Suchen

Tipps von appliedAI KI Use Cases in drei Schritten identifizieren

| Autor / Redakteur: Martin Hensel / Nico Litzel

Der Einsatz von Künstlicher Intelligenz im Unternehmen ist ein spannendes Thema. Konkrete Use Cases dafür zu finden ist allerdings oft nicht einfach. Experten von appliedAI haben deshalb einige nützliche Tipps parat.

Die Definition von Use Cases für KI ist nicht immer einfach - appliedAI hilft mit Tipps.
Die Definition von Use Cases für KI ist nicht immer einfach - appliedAI hilft mit Tipps.
(Bild: appliedAI)

Die KI-Experten Philipp Hartmann und Maria Schamberger empfehlen einen dreistufigen Prozess, der zur Definition konkreter Anwendungsfälle führt. Zunächst steht die Vorbereitung: Teams und Management sollen sich im Rahmen eines grundlegenden Workshops mit der KI-Technik vertraut machen. Das ist entscheidend, um das Thema jenseits des Hypes realistisch einschätzen zu können. Zudem gilt es die im Unternehmen nötigen Voraussetzungen zu bewerten. Dazu zählen beispielsweise Daten, Infrastruktur sowie Personal und Kultur. Von diesen Vorbereitungen hängt ab, welche KI-Anwendungen sich später umsetzen lassen.

Schritt 1: Ideenfindung

Die Ideenfindungsphase zielt darauf ab, neue und relevante KI-Anwendungsfälle innerhalb einer Organisation zu identifizieren. Sie erfordert die Zusammenführung von Unternehmens- und KI-Fachwissen. Wenn letzteres intern nicht verfügbar ist, sollten Unternehmen auf externes Fachwissen zurückgreifen. Dabei sollten sie aber sicherstellen, dass der Prozess ihre interne Kompetenz stärkt. Um die knappe Zeit optimal zu nutzen, sollte die Use-Case-Idee einem effizienten Prozess folgen. Mögliche Ideen lassen sich bereits auf dieser Stufe in prozessbezogene und produktbezogene Use Cases aufteilen. Bei ersteren liegt der Fokus auf internen und externen Unternehmensprozessen. KI kann entweder bestehende Prozesse automatisieren oder bei der Erstellung neuer Abläufe helfen.

Schritt 2: Assessment

In dieser Phase geht es darum, erfolgsversprechende Ideen für konkrete Use Cases zu beurteilen. Dabei sollten zunächst die folgenden Parameter berücksichtigt werden: Erstens die Komplexität der Implementierung, die wiederum von Datenverfügbarkeit, -qualität und Updates abhängt. Zweitens der Kosten-Nutzen-Aspekt, wobei es um den erhofften Mehrwert und die nötigen Mittel geht. Dabei geht es auch um die klassische Make-or-Buy-Entscheidung. Unternehmen müssen berücksichtigen, welche Daten ein Anbieter benötigt, um eine Lösung zu trainieren und die dafür herausgegeben werden müssen. Außerdem sollten in der Assessment-Phase mögliche regulatorische und ethische Einwände diskutiert werden. Auch Risiken, Transparenzanforderungen und Cybersicherheit spielen wichtige Rollen.

Schritt 3: Priorisierung

Auf den ersten Blick mutet die Priorisierung vielleicht trivial an – schließlich könnte man nach dem Assessment einfach den attraktivsten Use Case auswählen. Das wird allerdings in der Praxis kaum funktionieren. Vielmehr handelt es sich um einen iterativen Prozess. Aus Use Cases, die in einem ersten Assessment bewertet wurden, sollten die vielversprechendsten ausgesucht werden. Diese durchlaufen dann erneut einen Review-Prozess. Oftmals sind gerade die vielversprechendsten Anwendungsfälle auch die komplexesten. Hier bietet sich möglicherweise an, diese Anwendungsfälle in kleinere Tasks aufzuspalten. Auf der anderen Seite können sich auch Interdependenzen zwischen verschiedenen Fällen ergeben, sodass es sich lohnt, diese in Cluster zusammenzufassen.

(ID:46828406)