Ein kurzer Realitätscheck: Wie weit ist KI – abgesehen von medial präsenten Prestigebeispielen – breit und in Form von konkreten Lösungen in Unternehmen eigentlich tatsächlich schon produktiv im Einsatz? Anbieter werben mit marktreifen und skalierbaren KI-Lösungen während Prozesse und Maschinen heute fast ausnahmslos Daten produzieren, die doch eigentlich nur noch verwertet werden müssten? Blickt man jedoch in die Realität vieler Unternehmen, offenbart sich oft ein ganz anderes Bild: Zwar sind das Interesse und die Aufgeschlossenheit gegenüber neuen Technologien in der Regel vorhanden, jedoch fehlt oft das notwendige Wissen, wo und wie der Einstieg in das Thema bestmöglich gelingen soll. Auch stellt sich oft die Frage, wie man die andernorts gezeigten Potenziale mehrwertstiftend für sich nutzen kann. Und so sind Anwendungen der KI in vielen Unternehmen auch heute noch selten zu finden.
Wie also können Unternehmen einen ersten konkreten Use Case finden? Hierfür möchte ich einen Ansatz vorstellen, der Unternehmen dabei unterstützt, Schritt für Schritt geeignete KI-Anwendungsfälle zu identifizieren. Die hier dargestellte Vorgehensweise soll interessierten Unternehmen dabei einen strukturierten Weg in Richtung konkreter Anwendungsfälle mit klarem Mehrwert aufzeigen.
Der Weg zum richtigen Anwendungsfall
Gerade bei der erstmaligen Einführung von KI zur Optimierung von Geschäftsprozessen oder zur Innovation des Leistungsangebots eines Unternehmens kommt der Wahl des richtigen Use Case eine besondere Bedeutung zu. Soll KI im Unternehmen nachhaltig eingeführt werden, ist dieser neben den notwendigen technischen Vorbereitungen und den Qualifizierungsmaßnahmen erfolgsentscheidend. Nur wenn Use Cases zielgerichtet ausgewählt werden, kann ein echter Mehrwert erzielt und gleichzeitig unternehmerische und technische Risiken einer Fehlentwicklung minimiert werden. Zudem können so die Akzeptanz der Mitarbeitenden gegenüber KI maßgeblich erhöht und erfolgskritisches Wissen aufgebaut werden.
Um dies zu erreichen, müssen die Kunden-, Prozess- und Produktkenntnisse der Mitarbeitenden frühzeitig und ganzheitlich mit dem Wissen zu vorhandenen Daten und den technologischen Möglichkeiten vereint werden. Dabei bieten die folgenden Schritte eine Orientierung.
1. Vorbereitung und Eingrenzung
Noch vor der eigentlichen Identifikation von Use Cases sollten notwendige Vorbereitungsmaßnahmen durchgeführt werden. So sollte zunächst eine unternehmensweite Sensibilisierung zum geplanten Einsatz und Mehrwert von KI stattfinden sowie eine grundlegende Schulung der Mitarbeitenden bezüglich der Potenziale und Grenzen von KI erfolgen. Auch eine KI-Vision, an welcher sich die einzelnen Aktivitäten ausrichten, kann dabei helfen. Zudem ist es hilfreich, bei der Suche nach möglichen Use Cases das Suchfeld zunächst auf bestimmte Geschäftsbereiche, Produkte oder Services einzugrenzen. Idealerweise hilft auch dabei eine übergeordnete Unternehmensvision. Anschließend kann die strukturierte Annäherung an einzelne Anwendungsfälle erfolgen. Hierbei sollten sich nach Möglichkeit sowohl die Unternehmensführung als auch Führungskräfte aus den Fachbereichen einbringen und sich klar zu diesem Vorhaben bekennen.
2. Ideen sammeln auf drei Arten
Sind diese Schritte durchlaufen, beginnt die eigentliche Suche nach Anwendungsfällen, welche im besten Fall unter Beteiligung von Akteuren verschiedener Abteilungen und Disziplinen erfolgen sollte. Dabei geht es zunächst darum, verschiedene Ideen zu sammeln und zentral zusammenzuführen. Grundsätzlich gibt es hierfür drei mögliche Ansätze: die Ideensammlung kann aus technologischer, problem- oder datenorientierter Perspektive erfolgen.
Startet man aus der problemorientierten Perspektive, werden zunächst bestehende Probleme aus Unternehmenssicht identifiziert, welche später als Ansatzpunkt für den Einsatz von KI dienen können. Diese können aus einer detaillierten Analyse vorhandener Prozesse und Abläufe, aber auch aus realen Kundenbedürfnissen resultieren.
Folgt man dem datenorientierten Ansatz, bilden die im Unternehmen verfügbaren und zugänglichen Daten den Ausgangspunkt. Der Vorteil dieses Ansatzes ist es, dass die Machbarkeit stets im Blick behalten wird und die Idee schon früh einem Realitätscheck unterzogen wird.
Beim technologieorientierten Ansatz wiederum steht die Frage im Mittelpunkt, welche Möglichkeiten etwa KI-Fähigkeiten wie Bild- und Audioverarbeitung oder das Erkennen von Mustern in großen Datenmengen in den identifizierten Handlungsfeldern bieten können, um so eine chancenorientierte Identifikation von Handlungsfeldern zu ermöglichen. Durch die Kombination aller drei Perspektiven kann eine zu einseitige Sichtweise vermieden werden.
Abbildung 1: Workshop-Vorlage zur Use Case Ideation (eigene Darstellung).
3. Ideen bewerten und priorisieren
Um potenzielle Use Cases gegenüberzustellen und eine Bewertung vorzunehmen, sollten diese zunächst ganzheitlich dargestellt werden. Neben der Beschreibung von Grundidee, Mehrwert und Komplexität eines Use Case sollte zudem eine erste grobe Evaluation anhand einheitlicher Kriterien erfolgen. Für diesen Schritt eignet sich beispielsweise ein entsprechender Steckbrief, welcher im besten Fall an die branchenspezifischen Gegebenheiten (z. B. Datenschutzanforderungen oder Richtlinien) angepasst wurde. Auf diese Weise kann eine objektive Vergleichbarkeit verschiedener Use Cases, aber auch eine Evaluation durch Außenstehende ermöglicht werden. Positiver Nebeneffekt: Der oder die Ideengebende setzt sich ganzheitlich mit dem Use Case auseinander.
4. Detaillierung
Nach erfolgter Priorisierung gilt es, die ausgewählten Projekte weiter zu detaillieren. Hierzu gehört neben einer genauen Auseinandersetzung mit den Zielvorgaben auch die Entscheidung, mit welchen Ressourcen und in welcher Akteurskonstellation (Make-or-Buy?) die jeweiligen Anwendungsfälle umgesetzt werden sollen. Auch sollten spätestens hier Aspekte der Datenverfügbarkeit und -qualität im Detail auf deren Eignung überprüft werden. Sind auch diese Schritte durchlaufen, können KI-Projekte auf einer soliden Basis initiiert werden.
Fazit:
Eine strukturierte Vorgehensweise kann einen wichtigen Beitrag dazu leisten, diejenigen Use Cases zu identifizieren, welche einen realen Mehrwert liefern, mit akzeptablen Kosten und Risiken verbunden sind und zudem in einem überschaubaren Zeitrahmen bearbeitet werden können. Mit ihr steigt die Erfolgswahrscheinlichkeit der Anwendung und die Akzeptanz für weitere KI-Aktivitäten wird deutlich erhöht.
In keinem Fall sollte es darum gehen, KI der Sache wegen einzuführen, denn KI darf niemals ein Selbstzweck sein. Vielmehr ist die Herausforderung, unter den vielen potenziellen Anwendungsmöglichkeiten, Geschäftsbereichen und Problemstellungen genau jene auszuwählen, die eine bestmögliche Kombination aus Erfolgswahrscheinlichkeit, Mehrwert und Mitteleinsatz aufweisen.
Leselinks:
- Kostenlose KI-Toolbox für Versorgungsunternehmen (und andere KMU)
- Blogbeitrag von Veronika Prochazka (KI ist Handwerk, kein Hexenwerk)
- BDEW Studie – Künstliche Intelligenz in der Energiewirtschaft
- Künstliche Intelligenz: in 10 Schritten zum erfolgreichen Pilotprojekt im Unternehmen
