Sieben Fehlerquellen bei der KI-Einführung

Das Thema Künstliche Intelligenz (KI) liegt im Trend und wird zunehmend zu einer Standard-Technologie. Beim Einsatz im Unternehmen gibt es aber zahlreiche Fehlerquellen. Pegasystems nennt die sieben häufigsten davon.

KI findet sich mittlerweile in vielen Bereichen, von der industriellen Fertigung über Büroanwendungen bis hin zu komplexen CRM-Systemen. Die Vorteile in der Prozessautomatisierung sind für Unternehmen attraktiv. Dennoch verfügen die meisten Firmen nur über wenig Erfahrung im Umgang mit der neuen Technik. Der Softwarehersteller und KI-Spezialist Pegasystems hat deshalb sieben der gängigsten Fehler zusammengefasst, die bei der Implementierung von KI-Lösungen auftreten.

• Kein echter Mehrwert: Viele Unternehmen planen den Einsatz von KI, nur weil KI ein Hype ist. Ein klarer Mehrwert wie höhere Kundenzufriedenheit, Cross- oder Upselling-Möglichkeiten, Prozessoptimierung oder Qualitätssteigerung spielt dabei keine Rolle.
• Fehlende Kommunikation: Wird der Einsatz von KI den Anwendern nicht kommuniziert, bemerken diese gar nicht, dass sie mit einem KI-gestützten System interagieren. Das kann später zu Vertrauensverlust und zur Ablehnung führen.
• Unzureichende Datengrundlage: In der Regel ermitteln KI-Systeme aus großen Datenmengen wiederkehrende Muster. Ist dabei die Datenbasis nicht ausreichend, haben die Ergebnisse keine Relevanz.
• Blindes Vertrauen: Auch wenn IT-Systeme in manchen Anwendungsfällen erstaunliche „Intelligenz“ aufweisen, eignen sich nicht alle Anwendungsfälle für KI. Zum Beispiel wenn keine hinreichend operationalisierbaren Daten bereitgestellt werden können.
• Fehlende Transparenz: Aufgrund der großen Anzahl von Einflussfaktoren und Methoden für die Ermittlung von KI-Ergebnissen kann es schwierig bis unmöglich sein, im Nachhinein ein bestimmtes Ergebnis nachzuvollziehen. Je nach Anwendungsfall ist Transparenz aber nötig, zum Beispiel bei Therapieempfehlungen.
• Mangelnde Flexibilität: KI wird so konzipiert, dass die Fachabteilungen keine ausreichenden Möglichkeiten zur Anpassung haben. Die Mitarbeiter der Fachabteilungen müssen jedoch in der Lage sein, KI-Lösungen selbstständig zu parametrisieren, um agil mit verschiedenen Szenarien experimentieren zu können.
• Fehlende Praxistauglichkeit: Unternehmen realisieren häufig KI-Lösungen, die zwar in Pilotprojekten gut funktionieren, aber in der Praxis nicht gut skalieren. Die verwendeten KI-Verfahren müssen in großen Anwendungen mit zahlreichen Nutzern – beispielsweise in Web-Infrastrukturen – in kurzer Zeit Antworten liefern. Als Richtwert sollten Antwortzeiten von weniger als 50 Millisekunden möglich sein.