Suchen

Bereit für KI? Disruptive Potenziale nutzbar machen

Autor / Redakteur: Dipl. Betriebswirt Otto Geißler / Nico Litzel

Künstliche Intelligenz (KI) befähigt Unternehmen, nicht nur ihre Prozesse zu optimieren, sondern auch Kunden besser zu bedienen und letztlich ihre Wettbewerbsfähigkeit zu verbessern. Mit welchen Herausforderungen müssen CIOs bei der praktischen Umsetzung rechnen?

Firma zum Thema

KI für klar umrissene Projekte einzusetzen, ist ein erster und entscheidender Schritt. Auf diese Weise lernen Unternehmen, mit der Technologie umzugehen und das große Potenzial für sich zu erkennen. Projekte rund um KI sind umfangreich und müssen sorgfältig geplant werden.
KI für klar umrissene Projekte einzusetzen, ist ein erster und entscheidender Schritt. Auf diese Weise lernen Unternehmen, mit der Technologie umzugehen und das große Potenzial für sich zu erkennen. Projekte rund um KI sind umfangreich und müssen sorgfältig geplant werden.
(Bild: © RS-Studios – stock.adobe.com)

Auch wenn die Mehrwerte durch KI auf der Hand liegen, sollten sich Unternehmen jedes einzelne Projekt aufgrund der großen Anzahl an möglichen Use Cases immer wieder kritisch vor Augen führen. Denn es stellt sich bei jedem Projekt nicht nur die Frage der Realisierbarkeit, sondern auch jene, ob erstmal wesentliche Modernisierungen bei IT-Infrastruktur und Prozessen dem Projekt vorangehen müssen, damit die KI mit optimaler Effizienz wirksam werden kann. Das bedeutet, wenn auch ein Mehrwert existiert, heißt das noch lange nicht, dass sich die Umsetzung letztlich lohnt.

Da die Einsatzbereiche so vielfältig sein können und fast jede Abteilung eines Unternehmens im Grunde Prozesse mit KI optimieren könnte, ließen sich schnell auch die Strukturen eines Unternehmens und letztlich deren komplette IT infrage stellen. Das heißt, die Verantwortlichen sollten sich stets im Klaren sein, ob eine Anpassung der Strukturen oder IT im Verhältnis zu dem zu erwartenden Mehrwert steht. KI für klar umrissene Projekte einzusetzen, ist jedoch ein richtiger Schritt, den Umgang mit der Technologie zu erlernen und ein realistisches Potenzial auszumachen.

Vorüberlegungen für KI-Projekte

Die Erstellung einer detaillierten Roadmap ist für Unternehmen dazu unabdingbar. Projekte rund um KI sind umfangreich und müssen daher langfristig geplant werden. Damit keine Fehlinvestitionen drohen, sollten Unternehmen nicht ohne strategische Vorüberlegungen in die Welt der KI einsteigen. Wobei KI-Strategien immer in Zusammenhang mit IT- und Unternehmensstrategien gesehen werden müssen. Doch letztlich ist eine KI-Lösung auch keine Arznei, die Wunder bewirkt. Sie ist vor allem auch keine einheitlich gestrickte Technologie.

Aus diesem Grunde existiert auch nicht „die“ KI-Lösung schlechthin. Daher steht am Anfang immer die Frage nach der Zielsetzung: Was will das Unternehmen mit KI erreichen? In Umfragen werden meist folgende Punkte genannt: intelligente Automatisierungstechnologie und digitale Assistenten. Das heißt, Bewältigung einer stetig anwachsenden Datenflut, Reduzierung der Arbeitskosten, Beschleunigung von Abläufen oder die Verringerung von Routineaufgaben.

Es werden aber auch große Einsatzbereiche, insbesondere in den Bereichen der vorausschauenden Instandhaltung bzw. intelligenter Sensorik, Knowledge Management Software, Abwehr von Hackerangriffen oder digitale Chatbots in der Kundenkommunikation, gesehen. Da im Prinzip eine Vielfalt an Szenarien möglich ist, sollten Unternehmen immer viele Gesichtspunkte und Aktivitäten in Erwägung ziehen und diese sorgfältig analysieren bzw. auswerten.

Bei KI-Projekten ist es ebenfalls angezeigt, die Position eines Hauptverantwortlichen für abteilungsübergreifende KI-Teams und KI-Implementierung zu schaffen. Diese Teams sollten natürlich über IT-Know-how als auch das Wissen der jeweiligen Fachabteilungen verfügen. Darüber hinaus muss auch die Geschäftsleitung oder der Vorstand in die Projektierung eingebunden sein. Falls nötig, sollten externe Partner mit profunden KI-Kenntnissen involviert werden.

Strategisches Phasenmodell

Idealerweise durchlaufen KI-Projekte folgende bewährte strategische Phasen: Analyse des Ist-Zustands, Erstellung Use Case, Evaluierung Use Cases und Erarbeitung Roadmap.

Die Analysephase beschäftigt sich im Wesentlichen mit einer genauen Einschätzung der Indikatoren, was überhaupt im Unternehmen optimiert werden soll. Zu den Indikatoren könnten beispielsweise ein hoher manueller Aufwand in Abläufen, ausreichend große Datenmengen oder auch regelbasierte Vorgehensweisen zählen. Des Weiteren ist zu klären, ob die vorhandenen Datenbanken KI-fähig, passende Schnittstellen für die KI-Anbindung vorhanden oder die Mitarbeiter ausreichend qualifiziert sind.

Dazu müssen unter anderem diese Punkte geprüft werden: Berücksichtigung aller regulatorischen oder Compliance-Aspekte, Benutzerfreundlichkeit der neuen Lösungen, Vorbereitung und Schulung der Mitarbeiter, Transparenz der KI-Anwendung für die Außenwelt, Auswirkung des KI-Einsatzes auf die Veränderung von Arbeitsprofilen. Zu den möglichen Pitfalls gehören laut Umfragen vor allem organisatorische Probleme, Datensilos bzw. Daten aus verschiedenen Lösungen oder die Implementierung.

Auf der Grundlage dieser Daten und Informationen lassen sich Prozesse detektieren, für die der Einsatz von KI den größtmöglichen Nutzen erzielt. Darüber hinaus muss das zu involvierende organisatorische Umfeld wie beispielsweise die Abteilungen, externe Partner und Lieferanten definiert werden. In dieser Phase ist es entscheidend zu klären, ob sich eine Problemstellung für eine KI-Lösung überhaupt eignet.

In der Use-Case-Phase wird geprüft, ob womöglich bereits bewährte oder ähnliche KI-Anwendungen bzw. Use Cases existieren oder neue bestimmt werden müssen. Durch eine Gegenüberstellung von Aufgabenstellungen und Use Cases treffen die Verantwortlichen eine Auswahl der passenden KI-Applikationen. In der nächsten Phase der Use Case-Evaluierung erfolgt dann eine Priorisierung der Kandidaten. Auf Basis dieser Entscheidungen erfolgt die Erarbeitung einer Roadmap mit detailliertem Projektplan.

Säulenmodell für KI-Projekte

Ein KI-Projekt basiert immer auf drei Säulen: Hardware, Software und Ecosystem. Die Hardware umfasst die Speicherung, Verschiebung und das Prozessieren von Daten, worauf die Software mit Data Analytics, Machine Learning bzw. Deep Learning aufsetzt und in dem Ecosystem wie einer Cloud wird das Projekt schließlich implementiert. Denn Unternehmen tendieren vielfach dazu, Algorithmen, Applikationen oder komplette KI-Lösungen „as a Service“ einzukaufen, statt sie aufwendig selbst zu entwickeln.

Dieser Beitrag erschien zuerst auf unserem Partnerportal Bigdata-Insider.de.

(ID:46952677)

Über den Autor