Der Schritt von Big Data zu Big KI

künstliche Intelligenz

Der Moment, in dem Künstliche Intelligenz (KI), die für uns Texte verfasst, genauso selbstverständlich zu unserem Arbeitsleben dazu gehört, wie die alltägliche E-Mail, ist nicht mehr weit entfernt. Das eigenständige Schreiben von E-Mails wird dann zur Ausnahme. Es ist nicht die erste und bleibt nicht die letzte Transformation.

Das Faxgerät erlebt gerade seine Endphase. Die Cloud hat das dezentrale, kollaborative Arbeiten auf ein neues Level gehievt. Nun wird KI in den kommenden Jahren die Produktivität um ein Vielfaches steigern und die Art und Weise, wie wir arbeiten, grundlegend ändern – und zwar nicht nur in den IT-Abteilungen, sondern in so gut wie allen Bereichen eines Unternehmens. Wie bei den vergangenen Innovationssprüngen gilt auch diesmal: Wer zu lange wartet, droht den Anschluss zu verlieren. Die gute Nachricht: Unternehmen müssen diesmal keine Faxgeräte entsorgen. Sie müssen vielmehr ihre bestehende Datenstrategie durch KI für das gesamte Unternehmen produktiver nutzen. Laut McKinsey wendeten 2022 verglichen mit 2017 zwar 2,5 Mal mehr Organisationen KI in mindestens einer Abteilung an, allerdings stagniert die Zunahme seit 2019.

Anzeige

Wettbewerbsfähigkeit sichern

Dabei ist das Potenzial immens: McKinsey zufolge birgt KI über alle Branchen hinweg betrachtet einen jährlichen Wert von bis zu 15,4 Billionen Euro. Dieses Potenzial auszuschöpfen ist deutlich zukunftsfähiger, als Kosten für die Datenspeicherung, Verarbeitung, Sicherheit, Maintenance und Software senken zu wollen. So steigen laut Gartner die weltweiten IT Ausgaben von Unternehmen 2023 auf insgesamt 4,6 Billionen Dollar, 5,5 Prozent mehr als noch im Vorjahr. Gerade in Zeiten, in denen die makroökonomischen Turbulenzen Unternehmen in Schieflage bringen, eine nicht unerhebliche Entwicklung. Wenn Unternehmen nicht rasch KI implementieren, drohen sie, nicht mehr wettbewerbsfähig zu sein.

Die große Frage für Unternehmen lautet dabei, wie sie den Wert, den KI für ihr Unternehmen birgt, effektiv nutzen können. Um KI zu demokratisieren, also dafür zu sorgen, dass die Technologie möglichst jedem im Unternehmen zugute kommt, müssen sich Organisationen im Vorfeld mit zentralen Fragen auseinandersetzen, die teilweise nicht nur technologische Aspekte betreffen: Wer sollte im Unternehmen KI wie anwenden? Was sind die besten Modelle, für welchen Fall? Wie schulen Unternehmen möglichst viele Mitarbeitenden, damit diese die anstehenden Transformationsprozesse möglichst erfolgreich bewältigen? Die eigentlichen Herausforderungen sind nicht so sehr technologischer Natur, sondern betreffen Menschen und Prozesse. Gerade Fachkräfte ohne spezifische IT- und Daten-Kenntnisse müssen KI auf einfachem Wege in ihrem Arbeitsalltag anwenden können. Erst dann kann ein Unternehmen wirklich Mehrwert durch KI generieren.

Auf diesem Weg stellen sich allerdings einige Fragen: Wie gelingt Unternehmen möglichst effizient der Schritt von Lösungen für Big Data hin zu Künstlicher Intelligenz? Wie implementieren sie KI in ihre Arbeitsprozesse? Wie maximieren sie den Mehrwert von KI? Welche Schritte sind erforderlich, um KI-Projekte erfolgreich zu implementieren? Und insbesondere: Wie entwickeln Unternehmen eine Kultur, die Mitarbeitende in die Lage versetzt, von KI zu profitieren? Denn als größter Stolperstein entpuppt sich oftmals nicht das technologisch Mögliche. Ausschlaggebend dafür, dass Innovationen Mehrwert im Unternehmen entfalten, sind vielmehr funktionierende Prozesse und vor allem die Einstellung der Mitarbeitenden, neue Entwicklungen zu begrüßen und selbst permanent weiterlernen zu wollen. Dafür müssen Unternehmen die nötigen Ressourcen bereitstellen und umfassende Weiterbildungsprogramme für ihre Mitarbeitenden aufsetzen.

Aber der Reihe nach: Zunächst einmal geht es darum, zu überlegen, welche Ziele ein Unternehmen erreichen will, um im zweiten Schritt zu identifizieren, mit welchen Anwendungen diese Ziele erreicht werden können. Abhängig von dem jeweiligen Mehrwert gilt es in der Folge, diese verschiedenen Anwendungsfälle zu priorisieren.

Vom Marketing hin zu Investmententscheidungen oder Risikoanalysen über Rechercheaufgaben, der Unterstützung im Kundenservice bis zum Erstellen von Inhalten sind die Möglichkeiten extrem vielfältig. KI kann helfen, Preise zu optimieren, um die Margen zu verbessern; in der Logistik lassen sich Routen optimieren, um Frachtzeiten zu reduzieren und Fahrer zu entlasten; es lassen sich Produktempfehlungen personalisieren und gezielt individuelle Personen ansprechen. Und diese Beispiele sind nur ein kleiner Ausschnitt aus einer Vielzahl von möglichen Anwendungsfällen. Umso wichtiger ist daher die Priorisierung. Haben Entscheider:innen für sich nun bestimmte, für sie besonders relevante Anwendungsfälle identifiziert, gilt es, sich im Detail damit auseinanderzusetzen, welcher oder welche Anwendungsfälle für das Unternehmen den größten Mehrwert bergen. Als Faustformel gilt: Je mehr Menschen in einer Organisation befähigt werden, durch KI produktiver zu arbeiten, umso größer der Mehrwert für die gesamte Organisation.

Schritte, um KI im Unternehmen zu implementieren

Zunächst muss durch ein ausführliches Scoping geprüft werden, wie die KI-Lösung das zugrundeliegende Geschäftsproblem lösen soll und welche Mitarbeitenden sie nutzen sollen. Die Ergebnisse dieser Phase werden in einem Projektplan festgehalten, der ebenfalls beziffert, welche Ergebnisse die KI schlussendlich liefern soll. Auf diese Weise wird der Einsatz von künstlicher Intelligenz und ihre erfolgreiche Anwendung mit KPI messbar. 

Im nächsten Schritt werden dann die Daten, die im Projektplan bereits definiert wurden, vorbereitet. Dafür prüfen Organisationen, ob diese valide sind, qualitativ hochwertig und kompatibel.  Kollaborativ arbeiten Data-Teams möglichst frühzeitig gemeinsam mit den Fachabteilungen daran, die KI-Modelle aufzusetzen und zu implementieren. Werden Fachabteilungen erst zu spät involviert, überzeugt die KI-Technologie vielleicht in der Theorie auf dem Papier, entpuppt sich aber im unternehmerischen Alltag in der eigentlichen Anwendung als nicht effektiv oder nur schwer praktikabel.

Besteht das Modell den Praxistest, kann das finale Datenprodukt erstellt werden. Die KI kommt zum Einsatz. Zu kurz kommen dürfen wie gesagt in diesem Rahmen nicht die erforderlichen Schulungen aller Mitarbeitenden, die die KI einsetzen und anwenden sollen. Oftmals handelt es sich dabei auch um Fachkräfte ohne IT-Kenntnisse.
Der für die Implementierung erforderliche Aufwand variiert daher von Fall zu Fall. Es gibt nicht die eine Ideallösung. Ganz grundsätzlich sinkt der Aufwand, je reibungsloser die ohnehin schon implementierten Daten-Pipelines funktionieren und je früher die eigentlichen Anwender in den Prozess involviert werden. Fest steht zudem, dass Organisationen über kurz oder lang nicht darum herumkommen, KI in ihre Unternehmensprozesse zu integrieren – und zwar so, dass Fachabteilungen und Datenteams gemeinsam an einem Strang ziehen. Genau diese Kollaboration von Fachabteilungen und Daten-Teams ist der Schlüssel dafür, dass Unternehmen KI so implementieren, dass die Anwendungsfälle den Geschäftszielen dienen, sich der KI-Reifegrad verbessert – und möglichst viele Anwender deutlich produktiver arbeiten können.

Rachel Boskovitch

Rachel

Boskovitch

VP Sales and General Manager Central Europe

Dataiku

Anzeige

Weitere Artikel

Newsletter
Newsletter Box

Mit Klick auf den Button "Jetzt Anmelden" stimme ich der Datenschutzerklärung zu.