Startseite > Markt > Wie Unternehmen KI erfolgreich einsetzen

Künstliche Intelligenz

Wie Unternehmen KI erfolgreich einsetzen

3. Februar 2020, 9:21 Uhr | Autor: Marcus Metzner / Redaktion: Sabine Narloch

Fortsetzung des Artikels von Teil 1

KI-Projekte im Unternehmen realisieren

Schon die beiden skizzierten Beispiele zeigen: Es gibt nicht das eine ideale KI-Projekt, das zu jedem Unternehmen passt. Empfehlenswert ist daher eine schrittweise Einführung. Zunächst sollten Unternehmen mit kleineren Projekten starten und später größere initiieren. Dabei ist es sinnvoll, sich von einem erfahrenen Dienstleister unterstützen zu lassen. In der Praxis hat sich ein vierstufiger Prozess bewährt:

Use Case mit dem größten Mehrwert identifizieren
Im Rahmen einer Ist-Analyse wird überprüft, welche Grundlagen für den KI-Einsatz zu schaffen sind. Inwieweit ist Big Data bereits im Einsatz? Welches Know-how gibt es schon bezüglich KI? Gibt es besondere Herausforderungen zu bewältigen? Oftmals erarbeiten Unternehmen diese Fragen gemeinsam mit einem Dienstleister in einem Workshop. Aus den Resultaten können sie dann ein Use-Case-Portfolio erstellen, in dem sich Einsatzmöglichkeiten von KI nach Nutzen und Aufwand priorisieren lassen. Die vielversprechendsten Use Cases werden weiter analysiert, sodass sich danach überprüfen lässt, welche Voraussetzungen für die Umsetzung der Cases zu schaffen sind. Dabei sind das Datenmanagement sowie vorhandene Systeme und Prozesse zu berücksichtigen.
Von der Idee zum Prototyp
Anschließend ist es wichtig, ein Konzept zur Vorgehensweise zu entwickeln. Das Ziel: möglichst schnell einen Prototyp zu entwickeln. Dafür sind Ziele und Anforderungen detailliert aufzubereiten. Eine standardisierte Entwicklungsumgebung hilft dabei, Störfaktoren zu beseitigen und die Entwicklung schnell abzuschließen. Dank eines iterativen Vorgehens und der Berücksichtigung von Benutzerfeedback kann binnen kurzer Zeit der KI-Prototyp entstehen, der mit Echtdaten arbeitet. Daraus lässt sich ableiten, ob die gewünschten Effekte eintreten und die definierten Ziele erreichbar sind.
Vom Prototyp zum produktiven KI-Service
Aus dem Prototyp lässt sich anschließend ein sogenanntes Minimum Viable Product (MVP) erstellen, also ein „minimal überlebensfähiges Produkt“. Die Datenbasis und Funktionalitäten werden dabei iterativ erweitert. Für eine reibungslose Integration in die Systemumgebung sorgen kontinuierliche Funktions-, Last- und Integrationstests. In einem Skalierungsplan ist festzulegen, wie aus dem MVP ein skalierender KI-Service wird. So müssen Unternehmen zum Beispiel die zukünftige Produktivumgebung, Einflussfaktoren und Schnittstellen des KI-Services analysieren und berücksichtigen. Damit entsteht schließlich ein produktiver KI-Service, der sich via API in bestehende Anwendungen und Prozesse integrieren lässt.
Stabiler Betrieb und Verbesserungen
Für den Betrieb und ein kontinuierliches Monitoring kann es sich anbieten, sich für einen Partner zu entscheiden, der das Unternehmen mit umfassenden Managed Artifical Intelligence Services unterstützen kann. Vor allem bei geschäftskritischen Einsätzen ist ein 24/7 Monitoring empfehlenswert. Zudem sollte die Qualität des KI-Algorithmus durch ein stetiges Re-Training gesichert sein. Und ein Service-Management, das nach standardisierten ITIL-Prozessen aufgebaut ist, kann alle Routinetätigkeiten übernehmen.

Zusammenfassend lässt sich festhalten: KI ist bereits Realität. Wer sich heute nicht mit ihren technologischen Möglichkeiten beschäftigt, wird künftig das Nachsehen haben. Die vordergründige Komplexität von KI-Systemen sollte dabei kein Hindernis sein: Durch ein strukturiertes Vorgehen lässt sich die Einführung von KI meistern.

Marcus Metzner ist Chief Marketing Officer bei Arvato Systems