Künstliche Intelligenz

Der postdigitale Weg zu mehr Kundennutzen und Effizienz
Selbstlernende Algorithmen und Künstliche Intelligenz (KI) helfen dabei, Produkte zu verbessern, neue Umsätze zu generieren und Effizienzgewinne zu erzielen. Konkrete Use-Cases zeigen, welche Rolle KI für Unternehmen spielen kann.
TEXT: UWE KLEIN

Die Weiterentwicklung im Bereich Künstliche Intelligenz ist nicht aufzuhalten und treibt Unternehmen zum Handeln. Die Praxis zeigt schon heute, dass der Einsatz von KI zu schnelleren und besseren Entscheidungen und Vorhersagemodellen führt, aber auch Erkenntnisse hervorbringt, um neue Angebote zu gestalten. Weitere Geschäftspotentiale liegen in kürzeren Reaktionszeiten, einer schnelleren Abwicklung von Aufgaben und in einer Qualitätssteigerung von Prozessen. Unternehmen können Kunden durch personalisierte Angebote und kürzere Lieferzeiten stärker an sich binden. In der Summe führt dies zu Effizienzgewinnen und einem besseren Kundenerlebnis.

EIN STRUKTURIERTER RAHMEN

Es ist Zeit für Experimente, um nachweisbare Vorteile durch den Einsatz von KI zu erzielen. In der Vielfalt an Möglichkeiten hilft ein strukturierter Ordnungsrahmen, um den Intelligenzlevel technologischer Problemlösungen in fünf verschiedenen Stufen zu kategorisieren:

STUFE 1 – ERKENNUNG VON MUSTERN: Technologien dieser Stufe werden neue Arbeitsrollen hervorbringen. Arbeitskräfte müssen trainiert werden, um entsprechende Algorithmen zu prüfen, Ergebnisse zu plausibilisieren und zu erklären.

STUFE 2 – VORHERSAGE VON ERGEBNISSEN und STUFE 3 – EMPFEHLUNG VON HANDLUNGEN: Technologien dieser Intelligenzstufen unterstützen Arbeitskräfte durch zusätzliche Fähigkeiten, wie etwa bei Prognosen zum Kundenverhalten oder durch Hinweise auf Instandhaltungsaktivitäten.

STUFE 4 – DURCHFÜHRUNG REAKTIVER HANDLUNGEN NACH FEEDBACK: Künstliche Intelligenz auf dieser Stufe wird künftig Teile von menschlichen Arbeitstätigkeiten ersetzen, wie zum Beispiel die Beantwortung von Kundenanfragen.

STUFE 5 PROAKTIVE AUTONOME INTERAKTION VON SYSTEMEN: Diese Technologien werden menschliche Arbeit komplett ersetzen, allerdings nur bei Tätigkeiten mit hoher Routine.

KI-Lösungen auf dem Intelligenzlevel 1 betreffen beispielswiese die visuelle Qualitätskontrolle: In der Produktion können defekte Teile mit geringerem Resourceneinsatz und höherer Genauigkeit identifiziert werden. Use-Cases auf Stufe 2 betrachten unter anderem die Vorhersage potentieller Ausfallzeiten von Maschinen. Unternehmen können so Instandhaltungsarbeiten reduzieren und Stillstandszeiten gezielter vorbeugen. Eine weitere Anwendungsmöglichkeit betrifft die Auftragspriorisierung mit Hilfe von KI.

Auf Stufe 3 kann KI Unternehmen helfen, Produktionsabläufe auf Basis gesammelter Prozessdaten zu optimieren, zum Beispiel durch den Aufbau einer Plattform zur Entwicklung datengetriebener Dienstleistungen.

Anwendungsbeispiele auf Stufe 4 sind die Einführung von Chatbots oder virtuellen Agenten – mit Letzteren konnte ein Unternehmen aus dem Gesundheitswesen bei der Lösung von IT-Problemen über 700.000 Euro einsparen. Use-Cases zur proaktiven autonomen Interaktion von Systemen (Stufe 5) sind sich selbst optimierende Maschineneinstellugen auf Basis neuronaler Netze, intelligente Transportsysteme in der Intralogistik mit Effizienzpotentialen von bis zu 30 Prozent oder die automatische Schädlingsbekämpfung mit Hilfe von Drohnen in der Landwirtschaft.

Im Hinblick auf einzelne Branchen zeigen sich ein unterschiedlicher Reifegrad von KI-Anwendungen, aber auch künftige Geschäftspotentiale und eine Steigerung des gewinnbezogenen Anteils von KI um 15 bis 50 Prozent bis 2035. Führend sind die Branchen Information und Kommunikation, Finanzdienstleistungen sowie Landwirtschaft. Beispiele in der Informations- und Kommunikationstechnik sind die Spracherkennung oder die maschinelle Verarbeitung von natürlicher Sprache. Typische Use-Cases in der Finanzbranche sind die automatische Betrugserkennung oder der Einsatz von KI in Risikoanalysen. Die Landwirtschaft realisiert heute schon Geschäftspotentiale durch KI bei der Optimierung von Ernteerträgen oder durch die automatisierte Düngung.

Um KI-Lösungen implementieren zu können, ist es wichtig, sich über den Umgang mit Schlüsselthemen zu verständigen. Dies betrifft Fragen wie: Wo und wie können welche Daten generiert bzw. ausgetauscht werden? In welchen Fällen könnte das Thema geistiges Eigentum eine Rolle spielen? Welche Datensicherheitsstandards und Datenschutzrichtlinien sind einzuhalten?

Maschinen werden in der Arbeitswelt von morgen zu Partnern der Mitarbeiter. Dennoch sind die Fähigkeiten von Menschen immer noch notwendig, um Lernschleifen der KI zu begleiten. Personen mit KI-Kompetenz sind aktuell ein sehr knappes Gut. Unternehmen müssen die Frage beantworten, welche neuen Fähigkeiten sie für ihre Belegschaft benötigen, wie sie diese vermitteln und wie sie mit den Sozialpartnern in dieser Frage zusammenarbeiten können.

Hinzu kommt die Zusammenarbeit mit externen Partnern: Welche Kooperationen mit Cloud-/Plattformanbietern sind zielführend, wie können KI-Plattformen konkreten Nutzen generieren, welche Open-Source-Angebote können genutzt werden? Und wie lassen sich die Systeme möglicher Partner in die bestehende Infrastruktur im Unternehmen integrieren?

KI IM UNTERNEHMEN ZUM LEBEN ERWECKEN

Um den Aufbau von KI in Unternehmen voranzutreiben, bietet sich ein agiles Konzeptmodell mit drei zentralen Elementen an. Erfolgskritisch ist eine Unternehmenskultur, die agiles Arbeiten und Experimentieren mit Use-Cases fördert.

1. THINK BIG

Notwendig ist, konkrete und spezifische Herausforderungen durch die Identifikation und Analyse von KI-Trends zu verstehen. Dabei helfen sowohl Anwendungsbeispiele aus der eigenen Branche als auch industrieübergreifende Use-Cases. Eine besondere Aufgabe besteht in der Aufbereitung einer Customer- Journey sowie der damit einhergehenden Klarstellung von Pain-Points, insbesondere aus Kundenperspektive. Davon sind dann die eigenen Geschäftsziele abzuleiten. Die Weiterentwicklung des Geschäfts – Umsatzwachstum oder Kostensenkung – ist bei der Definition von Designprinzipien für erste Ideen und bei der Bewertung entwickelter Use-Cases das zentrale Kriterium.

2. START SMALL

Im nächsten Schritt sollten Unternehmen mit den entwickelten Ideen experimentieren und in kleinem Maßstab eigene priorisierte Use-Cases weiter ausarbeiten. Darauf aufbauend bietet sich die Umsetzung eines ersten Leuchtturmprojektes an. Hilfreich ist ein Show-Case-Event für Entscheider, das die Möglichkeiten eines initialen Minimum-viable Product demonstriert. Weitere Testergebnisse des Prototyps helfen, ein erstes Leuchtturmprojekt zu definieren und auszurollen.

3. SCALE FAST

Die Vorbereitung des Roll-outs beinhaltet die Erstellung einer Roadmap und beantwortet die Fragen nach der notwendigen Governance, nach aufzubauenden internen Fähigkeiten und der nötigen IT-Infrastruktur, insbesondere mit Blick auf eine weiterführende Skalierung von KI-Anwendungen mit künftigen Geschäftspotentialen. Bei der Implementierung erster Use-Cases sind die unternehmensweite Kommunikation von Veränderungsnotwendigkeiten und Vorteilen sowie die Verarbeitung von Feedback zu Implementierungsgrad und Performance neuer technologischer Lösungen wichtige Erfolgsfaktoren – nicht zuletzt, um potentiellen Ängsten im Unternehmen zu begegnen und die Akzeptanz für KI-Anwendungen zu steigern.

DR. UWE KLEIN ist Experte für Digitale Transformation bei PA Consulting. Die Management- und Technologieberatung ist Strategischer Partner des CEDO-Magazins, die Experten stehen der Redaktion zu ausgewählten Themen beratend zur Seite. Sie haben keinen Einfluss auf die Themenauswahl sowie die redaktionelle Unabhängigkeit des Magazins.