· 

Wörter: 2115 · Lesezeit: 10 min.

Inhalt

Warum eine KI-Strategie?

Die Einschläge für die Hybris der menschlichen Intelligenz rücken immer näher. Künstliche Intelligenz (KI) entwickelt sich immer schneller und spielt im Alltag eine immer größere Rolle. Ein Unternehmen sollte KI nicht länger als Science Fiction abtun, sondern diese Technologie als Werkzeug betrachten. Wie bei anderen neuen Technologien muss ein Unternehmen eine Strategie für den Umgang mit KI entwickeln. Dabei hilft es ungemein, ein Verständnis dafür zu entwickeln, was die Technologie leisten kann. Um nicht, wie der damalige Vorsitzende der Polizeigewerkschaft im Jahr 2010, darüber zu spekulieren, ob Polizisten  in Google Streetview auf Streife gehen können.

Um eine KI-Strategie für ein Unternehmen zu entwickeln, braucht es jemanden, der einerseits die Prozesse und Herausforderungen eines Unternehmens versteht und andererseits ein solides Verständnis davon hat, was KI kann, welche Lösungen es auf dem Markt gibt und wie man sie gewinnbringend einsetzen kann. Dieser Artikel zeigt Beispiele für den Einsatz von KI in Unternehmen und schlägt eine Strategie für den Umgang mit KI vor.

Beispiele für den Einsatz von KI

Neben Speziallösungen für einzelne Branchen, wie z.B. autonomes Fahren in der Automobilindustrie, gibt es KI-Technologien, die branchenübergreifend eingesetzt werden können. Die folgende Liste ist bei weitem nicht vollständig:

  • Konversationstechnologien
    Konversationstechnologien oder Conversational AI wie  Amazons Alexa,  Apples Siri oder  Microsofts Cortana bestehen aus Spracherkennung, -verarbeitung und -synthese und ermöglichen es einem System, mit einem Menschen zu sprechen. Das Ökosystem rund um diese Technologien ist bereits groß, doch nach anfänglicher Begeisterung ist die Nutzung rückläufig. Es mangelt an Konversationsgedächtnis und die Dialoge fühlen sich an, als würde man mit einer MS-DOS-Kommandozeile sprechen. Auch die große Hoffnung von Amazon, dass Alexa zu einer breit genutzten Verkaufsplattform wird, hat sich nicht erfüllt. Abgesehen von speziellen Use Cases für z.B. Radiosender gibt es bisher nicht viel Neues. Auch der Versuch, die Konversationstechnologie als persönlichen Assistenten zu nutzen, hält sich in Grenzen: Siri versteht mich zu oft falsch, wenn ich ihr sage, dass ich am Donnerstag einen Zahnarzttermin habe.

  • Textgenerierung
    Durch  OpenAI's ChatGPT in aller Munde, aber auch schon länger durch  Google LaMDA verfügbar, ist die Textgenerierung. Hier bewegen wir uns gerade im Hype Cycle nach oben und experimentieren, was man damit alles machen kann. Berichte von Fußballspielen können schon lange automatisiert geschrieben werden, aber jetzt sind auch komplexere Texte möglich. Ich selbst habe ChatGPT schon für dieses Blog genutzt. Weitere Anwendungsfälle sind das Erstellen von Werbetexten, das Generieren von Standarddokumenten oder auch ein Chatbot für einen First-Level-Kundenservice.

  • Code Generierung
    Er war vor allem wegen möglicher Copyright-Probleme in den Schlagzeilen: Der  GitHub Copilot. Tatsächlich ist er aber ein sehr hilfreiches Werkzeug für Software Entwickler um besseren Code zu schreiben.

  • Übersetzungstechnologie
    Der aktuell beste Übersetzer ist  DeepL, was man auch daran ablesen kann, wie das Unternehmen dahinter floriert. Ein Konkurrent ist  Google Translate, der zwar mehr Sprachen beherrscht, aber nicht ganz so gute Ergebnisse liefert. Die Übersetzungstechnologie kommt überall dort zum Einsatz wo mehrsprachig gearbeitet wird. Sie ermöglicht es, Dokumente automatisch zu übersetzen oder sogar in Echtzeit bei Videokonferenzen Untertitel in verschiedenen Sprachen zu generieren.

  • Bilderkennung
    Bilderkennungssysteme wie  Amazon Rekognition können für einfache Use Cases wie die Sortierung und Kategorisierung von großen Mengen an Bildern eingesetzt werden. Aber auch für komplexe Anwendungsfälle wie zum Beispiel das Erkennen von Schäden an Gebäuden oder die Gesichtserkennung bei einer Passkontrolle am Flughafen, kommen sie zum Einsatz.

  • Bildgenerierung
    Die Bildgenerierung, wie sie  Stable Diffusion,  OpenAI Dall E2 oder  Stock AI machen, liefert heute auch bereits beeindruckende Ergebnisse. Sehr viel mehr Use Cases als die lizenzfreie Generierung von Stockfotos sind bisher aber noch nicht aufgetaucht.

  • Mustererkennung
    Für Speziallösungen wie die bereits erwähnten medizinischen Assistenzsysteme oder auch für die Missbrauchserkennung im Zahlungsverkehr und Cybersecurity Thread Detection werden individuelle Mustererkennungssysteme eingesetzt.
    Generell ist Mustererkennung bereits heute Bestandteil jedes guten Data Warehouses und verwandter Systeme. Sie hilft, große Datenmengen zu analysieren und bessere Entscheidungen zu treffen. Als Teil der  translytischen Datenverarbeitung hat die Mustererkennung bereits Einzug in die Geschäftsprozesse gehalten.

Die Strategie

Wie sollte man als Unternehmen mit dieser Technologie umgehen? Es bietet sich an, eine Strategie dafür zu entwickeln. Exemplarisch zeige ich, wie eine solche Strategie aussehen kann - basierend auf den 3 Phasen: Analyse - Leitlinien - Maßnahmen.

Analyse

Die Situation sollte mit einem Blick nach außen und einem Blick nach innen analysiert werden: Der Blick nach außen sollte einen kurzen Überblick geben, welche Arten von KI heute auf dem Markt sind und wie sie verfügbar sind (out-of-the-box oder Speziallösung). Der Blick nach innen, in das Unternehmen, sollte mögliche Anwendungsfälle liefern, in denen die gefundenen KI-Lösungen einen echten Mehrwert bringen können. Welche Faktoren dabei zu berücksichtigen sind, zeigt der folgende KI-Strategie-Analysekreis:

KI-Strategie Analysekreis
KI-Strategie Analysekreis

Die weicheren Faktoren bestehen aus den ethischen und moralischen Grenzen des Unternehmens. Diese gilt es auszuloten, um mit einem KI System nicht ungewollt Grenzen zu überschreiten:

  • Verantwortung: Das Unternehmen muss sicherstellen, dass es für die Entscheidungen und Handlungen seiner KI Systeme die Verantwortung übernehmen kann. Es muss Maßnahmen ergreifen können, um negative Auswirkungen zu vermeiden oder zu korrigieren.

  • Fairness: Das Unternehmen muss sicherstellen, dass seine KI Systeme fair und unvoreingenommen sind und keine diskriminierenden Auswirkungen auf bestimmte Bevölkerungsgruppen haben.

  • Nachhaltigkeit: Das Unternehmen muss sicherstellen, dass seine KI Systeme nachhaltig und umweltfreundlich sind, und dass sie nicht zu einer Verschlechterung der Umwelt oder der Gesellschaft beitragen.

  • Ethik: Das Unternehmen muss sicherstellen, dass seine KI Systeme ethisch und moralisch vertretbar sind und nicht gegen die Rechte und Freiheiten von Menschen, ob Mitarbeiter oder Kunden, verstoßen.

Neben diesen Faktoren gibt es auch harte regulatorische Anforderungen, die beim Einsatz von KI zu beachten sind:

  • Datenschutz: Das Unternehmen muss sicherstellen, dass es die Privatsphäre und die Datensicherheit seiner Kunden und Mitarbeiter schützt, indem es angemessene Datenschutzmaßnahmen ergreift und die Einhaltung geltender Datenschutzgesetze sicherstellt.

  • Transparenz: Das Unternehmen sollte transparent darüber informieren, wie seine KI Systeme funktionieren und welche Entscheidungen sie treffen, damit Benutzer und Regulatoren verstehen können, wie die Systeme arbeiten und gegebenenfalls Einspruch erheben können.

  • Sicherheit: Das Unternehmen muss sicherstellen, dass seine KI Systeme sicher sind und vor Angriffen und Missbrauch geschützt werden.

Beispiel

Der Blick nach innen kann zeigen, dass in einem Unternehmen viel Zeit für den First-Level-Kundenservice aufgewendet wird und sich die häufigsten Fragen z.B. um die Öffnungszeiten von Filialen einer Restaurantkette drehen. Der Blick nach außen zeigt, dass es Conversational KI gibt, die solche einfachen Fragen problemlos beantworten kann.

Soll die Analysephase langfristiger angelegt werden, bietet sich auch die Bildung eines Innovationsteams an. Dieses Team würde kontinuierlich den Markt und das Unternehmen beobachten und mögliche Use Cases generieren.

Am Ende einer Analysephase sollte eine Vision stehen, die beschreibt wie die Welt aussieht, wenn die ausgewählten KI Lösungen vollständig implementiert sind.

Die Vision der Restaurantkette ist es, dass 90% der Kundenkontakte im First Level Support vollständig und zur Zufriedenheit der Kunden von der Conversational KI bearbeitet werden. Die Mitarbeiter haben dann mehr Zeit für komplexere Fälle.

Leitlinien

Die Leitlinien in der KI-Strategie sollten ein leicht verständliches Bild davon abliefern, was genau zu tun ist, um die analysierten Gegebenheiten zu Gunsten des Unternehmens zu verbessern. Wichtig bei den Leitlinien ist, dass jeder und jede, die mit der Strategie in Kontakt kommen, sie verstehen und gegebenenfalls umsetzen können.

In dem oben genannten Beispiel könnte eine Leitlinie lauten: Unsere Kunden telefonieren gerne mit der Conversational AI und sie kann die meisten ihrer Fragen beantworten. Eine andere könnte lauten: Kein Kunde, der unsere Hotline anruft, wird abgewiesen oder landet in einer Warteschleife.

Diese Leitlinien geben erste konkrete Richtungen von dem vor, was von einer möglichen Lösung erwartet wird. So kann man aus der genannten Leitlinie zur Erreichbarkeit, und der Information, wie viele Kunden täglich im Unternehmen anrufen, bereits Annahmen für die Lösungsarchitektur eines möglichen Systems treffen.

Um die ethischen und regulatorischen Auflagen sicherzustellen, können weitere Leitlinien aufgestellt werden, die selbige adressieren, zum Beispiel:

Auch wenn unsere Conversational KI sprachlich nicht von einem Menschen zu unterscheiden ist, informiert sie die Kunden direkt darüber, dass es sich um eine KI handelt. Jeder Kunde soll die Möglichkeit haben, auf eigenen Wunsch mit einem menschlichen Mitarbeiter zu sprechen.

Maßnahmen

Nach den Analysen und Leitlinien muss die KI-Strategie unbedingt von Maßnahmen begleitet werden, um die Strategie umzusetzen. Eine Strategie ohne Umsetzung ist nichts weiter als eine Halluzination. Deshalb werden in dieser Phase zum Beispiel Programme oder Projekte gestartet, die die KI-Vision im Unternehmen umsetzen. Ob man hier klein anfängt oder gleich mit großen Projekten startet, hängt vom Unternehmen, seinem Budget und seiner Kultur ab. Als Handlungsleitfaden kann das folgende KI-Strategie Hexagon dienen:

KI-Strategie Maßnahmen Hexagon
KI-Strategie Maßnahmen Hexagon

Das Hexagon zeigt, in welchen Feldern Maßnahmen ergriffen werden müssen:

  • Zur Umsetzung der Leitlinien werden konkrete Projekte oder auch ganze Programme identifiziert. Je nach Unternehmen werden dazu entweder komplett neue Projekte initiiert oder bestehende Projekte so angepasst, dass sie von der KI-Strategie profitieren und zu ihr beitragen.

In unserer Restaurantkette ist die Telefonanlage in die Jahre gekommen und es wird ein neues System angeschafft. Diese Gelegenheit könnte direkt zur Umsetzung der Strategie genutzt werden. Man würde eine moderne, cloudbasierte Telefonanlage wählen, die über entsprechende Schnittstellen verfügt, um Sprachassistenten direkt anzubinden. Ab diesem Zeitpunkt hätte die KI-Strategie konkrete Auswirkungen auf das Unternehmen.

  • Ethische & Soziale Aspekte umfassen einerseits die in der Analyse identifizierten ethischen Aspekte. Andererseits bedeutet dieser Bereich auch, dass die Strategie ohne eine entsprechend breite Kommunikation im Unternehmen kaum eine Chance hat. Insbesondere eine KI-Strategie sollte auf verschiedenen Ebenen kommuniziert werden. Dabei gibt es 3 primäre Zielgruppen, die jeweils eigene Kommunikationsformen benötigen:

    • Das Management, das die Projekte verantwortet.
    • Die Anwender, die die Systeme nutzen
    • Die Techniker, die die Implementierung durchführen
  • Jede Strategie birgt Chancen und Risiken. Bei der konkreten Umsetzung von Maßnahmen sollte man sich dieser bewusst sein und sie offen kommunizieren. Auch wenn sich viele Vorteile einer KI-Plattform wahrscheinlich nicht direkt vorhersagen lassen, ist es dennoch sinnvoll zu versuchen, Chancen und Risiken zu quantifizieren.

  • Dass ein KI-System in einer IT-Umgebung läuft, mag auf den ersten Blick selbstverständlich erscheinen. Auf den zweiten Blick werden die konkreten Schnittstellen des KI-Systems zu anderen Systemen in der Anwendungslandschaft interessanter. Grundlegende Fragen, die es zu beantworten gilt, sind beispielsweise:

    • Sind die Informationen, die das KI-System benötigt, im Unternehmen vorhanden?
    • Können sie über dedizierte Schnittstellen abgerufen werden?
    • Können die Daten performant und sicher bereitgestellt werden?
  • Regulative Aspekte, wie die in der Analyse dargestellten Bereiche Datenschutz, Transparenz, Sicherheit und Nachhaltigkeit müssen selbstverständlich berücksichtigt werden. In den meisten Unternehmen wird es bereits Datenschutz- und Sicherheitsbeauftragte geben. Diese müssen über die KI-Technologie informiert werden und können ggf. eigene Maßnahmen zur Einhaltung der Vorschriften einfordern. Eine weitere konkrete Maßnahme kann die Benennung von Nachhaltigkeits- und Transparenzverantwortlichen sein. Diese Verantwortlichen kümmern sich dann beispielsweise um eine Website, die die Kunden des Unternehmens über den Einsatz von KI informiert.
    Es ist wichtig zu betonen, dass sich diese Aspekte ständig weiterentwickeln und an sich ändernde gesellschaftliche Erwartungen und Vorschriften angepasst werden müssen. Unternehmen, die KI einsetzen, sollten daher ihre Verfahren und Prozesse regelmäßig überprüfen und sicherstellen, dass sie auf dem neuesten Stand sind.

  • Nicht zuletzt müssen die KI-Systeme in den Geschäftskontext eingeordnet werden: Welchen Teil der Wertschöpfung sollen die KI-Systeme unterstützen? Sollen sie den Verkauf ankurbeln? Den Kundenservice unterstützen? Oder in der Produktion eingesetzt werden? Auch hier ist es im Rahmen der Strategieumsetzung sinnvoll, frühzeitig den Kontakt zu den entsprechenden Teams und Abteilungen zu suchen.

Fazit

Ob die Einführung von KI in einem Unternehmen sinnvoll ist, hängt von vielen Faktoren ab und kann von Unternehmen zu Unternehmen unterschiedlich sein. Neben marktwirtschaftlichen Rahmenbedingungen spielt auch die Unternehmenskultur eine Rolle: Ist sie offen für tiefgreifende Veränderungen? Und nicht zu vernachlässigen ist die Frage der Verfügbarkeit von KI-Fachkräften. Gerade dies ist in deutschen Unternehmen ein wachsendes Problem.

Doch trotz aller Stolpersteine kann es sich für ein Unternehmen langfristig auszahlen, auf KI-Systeme zu setzen. Einige der Vorteile, die durch die Einführung von KI erzielt werden können, sind:

  • Automatisierung von Aufgaben: KI-Systeme können eingesetzt werden, um repetitive Aufgaben zu automatisieren und so Zeit und Ressourcen zu sparen.

  • Verbesserung der Entscheidungsfindung: KI-Systeme können eingesetzt werden, um große Datenmengen zu analysieren und Muster zu erkennen, damit Entscheidungen auf der Grundlage von mehr Informationen und genaueren Prognosen getroffen werden können.

  • Effizienzsteigerung: KI-Systeme können zur Optimierung von Prozessen und Abläufen eingesetzt werden, um die Effizienz von Unternehmen zu steigern.

  • Erhöhung der Kundenzufriedenheit: KI-Systeme können eingesetzt werden, um personalisierte Angebote und Dienstleistungen anzubieten, um die Kundenzufriedenheit zu erhöhen.

  • Erschließung neuer Geschäftsfelder: KI kann Unternehmen bei der Erschließung neuer Geschäftsfelder helfen, indem sie Muster und Trends in großen Datenmengen erkennt, die bei manueller Analyse übersehen würden.

Im Vergleich zu anderen IT-Strategien in einem Unternehmen, wie z.B. einer  Cloud-Strategie, kann eine KI-Strategie relativ schnell zu sichtbaren Ergebnissen und Verbesserungen führen. Im Gegensatz zu anderen großen IT-Strategien erfordert eine KI-Strategie keine tiefgreifenden Veränderungen der IT- und Anwendungslandschaft. KI-Systeme können bestehende Systeme ergänzen oder bestehende Anwendungen um Funktionen erweitern. Auf diese Weise ist es möglich, mit einem begrenzten Budget gewinnbringende Veränderungen in der IT eines Unternehmens herbeizuführen.