Künstliche Intelligenz: 5 Schritte für eine Einführung mit System

Künstliche Intelligenz einführen
Gastautor
durch

Künstliche Intelligenz (KI) in Unternehmen einzubinden, wird oftmals als Herkulesaufgabe betrachtet: Es werden Horrorgeschichten erzählt und sonderbare Prognosen über Kosten, Gefahren und unüberwindbare Hürden bei der Implementierung von Künstlicher Intelligenz in der Firma angeführt. Abhilfe schafft ein methodisches, ernsthaftes Herantasten. Fünf Schritte nach dem AI Transformation Playbook von Andrew Ng bringen System in die interne KI-Debatte.

Ich erlebe häufig drei Arten von Reaktionen auf die Idee, Künstliche Intelligenz ins Unternehmen einbauen zu möchten:

Unverständnis:

  • Wie soll das unseren Kunden helfen? Wie erreichen wir damit besser unsere Ziele? Gibt es da überhaupt einen Zusammenhang?
  • Welchen Nutzen hat das für die Firma? Es hat doch bisher auch gut ohne geklappt. Man muss nicht jedem Trend hinterherlaufen.
  • Wie soll das bewerkstelligt werden? Das ist doch nur etwas für die großen Techfirmen aus dem Silicon Valley oder maximal noch aus China, unterstützt von Staatsmilliarden.

Panik:

  • Bloß nicht! Das ist der erste Schritt zu einer seelenlosen Kultur voller Automaten und Algorithmen!
  • Wenn wir auch nur darüber nachdenken, springt uns der Betriebsrat aufs Dach, weil wir dann ja im großen Stil Mitarbeiter entlassen müssen.
  • Wenn wir auch nur darüber nachdenken, springt uns der Betriebsrat aufs Dach, weil wir dann ja im großen Stil Mitarbeiter entlassen müssen.
  • Auf keinen Fall unterstützen wir die Entwicklung hin zu einer (wie auch immer gearteten mystischen) Entität, welche das menschliche Leben auf der Erde beenden wird!

Ratlosigkeit:

  • Würden wir ja gern, aber wo soll man damit anfangen? Wir können nicht einfach von heute auf morgen fünf bis zehn Vollzeitstellen in Experimente ohne Gewissheit über den Ausgang investieren.
  • Haben wir mal versucht, ging katastrophal schief. (Und wir versuchen jetzt nicht mehr darüber zu reden.)
  • Das haben wir schon einmal probiert, wurden aber falsch beraten/unsere Erwartungen wurden nicht erfüllt. Überhaupt ist das Ganze völlig überzogen und bringt am Ende nicht so viel, wie versprochen wird.

Diese und viele weitere eher reservierte Reaktionen sind nachvollziehbar. Folgt man den Ausführungen und Erfahrungen von Andrew Ng, lassen sich viele dieser Bedenken überwinden. Ng hat erfolgreich Technologieführer in diesem Bereich aufgebaut. Er hat beispielsweise Google und Baidu „KI-ready“ gemacht.

Hinweis: Ich gehe hier nicht näher darauf ein, warum es sich lohnt, Künstliche Intelligenz im eigenen Unternehmen einzubinden. Fallstudien, Praxisbeispiele und Erfolgsgeschichten gibt es dazu für jeden beliebigen Bereich mehr als genug.

Mit diesen Schritten lässt sich Künstliche Intelligenz systematisch einführen

Für Andrew Ng sind fünf Schritte von zentraler Bedeutung, um KI im Unternehmen einzusetzen:

  1. Ausführung von Pilotprojekten, um ein Momentum zu erzeugen
  2. Aufbau eines eigenen Inhouse-KI-Teams
  3. Angemessenes, umfassendes KI-Training einsetzen und anbieten
  4. Entwicklung einer KI-Strategie
  5. Ausbau interner und externer Kommunikationswege

Schritt 1: Mit KI-Pilotprojekten kritisches Momentum aufbauen

Quelle: https://unsplash.com/photos/7_kRuX1hSXM

Will man Künstliche Intelligenz in Unternehmen einsetzen, geht dies am besten, indem man sich Schritt für Schritt nach oben „erfolgt“. Also so lange Erfolg auf Erfolg auftürmt, bis man

  1. aus Erfahrung heraus genug kann und weiß, um das nächstgrößere Projekt umzusetzen.
  2. genug Vertrauen und Belege gesammelt hat, um mit dem nächstgrößeren Projekt betraut zu werden.

Erfolgsfaktoren:

  • Es ist wichtiger, bei den ersten KI-Projekten erfolgreich zu sein, als direkt die bedeutendsten und größten Projekte umzusetzen. Gleich am Anfang zu scheitern, hängt an Folgeprojekten wie ein Mühlstein, wenn sie überhaupt noch stattfinden.
  • Die Projekte sollten dennoch wichtig genug sein, damit der Initialerfolg das Unternehmen insgesamt mit KI vertraut macht, und überzeugend genug, sodass andere Unternehmensbereiche ebenfalls in KI investieren (möchten).
  • Die Initialprojekte sollten zudem nicht so klein sein, dass andere sie als irrelevant abstempeln. Ein Projekt, welches Erfolg hat, aber nicht ernst genommen wird, ist kontraproduktiv.
  • Der zentrale Punkt: Das KI-Team gewinnt damit an Momentum. Es sammelt also Erfahrungen, Erfolge und wichtige Einsichten.
  • Wichtig zu verstehen ist: KI wird selbstverstärkend immer besser, wenn ein gewisser Tipping-Point überschritten wurde. Das ist eine der wichtigsten drei Prinzipien, die es zu verinnerlichen und in die Umsetzung einzubeziehen gilt. Diese „KI-Erfolgsspirale“ funktioniert so:
KI-Erfolgsspirale


Vorbereitung:

  • Im Optimalfall ist es möglich, eine Gruppe aus einem neuen oder externen KI-Team mit einem internen Team zu bilden und innerhalb von sechs bis zwölf Monaten erste Ergebnisse zu erreichen.
  • Das Projekt muss technisch auch machbar sein. Hier ist eine entsprechende Due Diligence vor dem Projektstart entscheidend – gern inklusive einer Technical UND Business Diligence.
  • Definition eines SMARTenZiels, das zum Unternehmenswertbeiträgt.
Bestandteile einer optimalen Due-Diligence-Prüfung vor dem Start eines KI-Projekts

Umsetzung:

  1. Auswahl geeigneter Pilotanwendungen im Unternehmen (nicht die Top-3-Zugpferde, aber auch nicht die fünf irrelevantesten. Fünf bis zehn Kandidaten, beispielsweise aufwändige Support-Funktionen, sind eine gute Startbasis).
  2. Fachexperten sollten von Anfang an mit KI-Experten ein Team bilden, am besten auch von Beginn an Datenverantwortliche einbinden.
  3. Dann kommt die Planung und Umsetzung. Das läuft im Bereich Machine Learning oftmals nach diesem Kreislauf ab:
    • Daten sammeln
    • Modell trainieren
    • Modell anwenden
    • Schritte wiederholen
  4. Die Ergebnisse werden dem internen Sponsor präsentiert. Fällt die Bewertung positiv aus, wählt man den nächsten Unternehmensbereich aus und wiederholt das Vorgehen.

Hinweise & Ergänzungen:

  • Es kann sinnvoll und hilfreich sein, sich Fallstudien und Erfolgsgeschichten anderer, ähnlich komplexer KI-Anwendungen anzuschauen, um Fallstricke zu vermeiden und schneller zum Ergebnis zu kommen.
  • Bei Auswahl und Interpretation dieser Orientierungspunkte kann oftmals ein Blick von außen helfen, zu schnelleren Resultaten zu kommen.
  • Je nach Projekt und Reichweite der Ergebnisse kann neben einer Business Diligence und einer Technical Diligence auch eine Ethical Diligence, also eine Prüfung und Abwägung ethischer und sozialer Gesichtspunkte, sinnvoll sein.
  • Auch für Umfang und Intensität der Technikfolgenabschätzung kann es sinnvoll sein, sich von Beginn an fachkundige Unterstützung zu holen.
  • Der Diligence-Prozess ist das Fundament der gesamten Unternehmung und kann durchaus einige Wochen oder gar Monate in Anspruch nehmen.

Schritt 2: Eigenes Inhouse-Team aufbauen

Quelle: https://unsplash.com/photos/3A4XZUopCJA

Künstliche Intelligenz ins eigene Unternehmen zu bringen, ist dauerhaft am sinnvollsten mit eigener Expertise. Das macht unabhängig, effizient und zukunftsfähig, die erreichten Erfolge und die gesammelte Erfahrung erhöhen den Unternehmenswert.

Erfolgsfaktoren:

  • Bei KI-Projekten ist es wichtig, langfristig zu denken. Es ist unrealistisch, schnelle und reproduzierbare Erfolge in schneller Folge zu erwarten.
  • Ein eigenes Team ist langfristig effizienter. Bei diesem wächst die Erfahrung, während die Fehlerrate sinkt. Und dank tiefem Verständnis der Produkte geht alles schneller und verzahnter.
  • KI-Expertise innerhalb der eigenen Organisation aufzubauen, bedeutet (langfristig) einen Wettbewerbsvorteil.
  • Von entscheidender Bedeutung ist es auch, KI-Entscheider in der Führungsebene zu haben, denn nur so kann eine wirklich nachhaltige Strategie entwickelt und umgesetzt werden.
  • Ein Schlüsselmoment ist die Bildung eines zentralen KI-Teams, das mit jedem anderen Unternehmensbereich arbeiten kann.

Vorbereitung:

Hier sind vor allem zwei Dinge essentiell:

  1. Entwicklung und Anwendung des richtigen Mindsets.
  2. Mut und Umsetzungsbereitschaft bei neuen Projekten mit diesen neuen Ansätzen.

Umsetzung:

Andrew Ng zählt fünf konkrete Schritte auf:

  1. Aufbau von KI-Kapazitäten, um das gesamte Unternehmen zu unterstützen.
  2. Ausführung einiger abteilungsübergreifender Projekte.
  3. Wiederholbare Prozesse aufbauen nach erfolgreicher Umsetzung von Projekten.
  4. Entwicklung einheitlicher Standards für das Recruiting (intern und extern).
  5. Aufbau unternehmensweiter Plattformen, die Mehrwerte für verschiedene Abteilungen bringen und nur sehr unwahrscheinlich von diesen Abteilungen selbst entwickelt werden.

Hinweise & Ergänzungen:

  • Dieser Prozess wird dazu führen, dass neue Jobbeschreibungen und Organisationsmodelle im Unternehmen entstehen. Ein guter KI-Abteilungsleiter ist fähig, durch diesen Umbauprozess hindurchzulotsen.
  • Es kann sinnvoll sein, mit einem kompetenten Recruiting-Partner zu arbeiten, da es auf der gesamten Welt nicht genug KI-Talente gibt, um die aktuelle und zukünftige Nachfrage zu decken.

Schritt 3: Umfassendes KI-Training

Quelle: https://unsplash.com/photos/l3N9Q27zULw

Es gibt momentan wahrscheinlich kein einziges Unternehmen auf der ganzen Welt, das genug KI-Talente in den eigenen Reihen besitzt. Angesichts des Fachkräftemangels wird sich die Lage in den nächsten Jahren eher zuspitzen als entspannen. Inhouse-Qualifizierung ist damit ein extrem wichtiger Schritt.

Erfolgsfaktoren:

  • Nicht zu viel auf Medienberichte über abstruse KI-Gehälter hören und sich davon nicht verunsichern lassen. Oftmals sind die präsentierten Zahlen eher Ausreißer als Standard.
  • Anerkennung des Fakts, dass gute Leute im Bereich KI tatsächlich sehr schwer zu finden sind.
  • Veränderung des Mindsets hin zur Nutzung der Chancen von digitaler Bildung.
  • Einsicht, dass es effizienter und leichter ist als je zuvor, Mitarbeiter in großer Zahl in neuen Fähigkeiten, wie Künstlicher Intelligenz, zu trainieren und weiterzubilden.

Zwei Fakten sollten zusätzlich verinnerlicht werden:

  1. KI hat viele Parallelen zum Internet. Es ist wie eine neue Sprache. Und die sollte man nicht verpassen.
  2. KI automatisiert Aufgaben, keine Jobs. Da Jobs aus Aufgaben bestehen, kann die verwirrende Auffassung entstehen, dass Künstliche Intelligenz im großen Stil Arbeitsplätze auffrisst. Zum Beispiel muss ein Lkw-Fahrer fahren, die Straßenlage interpretieren, Aufträge annehmen und verarbeiten und die Ladung prüfen können.

All diese Aufgaben lassen sich mittlerweile oder mittelfristig automatisieren. Unternehmen müssen somit den Job des Lkw-Fahrers umdefinieren und mit neuen Aufgaben füllen sowie die Mitarbeiter für diese neuen Aufgaben ausbilden.

Vorbereitung:

  1. Grundlagenrecherche/Beratung zu den besten Bildungsangeboten zum Thema Künstliche Intelligenz.
  2. Vorbereitung der betroffenen Mitarbeiterinnen und Mitarbeiter und Einleitung entsprechender Planungsschritte.

Umsetzung:

  1. Zielsetzung im Auge behalten: Unternehmen sollten jedem das relevante Wissen geben, das er braucht, um seine neue Rolle in der KI-Ära erfolgreich auszufüllen.
  2. Individuelle Programme je nach Hierarchie-Ebene nutzen.

Eine sinnvolle Aufteilung ist die in

  1. Top-Führungskräfte (sinnvoll sind etwa 4 Stunden Training)
  2. Abteilungsleiter (etwa 12 Stunden Training)
  3. KI-Auszubildende (etwa 100 Stunden Training)
  4. Ggf. lohnt es sich sogar, einen Chief Learning Officer (CLO) aufzubauen, wenn es Unternehmensgröße und Umfang der KI-Initiativen notwendig machen.

Hinweise & Ergänzungen:

Zu den zentralen Vorteilen digitaler Bildungsinhalte gehört, dass diese

  • für beliebig viele Mitarbeiterinnen und Mitarbeiter gleichzeitig eingesetzt werden können.
  • viel personalisierter genutzt werden können.
  • sehr viel günstiger sind als nahezu alle Präsenzalternativen.

Es ergibt dennoch oftmals Sinn, sich von externen Coaches ergänzenden persönlichen Input zu holen, wenn das Budget vorhanden ist. Denn je individueller der Trainingsplan, desto besser die Ergebnisse.

Schritt 4: Entwicklung einer KI-Strategie

Quelle: https://unsplash.com/photos/fmTde1Fe23A

Das Ziel einer KI-Strategie ist es, dass das Unternehmen effizienter arbeitet, die Wertschöpfung steigt und dass mögliche wirtschaftliche Angriffe durch Konkurrenten schwieriger werden.

Erfolgsfaktoren:

  • Es kann verlockend wirken, zuerst eine KI-Strategie aufsetzen zu wollen und dann zu beginnen. In diesem Fall zeigt die Praxis allerdings: Erst wenn bereits einige grundlegende Erfahrungen mit Künstlicher Intelligenz gesammelt wurden, kann eine realistische Strategie geformt werden.
  • Schlüsselfrage stellen und beantworten: Wird das Unternehmen (viel) wertvoller und/oder effizienter, wenn es KI einsetzt und Experte wird? Und daraus abgeleitet:
    • Was sind die Haupttreiber, die Werte im Unternehmen erzeugen?
    • Was sind die größten Schmerzpunkte im Unternehmen/in der Branche?

Vorbereitung:

  1. Prüfen, ob alle Mitarbeiter verstanden und verinnerlicht haben, dass Daten eine Schlüsselkomponente für KI-Systeme sind. Gute, einsetzbare Daten sind sogar von so zentraler Bedeutung, dass es unter Umständen Sinn ergibt, strategische Daten einzukaufen.
  2. Erkennen, welche Daten wertvoll sind. Denn: Daten ≠ Daten.
  3. Wenn möglich und notwendig, eine Vereinigung und Vereinheitlichung von internen Datenspeichern vorbereiten.
  4. Das verantwortliche KI-Team direkt von der ersten Sekunde an mit in den Prozess der Datengewinnung einbinden. Das ist sehr wichtig! Sonst kann es sein, dass man viel Zeit und Geld für Daten ausgibt, die am Ende keinen Nutzen haben.
  5. Künstliche Intelligenz vom Start weg als Schlüsselkomponente in „Low Cost, High Value“- oder vergleichbaren Strategien denken.

Umsetzung:

  1. Wenn möglich, zeitgleich verschiedene KI-„Schätze“ aufbauen, die sich nahtlos in die Unternehmensstrategie einfügen.
  2. Wie genau KI die Unternehmensstrategie beeinflusst, ist sehr individuell. Deshalb ist entsprechendes Wissen zur kontinuierlichen taktischen Feinjustierung so wichtig.
  3. Künstliche Intelligenz nutzen, um spezifische Vorteile innerhalb der eigenen Nische zu kreieren. Wenn das eigene Unternehmen ein KI-Leader innerhalb des eigenen Sektors ist, hat man oftmals bereits genug Wettbewerbsvorteile erreicht.
  4. Entwicklung von Strategien, um die „KI-Erfolgsspirale“ zu nutzen.
  5. Netzwerk- und Plattformeffekte nutzen. Und von Beginn an diese mitdenken  (Kann ich Netzwerkeffekte in diesem Projekt nutzen? Und wenn ja, wie? Wie kann ich aus diesem Projekt eine Plattform bauen? etc.).

Hinweise & Ergänzungen:

  • Erfolg des Unterfangens = KI-Evolution des Unternehmens mit den eigenen erzielten KI-Erfolgen.
  • Eine umfassende KI-Transformation braucht etwa zwei bis drei Jahre.
  • Konkrete Ergebnisse sollten innerhalb von sechs bis zwölf Monaten eintreten.
  • Unrealistische Erwartungshaltungen gilt es unbedingt zu vermeiden: Es sollte nicht erwartet werden, dass Künstliche Intelligenz jedes Problem löst. „Realistisch“ ist hier das Schlüsselwort.

Schritt 5: Auf- bzw. Ausbau interner und externer Kommunikationswege

Quelle: https://unsplash.com/photos/4SNUcHPiC8c

Die Implementierung Künstlicher Intelligenz macht es aus verschiedenen Gründen und in unterschiedlichen Stadien notwendig, sich mit verschiedenen Parteien darüber auszutauschen.

Erfolgsfaktoren:

  • Anerkennung, dass KI das Unternehmen stark verändern kann und wird. So stark, dass es alle beteiligten Parteien betrifft.
  • Präventive Kommunikation mit Schlüsselpersonen ist daher sehr wichtig, um diese von Beginn an auf der gleichen Linie zu haben.

Vorbereitung:

  1. Identifikation von betroffenen Schlüsselparteien, beispielsweise Investoren, Behörden, Kunden, Fachabteilungen.
  2. Auswahl adäquater Kommunikationsmaßnahmen wie Newsletter, regelmäßige Berichte des Managements über Fortschritte etc.

Umsetzung:

  1. Die eigene Firma aufklären: Ängste abbauen, bevor sie auftreten, transparent agieren.
  2. Die Firmenkultur auf Variabilität abklopfen.
  3. Systematisch und kontinuierlich intern und extern informieren.

Hinweise & Ergänzungen:

  • KI-Ingenieure wollen an aufregenden, herausfordernden und bedeutsamen Projekten arbeiten. Ergo gilt es, Projekte entsprechend zu kommunizieren, um Talente anzuziehen.
  • In sensiblen Bereichen wie Gesundheit, Recht oder Finanzen ist dieser Kommunikationsprozess umfangreicher und sensibler als in anderen.
  • Wichtig ist es, den Datenschutz im Hinterkopf zu behalten: Wer kann wann und wie an welche Daten kommen? Das wird im gleichen Maße wichtiger, je internationaler sich das Unternehmen aufstellt.

Künstliche Intelligenz in Unternehmen einsetzen – Fazit

Künstliche Intelligenz ins Unternehmen einzubauen, geht einfacher, als man manchmal vielleicht denkt. Was nicht heißt, dass es leicht ist.

Aber es ist wie bei jedem komplexen Prozess mit vielen Variablen und Unbekannten: Eine Anleitung hilft durch den Nebel und bietet Halt.

Ich hoffe, ich konnte diese Anleitung hiermit bieten. Ich freue mich auf Ihr Feedback und Fragen zum Thema.

Quellen und weiterführende Informationen:

AI Transformation Playbook von Andrew Ng: https://landing.ai/ai-transformation-playbook/

Onlinekurs „AI for everyone“ von Andrew Ng: https://de.coursera.org/learn/ai-for-everyone

Link-Tipp der Redaktion:

Wenn Künstliche Intelligenz das C-Level erreicht

Über den Autor

Benjamin Eidam ist Gründer und ehemaliger Vorstandsvorsitzender der transhumanen Partei Deutschland. Er ist spezialisiert auf aktuelle und kommende Entwicklungen in Wissenschaft und Technik und Ihre Auswirkungen auf Wirtschaft, Umwelt und Gesellschaft. Er ist Dozent, Redner und Berater zu den Themen Technologie, Digitalisierung und Künstliche Intelligenz.


Fotos: Unsplash und Getty Images / DNY59


Gastautor

Schreiben Sie einen Gastbeitrag für den Blog Digitale Exzellenz. Wir freuen uns auf Ihren spannenden Themenvorschlag.


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.