Mit der KI ist es wie mit der DSGVO: lange Vorwarnzeit, dann zu hektische Umsetzung

KI ist im Hype ganz oben. Die Unternehmen übersehen aber, dass der KI-Einsatz viel Verantwortung bedarf und nicht übers Knie gebrochen werden kann. Drei Jahre Vorlauf sind u.U. nicht zu wenig. Sebastian Petry, Leiter des b.telligent-Competence-Centers „Data Science & AI“, über Technologie, Vertrauen und Know-how bei der Implementierung von KI im Unternehmen – und welche Fragen sich Unternehmen vor einem KI-Einsatz stellen sollten.

Es gibt drei wesentlichen Faktoren, die für eine erfolgreiche Künstliche Intelligenz im Unternehmen gelten: Technologie, Strategie und Know-How.

1. Die Technologie

Zuallererst das Thema Technologie, also Cloud-Technologien, Big Data, aber auch Bots, AI Frameworks und viele andere unterschiedliche Lösungen und Tools auf dem Markt. Möchte ich eine oder mehrere davon in meinem Unternehmen implementieren, muss ich von Anfang an wissen, in welchem Umfang ich dabei eine Künstliche Intelligenz einsetze. Geht es mir nur um ein spezielles Produkt, um einen bestimmten Ausschnitt meines Unternehmens oder um etwas, was ich größer skalieren möchte und damit auch als Datenstrategie oder AI-Strategie weiterdenken muss? Auf welche Weise möchte ich dann meine Künstliche Intelligenz nutzen, betreiben und weiterentwickeln? Diese Fragen gilt es im Vorfeld zu beantworten, …

… denn sobald ich einmal eine Lösung implementiert habe, die nicht in meine bisherige technische Infrastruktur, Datenlandschaft, Unternehmensphilosophie oder meine Workflows hineinpasst, habe ich bereits am Anfang viel verloren. Aber umgekehrt natürlich viel gewonnen.”

2. Kontrolle oder Vertrauen: Strategien für den KI-Einsatz im Unternehmen

Die Auswahl der Strategie kommt auf den Fachbereich an. Wenn ich eine KI in ein Unternehmen integriere, zum Beispiel in eine Kampagnenselektion, dann geht es darum, Vorgänge, die vorher ein Mensch erledigt hat, an eine Technologie zu übergeben. Dazu muss man im Vorfeld Vertrauen in dem jeweiligen Fachbereich aufbauen. Macht die Maschine das genauso gut wie ich? Angeblich soll sie es sogar besser machen. Wie kontrolliere ich etwas, was in einem Bereich besser ist, als ich es jemals sein könnte? Um hierauf valide Antworten zu bekommen, muss nicht nur die AI eine hohe Qualität haben, sondern auch das Reporting und die KPIs, die die AI bewerten und kontrollieren.

Um zu messen, wie gut die AI im gesamten Kontext funktioniert, muss ich mich fragen, wie groß beispielsweise der ROI ist, den ich mir dort erwirtschafte?”

Um zusätzlich Vertrauen aufzubauen, muss die interne Kommunikation stimmen, die ein Data Scientist oder ein AI-Experte in den Fachbereich hineinträgt. In größeren Unternehmen wird die Zusammenarbeit mit Abteilungen wie dem BI-Reporting immer wichtiger werden. So können etwa BI-Self-Service-Tools Performance-Informationen über die AI an die Fachabteilungen übermitteln.

3. KI-Know-how im Unternehmen

Wenn sich Unternehmen eine solch komplexe Sache wie eine Künstliche Intelligenz in das Unternehmen holt, brauche man eine realistische Selbsteinschätzung, wie viel dabei gestaltet werden kann. Möchte ich eine KI selbstständig etwa mit TensorFlow entwickeln und somit Deep Learning tief in meinem Unternehmen verankern? Hierfür benötige ich einen hochqualifizierten Methoden-Experten oder einen Data Scientist. Oder reicht es mir, auf Tools zurückzugreifen, die ich optimal für mich konfigurieren kann? In diesem Fall brauche ich keinen dezidierten KI-Experten, sondern jemanden, der den Bereich fachlich betreuen kann und die unterschiedlichen Tools gut kennt. Algorithmische Kenntnisse sind hierfür im Allgemeinen nicht notwendig. Für welchen Weg ich mich auch entscheide, ich brauche eine klare Meinung dazu, um eine KI in meinem Unternehmen erfolgreich zu machen.

Mit der KI ist es wie mit der DSGVO: lange Vorwarnzeit, dann zu hektische Umsetzung

Mit der Umsetzung der DSGVO zeigte sich zuletzt, wie schlecht viele Unternehmen trotz der langen Vorlaufzeit darauf vorbereitet waren. AI ist kein Mode- oder Marketingthema für Technologieunternehmen, sondern wird nahezu jedes Unternehmen und unseren Alltag mehr und mehr durchdringen.

Wir empfehlen jedem Unternehmen, eine eigene Data-Science-Abteilung mit KI-Verantwortung aufzubauen, die auf einer sehr guten BI- und IT-Abteilung aufsetzen sollte.”

Für Firmen, die bei null anfangen, kann es bis zu drei Jahre dauern, bis genug Daten gesammelt, die passenden Technologien integriert, Know-how aufgebaut und Prozesse richtig etabliert sind.

Gerade kleinere Unternehmen können es sich nicht leisten, auf die Arbeit mit KI und deren Vorstufen zu verzichten. Wer seine Daten für KI nutzen möchte, trägt eine große Verantwortung. Hier kann man nicht den jungen Mitarbeiter, der gerade von der Uni kommt, dransetzen. Dazu braucht es Spezialisten, die bereits Erfahrung gesammelt haben und wissen, was schiefgehen kann. Erfolgreiche AI-Projekte leben oft von der Erfahrung der Mitarbeiter in diesem Bereich, denn gegenwärtig betritt man mit fast jedem AI-Projekt Neuland. AI ist neben aller Faszination, die von den Algorithmen ausgeht, ein sehr technisches Thema, das es im Unternehmen zu verankern gilt und das mit Big-Data-Technologien gelöst werden muss. Gerade das Deployment und der produktive Betrieb von modernen Methoden sind für viele Unternehmen eine Herausforderung.aj