Kunden-Login


Ihr Warenkorb ist leer
 

Ihr Warenkorb ist leer !

KI ist in Unternehmen noch nicht angekommen

Organisationsentwicklung


Obwohl künstlicher Intelligenz in der Wirtschaft eine immer größere Bedeutung beigemessen wird, ist sie in etablierten Unternehmen noch eher selten anzutreffen. Zu dieser Erkenntnis kommt die AG Geschäftsmodellinnovationen der vom Bundesministerium für Bildung und Forschung (BMBF) initiierten Plattform Lernende Systeme in einem Bericht. In diesen sind u.a. die Ergebnisse aus einer von der Plattform betriebenen Datenbank mit eingeflossen, in die sich Organisationen mit ihren KI-Projekten eintragen können. Über 600 KI-Anwendungen made in Germany sind auf dieser 'KI-Landkarte' bereits verzeichnet. Über die Hälfte von ihnen stammen aus wissenschaftlichen Einrichtungen und etwa ein Viertel aus Startups. Große Unternehmen sind hingegen nur mit 76 und kleine und mittlere Unternehmen mit 57 KI-Projekten vertreten. Dass etablierte Unternehmen KI nur zögerlich einsetzen, hat den Autoren des Papers zufolge einen einfachen Grund: Es fehlt strategisch an so ziemlich allem – an KI-Visionen, einem Verständnis für KI-Anwendungsfälle und einer Wartungsstrategie. Um diesen Mangel zu beheben und der KI den Weg ins Unternehmen zu ebnen, empfehlen die Autoren ein Vorgehen in fünf Schritten.

Fünf Schritte zur Implementierung von KI

1. Klarheit über die Ziele gewinnen
Der allererste Schritt hat nichts mit KI selbst zu tun. Vielmehr müssen die grundsätzlichen Zielvorstellungen des Unternehmens klar benannt werden: Was soll erreicht werden? Das klingt simpel. Aber es gibt viele Firmen, die KI-Projekte umgesetzt haben, ohne dass diese etwas mit den eigentlichen Firmenzielen zu tun hatten. Ein Beispiel: KI dient lediglich dazu, einen kleinen Teil des Produktionsprozesses zu verbessern. Für sich genommen, mag das gut sein. Es kann sich jedoch herausstellen, dass das Projekt nicht wirtschaftlich ist. Darüber hinaus können vielversprechende Anwendungsfälle in den Kernbereichen des Unternehmens übersehen werden, weil sich die Aufmerksamkeit auf Nebensächlichkeiten richtet.

2. Die Möglichkeiten von KI verstehen
Im nächsten Schritt gilt es zu verstehen, wie KI helfen kann, Ziele zu erreichen. Die Anwendung von KI sollte sich nicht ausschließlich auf die internen Prozesse fokussieren. Es ist häufig sinnvoll, nach außen zu blicken und vor allem den Kundenvorteil in den Blick zu nehmen, zum Beispiel durch verbesserte Kundenempfehlungssysteme. Es sollte nicht allein den Data Scientists überlassen sein, die effektivsten Einsatzmöglichkeiten für KI zu identifizieren. Vielmehr ist das Aufgabe des Managements. Führungskräfte müssen dafür die Prinzipien und Möglichkeiten von KI verstehen.

3. Eine KI-Vision entwickeln
Als Nächstes sollte eine KI-Vision des Unternehmens festgelegt werden. Diese definiert die übergeordneten Ziele aller KI-Anwendungen, die im Unternehmen entwickelt oder eingesetzt werden. Selbstverständlich sollte dies mit der allgemeinen Unternehmensstrategie im Einklang stehen. Beide Strategien sollten eng aufeinander abgestimmt sein und überwacht werden.

4. Portfolio von KI-Anwendungsfällen und Voraussetzungen formulieren
Es ist zudem ratsam, relevante Anwendungsfälle und Voraussetzungen für KI zu identifizieren. Dabei sollten Unternehmen technologische und kulturelle Gegebenheiten sowie Ressourcen, Wertschöpfungsprozesse und Digitalkompetenzen berücksichtigen. Wird dabei iterativ vorgegangen (z.B. Lean-Startup-Ansatz), empfiehlt es sich, frühzeitig ein Minimum Viable Product – sprich: die erste minimal funktionsfähige Iteration eines Produkts – bereitzustellen. Dieses kann dann Schritt für Schritt weiter verbessert werden. Diese Vorgehensweise beinhaltet, frühzeitig Kundenfeedback zum Wertversprechen einzuholen und etwas über die Umsetzung und den Betrieb der Lösung zu lernen.

5. Instandhaltung garantieren
Um diesen iterativen Entwicklungsprozess zu ermöglichen, die Qualität der KI-Anwendung über die Zeit sicherzustellen und das sich ständig ändernde Kundenverhalten einzubeziehen, ist eine regelmäßige Wartung, Aktualisierung und Pflege des Systems sowie der Daten notwendig. Zudem sollte das Projektteam stetig überprüfen, ob das Modell noch die erwarteten Ergebnisse liefert.

Quelle: Leitfaden 'Neue Geschäftsmodelle mit künstlicher Intelligenz' der Plattform Lernende Systeme, 2019.

Autor(en): Sarah Lambers


ANZEIGE

Nachricht aus managerSeminare 264:

Bild zur Ausgabe 264
Das Magazin managerSeminare jetzt testen

Suche im Archiv


© 1996-2020, managerSeminare Verlags GmbH, Endenicher Str. 41, D-53115 Bonn
Mobile-Ansicht



Akzeptieren

Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.