phonlamaiphoto - stock.adobe.com
Fünf Schritte zur Implementierung künstlicher Intelligenz
Damit die Integration von KI-Technologie gelingt, ist ein strukturiertes Vorgehen notwendig. CIOs sollten insbesondere fünf Bereiche hierbei berücksichtigen.
Das Jahr 2019 stand im Zeichen der Digitalisierung. Künstliche Intelligenz (KI), Internet of Things (IoT), Hyper Automation und viele weitere digitale Trends waren Schwerpunkt zahlreicher Initiativen und Publikationen.
In Anbetracht dieser Trends stellen sich wohl viele Unternehmenslenker die Frage, wie sie die Themen im eigenen Unternehmen umsetzen können. Insbesondere mit Blick auf künstliche Intelligenz (KI) sind viele Marktteilnehmer geteilter Meinung. Die Diskussion darüber, wo die Grenzen moderner Technologien liegen und wie dabei Sicherheit, Haftung, Datenhoheit oder Privatsphäre behandelt werden sollen, hat erst begonnen.
Doch was genau bedeutet der Einsatz von künstlicher Intelligenz eigentlich konkret für die Geschäftsführung oder für den einzelnen Mitarbeiter eines Unternehmens?
Die Einsatzbereiche von künstlicher Intelligenz sind vielfältig. So ist es oft schwierig, den richtigen Einstiegspunkt zu finden. Damit die Integration aber gelingt und auch den gewünschten Erfolg erzielt, ist ein strukturiertes Vorgehen notwendig. So gilt es einige wenige Schritte zu beachten:
1. Use Case identifizieren und bestimmen
Der erste Schritt zur nachhaltigen Einführung besteht darin herauszufinden, welche Problemstellungen es innerhalb des Unternehmens durch den Einsatz von KI zu lösen gilt, und zu definieren, welche Ziele erreicht werden sollen.
Oft zeigt sich rasch, dass es viele Anknüpfungspunkte gibt, jedoch ist es wenig effizient alle gleichzeitig zu bearbeiten. Es ist sinnvoll, sich für den Start auf einen konkreten Anwendungsfall aus einer bestimmten Fachabteilung zu konzentrieren.
2. Erfolgskriterien definieren und festlegen
Ist der geeignete Anwendungsfall gefunden, lassen sich auch einfacher die weiteren Schritte und die Erfolgskriterien festlegen, denn nicht jede verfügbare Lösung ist für jeden Anwendungsfall geeignet.
Diese Erfolgskriterien sind:
- Geschäftsanforderungen/Business Needs
- Datenquellen und Datenqualität
- Semantic Relationships und Extraction
- Kalkulation des Return on Investment
Mit Business Needs ist die Abweichung zwischen dem Ist-Zustand (gelebte Praxis) und dem Soll-Zustand bei optimaler Umsetzung gemeint. Nachdem die konkreten Abweichungen ausgearbeitet und die Anforderungen für die Umsetzung definiert wurden, müssen die Projektverantwortlichen festlegen, welche Daten es aus welchen Datenquellen braucht, um die gewünschten Ziele zu erreichen.
Kurzcheck: Einführung von KI-Prozessen
- Was ist das konkrete Problem?
- Was möchte man damit erreichen?
- Wo sind die Daten zu finden?
- Was sagen die Anwender?
- Wurden alle Vorgaben erreicht (Return on Investment)?
Um aus diesen vorhandenen Daten, Informationen zu extrahieren und als Wissen nutzbar zu machen, müssen die Zusammenhänge zwischen den unterschiedlichen Informationen analysiert, Modelle aufgebaut sowie weitere Informationen richtig interpretiert und verknüpft werden. Im Sinne des Wirkungs-Controlling ist es notwendig, bereits vorab aussagekräftige und sowohl für Mitarbeiter als auch für andere Beteiligte verständliche Key Performance Indicators (KPI) zu definieren. Diese dienen als Basis für die ROI-Berechnung und als harte Fakten zur Messung des Erfolgs.
3. Proof of Concept mit Unternehmensdaten
Ein Proof of Concept (PoC) ist ein wichtiger Meilenstein bei der Einführung von KI-Lösungen. Er hilft dabei, den passenden Anbieter zu finden. Unternehmen sollten hier bereits mit den eigenen Daten testen, ob sich die identifizierten Anforderungen auch tatsächlich mit der Lösung umsetzen lassen. Ein PoC mit den eigenen Daten hat außerdem den Vorteil, frühzeitig Probleme zu erkennen. Darüber hinaus lassen sich – nach erfolgreichem PoC – sämtliche Erkenntnisse nahtlos in den Echtbetrieb übernehmen.
Ein nicht zu unterschätzender Faktor bei der erfolgreichen Einführung von KI-Lösungen stellt die Qualität der vorhandenen Unternehmensdaten dar. Diese sollten vor der Umsetzung einer Prüfung unterzogen werden. Datenmüll kann den Einsatz von maschinellem Lernen und künstlicher Intelligenz erheblich erschweren (Garbage-in-, Garbage-out-Prinzip).
4. Mitarbeitende miteinbeziehen
Im Sinne eines kontinuierlichen Change-Managements ist es notwendig, die Mitarbeitenden bereits früh in den Prozess einzubinden. Fachabteilungen können am besten beurteilen, wo die Lösung noch verbessert werden muss, oder wertvollen Input liefern – besonders dann, wenn es um das Trainieren der KI-Lösung geht.
Nur durch kontinuierlichen Einsatz und aktives Feedback lernt die künstliche Intelligenz hinzu, liefert genauere Ergebnisse und unterstützt in weiterer Folge bei der täglichen Arbeit. Das Feedback von Schlüsselanwendern ist essentiell für den späteren Rollout sowie für die Akzeptanz der Mitarbeiter, denn sie agieren als Multiplikatoren im Unternehmen.
„Wird künstliche Intelligenz gut überlegt eingesetzt, steigert dies die Leistungsfähigkeit eines Unternehmens erheblich. KI kann zum echten Game Changer werden, wenn es um Wettbewerbsvorteile in hart umkämpften Märkten geht.“
Daniel Fallmann, Mindbreeze
5. ROI Kalkulation validieren
Sind alle Tests zufriedenstellend verlaufen, erfolgt der Übergang in den Echtbetrieb. Dabei können sämtliche Einstellungen vom PoC direkt übernommen und die zu Beginn erstellte ROI-Kalkulation validiert werden.
Ist das Projekt erfolgreich angelaufen, lässt sich das KI-System auf weitere Abteilungen oder Tätigkeitsfelder ausrollen, bis es schließlich im gesamten Unternehmen eingesetzt wird und sich dadurch sämtliche Unternehmensprozesse transformieren lassen (Business Process Transformation).
Fazit
Wird künstliche Intelligenz gut überlegt eingesetzt, steigert dies die Leistungsfähigkeit eines Unternehmens erheblich. KI kann zum echten Game Changer werden, wenn es um Wettbewerbsvorteile in hart umkämpften Märkten geht.
Über den Autor:
Daniel Fallmann gründete 2005 das Unternehmen Mindbreeze und lebt täglich als CEO den Qualitäts- und Innovationsanspruch vor. Zusammen mit seinem Team legte er bereits in den ersten Jahren den Grundstein für die hoch skalierbare und intelligente Mindbreeze InSpire Appliance. Er hegt große Leidenschaft für künstliche Intelligenz, Cognitive Search und Big Data im Unternehmensumfeld.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
