CCS Insight über die Nutzung von KI Viele Hürden auf dem Weg zum KI-Erfolg

Autor / Redakteur: Michael Matzer / Nico Litzel

In einer Marktstudie ist die britische Unternehmensberatung CCS Insight zu ernüchternden Erkenntnissen hinsichtlich der Nutzung von KI und Machine Learning in Großbritannien gelangt. Nur eine von fünf KI-Lösungen schafft es bis zur Inbetriebnahme und weniger als eines von vier Unternehmen hat eine KI-Lösung in seine unternehmensweiten Prozesse integriert. Immerhin ist inzwischen die Vorstandsebene mit der Verwendung von KI befasst.

Firmen zum Thema

Ein Beispiel für einen erfolgreichen KI-Einsatz: Die Bundesliga setzt KI auf breiter Front ein, um den Fußballfans auf allen gewünschten Endgeräten (Web, TV, Smartphone usw.) verbesserte „Match Facts“ zu liefern, die direkt ins Spielgeschehen eingeblendet werden können.
Ein Beispiel für einen erfolgreichen KI-Einsatz: Die Bundesliga setzt KI auf breiter Front ein, um den Fußballfans auf allen gewünschten Endgeräten (Web, TV, Smartphone usw.) verbesserte „Match Facts“ zu liefern, die direkt ins Spielgeschehen eingeblendet werden können.
(Bild: DFL.de)

KI-Lösungen werden vor allem in der Kundeninteraktion, der Prozessoptimierung und der Betrugserkennung eingesetzt, erklärt der Report „Making Artificial Intelligence Work for Your Business”, der sich auf die Ergebnisse der Studie „CCS Insight Senior Leadership IT Investment Survey, 2020“ stützt. Die Pandemie habe vor allem die Kundeninteraktion um das Mehrfache ansteigen lassen. Was die 736 befragten Entscheider auf der Vorstandsebene bei ihren Investitionen in KI besonders erwarten, sind indes höhere Cybersicherheit, Mitarbeiterproduktivität und Kostendämpfung.

Das Bild dieser Entscheider hat sich in den letzten Jahren gewandelt. War KI früher nur akademischen bzw. militärischen Kreisen zugänglich und anschließend ein Thema für Data Scientists und Entwickler, so spielt es mittlerweile in 58 Prozent der 736 befragten britischen Unternehmen für CIOs und hochrangige Geschäftsleiter eine Rolle, wenn es um Entscheidungen über den KI-Einsatz geht.

Bildergalerie
Bildergalerie mit 6 Bildern

Das bedeutet, dass die hilfreiche Rolle, die KI spielen kann, auf oberster Ebene erkannt worden ist. Zudem sind die technischen Voraussetzungen für die Entwicklung von KI-Lösungen erschwinglich und überall erhältlich geworden: Ressourcen in der Cloud. Sie stellen Rechenleistung, Speicherkapazitäten und Entwicklungswerkzeuge bereit. In 44 Prozent der befragten Unternehmen sind KI-Lösungen im Einsatz und bei 39 Prozent läuft ein Proof of Concept (83 Prozent; im Vorjahr zusammen nur 55 Prozent). 15 Prozent haben jedoch keine Pläne dafür und zwei Prozent wissen es nicht. „Aber 58 Prozent planen, ihre Investition in die Technologie aufzustocken“, schreiben Nick McQuire and Angela Ashenden in ihrem CCS-Blog.

KI-Erfolge

Obwohl also die Voraussetzungen prinzipiell so günstig wie nie zuvor sind, ist die Erfolgsquote für Entwicklung und Einsatz von KI-Lösungen so dürftig – siehe oben. Das liegt an vier Hindernissen. Erfolge gibt es nämlich durchaus. Die britische Supermarktkette Sainsbury's setzt KI ein, um jeden Tag online ein neues Produkt anbieten zu können statt wie bisher fünf sechs Mal pro Jahr. Das führt zu einer fünf Mal höheren Kundeninteraktionsrate pro Woche, die ebenfalls mit einer KI bewältigt werden kann. Der Online-Lieferdient Deliveroo hat seine Lieferzeiten um ein Viertel verkürzt, indem seine KI die Fahrer besser einteilt. Dadurch können sie mehr Fahrten leisten und mehr Geld verdienen.

Onfido, ein Dienstleister für Online-Identitätsbeglaubigung, konnte seine ID-Bestätigungen in den letzten zwei Jahren um 1.200 Prozent steigern. Seine KI ermöglicht die schnellere, genauere Verifizierung von Dokumenten hinsichtlich 4.500 Typen der Identifikation.

Die vier Hürden

Nicht nur auf der technischen Seite eines KI-Projekts sind Hürden zu finden, sondern auch auf der geschäftlichen Seite.

  • 1. Zeit bis zur Wertschöpfung: Welches KI-Projekt ist am vielversprechendsten? Diese Frage stellen sich alle Projektleiter ebenso wie Vertreter der Vorstandsebene. Gemeint ist stets der Faktor „Zeit bis zur Wertschöpfung“ bzw. „Time to Value“. Besonders kritische Bedeutung erhält dieser Faktor, wenn man berücksichtigt, dass eine erstaunliche hohe Zahl von 30 Prozent aller britischen Unternehmen mit Barreserven arbeitet, die laut Großbritanniens statistischem Bundesamt weniger als drei Monate reichen. Jedes fünfte britische Unternehmen ist demzufolge unter Zeitdruck und kann sich keine Langzeitprojekte bzw. langwierige Proof of Concepts mehr leisten. Welches Projekt also die Priorität erhalten soll, kann über Wohl oder Wehe eines Unternehmens entscheiden.
  • 2. Herausforderungen hinsichtlich Daten und Ethik: Eine KI ist nur so effektiv wie die Daten, mit der sie gefüttert wird. CCS Insight fand heraus, dass nicht weniger als 30 Prozent der befragten Unternehmen damit ein Problem haben. Sie bezeichnen die Qualität und Bereitstellung ihrer internen Daten als die größte Hürde in ihren Machine-Learning-Projekten. Erstens stellt einige Fachkräfte der Umgang mit den richtigen Daten und v.a. Datenmengen am richtigen Ort vor eine Herausforderung und zweitens fehlt ihnen die Fachkenntnis bei der Auswahl der geeigneten Daten (und Algorithmen), um geschäftliche und betriebliche Entscheidungen zu unterstützen. Es kommt auf die richtige Auswahl an.
  • 3. Fehlende Fachkräfte: Das Fehlen von Fachkenntnissen in den Disziplinen Entwicklung, Data Science und DevOps bzw. AIOps ist wohldokumentiert. Aber CCS Insight entdeckte darüber hinaus erhebliche Lücken, wenn es um die „Übersetzung“ geschäftlicher Erfordernisse, das Messen von geschäftlichen Ergebnissen und die Implementierung betrieblicher und Governance-Praktiken ging. Change Management und Kulturwandel innerhalb der Unternehmensorganisation erweisen sich ebenfalls als Stolpersteine.
  • 4. Governance, Risiko-Management und Compliance: Mehr als vier von fünf Unternehmensvorständen machen sich Sorgen hinsichtlich der ethischen Folgen des KI-Einsatzes. KI-Nutzung muss ethisch vertretbar, transparent, sicher und verantwortungsbewusst erfolgen. Der Aufbau vertrauenswürdiger und sicherer KI-Plattformen stellt jedoch für die befragten Unternehmen die höchste Hürde dar. Kein Wunder also, dass Cybersecurity zu den Top-Prioritäten zählt.

Dass die Europäische Kommission in naher Zukunft (2021ff.) die KI-Nutzung regulieren will, stellt die Anwender vor eine Herausforderung und das trägt nicht unbedingt zur Beschleunigung solcher Projekte bei. Wie bereits erwähnt: Weniger als 20 Prozent der Unternehmen haben KI in unternehmensweite Prozesse eingebunden. Nur eine von fünf KI-Lösungen hat die genannten Hürden bewältigt und wurde in Betrieb genommen.

Wege zum Projekterfolg

Die technischen Probleme können die KI-Anwender sukzessive in den Griff bekommen, aber die grundlegenden geschäftlichen Mittel, um mit KI wirtschaftlichen Erfolg zu erzielen, sind kniffliger. Sie lassen sich an dieser Stelle allerdings nicht ausführlich darlegen. Daher müssen Stichworte und Beispiele genügen.

Das wichtigste Mittel ist die Vorhersage der Nachfrage. Der italienische Kühlschrankhersteller Arneg nutzt Amazon Forecast, um täglich elf Millionen Datensätze von den Sensoren seiner Geräte in aller Welt zu sammeln und so eine Treffsicherheit von 90 Prozent in seinen Vorhersagen zu erzielen und damit die Ausfallwahrscheinlichkeit pro Gerät zu berechnen. Wenn Arneg schon vorher weiß, wann ein Gerät ausfallen wird, kann es den Einsatz seines Wartungspersonals senken.

Die Bundesliga setzt KI auf breiter Front ein, um den Fußballfans auf allen gewünschten Endgeräten (Web, TV, Smartphone usw.) verbesserte „Match Facts“ zu liefern, die direkt ins Spielgeschehen eingeblendet werden können. Die Personalisierung jedes Kundenerlebnisses ermöglicht der Service Amazon Personalize. Jeder Zuschauer kann den gelieferten Content auf seine Wünsche zuschneiden, seien es Videos oder Suchergebnisse.

Apropos Suche: Dieser Vorgang verschlingt in vielen größeren Unternehmen einen großen Teil von Zeit und Produktivität. Denn die benötigten, geeigneten und validierten Informationen liegen oft in abteilungsbasierten Info-Silos auf verteilten Systemen, zu denen erst der befugte Zugriff erkämpft werden muss, beispielsweise im Intranet. Eine Lösung wäre es, sämtliche relevanten Informationen mithilfe von Machine Learning zu indexieren und sie mithilfe von Natural Language Processing durchsuchbar zu machen.

Betrugserkennung

Weil Online-Betrug 2020 erheblich zugenommen hat, zählt die Erkennung solcher Betrugsversuche zu den Haupteinsatzfeldern von KI. Weil es hier um zehnstellige Gesamtbeträge geht, wollen knapp die Hälfte (49 Prozent) aller Vorstände Betrugserkennung forcieren. Amazon Fraud Detector und ähnliche Lösungen stützen sich auf umfangreiche Erfahrungsdaten, um Betrugsversuche zu erkennen und zu verhindern.

Während der Pandemie standen alle Callcenter weltweit unter immensem Druck. Nicht nur wollten alle Bürger und Verantwortlichen verlässliche Informationen über Covid-19, sondern auch wo es das nächste Test- und Impfzentrum gibt. Ganze Server brachen unter der Last der Anfragen zusammen. Glücklicherweise sind bestimmte KI-Funktionen in der Lage, den Callcenter-Betreibern und ihren Agenten unter die Arme zu greifen. Dazu gehört die Identifikation und Priorisierung von Anrufern, die automatische Transkription von Anrufen, Sentiment-Analyse inklusive Ironieerkennung, Aufgabenverteilung und Informationssuche.

Der AWS-Kunde Barclays Bank, eines der größten Finanzinstitute in 40 Ländern, bewältigt mit 25.000 Call-Agenten mittlerweile 6.000 gleichzeitige Gespräche pro Stunde. Gezwungen durch die Pandemie, arbeiten diese Agenten vor allem zu Hause. Die Konnektivität wird bereitgestellt und geschützt.

Nur ein vertrauenswürdiges Unternehmen ist ein erfolgreiches Unternehmen. Daher verstehen auch Vorstände und Geschäftsführer, dass ihre KI-Modelle erklärbar, fair, vorurteilsfrei, transparent, sicher und vertrauenswürdig sein müssen. Das ist besonders im Gesundheitswesen, in der Finanzbranche und in der Herstellung Impfstoffen und Medikamenten wichtig. Die Frage ist, wie sie diese Qualitäten gewährleisten können. Softwarehersteller wie IBM, AWS und Microsoft stellen entsprechende XAI-Werkzeuge zur Verfügung.

Seit 2020 und 2021 gibt es nicht mehr nur Hürden auf dem Weg zum einsatzbereiten KI-Projekt, sondern auch zahlreiche Softwarebausteine, die den Weg dorthin ebnen und die Einführung in wertschöpfende Geschäftsprozesse und sichere Abkäufe erleichtern.

(ID:47504379)