Kommentar von Sascha Beck, GFT KI-Nutzung im Mittelstand: Zwischen Wunsch und Wirklichkeit

Anbieter zum Thema

GFT Smart Technology Solutions GmbH

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

In vielen Unternehmen besteht in Sachen Künstlicher Intelligenz (KI) eine beträchtliche Lücke. Obwohl die meisten Unternehmen die Technologie für eine der wichtigsten Säulen für Wettbewerbsfähigkeit und zukünftigen Erfolg halten, spiegeln die Zahlen eine eher zögerliche Entwicklung wider: Nur 24 Prozent der im Rahmen einer Bitkom-Studie befragten Unternehmen sind aktuell in der Lage, die Potenziale von KI zu nutzen. Doch wie kann man KI so einzusetzen, dass sie maßgeblich auf die Wertschöpfung einzahlt?

Mehr Effizienz, Schnelligkeit und Qualität: Die Erwartungen, die mit dem Einsatz von KI verknüpft sind, sind hoch. Gleichzeitig ist die Lücke zwischen Erwartung und Wirklichkeit – die KI-Implementierungslücke – an vielen Stellen nach wie vor immens. Die Folge: Teure KI-Initiativen verlaufen im Sande, die erhofften Innovationen bleiben aus und die Akzeptanz innerhalb der Belegschaft sinkt.

Es ist daher wichtig, mit realistischen Erwartungen und pragmatischen Ansätzen an die Implementierung heranzugehen – heißt: Keine unrealistischen Moonshot-Projekte zu Beginn. Keine Technologie wird von heute auf morgen die Effizienz oder Profitabilität von Unternehmen sprunghaft ansteigen lassen. Um Quick Wins zu erzielen und so auch die eigenen Teams vom Nutzen der Technologie zu überzeugen, sollten Unternehmen mit kleinen ersten Schritten bzw. schnell umsetzbaren Use Cases beginnen, beispielsweise in Bereichen wie der zeitaufwendigen Dokumentation von Legacy Code. Aus diesen ersten Anwendungsbeispielen entstehen nicht nur erste greifbare Erfolge, sondern auch Learnings für weitere Bereiche.

Wissensaufbau als Basis des Erfolgs

Der Mangel an Vertrauen und fehlendes Expertenwissen – das sind laut Studien die grundlegenden Herausforderungen, warum der Einsatz von KI nicht den entsprechenden Return on Investment (ROI) liefert. Die eigenen Mitarbeiter mit den Kompetenzen auszustatten, die sie für die Arbeit mit KI brauchen, sollte also weit oben auf der Agenda von Unternehmen stehen. Die Herausforderung dabei: Bevor man die eigenen Mitarbeiter aus- und weiterbildet, muss zunächst klar sein, welche Kompetenzen überhaupt gebraucht werden – und hier stoßen Unternehmen häufig bereits auf erste Herausforderungen: Fehlendes KI-Wissen steht nicht nur dem effizienten Umgang mit der Technologie, sondern auch einem wirkungsvollen Upskilling im Weg.

Vier Phasen auf dem Weg zur Wertschöpfung

Soll der Einsatz von KI zählbar zum Geschäftserfolg beitragen, sind neben qualifizierten Experten auch weitere Faktoren entscheidend. Erfahrung im Umgang mit der Technologie sowie ein strategischer Rahmen bei der schrittweisen Implementierung von KI-Lösungen sind unabdingbar. Ein solches Rahmenwerk hilft nicht nur dabei, Potenziale zu identifizieren und Herausforderungen rechtzeitig zu erkennen. Sondern auch, das notwendige KI-driven Mindset im gesamten Unternehmen aufzubauen und zu verankern. Eine gezielte Kopplung von KI an Business-Ziele, die in gemeinsamen Sessions erarbeitet wird, verhindert das Scheitern von Experimenten ohne klaren Nutzen. Schnelle Proof of Concepts ermöglichen frühzeitige Erkenntnisse und konkrete Ergebnisse mit messbarem Bezug zum Unternehmenserfolg.

Ein solch strukturiertes Rahmenwerk bietet Unternehmen nicht nur eine klar definierte Blaupause für die Implementierung, sondern verhindert auch, dass sie nicht über die Experimentierphase hinauskommen. Zudem werden Punkte wie regulatorische Anforderungen oder Datenschutz von Anfang an berücksichtigt – besonders für stark regulierte Branchen wie den Finanzbereich ist das von entscheidender Bedeutung. Externe Berater können hierbei wertvolles Erfahrungswissen aus anderen Projekten einbringen und durch standardisierte Methoden und Tools die Einführung beschleunigen. Zudem gewährleisten sie, dass die Methoden sauber angewendet werden und tragen mit Know-how in den Bereichen Projektmanagement, AI Governance oder Change Management maßgeblich zum Gelingen der Projekte bei.

Phase 1: Analyse und Benchmarking des Ökosystems

„Wir brauchen KI, aber wo sollen wir anfangen?“. Diese Frage treibt nach wie vor viele Unternehmen um, die am Anfang ihrer KI-Reise stehen. Der Start einer KI-Initiative sollte daher eine gründliche und umfassende Analyse und Bewertung des Ökosystems sein. Es empfiehlt sich, im Rahmen von Workshops, mithilfe von kontextualisiertem Benchmarking und einer KI-Reifegradbestimmung eine Analyse der Business Services, der organisatorischen Bereiche und der technologischen Auswirkungen, durchzuführen. So können von Anfang an Bedürfnisse und Herausforderungen identifiziert und bei der weiteren Planung mitgedacht werden.

Effizienz und Agilität werden dabei immer wichtiger. Entscheidend für Unternehmen ist es jetzt, alle Prozesse, Services und Produkte konsequent auf den Prüfstand zu stellen: Wo es sinnvoll ist, muss KI tief integriert werden, bestehende Strukturen, die dank KI überflüssig werden, abgeschafft und neue Potenziale erschlossen werden. Unternehmen, die hier konsequent handeln, sichern sich entscheidende Wettbewerbsvorteile und sind in der Lage, gewinnbringende Anwendungsbeispiele für sich zu definieren.

Phase 2: Awareness und Transparenz schaffen

Wissen über KI und deren transformatives Potenzial ist die Grundlage für einen gelungenen Einsatz. Die Ziele und der Nutzen der Technologie sollten daher von Anfang an klar kommuniziert werden – nur, wenn die eigenen Mitarbeiter wissen, inwiefern der Einsatz auf die Geschäftsziele oder auch auf ihre persönliche Weiterentwicklung einzahlt, kann man Technologieskepsis gezielt entgegenwirken.

Hier sollten auch Themen wie Data Biases oder ethische Herausforderungen adressiert und die entsprechende Transparenz sichergestellt werden. Denn mit dem fortschreitenden Einsatz von KI rücken auch die Bedenken hinsichtlich Ethik und Fairness in den Mittelpunkt. Wenn es um unbeabsichtigte Verzerrungen in der automatisierten Entscheidungsfindung geht, ruft besonders das Blackbox-Problem Besorgnis hervor – KI-Algorithmen kommen zum Einsatz, ohne dabei Einblick in ihr Innenleben zu geben.

Der verantwortungsbewusste und gesetzeskonforme Einsatz von KI ist für die Akzeptanz von zentraler Bedeutung und erfordert eine sorgfältige Steuerung, insbesondere im Hinblick auf die sich schnell wandelnde regulatorische Landschaft. Um diesen Anforderungen gerecht zu werden, ist ein umfassendes System zur Governance von KI unerlässlich. Dieses befasst sich neben ethischen, rechtlichen und sozialen Aspekten der Nutzung von KI-Systemen auch mit Themen wie Organisation, Prozesse sowie Datentechnologie.

Phase 3: Use Cases ermitteln

Automatisierung des Kundenservice, Legacy Code-Dokumentation, Predictive Maintenance oder Qualitätssicherung: Die Identifikation passender Anwendungsfälle ist entscheidend für den Erfolg jeder KI-Initiative. Dazu braucht es eine klare Zielorientierung, die hilft, relevante Prozesse und Bereiche zu fokussieren, denn jede KI-Lösung muss auf die Geschäftsziele einzahlen und darf nicht dem Selbstzweck dienen. Co-Creation-Workshops helfen, über das Mapping von Services geschäftliche Chancen zu bestimmen. Interdisziplinäre Teams aus verschiedenen Fachabteilungen bringen dabei ihre jeweiligen Erfahrungen und Blickwinkel ein und gewährleisten, dass sowohl reale Chancen als auch alltägliche Herausforderungen wie etwa fehlender Zugang zu Tools oder Daten berücksichtigt werden.

In einem weiteren Schritt werden die aus IT-Perspektive wichtigsten Anwendungsfälle ermittelt und priorisiert. Unterstützung bieten bestehende Use Case Bibliotheken, denn häufig lassen sich erfolgreich umgesetzte KI-Anwendungen auf die eigenen Fälle übertragen.

Phase 4: Agile Pilot- und Skalierungsphase

Sind geeignete KI-Lösungen gefunden, sollte eine schnelle Umsetzung von Piloten und Proofs of Concepts mit agilem Vorgehen folgen. Zudem braucht es den Aufbau einer Governance-Struktur. Monitoring und Integration in bestehende Prozesse sollten zusätzlich sichergestellt werden.

Die eigenen Mitarbeiter sollten hier von Beginn an aktiv mit einbezogen werden, denn sie haben eine entscheidende Funktion hinsichtlich Überwachung und Steuerung. Nach dem Motto „Keep the human in the loop“, sollten Unternehmen auf KI basierende Entscheidungen nicht einfach übernehmen, sondern kontextbezogen und risikoorientiert überprüfen. Dies gewährleistet, dass menschliche Aufsicht dort stattfindet, wo es erforderlich ist. Externe Berater können Unternehmen bei der Analyse, dem Aufbau geeigneter Strukturen und der Umsetzung technologischer Lösungen effizient unterstützen. Gleichzeitig stellen sie sicher, dass regulatorische Entwicklungen fortlaufend berücksichtigt werden.

Quick Wins statt Moonshots

Eine solche strukturierte und strategische Herangehensweise unterstützt Unternehmen dabei, echte Wertschöpfung aus ihren KI-Investitionen zu generieren. Sie hilft, KI strategisch zu verankern, Use Cases zu validieren, Pilotprojekte umzusetzen und letztlich den ROI von KI-Projekten zu maximieren. So identifizierte etwa ein großes Finanzinstitut im Rahmen eines solchen Frameworks mehrere Engagements, bei denen KI Routineaufgaben automatisierte. Durch einen gezielten Piloten wurden manuelle Prozesse deutlich reduziert und signifikante Effizienzgewinne erzielt– mit klar messbarem Profitbezug.

(ID:50489664)