Kommentar von Christian Schlögel, Körber 5 Tipps, um ein Unternehmen KI-ready zu machen

Anbieter zum Thema

Körber AG Management-Holding

Vogel IT-Medien GmbH

Fujitsu Technology Solutions GmbH

Xpand Solutions GmbH

Künstliche Intelligenz (KI) ist die Schlüsseltechnologie, die diese Dekade prägen wird wie keine andere. Sie wird große Auswirkungen haben auf Unternehmen, das öffentliche Leben und die ganze Gesellschaft und als Treiber der vierten industriellen Revolution fungieren.

Künstliche Intelligenz macht rasante Fortschritte. Der Unterschied zu klassischen Softwaresystemen ist, dass KI-Systeme autonom dazulernen können und sich über die Zeit verbessern. Dies geschieht durch Einbeziehung neuer Daten oder neuer Erkenntnisse und zwar ohne, dass eine Veränderung des Systems notwendig ist. Aus diesem Grund ist es wichtig, von Anfang an auf hohe Datenqualität zu achten und darauf, dass die Daten sämtliche notwendigen Teilbereiche umfassen und nicht „biased“ sind.

Noch zu selten nutzen Industrieunternehmen das Potenzial von KI, um sichtbaren Mehrwert zu schaffen. Dabei ist der Einsatz von KI in anderen Bereichen längst etabliert. Von Chatbots bis zu medizinischen Diagnosen mit höherer Genauigkeit als von den besten Experten – KI ist keine Zukunftsmusik mehr und kann sich insbesondere für mittelständische Firmen sehr lohnen. Doch was muss ich beachten, wenn ich mein Unternehmen auf diese so wichtige und wertvolle Technologie vorbereiten will? An welchen Stellschrauben muss ich drehen, um mein Unternehmen KI-ready zu machen?

Künstliche Intelligenz

Das leistet KI in der Produktion und der Pharmazie

Fangen wir mit Machine Learning an. Sie ist die heute am häufigsten genutzte KI-Technologie. Mittels Machine Learning können Aktivitäten implementiert werden, deren Ergebnisse besser und exakter sind als die eines Menschen. Machine Learning wird oft als erste Grundlage genutzt, um Prozesse und unternehmerische Abläufe zu optimieren. Die Verarbeitung großer Datenmengen oder das Gruppieren und Segmentieren von Daten gehören zu den wichtigsten Grundlagen für datenbasierte Optimierung. Dies kann mithilfe von Machine Learning automatisiert und optimiert werden, sowohl bei der Neuentwicklung, aber auch bei der Optimierung bestehender Systeme.

Eine KI kann beispielsweise Objekte erkennen, Sprache verstehen, vor allem aber Entwicklungen vorhersagen. Gerade Letztgenanntes bringt zahlreiche Anwendungsmöglichkeiten für die Industrie 4.0 mit sich. Maschinen mit Sensoren auszustatten, ist eine einfache Sache. Den gesamten Maschinenpark miteinander kommunizieren zu lassen und KI als Ratgeber für Maschinenführer in die eigene Fabrik einzuführen, ist hingegen eine viel komplexere Aufgabe. Gerade hier kann Machine Learning seine Fähigkeiten voll ausspielen.

Aber wie steigt man am besten ein? Diese fünf Schritte sollte man beachten:

1. Das KI-Projekt ist mehr als nur ein weiteres Softwareprojekt

Bei der Implementierung von KI in Unternehmen handelt es sich um mehr als die Integration eines zusätzlichen Software- oder Projektmanagement-Tools. Das Projekt sollte als Change-Management gesehen werden. Die Arbeitsweise von Unternehmen ändert sich durch den Einsatz von KI über kurz oder lang drastisch. Das gilt es, schon vor den ersten handfesten Plänen zu berücksichtigen.

2. KI- und Datenstrategie definieren

KI hat das Potenzial, ein Unternehmen in vielen Bereichen grundlegend zu verändern. Daher ist es wichtig, die technischen und ökonomischen Aspekte von KI zu verstehen und eine klare und auf Ihr Unternehmen abgestimmte KI-Strategie zu definieren. Folgende kommunikative und strategische Schritte sind dabei unbedingt ratsam:

• Klare Ziele definieren, die man mit KI erreichen möchten.

• Einbinden dieser Ziele in die Gesamtstrategie des Unternehmens.

• Konkrete Zwischenziele für die ersten zwölf Monate fixieren.

• Etablieren von C-Level- und Management-Trainings zur KI- und Datenstrategie, um alle Entscheider auf den gleichen Stand zu bringen.

3. Den Reifegrad und die Qualität der Daten analysieren

Eine Bestandsanalyse ist essenziell: Wie ist der Status quo meines Daten-Clusters? Wie steht es um die datengetriebene Denkweise in meiner Organisation? Genauer betrachten sollte ich auch meine existierende Daten-Wertschöpfungskette, um herauszufinden, wo das größte Potenzial für den Einsatz von KI liegt.

4. Data-Opportunity-Projekt starten und ein MVP bauen

Den Startpunkt für ein KI-Projekt findet man am besten, wenn man sich die aktuellen innerbetrieblichen Herausforderungen bewusst macht und sich fragt, wo KI einen Mehrwert stiften kann. Ein Data Opportunity Workshop kann dafür ein guter Einstieg sein und kann extern begleitet werden. Dafür gibt es Beratungsexperten wie zum Beispiel DAIN Studios, die Experten für Data Strategy und KI sind. Es gilt dabei festzustellen, welche Daten bereits vorhanden sind und was zusätzlich für die Realisierung des Anwendungsfalls benötigt wird.

Den Anwendungsfall sollte man nach ökonomischen Gesichtspunkten auswählen. Es lohnt sich, den Markt danach zu scannen, ob es bereits eine Lösung für den Anwendungsfall gibt, die sich adaptieren lässt. Für die industrielle Fertigung haben sich aus Körbers-Venture-Building-Ansatz zum Beispiel FactoryPal und InspectifAI etabliert. Falls keine Lösung am Markt vorhanden ist, sollte im nächsten Schritt mit externer Hilfe ein Minimum Viable Product (MVP) entwickelt werden, also ein Prototyp, der den Minimalanforderungen gerecht wird. Die meisten Produktideen funktionieren allerdings nicht sofort und müssen in Iterationsschritten angepasst werden. Deshalb ist es sehr wichtig, ganz dem Lean-Prinzip folgend, in einem sehr frühen Stadium des Entwicklungsprozesses Erkenntnisse über das Produkt und mögliche Kunden zu gewinnen.

Optische Kontrolle pharmazeutischer Produkte

Körber Digital gründet Corporate Venture InspectifAI

5. KI-Kultur durch Aufklärung und Beteiligung schaffen

Es gilt, einen C-Level-Sponsor zu finden und die Kommunikation nicht zu unterschätzen. Damit Mitarbeiter KI-Projekte annehmen, müssen sie diese zunächst verstehen. Daher sollten Mitarbeiter aus möglichst vielen unterschiedlichen Abteilungen in die Arbeit mit der neuen Technologie direkt miteinbezogen werden.

Die Implementierung von KI ist, wie bereits erwähnt, kein rein technisches Vorhaben, sondern auch ein strategisches Projekt. Nur wenn sich alle Mitarbeiter mit der Arbeit mit Daten identifizieren und ein grundlegendes Verständnis für den daraus entstehenden Mehrwert haben, funktioniert die neue Art der Zusammenarbeit. Deshalb ist es wichtig, Ziele und Nutzen von KI-Projekten an die verschiedenen Teams zu kommunizieren und in die gemeinsame Diskussion zu gehen. Für das Etablieren einer KI-Kultur müssen nicht alle Mitarbeiter ein tiefes Verständnis für große Datenmengen oder KI als solche haben. Es genügt, wenn diese wissen, woher Daten kommen, wofür man sie nutzt und wie sich der Datenworkflow künftig gestaltet. Bei Körber etwa binden wir neben hochqualifizierten Data Scientists auch Entscheider und Mitarbeiter aus verschiedensten Unternehmensbereichen in KI-Projekte ein. So versuchen wir, alle mitzunehmen auf unserer KI-Reise und es entstehen bessere Produkte. Meine Vision dabei: eine ganzheitliche Kultur der künstlichen Intelligenz im Konzern zu etablieren.

(ID:48572702)