Advertorial
Durch den Einsatz von künstlicher Intelligenz (KI) können in Unternehmen sowohl höhere Effizienzen erzielt, fundiertere Entscheidungen getroffen als auch völlig neue Geschäftsmodelle entwickelt werden. Dennoch werden KI-Lösungen oftmals nach ersten Lösungsansätzen nicht weiter betrachtet, da vermeintlich hohe Investitionen nicht den gewünschten Geschäftserfolg bringen. Ursache sind häufig nicht erledigte „Strategiehausaufgaben“, die einen deutlich einfacheren, schnelleren und kosteneffizienteren KI-Einsatz verhindern.
von Dr. Susan Wegner
Der KI-Experte Pedro Domingos von der University of Washington sagte jüngst in einem Interview: „Wer in der KI führt, dominiert wirtschaftlich und militärisch“. KI als wesentlicher Schlüssel zur zukünftigen Wettbewerbsfähigkeit also. Dennoch kommt die Nutzung von KI nur langsam voran. So ergab eine aktuelle Studie des Marktforschungsunternehmens Gartner, dass Unternehmen zwar häufig mit KI experimentieren, aber Schwierigkeiten haben, die Technologie in ihre Standardabläufe einzubinden.
Eine gute Ausgangsbasis schaffen: Datenqualität als Schlüsselfaktor für den KI-Einsatz KI-Projekte gehören zu einer der anspruchsvolleren Aufgaben, die sich ein IT-Team vornehmen kann. Die KI ist in erster Linie von Daten abhängig und nur aus Daten mit hoher Qualität lassen sich verlässliche Informationen gewinnen. Der Software-Anteil bei einer KI-Anwendung kann noch so gut sein – nicht ausreichende, fehlerhafte oder schlecht strukturierte Daten lassen manche Projekte schon in einem frühen Stadium scheitern. So wird mangels geeigneter Daten nur etwa jeder fünfte „Proof of Concept“ tatsächlich umgesetzt und eine effiziente Lösungsskalierung ist nahezu unmöglich.
Daher ist es für den Erfolg eines Projekts unbedingt notwendig, dass neben der optimalen Algorithmenauswahl auch die weiteren strategischen Hausaufgaben erledigt werden. Dazu gehören eine detaillierte Daten-Strategie, -Governance, -Architektur und -Kultur. Es ist wichtiger denn je, das Potenzial der verfügbaren Daten zu nutzen und so ein datengesteuertes Unternehmen aufzubauen. Der entscheidende erste Schritt ist eine definierte Datenstrategie. Um die Datenverwaltung und -analyse zu unterstützen, muss die organisatorische Aufstellung und Verantwortlichkeit durch die Daten-Governance geregelt sein und auch die technische Voraussetzung durch eine entsprechende Architektur geschaffen werden, bei der die Wiederverwendbarkeit im Vordergrund steht. Eine datengesteuerte Kultur wiederum ist die Grundlage für die Ermittlung von vielfältigen wertschöpfenden Anwendungsfällen mit hoher geschäftlicher Relevanz im gesamten Unternehmen.
Fokussiert mit praxisnaher Relevanz starten
Bei der Umsetzung von KI-Projekten ist stets der Mehrwert ausschlaggebend, der für das Unternehmen erzielt werden kann. Wichtig ist, sich genau zu überlegen, welche KI-Lösungen betriebswirtschaftlich und strategisch in Frage kommen. Diese sollten priorisiert und „step by step“ angegangen werden, um schnelle Ergebnisse zu erzielen und Erfahrungen zu sammeln. Generell ist daher ein Grundverständnis für KI innerhalb der Organisation essenziell, insbesondere auch, um die Chancen und Grenzen der KI zu kennen. Wichtig ist dies auch, da für Projekte in der Regel verschiedene Stakeholder einbezogen werden müssen. Überzogene und unrealistische Erwartungen sind oftmals der Grund, dass Projekte schnell gestoppt werden und unnötige Kosten entstehen.
Künstliche Intelligenz als Service
Ein weiterer Grund für ein Scheitern von KI-Projekten ist deren Komplexität. Bis vor kurzem war die KI-Entwicklung eher mit einer Individualprogrammierung zu vergleichen, für die KI-Experten häufig erst gefunden oder ausgebildet werden mussten. Das machte die Projekte langwierig, teuer und operativ oftmals nicht effizient betreibbar.
Mit vortrainierten Lösungen als Cloudservice ist eine geschäftsgenerierende KI in die Reichweite mittelständischer Unternehmen gelangt. Artificial Intelligence as a Service (AIaaS) senkt die Herausforderungen, da zahlreiche Teilprobleme schon zuvor gelöst wurden. Die Unternehmen kommen durch AIaaS viel schneller an den Punkt, an dem sie von der KI wirklich profitieren können. Ausgangspunkt ist dabei die spezifische Situation des Unternehmens und ein Fokus auf Business Cases. So entstehen maßgeschneiderte Lösungen „auf Knopfdruck“, die KI an geeigneten Stellen mit geschäftsgenerierenden Ergebnissen einsetzen.
Mangels geeigneter Daten wird nur etwa jeder fünfte Proof of Concept tatsächlich umgesetzt.
Dr. Susan Wegner, Vice President Artificial Intelligence & Data Analytics, Lufthansa Industry Solutions
Dieser Artikel ist im aktuellen Handelsblatt Journal „FUTURE IT“ erschienen.
Das vollständige Journal können Sie sich hier kostenlos herunterladen:
Zum Journal