Triple KI: Erst in Menschen denken, dann handeln!

Blogreihe Data Science
Blogreihe Data Science
Triple KI – Data Science durchgängig gedacht! Claudia Dukino und Damian Kutzias promovieren zu der Frage, wie datenbasierte Projekte erfolgreich zu anwendbaren KI-Lösungen umgesetzt werden können. In einer gemeinsamen Blogreihe bündelt das KI-Tandem seine Kompetenzen und Forschungsergebnisse und veranschaulicht, wie die Verzahnung von Prozessen, Tätigkeiten und Technologien von der Ideengenerierung bis hin zur Inbetriebnahme neuer Lösungen in Unternehmen Mehrwerte schaffen kann.

Der Prototyp ist fertig und die Fachabteilung freut sich darauf, ihn endlich einsetzen zu dürfen. Doch dann kommt auf einmal der Stopp: IT oder Chefetage machen einen Strich durch die Rechnung! Den umgekehrten Klassiker gibt es ebenfalls: Die Chefetage oder IT starten eine Ausschreibung, Angebote werden eingeholt, neue Systeme aufgesetzt und den Fachabteilungen schließlich vorgesetzt, frei nach dem Motto »friss oder stirb!«. Was löst das in den betroffenen Menschen aus? Was passiert mit dem Prototyp? Warum scheitern so viele KI-Projekte kurz vor oder sogar nach dem Roll-Out? Dies sind nur einige Fragen, denen ich auf den Grund gehen möchte.

Risiko 1: Prototyp aus der Fachabteilung fliegt nicht!

Nehmen wir mal an, die Fachabteilungen möchten etwas in ihren Prozessen und Tätigkeiten verbessern, suchen sich Hilfe oder entwickeln aus eigenem Antrieb heraus einen Prototyp, welcher ihre tägliche Arbeit einfacher oder komfortabler gestalten könnte. Jetzt wird dieser der Chefetage und der IT vorgestellt und plötzlich kommt die Ernüchterung. Das neue Tool wird nicht zum Einsatz kommen, da es nicht zur Unternehmensstrategie passt, weil eventuell bereits andere Verträge geschlossen wurden oder sonstige Befindlichkeiten existieren. Auch könnte ein Grund sein, dass die Integration in den Gesamtkontext des Prozesses nicht mitgedacht wurde und die IT der Meinung ist, keine neue Anwendung einbinden und überwachen zu wollen, um zusätzliche Arbeit zu vermeiden.

Was kann helfen? Das Projekt frühzeitig mit den Führungskräften und der IT zu besprechen, um auch hier die Ziele und Wirtschaftlichkeit sowie die Prozesse im Blick zu behalten.

Risiko 2: Prototyp aus der IT oder Führung fliegt nicht!

Gleiches kann leicht auch passieren, wenn die Fachabteilungen und der Betriebsrat außen vor sind. In größeren Unternehmen kommt es schon mal häufiger vor, dass man in der Führungsetage beschließt, jetzt modern sein zu wollen und dafür unbedingt Künstliche Intelligenz zu brauchen. Also schickt man die IT-Abteilung los mit dem Auftrag, eine Ausschreibung zu starten und Unternehmen zu finden, die KI-Lösungen anbieten. Wenn die Menschen vergessen werden, die zukünftig mit der neuen Lösung arbeiten sollen, ist es kein Wunder, wenn starker Gegenwind aus der Belegschaft kommt und der Betriebsrat ggf. das Projekt stoppt, um die Belegschaft zu schützen. Häufig hat man es hier mit Ängsten um den Job zu tun – sei es die Angst, dass die eigene Arbeit ganz durch KI ersetzt werden könnte, oder auch, dass man dem Jobprofil künftig nicht mehr genügen könnte. Deswegen wird Kompetenzmanagement in Unternehmen immer wichtiger: Mitarbeitende umzuqualifizieren, die viele Jahre die gleiche Tätigkeit ausgeübt haben, erfordert Zeit, passende Schulungen und eine Umgewöhnungsphase. Es ist nicht damit getan, allgemeingültige Schulungsvideos zur Verfügung zu stellen und davon auszugehen, dass die Mitarbeitenden die Überführung in ihren Sachverhalt ohne Probleme bewältigen können. Diese Annahme ist in den meisten Fällen blauäugig und kann für Unternehmen vermeidbare Kosten verursachen, ganz abgesehen davon, dass die neue Anwendung noch immer nicht in vollem Umfang genutzt werden kann.

Was kann helfen? Mitarbeitende und Betriebsrat sollten frühzeitig in den Prozess einbezogen werden. Beide Stakeholdergruppen von Beginn an mitreden zu lassen, baut nicht nur Hürden ab, sondern kann frühzeitig wichtige Anforderungen oder Potenziale für die Zielsetzung aufwerfen: Mitarbeitende stecken unmittelbar in ihren Prozessen und Tätigkeiten, kennen deren Schwachstellen sowie eigene Bedarfe und haben daher oftmals Ideen, wie sie besonders gut unterstützt werden können. Es ist nicht immer möglich, alle Arbeitsplätze zu erhalten, wenn KI-Lösungen Tätigkeiten übernehmen, welche danach nicht mehr durch den Menschen ausgeführt werden müssen. Hier gilt es, die Betroffenen frühzeitig abzuholen, um keine Ängste zu schüren und frühzeitig zu prüfen, wo im Unternehmen die Betroffenen zukünftig sinnvoll eingesetzt werden können und welche Maßnahmen sind dafür notwendig sind.

Zusammenfassend lässt sich sagen, dass der Erfolg von KI-Projekten weit mehr erfordert als nur das Erstellen eines KI-Prototyps. Es ist notwendig, miteinander zu sprechen und alle am Prozess beteiligten Personen an einen Tisch zu holen. Sich von Anfang an über die Ängste und Notwendigen Gedanken zu machen und nicht erst dann, wenn es zu spät ist. »Wir führen einfach mal eine neue Anwendung ein und dann läuft das schon!« mag ein naheliegender Gedanke aus Perspektive eines Entscheidenden sein, doch allzu leicht liegt er fern der Realität. Das mag für klassische Software noch eher gelten, aber bei KI-Anwendungen geht es oftmals um weitaus mehr als das bloße Anwenden eines Produkts.

Dieser Beitrag ist Teil einer Blog-Reihe, in der wir (Damian Kutzias und Claudia Dukino 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:

Claudia Dukino

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

Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.