Blockaden durchbrechen – In nur fünf Schritten zur KI

Von Sprachassistenten wie Siri, Alexa und Cortana bis hin zum autonomen Fahren – das Spektrum der künstlichen Intelligenz (KI) ist breit gefächert und beinhaltet unterschiedlichste Verfahren und Konzepte. Diese finden auch zunehmend im Unternehmens-Umfeld ihre Anwendung.

KI ist längst kein Hype mehr, sondern etabliert sich als Wettbewerbstreiber. Nicht zuletzt aufgrund des hohen Wertschöpfungspotenzials forcieren immer mehr Unternehmen die Implementierung von KI-basierten Systemen. Die Zahl der Anbieter hat sich durch zahlreiche Start-ups, die auf den Markt drängen, in den letzten Jahren rasant erhöht. Um die richtige Lösung zu finden, sollten im Rahmen der Evaluierung einige Punkte bedacht werden. 

1. Identifizierung des Anwendungsfalles

Die zahlreichen Konzepte und Herangehensweisen machen es häufig recht schwierig, den richtigen Einstiegspunkt zu finden. Um den gewünschten Erfolg durch den Einsatz von KI zu erzielen, sollten sich Unternehmen jedoch nicht von den zahlreichen Lösungen und ihren vielen Fähigkeiten blenden lassen. Denn zu Beginn ist es besonders wichtig, die eigenen Prozesse zu durchleuchten, um konkrete Problemstellungen zu identifizieren und zu überlegen, ob und wie (Use Case) eine KI-Lösung eingesetzt werden könnte, um die bestehenden Pain Points zu eliminieren. Erfahrungsgemäß finden sich zahlreiche Einstiegspunkte. Es ist aber ratsam den Fokus auf einen konkreten Use Case – beispielsweise in einer Fachabteilung – zu legen und schrittweise den Roll-out in weiteren Fachabteilungen mit weiteren Use Cases vorzunehmen.

2. Ermittlung und Definition der Erfolgs- und ROI-Kriterien

Da sich nicht alle Lösungen für jeden Anwendungsfall eignen, ist es notwendig im Vorfeld konkrete Erfolgskriterien zu definieren.

Dazu zählen unter anderem:

• Business Needs
• Datenquellen und Datenqualität
• Semantic Relationships und Extraction
• ROI Kalkulation

Business Needs bzw. Geschäftsanforderungen legen fest, was mit der Implementierung der Lösung erreicht werden soll: Also die Definition des konkreten Outputs bei erfolgreicher Umsetzung (Unterschied zwischen Ist- und Sollzustand).

Nach Konkretisierung der Erfolgskriterien folgt die Überprüfung der eigenen, internen Datenbestände. Es gilt zu ermitteln welche Daten und Datenquellen es braucht, um die festgelegten Anforderungen bzw. Ziele zu erreichen. Die meisten Unternehmen „sitzen“ auf einem Datenschatz, ohne es zu wissen, denn die vorhandenen Informationen wie von Sensoren- und/oder Maschinen-Daten, Dokumente und E-Mails sind in zahlreichen Datenquellen (Internet, SharePoint, Fachanwendungen, …) gespeichert. Um aber einen realen Mehrwert aus dieser Datenmenge ziehen zu können, müssen die Zusammenhänge zwischen den unterschiedlichen Informationen erst semantisch identifiziert, extrahiert und für die Anwender aufbereitet werden.

Im Sinne eines Wirkungscontrollings empfiehlt sich die Definition aussagekräftiger und sowohl für Mitarbeiter als auch für andere Beteiligte verständliche KPIs (Key Performance Indicators). Diese dienen als Basis für die ROI Kalkulation und stellen die Messbarkeit der Implementierung sicher.

3. Praktisches Testen mit eigenen Unternehmensdaten

Ein Proof of Concept (PoC) ist ein wichtiger Meilenstein bei dem geplanten Projekt. Dieser wird in der Regel durchgeführt, um nachzuweisen, dass die Technologie, in die das Unternehmen investieren will, genau ihren Anforderungen entspricht. Das Testen der Lösung mit eigenen Daten ermöglicht das frühzeitige Aufzeigen etwaiger Probleme. Zudem können – vorausgesetzt die Teststellung war erfolgreich – sämtliche Einstellungen nahtlos in den Echtbetrieb übernommen werden.

Eine wichtige Rolle spielen dabei die vorhandenen Daten und ihre Qualität. Nur eine gute Datenbasis mit wenig Dubletten, Fehlern, etc. stellt eine ideale Basis für die Extraktion von guten Ergebnissen dar (garbage-in – garbage-out Prinzip). Daher ist es sinnvoll, vor dem Start die Qualität genau zu überprüfen und bei Bedarf eine Datenbereinigung (data cleansing) durchzuführen.

In dieser Phase sollten auch die verschiedenen Deployment-Varianten entsprechend der spezifischen Anforderungen überlegt werden. KI-Lösungen stehen heute in unterschiedlichen Varianten zur Verfügung:

Appliance: Bei dieser Variante handelt es sich um hochleistungsfähige Hardware mit perfekt abgestimmter Software. Diese wird direkt, ohne jede Verbindung nach Außen (Internet, Hersteller, Anbieter) in das interne Rechenzentrum integriert und indiziert die Daten aus den angebundenen Datenquellen. Dies ist besonders geeignet für Unternehmen, die keinerlei Daten außerhalb des Unternehmens gespeichert haben oder mit der KI-Lösung besonders sensible Daten bearbeiten möchten.

SaaS: Die SaaS-Variante eignet sich ideal für Unternehmen, die eine Vielzahl an Daten in Cloud-Lösungen (SharePoint online, Office 365, Salesforce) verwalten. Die KI-Lösung befindet sich hierbei in einem externen Rechenzentrum.

Hybrid: Bei der hybriden Lösung werden die Daten aus den Cloudspeichern sowie aus den unternehmenseigenen Datenquellen zusammengeführt.

4. Einbeziehung der Anwender

Nach einer erfolgreichen Teststellung mit ausgewählten Personen (Projektteam/Testteam), gilt es, die Anwender/Experten des Fachbereiches miteinzubeziehen. Sie kennen die Abläufe sowie Herausforderungen ihrer Fachabteilung und liefern wertvolles Feedback. Nur wenn die Lösung von ihren (zukünftigen) Anwendern akzeptiert wird, können sich Mensch und Maschine in den Arbeitsabläufen sinnvoll ergänzen. Kontinuierliches Change Management ist unerlässlich für den Erfolg des Projekts.

5. Validierung des Return of Investment

Nach erfolgreichem Praxistest steht die Prüfung des ROI an. Fällt diese positiv aus, können die vorgenommenen Einstellungen aus der Testphase nahtlos in den Echtbetrieb übernommen werden.

Die Einführung einer KI-Lösung in einem Fachbereich führt häufig dazu, dass andere den Mehrwert auch für ihre Abteilung erkennen und die Lösung anschließend weiter ausgerollt wird. Dies ist oft der Startschuss für eine Transformation aller bestehenden Prozesse (Business Process Transformation).

KI-basierte Technologien sind heute bereits in der Lage, die Leistungsfähigkeit von Unternehmen enorm zu steigern. Dazu bedarf es nur einiger sorgfältiger Überlegungen vor Start der Einführung, um die Vorteile wie Zeitersparnis durch Automatisierung wiederkehrender Geschäftsabläufe, besseres Kundenverständnis oder zufriedenere Mitarbeiter im eigenen Unternehmen nutzen zu können. 

Daniel Fallmann, www.mindbreeze.com