Vielen Unternehmen haben den Weckruf nach einer Digitalen Transformation der eigenen Prozesse und des eigenen Geschäftsmodells verstanden. Nehmen wir an, der Startschuss für die Erarbeitung einer Digital Roadmap ist gefallen und es besteht Einigkeit darüber, dass man Künstliche Intelligenz einsetzen möchte: Wo fängt man am besten an, wie finden sich vielversprechende KI-Projekte im eigenen Unternehmen? Klar ist: Nicht jedes Unternehmen muss gleich einen eigenen Algorithmus entwickeln; vielfach genügt es, bestehende Standard-KI-Bausteine einzusetzen, man spricht hier von „passiver Anwendung“. Aber auch in dem Fall stellt sich die Frage: In welchen Bereichen machen KI-Pilotprojekte Sinn?
Es gibt hier – vereinfacht – zwei Herangehensweisen. Einerseits kann man sich die Herausforderungen / Problemstellungen eines Unternehmens oder eines Unternehmensbereichs betrachten und prüfen, ob der Einsatz von KI-Technologien eine adäquate Antwort hierauf geben kann. Nehmen wir etwa das Beispiel eines erfolgreichen Projektes in einer Bäckereikette: Hier stellte sich das (für Bäckereien typische) Problem, dass sich die Produktion für die Auslage nicht mit der Nachfrage deckt, am Abend werden Backwaren weggeschmissen. Eine kluge Antwort hierauf verschafft einen klaren Wettbewerbsvorteil. Und tatsächlich bietet hier Maschinenlernen eine adäquate Antwort, KI-Algorithmen lassen sich sehr gut für Prognosen einsetzen, auch Online-Händler wie Amazon nutzen dies für die Lageroptimierung. Im Fall der Bäckerei wurde ein Prognose-Algorithmus entwickelt (und trainiert), der im Ergebnis eine bessere Vorhersage der erwarteten Nachfrage unter Berücksichtigung Filial-spezifischer Nachfragemuster liefert.
Ein zweiter Ansatz besteht darin, je Produkt/Dienstleistung und je Arbeitsprozess die Anwendbarkeit der verschiedenen Varianten von KI abzuklopfen, und zwar in kleinschrittigem Vorgehen. Zunächst sollte man sich mit den gängigen Problemlösungskompetenzen von KI vertraut machen (vgl. dazu auch den Artikel Nutzung von KI-Modulen in der Praxis: Ein Baukastensystem für jedermann). Man sollte sich eine Übersicht bzw. eine Checkliste erstellen, die die „generischen Lösungskompetenzen“ von Künstlicher Intelligenz beinhaltet. Darunter fällt etwa Natural Language Processing (Speech-to-Text, Text-to-Speech, Chat Bots, Übersetzungen, etc.), Prediction (vergleiche das vorgenannte Anwendungsbeispiel Bäckerei), Mustererkennung (z.B. für Churn Prevention im Kundenbereich) und Vieles mehr. In Workshops mit Produktverantwortlichen geht man Schritt für Schritt die Features eines Produktes / einer Dienstleistung systematisch durch und prüft mithilfe der Checkliste, inwieweit sich bei Einsatz einer KI-Technologie Mehrwert generieren lässt (größerer Produktnutzen oder auch kosteneffizientere Realisierung eines bestehenden Produktnutzens).
Analog dazu bieten sich Workshops mit Bereichsverantwortlichen an (Marketing, Produktion, …). Hierbei betrachten man je Arbeitsprozess, inwieweit sich bei Einsatz einer KI-Technologie eine Automatisierung, Beschleunigung oder Verbesserung eines Arbeitsschrittes realisieren lässt.
Letzteres Vorgehen lässt sich etwa wie folgt schematisch darstellen:
Matrix für die Identifizierung von potentiellen KI-Projekten im Unternehmen
Beide Vorgehensweisen liefern in der Regel eine Vielzahl von Ideen und Projektpotential, das in einem nächsten Schritt (z.B. mit einem KI-Experten) validiert werden muss: Definition der Anforderungen, Aufsetzen eines Proof-of-Concept undsoweiter. Ein solches Vorgehen wirkt auf den ersten Blick langweilig-systematisch, führt aber im Idealfall (bei guter Moderation und pragmatischer Vorgehensweise) zu fruchttragenden Diskussionen und einem besseren Verständnis von den Möglichkeiten und Grenzen der KI.
Eben dieses bessere Verständnis von KI bildet die Grundlage für die nächste Stufe der Entwicklung von KI-Projekten: Nämlich die Entwicklung von Ideen, die sich nicht zwingend am hergebrachten Geschäftsmodell orientieren, sondern sich hiervon loslösen und echte Innovation hervorbringen. Freilich, diese Königsdisziplin der unternehmerischen Aktivitäten erfordert ein gutes Verständnis von KI, das Zusammenbringen von Experten verschiedener Bereiche (Data Scientists, Controller, Vertriebler, Marktkenner) und eine gute Portion StartUp-Thinking (oder auch: Design Thinking). Na dann, packen Sie’s an!
Viel Erfolg!
