele – sowohl strategischer als auch taktischer Art – und die wichtigsten Erfolgskennzahlen konzentrieren.

Mit anderen Worten: Die Privatisierung eines Standardmodells und die Aufforderung an Ihre Mitarbeiter, zu experimentieren und Anwendungsfälle zu identifizieren, ist wahrscheinlich nicht der optimale Weg zum Erfolg. Zusätzlich zu der Unsicherheit, die KI-Projekte umgibt, besteht eine hohe Wahrscheinlichkeit überhöhter Erwartungen. Wenn Ihre Mitarbeiter erwarten, dass KI einen bestimmten Anwendungsfall zu 100 Prozent erfüllt, und sie diesen zu 80 Prozent erfüllt, kann sie schnell als Fehlschlag angesehen werden und in Vergessenheit geraten.

Stattdessen müssen Führungsteams in die Identifizierung spezifischer Anwendungsfälle, spezifischer Prozesse und spezifischer Ziele einbezogen werden. Identifizieren Sie beispielsweise einen bestehenden Prozess für die Erstellung von Angeboten, der 12 Schritte und Maßnahmen von vier Personen erfordert, und versuchen Sie, mithilfe von KI die Anzahl der Schritte auf drei und die Anzahl der beteiligten Personen auf zwei zu reduzieren, und zwar in 80 bis 90 Prozent der Fälle. Dies ist ein rudimentäres Beispiel für die erforderliche Prozessorientierung, aber es verdeutlicht, wie detailliert die Definition von Anwendungsfällen und die Messung des Erfolgs sein müssen. Auch hier sind die Infrastruktur, die Tools und die Daten wichtig, aber wenn Sie den Anwendungsfall nicht so detailliert definieren können, ist Ihr Projekt bereits im Nachteil.

3 Fragen für erfolgreiche KI-Initiativen

Für IT- und Unternehmensleiter helfen diese drei einfachen Fragen dabei, ihr Unternehmen besser für den Erfolg mit KI zu positionieren.

1. Sind Sie dem Erfolg der KI verpflichtet? KI ist nichts, was man einfach delegieren und dann Erfolg erwarten kann. Wie bei jeder Geschäftsinitiative benötigen KI-Projekte klare Ziele und klare Maßstäbe für den Erfolg. Diese Maßstäbe müssen von oben nach unten, vom Führungsteam, sowohl auf der geschäftlichen als auch auf der technischen Seite umgesetzt werden. Bei jeder neuen Technologie gibt es unvorhergesehene Hürden und neue Lektionen zu lernen. Es ist unerlässlich, dass die Führungsmannschaft sich weiterhin für den Erfolg engagiert und bereit ist, bei Bedarf umzudenken, um sicherzustellen, dass das Team der Vision treu bleibt, die den höchsten Wert für das Unternehmen liefert.

2. Kennen Sie die Einzelheiten des Prozesses? Ein mangelndes Verständnis des zu verbessernden Prozesses und unrealistische Ziele können ein KI-Projekt von Anfang an zum Scheitern verurteilen. Eine Diskrepanz zwischen Erwartungen und Ergebnissen kann zukünftige KI-Projekte behindern. Führungskräfte müssen das Unternehmen auch darauf fokussieren, welche spezifischen KI-Projekte Priorität haben. KI sollte eingesetzt werden, um die wichtigsten Mitarbeiter des Unternehmens bei der Erledigung der wichtigsten Aufgaben zu unterstützen. Interne KI-Initiativen können durch zu viele konkurrierende Prioritäten und Anwendungsfälle behindert werden. Das Führungsteam muss klare und definierte Prioritäten setzen, um die Fokussierung innerhalb des Unternehmens sicherzustellen, was wahrscheinlich bedeutet, dass viele gute Ideen frühzeitig abgelehnt werden müssen.

3. Arbeiten Sie im richtigen Tempo? Bei KI-Projekten ist die Amortisationszeit weitaus wichtiger als bei anderen digitalen Initiativen. KI ist nach wie vor ein sich schnell entwickelnder Bereich. Der Stand der Technik in zwei Jahren wird sich wahrscheinlich stark von dem unterscheiden, was derzeit verfügbar ist. Für die Infrastruktur bedeutet dies, dass flexible Designs eingesetzt werden müssen, die die Integration neuer Tools und Technologien ermöglichen. Darüber hinaus müssen KI-Projekte einen schnellen Mehrwert liefern, der in nur zwei bis drei Monaten und nicht in Jahren gemessen wird. Wenn es drei Jahre dauert, bis sich eine KI-Initiative sinnvoll amortisiert, ist die Technologie veraltet, bevor das Projekt einen signifikanten Mehrwert geliefert hat. Daher ist es bei der Auswahl von Anwendungsfällen wichtig, kleinere, fokussierte Ziele zu identifizieren, die schnell einen Mehrwert liefern können.

Es gibt unzählige Faktoren, die über den Erfolg von KI-Initiativen entscheiden. Wenn die KI-Initiative jedoch nicht die volle Unterstützung der Führungskräfte hat und die Anwendungsfälle nicht klar definiert sind, spielen die anderen Faktoren wahrscheinlich nur eine untergeordnete Rolle.

Dell Technologies arbeitet mit mehreren Partnern wie Nvidia und AMD an seiner AI Factory-Plattform, die sowohl Rechenzentrums- als auch Hybrid-Cloud-Umgebungen abdecken kann und durch ein ergänzendes Portfolio an Services und Software erweitert wird. Dell ist jedoch nicht allein. AI Factory- oder Infrastrukturplattformen sind auch von mehreren anderen IT-Infrastrukturanbietern wie Cisco, HPE, IBM, Lenovo und Nvidia erhältlich. Darüber hinaus bieten auch Public-Cloud-Anbieter wie AWS, Microsoft Azure und Google Cloud KI-Infrastrukturdienste an.

Angesichts der Bedeutung der Auswahl von Anwendungsfällen und der Tatsache, dass die Besonderheiten der Anwendungsfälle die Auswahl und Vorbereitung der Daten bestimmen, dürfte die Hinzunahme von Dienstleistungen von Anbietern oder Partnern zur Definition und Verfeinerung der Anwendungsfälle erhebliche Vorteile bieten, unabhängig davon, wo ein Unternehmen seine KI-Initiativen umsetzt.

Über den Autor:
Scott Sinclair ist Practice Director bei Omdia und zuständig für den Bereich Speicherindustrie.

Omdia ist ein Geschäftsbereich von Informa TechTarget. Die Analysten des Unternehmens unterhalten Geschäftsbeziehungen zu Technologieanbietern.

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