Ihr KI-Projekt ist fertig entwickelt, jetzt kann es losgehen! Aber womit? »Mit der Nutzung natürlich!« ist hier sicher eine wünschenswerte Antwort. In einigen Fällen mag das stimmen. Oft geht es jedoch um komplexe Services, die in den laufenden Betrieb integriert werden müssen, und das funktioniert im Normalfall nicht ohne Weiteres. Wie kann also eine neue KI erfolgreich in die unternehmerische Praxis überführt werden?

Wir betrachten diese Aspekte aus den folgenden zwei Perspektiven, welche mit dem Einbezug von Vorarbeiten bis zur integrierten Lösung im Betrieb dargestellt sind (Abbildung 1).

Abbildung 1: Die Projektphase Nutzbarmachung der Ergebnisse mit ihren relevanten Vorarbeiten in der Übersicht. (Quelle: Eigene Darstellung).

1. Der Rückblick – Welche Konzepte sind bereits vorhanden?

Zu Projektbeginn werden üblicherweise die zentralen Ziele des Projekts um weitere Ziele ergänzt: die Anforderungen. Je nach Tiefe der Ausarbeitung der Anforderungen können hier schon konzeptionelle Ergebnisse vorliegen, an welche direkt angeknüpft werden kann. Es kann bspw. sein, dass Prozesse modelliert wurden und Ist-Prozesse sowie Soll-Prozesse vorliegen oder Mensch-Technik-Schnittstellen Fortbildungsbedarfe ergeben.

In der Umsetzungsphase des Projekts werden häufig bereits Konzepte darüber entwickelt, wie die Integration zu erfolgen hat – sowohl auf technischer Systemebene als auch bzgl. sekundärer Prozesse wie Monitoring und Betrieb der neuen KI-Lösung.

2. Der Blick nach vorne – Maßnahmen ableiten und umsetzen

Wenn es um die Nutzbarmachung der Ergebnisse geht, lassen sich drei Bereiche identifizieren, in denen häufig besonders relevante Arbeiten entstehen.

• Deployment und Betrieb: KI-Lösungen müssen nach Projekten üblicherweise in eine bestehende Systemlandschaft integriert werden. Diese Integration kann je nach Organisation, Umfang und Risikoeinschätzung bereits in der Implementierungsphase des KI-Projekts oder nachgelagert stattfinden. Zusätzlich müssen Systeme gepflegt werden. Neben den normalen Wartungsarbeiten heißt das bei KI-Lösungen üblicherweise auch, dass Änderungen in den Daten und damit verbunden die Ergebnisqualität der KI-Modelle überwacht werden sollten. Bei einer geplanten Weiterentwicklung bzw. erneutem Training mit neuen Daten in regelmäßigen Zyklen kann hierfür auch eine mehr oder weniger automatisierte Umgebung etabliert werden.
• Qualifikation und Jobprofile: Neue Lösungen können Fortbildungen nötig machen oder sogar neue Rollen schaffen. Hier hilft es, sich strukturiert einen Überblick über die betroffenen Personenkreise, Tätigkeiten sowie zugehörigen Prozesse inkl. der Art der Veränderungen zu verschaffen. Auf dieser Basis lassen sich Handlungsbedarfe ableiten, wie diese Änderungen sich durch Fortbildungen, Umschulungen oder Neueinstellungen abbilden lassen.
• Prozessintegration: Prozesse aus dem Unternehmensalltag anzupassen ist eine Form von Changemanagement. Menschen neigen als Gewohnheitstiere dazu, ihre bekannten Prozesse durchzuführen und stehen Veränderungen ohne erkennbar guten Grund in der Regel skeptisch gegenüber. Was »wirklich gute Gründe« sind, ist dabei eine subjektive Einschätzung und individuell verschieden. Daher sind Übergänge von alten zu neuen Prozessen immer Change-Prozesse, die den Betroffenen genügend Freiraum zum Umgewöhnen lassen sollten.

Fazit: Erfolgreiche KI-Implementierung auf drei Ebenen

Nach der Implementierung kommt oft noch Aufwand aus drei großen Bereichen zusammen: Mensch, Technik und Organisation. Plant man diese Phase frühzeitig mit, so kann man während der vorgelagerten Arbeiten die Planung dafür erarbeiten und Überraschungen vermeiden. Wichtig ist insbesondere, diese letzte Phase nicht zu unterschätzen und genug Freiraum zur sauberen Überführung in die Praxis einzuräumen.

Um konkrete Empfehlungen für das Zusammenspiel von Phasen und Aufgaben im Projekt zu erhalten, können KI- bzw. Data Science-Vorgehensmodelle genutzt werden. Dabei sollte aber darauf geachtet werden, dass diese auch die Aspekte Mensch, Technik und Organisation integriert betrachten. Im vom Bundesministerium für Arbeit und Soziales geförderten Projekt KI-ULTRA wird ein solches Vorgehensmodell entwickelt und gemeinsam mit 30 Unternehmen auf die Praxistauglichkeit geprüft und optimiert. Die zweite von insgesamt drei Versionen wurde vor wenigen Wochen finalisiert und wird nun erprobt. Die finale dritte Version wird Mitte 2023 abgeschlossen und veröffentlicht.

Dieser Beitrag ist Teil einer Blog-Reihe, in der wir (Claudia Dukino und Damian Kutzias aus dem Bereich Digital Business) uns in den kommenden Monaten mit den Herausforderungen datenbasierter Projekte beschäftigen und dazu Mensch, Technik und Organisation im Einklang betrachten werden.

Leselinks:

• Projektseite KI-ULTRA
• Blogbeitrag »Triple KI – Strukturierte Anforderungsaufnahme für Ihre KI-Projekte« von Claudia Dukino
• Blogbeiträge zu KI-Ultra von Jan-Paul Leuteritz

Damian Kutzias

Damian Kutzias unterstützt als wissenschaftlicher Mitarbeiter dabei, KI-basierte Prototypen zu entwickeln und Projektideen durchgängig umzusetzen. Seine Schwerpunkte sind (IoT-)Architekturen, die Analyse zeitabhängiger Daten sowie Data Science-Vorgehensmodelle, also Methodik zur strukturierten Durchführung datenbasierter Projekte.

Autorenprofil

Kategorien: Digitalisierung, Künstliche Intelligenz, Mensch-Technik-Interaktion
Tags: Blogreihe Data Science, Data Science, HCI, KI - Künstliche Intelligenz, Mensch-Technik-Interaktion, Projektmanagement