5 Empfehlungen für KI-Projekte

Mithilfe von KI möchten die Unternehmen vor allem Abläufe in der IT (34 Prozent) sowie im Sales und Marketing (31 Prozent) automatisieren und den Personaleinsatz optimieren (30 Prozent). Diese drei Business-Ziele nannten sie laut einer IDC-Studie, bei der im April 2019 Entscheider aus 305 Firmen in Deutschland befragt wurden, am häufigsten.

Somit setzen deutsche Unternehmen Künstliche Intelligenz heute schon gewinnbringend für sich ein. Aber nicht einmal ein Drittel der Antwortgeber gab an, mit KI-Projekten Innovationen vorantreiben zu wollen.

Wenn sie noch einen Schritt weiter gehen und eine KI-Kultur in ihrem Betrieb etablieren, können sie in den nächsten Jahren von den Entwicklungen und Chancen der Technologie, wie höherer Rechenleistung, mehr Daten und besseren Algorithmen, profitieren. Denn Künstliche Intelligenz bringt mehr als nur verbesserte Geschäftsprozesse: Sie setzt Kreativität frei, modelliert Ideen und beschleunigt Innovationen.

Dabei hat es jedes Unternehmen selbst in der Hand, die Algorithmen für den eigenen unternehmerischen Vorteil zu nutzen. Das gelingt, wenn es die folgenden fünf Empfehlungen beachtet:

1. Realistische Business Cases definieren

Wollen Unternehmen KI-Projekte erfolgreich angehen, sollten diese klar umrissen sein und auf einen eindeutigen geschäftlichen Nutzen abzielen. 47 Prozent der befragten Unternehmen finden es jedoch schwierig, geeignete Use Cases für sich zu definieren.

Für mehr als die Hälfte der Befragten ist es zudem besonders anspruchsvoll, ein KI-Modell einzuführen und die dafür notwendigen Daten zu qualifizieren. Unternehmen meistern diese Herausforderungen, wenn sie die fachlichen Anforderungen mit den technologischen Möglichkeiten im Betrieb abgleichen.

Für Anwender mit wenig Erfahrung empfiehlt es sich, mit einfachen sowie unkritischen Projekten zu starten und gegebenenfalls externe Hilfe hinzuzuziehen. Dann lässt sich KI vielfältig einsetzen, beispielsweise für Tests und Simulationen in der Fertigung.

2. Datenqualität optimieren und eine Datenplattform evaluieren

KI analysiert vorhandene Daten und befähigt Unternehmen so, bestehende Prozesse zu optimieren sowie neue zu kreieren. Außerdem lassen sich mit den gesammelten Datenmengen umfassende Einblicke in die Märkte, Produkte und Kunden erzielen. Dabei sind die Auswahl der relevanten Daten und eine hohe Datenqualität ausschlaggebend für den Erfolg von KI-Initiativen.

Das Management der Informationen sollte so weit wie möglich automatisiert sein. Denn die manuelle Verwaltung ist komplex, aufwendig und wenig übersichtlich. Hier besteht für deutsche Unternehmen allerdings noch großer Aufholbedarf.

Denn laut IDC-Studie haben bisher lediglich 17 Prozent Prozesse zur Datenbereitstellung automatisiert. An Effizienz und Transparenz gewinnen sie mit einer Daten-Management-Plattform. Diese sollte unterschiedliche Daten und -formate verarbeiten können, skalierbar sein sowie eine hohe Performance bieten.

3. Mit fest umrissenen Anwendungsszenarien starten

Welches KI-Vorhaben wird zuerst umgesetzt? Vor dieser Frage stehen Unternehmen häufig. Auf Mustererkennung oder Prozessautomatisierung basierende Projekte lassen sich schnell implementieren und führen rasch zu Ergebnissen.

Als guter Einstieg erweist sich hierbei beispielsweise Robotic Process Automation (RPA). Diese Technologie macht Abläufe im Unternehmen effizienter, fehlerfreier und transparenter. Sie bietet sich unter anderem für einfache und sich wiederholende Prozesse in der IT-Abteilung, im Rechnungswesen oder im Kundenservice an. Bereits die Hälfte der befragten Unternehmen greift auf den Einsatz von RPA zurück.

Zu den weiteren Einstiegsszenarien zählen auch Chatbots sowie Lösungen für Predictive Maintenance. Unter den genutzten KI-Funktionalitäten finden die Textmuster-, Sprach- und Bilderkennung am häufigsten Anwendung.

4. Unterschiedliche Bereitstellungsmodelle prüfen

Anwender können KI-Plattformen und -Dienste lokal, on-premises, oder in der Cloud nutzen. Der Studie von IDC zufolge bevorzugen 43 Prozent der befragten Firmen in Deutschland die Private Cloud im hauseigenen Rechenzentrum, um ihre KI-Plattform zu betreiben. An diesem Modell schätzen sie insbesondere die höhere Flexibilität im Vergleich zu einer reinen lokalen Lösung sowie das Gefühl, mehr Datensicherheit als in einer Public Cloud zu haben.

Insgesamt nimmt mehr als die Hälfte der befragten Unternehmen Cloud-basierte KI-Dienste in Anspruch (61 Prozent). Und das aus gutem Grund: Denn die Cloud bietet ihnen eine unkomplizierte bedarfsgerechte Bereitstellung von IT-Ressourcen.

Jedoch sollte der Business Case die Wahl der Technologie bestimmen, nicht umgekehrt. Denn wichtig für Unternehmen ist zudem: KI erfordert auch immer abgestimmte Hardware und Software. Anwender mit wenig Erfahrung sollten sich deshalb externes Fachwissen hinzuholen.

5. KI-Wissen aufbauen

Doch so sehr auch viele deutsche Unternehmen KI-Projekte realisieren möchten, sieht sich der Großteil von ihnen mit einem gemeinsamen Problem konfrontiert: dem akuten Fachkräftemangel. So gibt deutlich mehr als die Hälfte von ihnen an, dass fehlendes Fachpersonal ursächlich für das Scheitern von KI-Projekten ist. Beispielsweise mangelt es ihnen an Entwicklern für KI-Systeme oder Data Scientists – eine Situation, die sich voraussichtlich zumindest kurzfristig nicht ändern wird.

Doch gibt es für Unternehmen durchaus Wege und Möglichkeiten, KI-Wissen im eigenen Haus aufzubauen: So können sie beispielsweise eigene Fachleute schulen, KI-Arbeitsgruppen bilden oder Kooperationen mit Hochschulen und Start-ups eingehen. Dabei gilt: KI-Projekte sind dann am erfolgreichsten, wenn Fachabteilungen und IT von Anfang an eng miteinander kooperieren.

Autor: Johannes Wagmüller

(c)2019
Vogel Communications Group