Das Thema KI gezielt angehen und bearbeiten<\/h2>\n
Um diese Fragen zielf\u00fchrend zu beantworten, bedarf es seines Erachtens einer Roadmap, also eines systematischen Vorgehens beim Identifizieren, Bewerten und Implementieren von KI-Anwendungen in der Organisation, denn: \u201eDie gr\u00f6\u00dfte Gefahr besteht in einem blinden Aktionismus \u2013 das zeigt die Praxis immer wieder.\u201c Statt dem \u201eMarktgeschrei\u201c zu folgen, gelte es Schritt f\u00fcr Schritt und mit System m\u00f6gliche Anwendungsf\u00e4lle zu identifizieren, deren Wert f\u00fcr das eigene Business zu ermitteln und diese im Falle eines positiven Befunds schnell auf ihre Machbarkeit hin zu \u00fcberpr\u00fcfen.<\/p>\n
Schritt 1: M\u00f6gliche Anwendungsf\u00e4lle ermitteln Mit dieser Frage beginnt auch die Suche nach KI-Anwendungsf\u00e4llen. Bei ihrer Beantwortung k\u00f6nnen Musteranwendungsf\u00e4lle und Leitfragen helfen, wie Meyer sie entwickelt hat und in seinem Buch beschreibt. Diese kann muss sich wie Kreativit\u00e4tstechniken vorstellen, die speziell daf\u00fcr entwickelt wurden, Ideen und Vorschl\u00e4ge f\u00fcr Anwendungsf\u00e4lle zu generieren. Hierf\u00fcr ein Beispiel: KI-Systeme k\u00f6nnen Prognosen zum k\u00fcnftigen Kaufverhalten von Personen und Organisationen erstellen. Dazu nutzen sie Entscheidungsmuster, die in Kundendaten vorliegen. Bezogen auf diesen Anwendungsfall lautet die zentrale Leitfrage: Welche betriebswirtschaftlichen und strategischen Vorteile w\u00fcrde es uns bringen, wenn wir das Kaufverhalten unserer Kunden prognostizieren k\u00f6nnten?<\/p>\n Beim Arbeiten mit den Musteranwendungsf\u00e4llen geht es also nicht prim\u00e4r darum, ein vertieftes Technologie-Verst\u00e4ndnis zu entwickeln, vielmehr soll erkundet werden, welchen Benefit das Unternehmen aus dem potenziellen KI-Einsatz ziehen k\u00f6nnte. Die Vorlagen haben hierbei die Funktion von Blaupausen, um Ideen zu generieren, wo und wie die Unternehmen die KI messbar effektiv nutzen k\u00f6nnten.<\/p>\n Schritt 2: Wirtschaftlichkeit berechnen Beim Beantworten solcher Fragen kann ein Szenarienrechner helfen, den das Unternehmen von Meyer, die Innolytics AG, Leipzig, entwickelt hat. Mit ihm k\u00f6nnen die unterschiedlichsten Szenarien (Worst Case, Best Case, Anbieter A, Anbieter B) verglichen werden. Das Tool berechnet auch den Projektaufwand, \u201eden viele Mittelst\u00e4ndler h\u00e4ufig vergessen\u201c, so Meyer. \u201eEs macht einen riesigen Unterschied, ob die Besch\u00e4ftigten drei Wochen, Monate oder Jahre mit dem Implementieren einer KI besch\u00e4ftigt sind.\u201c<\/p>\n Schritt 3: Machbarkeit analysieren<\/strong><\/p>\n Damit eine k\u00fcnstliche Intelligenz sinnvolle Daten und Empfehlungen generieren kann, braucht es bestimmte Voraussetzungen. So m\u00fcssen unter anderem gen\u00fcgend Daten vorliegen, die f\u00fcr die Aufgabenstellung relevant sind. Sonst kommt es Meyer zufolge zuweilen zu merkw\u00fcrdigen Effekten: \u201eAngenommen Sie geben einem KI-System den Auftrag, die Produktivit\u00e4t Ihrer Besch\u00e4ftigten auf Basis aller zur Verf\u00fcgung stehenden Daten zu erh\u00f6hen, dann k\u00f6nnen lustige Empfehlungen herauskommen.\u201c So zum Beispiel, wenn das System feststellt, dass Besch\u00e4ftigte produktiver sind, die drei Tassen Kaffee getrunken haben. \u201eDann k\u00f6nnte es die Empfehlung geben, den Kaffeekonsum zu erh\u00f6hen.\u201c<\/p>\n Dahinter w\u00fcrde kein Fehlverhalten der KI-Anwendung stecken, sondern genau das, wozu sie entwickelt wurde, n\u00e4mlich: neue, bisher unbekannte Zusammenh\u00e4nge aus Daten herauszulesen. Unternehmen m\u00fcssen sich also genau \u00fcberlegen, welche Daten sie einem System zur Verf\u00fcgung stellen. Und sie d\u00fcrfen den gesunden Menschenverstand nicht au\u00dfer Acht lassen.<\/p>\n Schritt 4: Pilotprojekte starten Ein Vorteil der KI-Technologie ist: Man kann mit Prototypen arbeiten. \u201eIm Gegensatz zur Entwicklung eines neuen Autos oder einer neuen Maschinengeneration muss man sich beim Einsatz von k\u00fcnstlicher Intelligenz meist nicht sofort festlegen\u201c, betont Meyer. \u201eMan kann sich zun\u00e4chst mit Prototypen an die Materie heranarbeiten. Also: Mit kleineren Anwendungsf\u00e4llen sowie in Teilbereichen der Organisation starten und ausprobieren, welche Ergebnisse dies bringt.\u201c<\/p>\n Im Kern steckt dahinter die gleiche Entwicklungsphilosophie, mit der Thomas Edison einst das System der Gl\u00fchbirne erfand. In den USA wird es \u201eSerendipity\u201c genannt. \u201eMan kann dies als geplanten Zufall bezeichnen\u201c, erkl\u00e4rt Meyer, der ein Buch \u00fcber die Arbeitsweise von Thomas Edison schrieb. \u201eMan tastet sich durch Experimente Schritt f\u00fcr Schritt vorw\u00e4rts.\u201c Die Erkenntnisse aus jedem Experiment flie\u00dfen dabei in den n\u00e4chsten Entwicklungsschritt ein und der erfolgreiche Prototyp wird schlie\u00dflich implementiert.<\/p>\n Schritt 5: Die KI trainieren und optimieren \u201eSeien Sie also nicht frustriert, wenn die Ergebnisse anfangs hinter Ihren Erwartungen zur\u00fcckbleiben\u201c, betont Meyer. \u201e\u00c4hnlich wie bei der Entwicklung eines autonom fahrenden Autos braucht es bei jeder KI-Anwendung zu Beginn Menschen, die die Ergebnisse korrigieren und dem System mitteilen, wo es richtig oder falsch liegt.\u201c Bereits in dieser Phase produziert die KI aber messbare Ergebnisse, die zu einer Effizienzsteigerung f\u00fchren. Selbst wenn die KI-Anwendung beispielsweise Dinge im Lager noch nicht hundertprozentig perfekt findet, ist sie immer noch schneller als ein Mensch. Selbst wenn die Mustererkennung zu Beginn noch teilweise fehlerhaft ist, sind doch schon viele Daten dabei, die bereits eine bessere Prognose als bisher erlauben.\u201c<\/p>\n Fazit: Den KI-Einsatz systematisch analysieren und ausbauen. Ein strukturiertes, systematisches Vorgehen erm\u00f6glicht es zudem, alle Betroffenen bzw. Stakeholder \u201etop-down\u201c ins Boot zu holen, denn es schafft Transparenz. Dadurch sinken die Vorbehalte und Widerst\u00e4nde gegen den mit dem verst\u00e4rkten KI-Einsatz verbundenen Change- und Transformationsprozess. Und das verk\u00fcrzt wiederum die Projektdauer und erh\u00f6ht die Effizienz.<\/p>\n Autor: Bernhard Kuntz<\/p>\n Buchtipp:<\/strong><\/p>\n
\n<\/em><\/strong>
\nDass die KI einige Gesch\u00e4ftsprozesse automatisieren und in anderen erhebliche Effizienzsteigerungen bewirken kann, ist den meisten Verantwortlichen klar. Doch womit sollen sie starten? Jens-Uwe Meyer schl\u00e4gt eine pragmatische Herangehensweise vor: \u201eStellen Sie sich vor, die k\u00fcnstliche Intelligenz sei eine Person, die sich bei Ihnen um eine Stelle bewirbt. Dann lautet die erste Frage, die Sie sich in der Regel stellen: Was kann die Person eigentlich und wof\u00fcr k\u00f6nnten wir sie einsetzen?\u201c<\/p>\n
\n<\/em><\/strong>
\nEine gro\u00dfe Herausforderung beim Einsatz k\u00fcnstlicher Intelligenz ist es, die genauen Einspar- beziehungsweise Wachstumspotenziale zu berechnen, denn jeder Berechnung liegen zahlreiche Annahmen und Wenn-Dann-Beziehungen zugrunde:<\/p>\n\n
\n<\/em><\/strong>
\nDie aktuell rasanten Fortschritte beim Einsatz k\u00fcnstlicher Intelligenz bringen viele Mittelst\u00e4ndler in Zugzwang. Unternehmen sie nichts und warten sie lieber, bis alle Mitbewerber Anwendungsf\u00e4lle f\u00fcr KI gefunden haben, laufen sie Gefahr, abgeh\u00e4ngt zu werden. Entscheiden sie sich hingegen zu fr\u00fch f\u00fcr eine bestimmte Richtung, besteht die Gefahr, dass sie sich verzetteln oder aufs falsche Pferd setzen.<\/p>\n
\n<\/strong>
\nDieser Punkt wird h\u00e4ufig untersch\u00e4tzt. KI-Modelle werden schlauer und treffsicherer, je l\u00e4nger sie im Einsatz sind. Das hei\u00dft auch: Die Ergebnisse aus den prototypischen Tests sind noch nicht perfekt. Das macht aber nichts, weil die k\u00fcnstliche Intelligenz selbstst\u00e4ndig lernt, sofern sie das n\u00f6tige Daten-Futter erh\u00e4lt.<\/p>\n
\n<\/strong>
\nDer Vorteil eines systematischen und geplanten Vorgehens liegt laut Meyer auf der Hand: Die Unternehmen sammeln umfangreiche Erfahrungen und bauen Expertise im Anwenden der KI auf. Sie identifizieren die Anwendungsf\u00e4lle, die f\u00fcr sie am lohnendsten sind, und schaffen so die Grundlage f\u00fcr ihre k\u00fcnftige Wettbewerbsf\u00e4higkeit.<\/p>\n![\"Meyer,](\"https:\/\/www.weiterbildungsmarkt.net\/magazin\/wp-content\/uploads\/2021\/01\/Meyer-Jens-Uwe-Dr-farbiger-Hintergrund-120x120.jpg\")
Dr. Jens-Uwe Meyer<\/strong> ist Vorstandsvorsitzender der Innolytics AG, Leipzig, die unter anderem Ideen-, Wissens- und Qualit\u00e4tsmanagement-Software entwickelt. Der Digitalisierungs- und Innovationsexperte sowie Vortragsredner hat au\u00dfer seiner Doktorarbeit 13 B\u00fccher zum Thema Innovation in Unternehmen verfasst. Im Oktober 2023 erschien sein neustes Buch \u201eDie KI-Roadmap: K\u00fcnstliche Intelligenz<\/em>\u00a0im Unternehmen erfolgreich einsetzen\u201c.<\/a><\/p>\n