Website-Icon Fraunhofer IAO – BLOG

Künstliche Intelligenz: in 10 Schritten zum erfolgreichen Pilotprojekt im Unternehmen

Wissenschafts­jahr 2019: »Künstliche Intelligenz« Die Arbeitswelten der Zukunft werden entscheidend von der Entwicklung Künstlicher Intelligenz geprägt sein. Das Wissenschaftsjahr 2019 wird sich mit den Chancen und Herausforderungen dieser Technologie auseinandersetzen.

Künstliche Intelligenz ist kein Science-Fiction mehr, sondern ein Innovationsmotor für die kommenden Jahre. Die Technologien sind da, die Leistungsfähigkeit der Systeme ausreichend und Speicherplatz ist auch vorhanden. Es spricht also aus technischer Sicht nichts mehr gegen den Unternehmenseinsatz – und viel aus Sicht der Unternehmensstrategie. Jetzt stellt sich die Frage: Möchte ich nur unverbindlich auf der KI-Welle mitschwimmen oder habe ich wirklich einen Anwendungsfall im Unternehmen, für den der Entwicklungs- und Einführungsaufwand lohnt?

Im Rahmen der Studie »Künstliche Intelligenz in der Unternehmenspraxis – Studie zu Auswirkungen auf Dienstleistung und Produktion« (.pdf) haben wir Unternehmen befragt, wie sie den Einsatz von Künstlicher Intelligenz bewerten und inwieweit sie bereits die ein oder andere Technologie nutzen. Der Großteil der Unternehmen, die die Anwendungen mit Künstlicher Intelligenz bereits eingeführt haben, nutzen Lösungen zur Daten- und Informationsextraktion. Diese Lösungen dienen beispielsweise dazu, den Posteingang zu klassifizieren und die eingehenden Dokumente dem richtigen Ansprechpartner zuzuführen.

Nun stellt sich die Frage, wie ich z. B. zu solch einer Anwendung komme. Wie kann ich mich bestmöglich aufstellen, um erfolgreich und zielführend ein derartiges KI-Projekt umzusetzen? Diese Fragen haben wir uns im Rahmen der Studie, aber auch immer wieder im Kontext des Business Innovation Engineering Centers BIEC, gestellt und deshalb folgendes Vorgehen für die ersten Schritte der KI-Implementierung entwickelt:

  1. 1. Am Anfang war die Analyse: Identifizierung kleiner Anwendungsfelder in Unternehmensprozessen, welche KI-relevant sein könnten.
  2. 2. Use-Cases als Initialzündung: Es bietet sich an, mit Use-Cases zu starten, die analytische Vorgänge optimieren – bei denen beispielsweise Texte, Bilder oder Maschinendaten ausgewertet werden müssen, um einfache Aktivitäten einzuleiten (z. B. KI-Anwendungen für die Posteingangsklassifikation oder KI-basierte Maschinendatenauswertung für die Instandhaltung).
  3. 3. Die Prozesse auf dem Prüfstand: Es sollte geprüft werden, ggf. mit Unterstützung eines neutralen, anbieterunabhängigen Partners, ob die Prozesse mit den größten KI-Potenzialen nicht durch klassische Verbesserungsarbeit viel einfacher optimiert werden könnten. Häufig ist es der Fall, dass zunächst klassische und digitale Lösungen ausreichend sind.
  4. 4. Klare Ziele sind die halbe Miete: Wurde ein passender Use-Case gefunden, gilt es, die Anforderungen zu definieren und sich ein Ziel zu setzen.
  5. 5. Probieren geht über Studieren: Zu Beginn ist es ratsam, in kleinen Schritten zu arbeiten, z. B. mit einem Piloten in einer Fachabteilung zu beginnen und anschließend aus den gewonnenen Erfahrungen zu profitieren.
  6. 6. Never change a winning team: Für die Pilotierung sind ganzheitliche Projektteams das A und O, welche sich am besten aus (internen und externen) KI-Experten, Domänen-/Prozessspezialisten der jeweiligen Fachabteilung, dem Betriebsrat sowie den am Prozess beteiligten Mitarbeitenden zusammensetzen.
  7. 7. Passgenauigkeit vor Standardlösung: Der Prozess sollte immer im Mittelpunkt stehen, deshalb bietet es sich an, passgenaue Lösungen z. B. mit (open-source) Standard-KI-Tools zu entwickeln und nicht gleich eine teure Anwendung von der Stange zu kaufen.
  8. 8. Experimentieren ist gut, Planen ist besser: Von Vorteil ist es, einen Projektplan zu erstellen, welcher die systematische Abarbeitungsreihenfolge für die Umsetzung der Use-Cases beinhaltet.
  9. 9. Lessons learned: Nach erfolgreichem Start ist es wichtig, die eingeführten KI-Anwendungen in Bezug auf die vorab definierten Anforderungen und Ziele zu bewerten. Nur so wird klar, welche Fehler sowie Erfolge gleichermaßen mit der Umsetzung einhergehen.
  10. 10. Sukzessiv und effektiv: Für einen nachhaltigen Erfolg bietet es sich an, einfache als auch komplexe Use-Cases nach und nach zu starten und anschließend den Prozess mit vielen kleinen Lösungen zu einem intelligenten Prozess auszubauen.

Innerhalb des Vorgehens sollte natürlich immer darauf geachtet werden, dass die Datenqualität,-verfügbarkeit und -anzahl ausreichend ist. Medienbrüche sollten bei der Übertragung von Daten zwischen Systemen vermieden bzw. behoben werden, bevor die Aktivitäten im Use-Case starten. Außerdem ist es wichtig, Know-how im eigenen Unternehmen aufzubauen und abschließend darauf zu achten, das eigentliche Ziel nie aus den Augen zu verlieren.

Haben Sie schon erste Ideen, wo Lösungen der Künstlichen Intelligenz in Ihrem Unternehmen angewendet werden könnten, sprechen Sie uns an.

Blogreihe: Business Innovation Engineering Center BIEC – Künstliche Intelligenz nutzen
Mittelständische Unternehmen stehen vor der Herausforderung, trotz guter Auftragslage heute, ihre Produkte, Organisationsformen und Geschäftsmodelle von morgen vorauszudenken. Wie können die eigenen Geschäftsprozesse mit Hilfe von KI verbessert werden? Welche Potenziale für neue Geschäftsmodelle schlummern in KI-Anwendungen? In der Blogreihe gibt das BIEC als Innovationspartner des Mittelstands Antworten auf diese und viele weitere Fragen rund um Digitalisierung und Transformation.

Leselinks:

Claudia Dukino

Claudia Dukino ist wissenschaftliche Mitarbeiterin am Fraunhofer IAO. Sie unterstützt Unternehmen dabei eigene KI-Anwendungsfelder zu erschließen und für sich nutzbar zu machen. Dabei liegt ihr Hauptaugenmerk auf den Menschen mit ihren Tätigkeiten und Prozessen ohne dabei die Technologie außen vor zu lassen.

Autorenprofil

Die mobile Version verlassen