Künstliche Intelligenz kann dafür sorgen, dass Unternehmen noch effektiver, schneller und moderner werden. Wenn sie Routineaufgaben übernimmt oder gar neue Erkenntnisse liefert, wird sie zur Super-Power. Um also KI-Projekte richtig umzusetzen, sind fünf Bereiche erfolgsentscheidend. Mit entsprechenden Schritten ist die Einführung nicht schwer.
Ein Beispiel: Sabrina arbeitet in der Pharmabranche. Jede Woche erhält sie per E-Mail eine Liste mit mehreren hundert klinischen Studien. Für eine erste Begutachtung muss sie den Link zu jeder Studie öffnen, um auf der entsprechenden Website die Zusammenfassung und weitere Kennzahlen zu prüfen.
Anfangs machte ihr die Aufgabe noch Spass, da sie einen Überblick über die aktuellen Forschungsergebnisse erhielt. Doch inzwischen ist sie sich unsicher, ob sie wirklich alle relevanten Studien erkennt. Zudem steigt der Druck, die Veröffentlichungen schneller auszuwerten. So bleibt kaum noch Zeit, die Studien ausführlich zu lesen.
Zum Glück steht ihr inzwischen eine KI-Lösung zur Seite. Diese wertet alle eingehenden Informationen anhand von Urheber, Inhaltsstoffen, Krankheitsbildern oder Heilerfolg automatisch aus. Von Experten definierte Stichwörter dienen dabei als Filtersystem, um irrelevante Beiträge auszusortieren. Durch dieses Vorab-Screening hat Sabrina genügend Zeit, die Studien auf Herz und Nieren zu prüfen. So kann sie qualifiziertere Vorschläge machen, erhält dadurch positive Rückmeldungen von den Fachteams und hat wieder mehr Freude an ihrer Arbeit.
Dieser reale Anwendungsfall bei einem Pharmaunternehmen zeigt, dass KI eine wichtige Hilfestellung bieten kann, die für alle Seiten Vorteile bringt. So profitieren sowohl die Mitarbeiterin als auch das Unternehmen davon. Doch bis es so weit ist, müssen einige Hürden genommen werden. Diese betreffen vor allem fünf Bereiche: Daten, Technik, organisationale Prozesse, Fachkräfte sowie Recht & Ethik.
Unternehmen können nur dann Mehrwerte durch KI-basierten Use Cases erhalten, wenn die richtigen Daten in der richtigen Form verfügbar sind. Für einen einzelnen Anwendungsfall lässt sich dies gezielt realisieren, um ihn schnell und effizient umzusetzen. Um hingegen viele vorliegende Anwendungsfälle zu berücksichtigen und ein Unternehmen insgesamt datengetrieben auszurichten, bedarf es einer umfassenden Datenstrategie. Dabei ist jedoch einzukalkulieren, dass die Suche nach den richtigen Daten dauerhaft und kein einmaliges Ereignis ist. Erst mit dem geeigneten Data Management und einer Data Governance lassen sich der Umgang mit Daten und das Rahmenwerk (Rollen, Prozesse, Richtlinien etc.) übergreifend festlegen. So sorgt eine Datenstrategie langfristig dafür, dass sich nicht nur Anwendungsfälle aus der Datenstrategie ableiten. Auch Business- und Digitalstrategien – und somit das Geschäftsmodell sowie interne Prozesse – können auf dieser datenzentrierten Ausrichtung basieren.
Technologien für KI sind seit vielen Jahren einsatzbereit und werden stetig weiterentwickelt. So existieren etwa vorgefertigte Web Services für KI, mit denen sich Anwendungen punktuell verbessern lassen. Beispiele sind Bild-, Text- und Sprach-Erkennung, Sentiment-Analysen, Anomalie-Erkennung oder Personalisierung. Sollten diese Services nicht ausreichen, können mit Machine Learning und Data-Science-Plattformen eigene Modelle und Datenpipelines erstellt werden. Es muss nicht immer erst eine komplette Machine-Learning-Plattform mit viel neuer Hardware im eigenen Data Center aufgebaut werden, um die ersten Schritte zu gehen. Unternehmen sollten den Markt anhand ihrer Bedarfe prüfen, um mit dem richtigen Toolstack ihre Business-Prozesse intelligenter zu machen.
In jedem Fall sind die KI-Lösungen in die Unternehmensabläufe zu integrieren. Nur wenn die Ergebnisse eines KI-Prozesses auch verarbeitet werden, generiert dieser Nutzen. Dabei ist zu klären, wer die Ergebnisse verarbeiten soll und in welchen Anwendungen sie zum Einsatz kommen. Wichtig ist deshalb, dass Unternehmen festlegen, wer für den KI-basierten Prozess verantwortlich ist, wer ihn entwickelt und wo dieser betrieben wird. Dazu muss die Führungsebene notwendige Massnahmen wie die Einführung agiler Prozesse und Change Management aktiv unterstützen.
Bei Entwicklung und Einsatz Künstlicher Intelligenz sind unterschiedliche Personengruppen und Fachabteilungen involviert. Dazu gehören Führungskräfte, Data Scientists, Software und Data Engineers sowie Domänen-Expertinnen und -Experten aus den Fachbereichen. Insbesondere Data Scientists und Software Engineers sind am Markt heiss begehrt. Unternehmen müssen unbedingt darauf achten, dass die einzelnen Rollen ihren jeweiligen Job optimal ausfüllen und zum Beispiel Data Scientists nicht für Datenaufbereitung oder Projektmanagement eingesetzt werden. Wenn diese Berufsbilder unternehmensintern nicht zur Verfügung stehen, müssen KI-Kompetenzen bei den eigenen Mitarbeitenden aufgebaut oder von Partnern genutzt werden.
Weitere Herausforderungen sind die Compliance und insbesondere der Datenschutz. So müssen Unternehmen prüfen, welche Daten rechtlich überhaupt zum Einsatz kommen dürfen, welche Massnahmen ihre Nutzung ermöglichen und wie sensible Daten zu anonymisieren sind. Auch Vorschriften bei regulierten Branchen und der Datenübertragung in die Cloud sind zu berücksichtigen. Zudem ist der Betriebsrat einzubinden, insbesondere bei Ängsten vor Jobverlust. Ethische Fragen betreffen zum Beispiel falsche Empfehlungen oder mögliche Diskriminierungen aufgrund impliziter Vorurteile durch Data Bias oder unzureichend geprüfter Dateneingabe.
Alle fünf Bereiche müssen für den erfolgreichen Einsatz von KI-Anwendungen betrachtet werden. Dabei sind konkrete Use Cases für KI über die einzelnen Fachbereiche zu identifizieren. Dies gewährleistet, dass die Automatisierung und Verschlankung alltäglicher Aufgaben klare Vorteile für die Mitarbeitenden bringen. Bevor sämtliche Fragen geklärt sind, können Unternehmen schon mit dem Aufsetzen einer Datenstrategie sowie der Auswahl und Einführung der geeigneten Technologien starten. Dabei empfiehlt es sich, dass ein KI Center of Excellence oder Business App Center of Excellence die zentrale Steuerung des Projekts übernimmt.
KI kann die digitale Transformation deutlich voranbringen. Die grössten Herausforderungen bilden dabei die Erzeugung relevanter Datenpunkte, die Beherrschung der Datenmenge sowie eine hervorragende Datenqualität. Wer also morgen KI nutzen will, sollte schon heute mit einer geeigneten Datenstrategie starten und auf die richtigen Technologien setzen.
Mehr Informationen zu den fünf wichtigsten Bereichen und geeigneten Massnahmen für die Einführung von KI enthält der Praxisreport Künstliche Intelligenz von Campana & Schott und der Technischen Universität Darmstadt, der vor kurzem veröffentlicht wurde. Der Report beschreibt konkrete Use Cases in den Gebieten Marketing, Vertrieb und Produktmanagement und zeigt Lösungsansätze auf. Damit lassen sich Kundinnen und Kunden mühelos verstehen, Käufe generieren und passende Produkte zur richtigen Zeit bieten.
Weitere Fragestellungen und Lösungen zu den Themenfeldern Daten und Technik geben weitere Best-Practice-Artikel, die in den kommenden Wochen erscheinen.
