KI birgt ein enormes Potenzial für produzierende Unternehmen. Doch nicht alles, was glänzt, ist auch Gold. Denn bei der Implementierung einer KI-Lösung kann es einige Stolpersteine geben – zumindest dann, wenn vor Start des Projektes die Kernfragen nicht geklärt wurden.
Der Artikel liefert unter anderem Antworten auf folgende Fragen:
Die „McKinsey Global Survey on AI 2021“1 bestätigt, dass der Einsatz von KI stetig zunimmt und die Vorteile weiterhin signifikant geblieben sind: Die Anwendungsfelder von Künstlicher Intelligenz in Produktion, Fabriken und Supply Chain sind mit etwa 25 bis 30 Prozent des Economic Values vertreten. Und dennoch liegen einige Projekte hinter den Erwartungen zurück.
Unter den Begriff Künstliche Intelligenz fallen zahlreiche verschiedene Technologien mit unterschiedlicher Komplexität. Für alle gilt: Erst prüfen, welcher Pain Point vorhanden ist. Dabei geht es um die Ursachenbekämpfung, nicht die Konsequenz. Denn auch für die Implementierung beispielsweise eines Chatbots sollten Unternehmen vorab überlegen, was genau benötigt wird. Für Technologien mit geringerer Komplexität sind häufig auch das Investitionsvolumen geringer, die Implementierung schneller und die Anwendung selbsterklärender. Sobald also die Frage geklärt ist, ob die Technologie bei einem bestehenden Problem unterstützt oder aber dieses sogar gänzlich löst, wird schnell der Punkt erreicht, eine Entscheidung für eine bestimmte Lösung treffen zu müssen. Für komplexere Technologien jedoch bedarf es zunächst einer umfassenden Betrachtung der Ausgangssituation und einer Implementierungsstrategie. In vielen Fällen ist es sogar ratsamer, dabei nicht nur auf interne Ressourcen zu setzen. Ein strategischer Partner bringt gegebenenfalls Erfahrungen mit ein, die erfolgsentscheidend sein können.
Viele Unternehmen setzen nach wie vor auf folgende Prämisse: erst die Technologie und dann alles weitere. Dieser Ansatz ist riskant. Im Vordergrund sollte immer das zu lösende Problem stehen, erst dann kommt der Aspekt der Wertschöpfung. Sobald das geklärt ist, kann es in die konkrete Umsetzung gehen, angefangen bei einer guten Strategie, die aber unbedingt auch in eine Umsetzung münden sollte.
Viele Unternehmen setzen nach wie vor auf folgende Prämisse: erst die Technologie und dann alles weitere. Dieser Ansatz ist riskant. Im Vordergrund sollte immer das zu lösende Problem stehen, erst dann kommt der Aspekt der Wertschöpfung. |
---|
Die Herausforderung besteht darin, Probleme zu identifizieren, die durch das Nutzen von digitaler Technologie gelöst werden können und dadurch ausreichend großen Mehrwert stiften. Der Grund ist simpel: In der ersten Digitalisierungswelle wurde viel in das reine Sammeln von Daten gesteckt, aber kaum etwas damit erreicht. Entsprechend sind Unternehmen zunehmend skeptisch bei Investitionen ähnlicher Art. Es gibt jedoch nach wie vor viel ungenutztes Potenzial. Es kommt darauf an, User-zentrierte Lösungen zu entwickeln, die einen messbaren Mehrwert schaffen, für Kunden und andere Stakeholder-Gruppen. Das kann mit Datensammeln allein nicht erreicht werden. Es geht vielmehr um die Qualität der Daten und die Anwendung dieser.
Dafür gibt es am Markt die Kompetenz, die Technologie und die Talente. Was aber auf der Entscheiderebene häufig fehlt, ist das Verständnis dafür, einerseits den Mut zu haben, Lösungen voranzubringen. Andererseits aber auch zu investieren und die richtigen Leute an Bord zu holen, die sich mit den Technologien auskennen – und diesen dann auch den Freiraum zu geben, das Potenzial eigenständig zu nutzen.
Entscheider haben nach wie vor oft Angst davor, Wettbewerbsvorteile abzugeben. Daten haben irgendwie einen Mehrwert, aber das Datensammeln und -speichern erzeugt keinen Mehrwert. Man muss mit ihnen arbeiten und darüber eine Verhaltensänderung herbeiführen, damit sich etwas ändert. Zusammengefasst bedarf es folgender Aspekte, damit KI-Projekte erfolgreich sind:
Dieser Prozess lässt sich auf alle KI-Technologien anwenden – egal welchen Komplexitätsgrades. Der einzige Unterschied liegt in dem für die Schritte aufzuwendenden Zeitfaktor und dem benötigten Expertentum. Ein wichtiger Aspekt, der in der bereits genannten Analyse unbedingt zu beachten ist, sind zudem die Rahmenbedingungen außerhalb des eigenen Unternehmens. Besonderes Augenmerk bedarf die Regulatorik bezüglich Datensammlung und -auswertung. Beides ist für jedes KI-Projekt relevant, doch Datenschutzrichtlinien geben Grenzen vor, die unbedingt eingehalten werden müssen. Besonders bei internationalen Projekten empfiehlt es sich einmal mehr, einen Experten zu Rate zu ziehen.
KI ist nicht gleich KI – es muss nicht immer sofort von Null auf Vollspeed gehen. Je nach Bedarf ist es oft sinnvoller, sich Stück für Stück mit dem Thema auseinanderzusetzen. Erste Kontaktpunkte verringern die Hemmschwelle im Umgang mit Technologie bereits enorm, was für das Mindset der Mitarbeiter im Falle eines umfassenderen Roll-outs entscheidend sein kann. Welche Wertschöpfung mit Künstlicher Intelligenz erzeugt werden kann, lässt sich am besten mit kleinen Projekten zeigen. Entsprechend sollten Unternehmen nicht bei der Strategie und Grundlagenarbeit stehenbleiben, sondern den Aspekt der Wertschöpfung in den Vordergrund stellen.
Eine gut aufgesetzte Strategie gepaart mit der richtigen Technologie und gegebenenfalls einem Partner mit ausgewiesener Expertise – diese Faktoren verringern die Implementierungshürden signifikant. Viele Softwarelösungen bieten zudem die Möglichkeit eines modularen Aufbaus, sodass das Projekt Schritt für Schritt umgesetzt werden kann. Generell gilt dabei: Die größte Stolperfalle ist es, nichts zu tun. Denn dann wird über kurz oder lang zu viel Potenzial ungenutzt bleiben, während der Wettbewerb am Puls der Zeit geblieben ist. In den letzten Jahren hat sich viel im Bereich KI getan, sodass es dank vieler Proofpoints gar nicht mehr unbedingt Mut bedarf, solche Projekte anzustoßen. Am Markt gibt es alles, was nötig ist, um KI für jedes Unternehmen sinnvoll anzuwenden.