Ein solides Fundament für den Erfolg von KI implementieren
Veröffentlicht am 20. November 2024
- Daten & Künstliche Intelligenz
Die erfolgreiche Einführung neuer Technologien wie KI hängt stark von den ersten Anwendungsfällen ab. Wenn diese Projekte wertschöpfend sind und signifikante Vorteile für die Stakeholder bieten, kann die Einführung erheblich beschleunigt werden. Umgekehrt können ungeklärte Herausforderungen oder unzureichende Ergebnisse zu Enttäuschung führen, was den Enthusiasmus im Unternehmen mindert und die Chancen auf langfristigen Erfolg verringert. Um diese Falle zu vermeiden, sollte die Auswahl der Anwendungsfälle bei der Einführung von KI im Unternehmen im Mittelpunkt stehen.
Anwendungsfälle strategisch steuern und ausrichten
Um den größtmöglichen Nutzen aus KI-Anwendungen zu ziehen, sollten Unternehmen daher eine ausgewogene Strategie verfolgen, die sowohl interne als auch externe Faktoren berücksichtigt. Die Bewertung des potenziellen Wertschöpfungsbeitrags und die Beobachtung von Branchentrends sind wichtig, aber ausschließlich darauf zu vertrauen, kann irreführend sein. Eine übermäßige Fokussierung auf externe Ansätze kann die Perspektive verzerren und zu Fehlinterpretationen führen. Es ist wichtig zu verstehen, wie sich die Technologie auf den Markt, das eigene Geschäftsmodell und die Organisation auswirkt. Die ganzheitliche Bewertung von Anwendungsfällen liefert tiefere Einblicke in potenzielle Vorteile, Risiken und Anforderungen und hilft bei der Entwicklung und Aktualisierung von Strategien sowie beim Treffen fundierter Entscheidungen – und bei der Beseitigung von blinden Flecken.
Klare Rahmenbedingungen für den KI-Einsatz setzen
Die strategischen Ziele des Unternehmens bilden den notwendigen Kontext für die Auswahl der Anwendungsfälle. Neue Technologien erfordern oft einen explorativen Ansatz, der sich an den allgemeinen Innovationszielen orientiert. Im Laufe der Zeit sollten die Anwendungsfälle mit den strategischen Zielen und der Vision der Organisation in Einklang gebracht werden.
Es ist wichtig, die Stärken und die technologische Bereitschaft des Unternehmens zu verstehen. Die Anwendung von Reifegradmodellen wie von Gartner oder Microsoft können dabei helfen, die Voraussetzungen zu schaffen. Organisationen, die sich in einer frühen Phase befinden, in der das Lernen im Vordergrund steht, müssen anders vorgehen als Organisationen, die sich in einer fortgeschrittenen Phase befinden.
Es ist essenziell, die Erwartungen präzise zu managen und klare Grenzen dessen zu definieren, was die Technologie leisten kann. Der Hype um Technologien wie die generative KI kann unrealistische Erwartungen wecken. Unkontrolliert kann dies zur Auswahl von Anwendungsfällen führen, die mit hoher Wahrscheinlichkeit scheitern. Umgekehrt kann zu viel Skepsis die Messlatte senken und zu wenig überzeugenden Ergebnissen führen. Eine regelmäßige Aktualisierung der grundlegenden Bewertungskriterien kann diese Risiken mindern.
Innovationsprozesse strukturiert umsetzen
Die Einführung einer neuen Technologie in ein Unternehmen ist ein Innovationsprozess. Strukturiertes Vorgehen fördert dabei die Innovation und reduziert unvorhergesehene Risiken durch deren frühzeitige Identifikation. Die Integration von Elementen des Lean-Experiments und des Stage-Gate-Modells ermöglicht ein schnelles Experimentieren mit iterativen Feedbackschleifen, während gleichzeitig Quality Gates zur Bewertung des Fortschritts hinzugefügt werden.
Eine schematische Darstellung eines iterativen Prozesses, der von „Vision und Strategie“ über „Anwendungsfälle“, „Anforderungsanalyse“, „Entwicklung“, „Implementierung“ bis hin zu „Betrieb & Instandhaltung“ reicht. Feedback-Schleifen und Wiederholungen sind zwischen den Schritten hervorgehoben.
Schritt 1: Identifizierung der Anwendungsfälle
Zielsetzung: Auflistung von Herausforderungen, die theoretisch durch KI adressiert werden könnten, ohne eine Bewertung vorzunehmen.
Das so genannte „Gesetz des Instruments“ führt oft dazu, dass neue Technologien zur Lösung von Problemen eingesetzt werden, bevor sie vollständig validiert sind und bevor klar ist, ob die Technologie wirklich geeignet oder effektiv ist, wie Warren Buffet mit dem Sprichwort verdeutlicht: „…to a man with a hammer, everything looks like a nail“. Der Schritt „Use Case Identification“ stellt sicher, dass die richtigen Geschäftsprobleme identifiziert werden und klärt, wer sich diesen Herausforderungen stellen muss. Beginnen Sie mit der Diskussion aktueller und zukünftiger Herausforderungen und untersuchen Sie dann, wie neue Technologien diese Probleme lösen können.
Schritt 2: Bewertung der Anwendungsfälle
Zielsetzung: Entwicklung eines gemeinsamen Verständnisses über den Wert und die Komplexität der nicht bewerteten Anwendungsfälle und Erstellung einer bewerteten Liste von Anwendungsfällen.
Um den Wertschöpfungsbeitrag zu bewerten, ist es wichtig zu verstehen, nicht nur welchen Wert ein Anwendungsfall schafft, sondern auch wie er ihn schafft. Der Wert kann sich in Form von Produktivitätssteigerungen, Qualitätsverbesserungen, erweiterten Einblicken oder verbesserten Kundenerfahrungen manifestieren. Die Relevanz dieser Vorteile variiert je nach Unternehmen und deren strategischen Prioritäten, wie z. B. Wachstum, Rentabilität, Marktposition oder Innovationsstreben. Ein wachstumsorientiertes Unternehmen könnte beispielsweise Anwendungsfällen, die das Kundenerlebnis verbessern, Vorrang vor solchen einräumen, die in erster Linie die Produktivität steigern.
Komplexität umfasst Faktoren wie Aufwand, Kosten, Dauer und Risiko der Implementierung. Diese müssen gegen die bestehende IT-Infrastruktur, die Datenkapazität und die Fähigkeiten des Unternehmens abgewogen werden. In der sich schnell entwickelnden KI-Landschaft erschweren Compliance-, Ethik- und Regulierungsanforderungen die Situation zusätzlich – wie beispielsweise der AI Act. Strengere Vorschriften können beispielsweise den bürokratischen Aufwand erhöhen und den potenziellen Wertschöpfungsbeitrag bestimmter Anwendungsfälle erheblich verringern.
Die Grafik zeigt verschiedene Faktoren, die die Komplexität eines Anwendungsfalls beeinflussen. Sie ist in vier Bereiche unterteilt: Anforderungen & Verfügbarkeiten, Domänenspezifität, Steuerung, und Implementierung. Jeder Bereich enthält horizontale Skalen von „Niedrig“ bis „Hoch“ für verschiedene Kategorien, wie z.B. Infrastruktur, Daten, Compliance, Risiko, Kosten und mehr. Auf der rechten Seite wird die Komplexität des Anwendungsfalls in einem vertikalen Diagramm dargestellt, das von „Niedrig“ bis „Hoch“ reicht und die Zusammenfassung aller Faktoren darstellt.
Schritt 3: Priorisierung der Anwendungsfälle
Zielsetzung: Priorisierung der Anwendungsfälle und Auswahl derjenigen, die getestet oder implementiert werden sollen.
Unternehmen sollten Anwendungsfälle auswählen, die einen signifikanten wirtschaftlichen Mehrwert bieten und mit ihren strategischen Zielen in Einklang stehen, wobei ihre technologische Bereitschaft zu berücksichtigen ist. Neue KI-Anwender könnten sich auf Anwendungsfälle mit geringer Komplexität und mittlerem Wert konzentrieren, um die Vorteile und Herausforderungen von KI besser zu verstehen. Im Gegensatz dazu könnten sich erfahrenere Unternehmen auf hochkomplexe Anwendungsfälle mit Transformationspotenzial konzentrieren.
Die Verwendung einer Priorisierungsmatrix kann helfen, den Auswahlprozess zu visualisieren, zu unterstützen und zu dokumentieren. Die Einführung eines Quality Gates am Ende des Prozesses erhöht die Transparenz, liefert zusätzliches Feedback und sichert die Zustimmung des Managements und der Führungskräfte für die nächsten Schritte.
Die Grafik zeigt eine Matrix mit den Achsen „Business Value“ (Geschäftswert) und „Komplexität des Anwendungsfalls“. Sie ist in vier Quadranten unterteilt: „Quick Wins implementieren“ (niedrige Komplexität, hoher Geschäftswert), „Fokussieren und umsetzen“ (hoher Geschäftswert, hohe Komplexität), „Testen & lernen“ (niedriger Geschäftswert, niedrige Komplexität) und „Vermeiden“ (hohe Komplexität, niedriger Geschäftswert).
Vielfalt der erforderlichen Kompetenzen
Der Auswahlprozess für Anwendungsfälle erfordert verschiedene Kompetenzen, um zuverlässige Ergebnisse zu erzielen. Technisches Fachwissen ist entscheidend für die Bewertung der Machbarkeit, während Fachexpert:innen einen bereichsspezifischen Einblick in den Wertschöpfungsbeitrag bieten. Risiken und Compliance, die oft übersehen werden, sind entscheidend für die Bewertung der Komplexität, insbesondere bei sich schnell entwickelnden Technologien wie KI. Die Einbeziehung anderer Geschäftsexpert:innen, z. B. aus Vertrieb und Marketing, ist für das Verständnis des Marktpotenzials unerlässlich. Obwohl sie nicht zum Kernteam der Evaluierung zählen, ist ihr Feedback in entscheidenden Phasen von erheblichem Wert. Die gemeinsame Reflexion deckt blinde Flecken auf und fördert die Akzeptanz der ausgewählten Anwendungsfälle.
Ein kontinuierlicher Kreislauf: Identifizieren, bewerten, priorisieren
Die Auswahl von Anwendungsfällen sollte keine einmalige Aktivität für eine neue Technologie sein, sondern ein kontinuierlicher, iterativer Prozess. In einem dynamischen Umfeld ändern sich Parameter wie Technologie, Vorschriften und Wettbewerbsstrategien schnell. Ein solider Anwendungsfall kann schnell neuen Herausforderungen gegenüberstehen oder überholt sein, wenn bessere Alternativen auftauchen. Um einen Schritt voraus zu sein, ist es wichtig, den Fokus von den unmittelbaren Problemen auf eine breitere Perspektive zu verlagern, indem Szenarien geplant und Trends beobachtet werden, um Risiken frühzeitig zu erkennen.
Der Enthusiasmus für eine neue Technologie und die Notwendigkeit einer schnellen Umsetzung nach der Genehmigung eines Anwendungsfalls können jedoch zu einem Tunnelblick führen. Dies kann dazu führen, dass Lernchancen verpasst werden oder Projekte scheitern, was letztlich die Einführung der Technologie behindert. Ein strukturierter, wiederkehrender Prozess ermöglicht es Unternehmen, Schlüsselindikatoren zu überwachen, Frühwarnzeichen zu erkennen und kontinuierliches Lernen zu fördern. Dieser Ansatz verbessert das Risikomanagement, die Projektplanung und setzt realistische Erwartungen in Bezug auf Zeit und Umsatz. Schließlich ermöglicht es eine flexiblere Anpassung der Strategien, wenn neue Erkenntnisse auftreten.
Dynamik in der KI-Entscheidungsfindung verankern
Die Auswahl von Anwendungsfällen für neue Technologien ist ein dynamischer Prozess, der eine kontinuierliche Überwachung, Bewertung und Anpassung erfordert. Ein strukturierter und iterativer Ansatz hilft Unternehmen, Tunnelblick, Vorurteile bezüglich versunkener Kosten und unrealistische Erwartungen zu vermeiden. Er fördert auch kontinuierliches Lernen, datengestützte Entscheidungsfindung und Szenario Planung und erhöht damit die Wahrscheinlichkeit, dass Technologien, die mit den strategischen Zielen übereinstimmen und den Kundenbedürfnissen entsprechen, erfolgreich eingeführt und umgesetzt werden.
Den Weg zum nachhaltigen KI-Erfolg ebnen
In der sich ständig weiterentwickelnden KI-Landschaft ist die Auswahl der richtigen Anwendungsfälle keine einmalige Entscheidung, sondern ein kontinuierlicher Prozess, der eine regelmäßige Bewertung und Anpassung erfordert. Ein strukturierter, iterativer Ansatz ermöglicht es Unternehmen, flexibel zu bleiben und das Potenzial von KI vollständig auszuschöpfen und sicherstellen, dass ihre strategischen Ziele langfristig erreicht werden. Erfolg mit KI ist nicht nur eine Frage der Innovation, sondern auch der kontinuierlichen Verfeinerung der Wertschöpfungskette.