Kommentar von Marcel Kappestein, Avenga Deutschland So wird KI vom Hype zum Wettbewerbsvorteil

Anbieter zum Thema

Avenga Germany GmbH

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

Ausgelöst durch die Veröffentlichung von OpenAIs ChatGPT im November 2022 nimmt die KI-Revolution weltweit massiv an Fahrt auf. Schon heute hilft generative Künstliche Intelligenz vielerorts dabei, Serviceanfragen schneller zu beantworten, Verwaltungsprozesse effizienter zu gestalten und sogar Entscheidungsvorlagen für Manager zu generieren.

Hinzu kommt: KI-Lösungen werden zusehends ausgefeilter – und zwar in rasantem Tempo. In vielen Organisationen stellt sich derzeit somit die Frage, welche Weichen gestellt werden müssen, um auch in Zukunft wettbewerbsfähig zu bleiben.

Die USA geben bei der KI-Implementierung den Takt vor

Die Dringlichkeit dieses Zukunftsthemas untermauert ein Blick über den Atlantik. Denn amerikanische und europäische Unternehmen gehen die Implementierung von KI bislang in auffallend unterschiedlichem Tempo an und Europa hängt bei KI-Investitionen (wieder einmal) deutlich hinterher. So flossen in den Vereinigten Staaten im ersten Halbjahr 2023 beispielsweise 30,8 Milliarden Dollar Wagniskapital in KI-Start-ups, während die Investitionen in Europa bei 3,7 Milliarden Dollar stagnierten. Die Vormachtstellung von finanzstarken US-Tech-Giganten wie Alphabet, Meta und Microsoft macht diesen Unterschied noch signifikanter.

Auch sonst sind die genannten Zahlen alarmierend, da dem KI-Markt in den kommenden Jahren enormes Wachstum vorausgesagt wird. Die Marktforscher von MarketsandMarkets prognostizieren zum Beispiel, dass dieser bei einer jährlichen Wachstumsrate von 36,8 Prozent von 150,2 Milliarden US-Dollar im vergangenen Jahr bis 2030 auf 1345,2 Milliarden US-Dollar anwachsen soll. Anderen Schätzungen zufolge soll KI in den USA zum Ende dieses Jahrzehnts zu einem Nettoanstieg des Bruttoinlandsproduktes von 21 Prozent beitragen.

Nach Angaben des Branchenverbands Bitkom sehen auch hierzulande zwei Drittel aller Unternehmen KI als wichtigste Zukunftstechnologie an. Allerdings: 43 Prozent der befragten Unternehmen sehen sich als Nachzügler hinsichtlich ihres Einsatzes im Arbeitsalltag. Ganze 38 Prozent glauben sogar, den Anschluss komplett verloren zu haben. Dabei geht beispielsweise PwC davon aus, dass KI bis zum Ende dieses Jahrzehnts allein in Deutschland für eine Wertschöpfung von rund 430 Milliarden Euro verantwortlich zeichnen könnte. Doch wie kann die erfolgreiche KI-Implementierung auch in deutschen Unternehmen flächendeckend gelingen?

KI-Implementierung – drei Wege führen zum Ziel

Entscheidend dafür, dass Unternehmen maximal vom KI-Einsatz profitieren, ist die richtige Strategie. Diese ist von den individuellen Business-Zielen sowie dem jeweiligen aktuellen Status des Unternehmens in Bezug auf KI abhängig. Grundsätzlich bieten sich jedoch drei Optionen für einen erfolgreichen KI-Start an.

1. KI-Frameworks as a Service

Die schnellste Möglichkeit, KI ohne viel Aufwand und große Vorab-Investitionen zu implementieren, bieten KI-Frameworks as a Service. Die Angebote setzen auf vordefinierte Modelle und Trainingsdaten aus der Cloud. In der Regel handelt es sich um universelle Antworten für verbreitete Anwendungsfälle, die sich bis zu einem bestimmten Grad an spezifische Bedürfnisse anpassen lassen.

Allerdings könnten vordefinierte Modelle möglicherweise nicht alle individuellen Anforderungen eines Unternehmens erfüllen. Hinzu kommt, dass Unternehmen die Hoheit über ihre Services aus der Hand geben und sich in ein Abhängigkeitsverhältnis gegenüber den Anbietern begeben, etwa beim Preis, den eingesetzten Technologien und den Sicherheitsstandards. Auch muss sichergestellt sein, dass rechtliche Vorgaben zum Datenschutz und andere Compliance-Richtlinien unbedingt eingehalten werden.

2. Systemverwandte Lösungen

Etablierte Plattformen wie Microsoft 365 oder AWS bieten die Möglichkeit, auf eine bewährte und sichere Infrastruktur zurückzugreifen. Sie bieten eine langfristige Perspektive, da sie direkt in bestehende Prozesse und Systeme integriert werden können. Darüber hinaus sind systemverwandte Lösungen anpassungsfähig, können also auf individuelle Bedürfnisse zugeschnitten werden. Die Komplexität dieser Aufgabe sowie der daraus resultierende Aufwand und die längere Integrationszeit sollten dabei allerdings nicht unterschätzt werden.

Ein interessantes Praxisbeispiel liefert die Commerzbank, die auf die bewährte und sichere Infrastruktur von Microsoft Azure zurückgreift, um einen virtuellen Assistenten zu entwickeln, der sich schon bald mit Kunden in natürlicher Sprache unterhalten und personalisierte Hinweise zu Dienstleistungen des Instituts bereitstellen soll. Um das Kundenerlebnis weiter zu optimieren, wird zudem der neue „Microsoft Azure text to speech avatar service“ integriert. Die Bank ist davon überzeugt, dass dieses innovative digitale Angebot den Service erheblich vereinfachen und die Kundenzufriedenheit verbessern wird. Erste Tests zeigen Angaben der Commerzbank zufolge sehr gute Ergebnisse.

3. KI-Neuentwicklung

Wer auf der Suche nach einer Lösung ist, die exakt auf die individuellen Anforderungen eines Unternehmens zugeschnitten ist und sich auch später auf wechselnde Anforderungen flexibel anpassen lässt, zieht wahrscheinlich eine KI-Neuentwicklung in Betracht.

Unser Data-Science-Team hat so beispielsweise für einen Kunden aus den Life Sciences eine Lösung entwickelt, die auf Bildern DNS-Strangbrüche in Zellen erkennt. Zu diesem Zweck werden die Bilder unter Mikroskopen mithilfe von Computer-Vision-Algorithmen automatisch analysiert und klassifiziert. Durch die genaue Segmentierung der intakten DNS („Kopf“) und die Erzeugung eines „Schwanzes“ liefert die Lösung präzise Messungen vorhandener DNS-Schäden. Das führte zu eindeutigeren Forschungsergebnissen, weniger menschlichen Fehlern, optimierten Laborabläufen und beschleunigten Arbeitsprozessen.

Auch der Automobilhersteller BMW setzt auf Predictive Maintenance in Verbindung mit eigens entwickelten Machine-Learning-Modellen, um ungeplante Ausfallzeiten in der Montage zu verhindern. Dazu überwacht das System Daten und Hinweise aus der Fördertechnik und überprüft, ob diese Hinweise Unregelmäßigkeiten enthalten, beispielsweise Schwankungen in der Stromaufnahme oder unleserliche Barcodes. Die Ergebnisse des KI-Algorithmus werden mittels Heat Maps visualisiert, die Auffälligkeiten durch Farbcodes anzeigen. Künftig soll das System sogar vorhersagen können, wie viel Zeit zwischen dem Erkennen einer Störung bis zum potenziellen Stillstand der Produktion verbleibt.

Wer nicht mit der Zeit geht, geht mit der Zeit

Jede der oben genannten Optionen, KI im eigenen Unternehmen zu implementieren, bietet eindeutige Vor- und Nachteile. KI-Frameworks as a Service sind praktisch sofort einsatzbereit, sind aber nur begrenzt anpassbar. Systemverwandte Lösungen bieten Stabilität und Langfristigkeit, erfordern hinsichtlich ihrer Implementierung jedoch mehr Zeit. KI-Neuentwicklungen hingegen sind bei speziellen Anforderungen oftmals das Mittel der Wahl, allerdings erfordern sie ausreichend Zeit und Ressourcen.

Letztlich kommt es immer darauf an, die eigenen Unternehmensziele, den aktuellen Technologiestand und das verfügbare Budget zu ermitteln und auf dieser Basis das passende Vorgehen auszuwählen. Dabei sollten weniger schnelle Erfolge, sondern vielmehr die Nachhaltigkeit der Lösungen im Fokus stehen. Stolpersteine auf dem Weg zum Business-Erfolg sind erfahrungsgemäß oftmals nicht erledigte Hausaufgaben im Bereich der Daten. Hier gilt es Silogrenzen einzureißen, die Datenverfügbarkeit sicherzustellen und insbesondere: die Qualität zu verbessern.

Mit Blick auf die Zukunft und den sich intensivierenden Wettbewerb ist zu hoffen, dass die Entscheider in deutschen Unternehmen die Zeichen der Zeit erkennen, KI in ihre Geschäftsstrategien integrieren und die notwendigen Ressourcen bereitstellen, um die Potenziale dieser transformativen Technologie voll auszuschöpfen. Zentrale Erfolgsfaktoren hierfür sind dabei oftmals die Zusammenarbeit mit innovativen Technologiepartnern sowie die Förderung interner KI-Kompetenzen.

(ID:49918349)