KI: So entkommen Unternehmen der Proof-of-Concept-Falle! Zwischen Potential und Realismus

Der Einsatz von Künstlicher Intelligenz klingt für Versicherer gerade in Zeiten von Fachkräftemangel und Skill Gaps nach einem echten Heilsversprechen.

Was in der Theorie simpel und pragmatisch klingt, ist in der Praxis schwierig umsetzbar. Die Anzahl der gescheiterten Proof of Concepts (PoC) ist erschreckend hoch. Neben einer soliden Datenbasis muss die Skalierbarkeit der KI-Modelle gewährleistet sein und dazu ist unter anderem eine Integration in die bestehende Systemlandschaft notwendig – und das ist nur die technische Komponente. Ohne eine KI-Strategie, die sich in die Unternehmensstrategie einfügt und Mitarbeitende, die den Change Prozess mit dem Unternehmen mitgehen und ihn mitgestalten, nützt die beste technische Infrastruktur nichts. Das Vorhaben ist zum Scheitern verurteilt.

Was ist Versicherern also zu raten? Die schlechte Nachricht vorneweg: Es gibt keinen Blue Print für die erfolgreiche Skalierung von Proof of Concepts. Unternehmen, Menschen und Anwendungsfälle sind zu individuell, um sie in eine Schablone zu gießen.

Die gute Nachricht: Wer Technologie, Menschen und Strategie zusammen denkt, hat dennoch gute Chancen aus den PoC Anwendungen zu entwickeln, die es in die Produktion schaffen.”

Technologie

Grundlagen schaffen

Ohne solide Datenbasis läuft nichts. Versicherer müssen nicht nur bereinigte Daten vorliegen haben, die sorgfältig und korrekt gelabeled wurden, sondern auch in ausreichender Menge. Fehlt es an eigenen Daten, gibt es mehrere Möglichkeiten: Konsequentes Logging, automatisierte Umfragen bei den Wissensarbeitern oder die Erstellung und Verwendung von synthetischen Daten zum Trainieren des Modells.

Der erste Schritt, um einen PoC zur Produktionsreife zu bekommen, ist also eine umfassende Hygienemaßnahme für den Umgang mit den eigenen Daten.

KI-Modell

Das Modell bildet das Herzstück eines KI-Projekts. Unternehmen stehen vor der Wahl, entweder auf vorgefertigte AI-as-a-Service-Lösungen zurückzugreifen oder maßgeschneiderte Eigenentwicklungen zu erstellen. Diese Entscheidung beeinflusst die Anforderungen an Training, Re-Training und die Ressourcen erheblich. Während der PoC oft nur mit einer kleinen Datenmenge arbeitet, benötigt das finale Produkt eine deutlich größere Datenbasis, um alle relevanten Anwendungsfälle abzudecken. Ein kontinuierliches Re-Training ist notwendig, um sicherzustellen, dass das Modell auch langfristig auf aktuelle Daten reagieren kann und keine Datenverzerrungen (Data Drift) auftreten.

Modellversionierung: Transparenz und Effizienz

Für die erfolgreiche Implementierung eines KI-Projekts ist eine sorgfältige Modellversionierung unerlässlich. Diese gewährleistet, dass alle Modellversionen und deren Parameter nachvollziehbar sind. Dies ist nicht nur für die Optimierung der Modellentwicklung wichtig, sondern auch aus Gründen der Compliance und Transparenz. Durch die Dokumentation aller Experimente und Parameterkonfigurationen können Unternehmen die Performance ihrer Modelle kontinuierlich verbessern und zugleich eine effiziente Zusammenarbeit im Team sicherstellen.

Integration und Betrieb: Sauberer Code und Skalierbarkeit

Die Integration eines KI-Modells in bestehende IT-Architekturen stellt eine weitere Herausforderung dar. Um flexibel auf zukünftige technologische Entwicklungen reagieren zu können, sollte die Architektur so gestaltet sein, dass sie unabhängig vom verwendeten KI-Modell bleibt. Ein gängiger Ansatz ist die Nutzung von APIs, die es ermöglichen, Modelle einfach auszutauschen oder zu erweitern.

Im laufenden Betrieb eines KI-Projekts müssen nicht nur herkömmliche Kennzahlen zur Serviceverfügbarkeit, sondern auch spezifische Metriken zur Modellperformance überwacht werden. Testautomatisierung und Observability spielen dabei eine zentrale Rolle, um sicherzustellen, dass das Modell den Anforderungen entspricht und seine Ergebnisse transparent und auditierbar sind.

Skalierbarkeit und Kosteneffizienz

Während Testautomatisierung und Observability oft schon im PoC berücksichtigt werden, tritt das Thema Skalierbarkeit erst beim tatsächlichen Betrieb eines KI-Projekts in den Vordergrund. Eine dynamische Anpassung der Rechenleistung, abhängig von der aktuellen Last, ist entscheidend für die Kosteneffizienz und den langfristigen Erfolg. Zusätzlich zur Rechenleistung müssen auch die Datenverarbeitung, Speicherung und das Re-Training skalierbar sein. Dies erfordert eine technische Infrastruktur, die das Wachstum des Projekts unterstützt und es ermöglicht, zukünftige Herausforderungen zu meistern.

Der Faktor Mensch

“Culture eats strategy for breakfast”, das viel zitierte Statement des Ökonomen Peter Drucker gilt auch für die Einführung einer KI-Strategie. Sie ist notwendig, um den PoC erfolgreich skalieren zu können und muss dabei zwischen den Fähigkeiten der Mitarbeiter und den Geschäftsprozessen angesiedelt sein, um den größten Nutzen für das Unternehmen zu erzielen.

Die Einführung von KI ist der Auslöser für einen tiefgreifenden kulturellen Wandel im Unternehmen, der die aktive Einbindung der Mitarbeitenden unabdingbar macht. Die Beteiligung und Mitgestaltung der Teams sind entscheidend für den erfolgreichen Einsatz von KI, da sie nicht nur die Akzeptanz fördern, sondern auch das wertvolle Fachwissen der Mitarbeitenden direkt in die Entwicklung und Anwendung einbringt, denn die eigenen Mitarbeitenden verfügen über das tiefste Verständnis ihrer internen Prozesse. Durch ihre aktive Beteiligung können Lösungen entwickelt werden, die optimal auf die spezifischen Bedürfnisse des Unternehmens zugeschnitten sind. Darüber hinaus steigert die Einbindung die Motivation und das Engagement der Mitarbeitenden, da sie unmittelbar an der Gestaltung der Zukunft ihres Unternehmens beteiligt sind.

Dadurch entsteht ein starkes Bewusstsein für Mitverantwortung und Zugehörigkeit. So wird die Einführung von KI nicht als von außen auferlegte Veränderung wahrgenommen, sondern als gemeinschaftlicher Prozess.

Fazit

Der Weg von einem erfolgreichen Proof of Concept (PoC) hin zur produktionsreifen KI-Anwendung ist für Versicherer voller Herausforderungen. Die hohe Zahl gescheiterter PoCs zeigt, dass technologische Innovation allein nicht ausreicht. Eine solide Datenbasis, sorgfältige Modellversionierung und eine skalierbare Infrastruktur sind ebenso entscheidend wie die Integration in bestehende Systeme. Doch ohne eine durchdachte KI-Strategie und die aktive Einbindung der Mitarbeitenden wird auch die beste technische Grundlage nicht zum Erfolg führen.

Die Einführung von KI verlangt nach einem tiefgreifenden kulturellen Wandel im Unternehmen. Mitarbeitende müssen nicht nur mitgenommen, sondern aktiv in die Gestaltung und Implementierung eingebunden werden. Nur so entsteht die notwendige Akzeptanz und Motivation, die den langfristigen Erfolg sichert. Während es keinen universellen Erfolgsweg für KI-Projekte gibt, stehen die Chancen gut, wenn Technologie, Menschen und Strategie von Anfang an zusammen gedacht werden. Unternehmen, die diese Faktoren in Einklang bringen, können ihre PoCs erfolgreich skalieren und echten Mehrwert generieren.

Über QAware

QAware – The Futureware Company ist ein unabhängiges Beratungs- und Projekthaus für individuelle Softwarelösungen für Enterprise Kunden und den etablierten Mittelstand.

Das Unternehmen analysiert, modernisiert, entwickelt und realisiert Softwaresysteme für Kunden, deren Erfolg maßgeblich von einer leistungsfähigen IT abhängt.

Zu seinen Kunden zählen unter anderem BMW, Allianz, BSH und Telekom Security.

Das Projekthaus mit Sitz in München, Rosenheim, Mainz und Darmstadt hat es sich zum Ziel gesetzt, maßgeschneiderte Individualsoftware Lösungen zu entwickeln, die nicht nur dem neuesten Stand der Technik entsprechen, sondern mit den Anforderungen seiner Kunden mitwächst.

Die Expertise von QAware ist ebenso vielfältig wie die Anforderungen seiner Kunden. Das Unternehmen deckt ein breites Spektrum ab – von der Software Modernisierung über Softwareentwicklung und Systemintegration bis hin zu Plattform Engineering und Managementberatung.

Das Leistungsportfolio des Unternehmens gliedert sich in drei zentrale Bereiche: Digital Native, Cloud Native und AI Native.

Dieses umfasst die Entwicklung digitaler Produkte, die Analyse und Renovierung bestehender Softwaresysteme, Individualsoftware- und Systemintegrationen, Hostablösen, Cloud Migrationen, Cloud Plattformen, sowie KI-Plattformen, die Integration von KI in Bestandslösungen und die Ausarbeitung und Beratung zu individueller KI-Strategien.

QAware übernimmt Gewerksverantwortung, entwickelt zum agilen Festpreis und verpflichtet sich vertraglich zu Ergebnissen weit über dem aktuellen Stand der Kunst.

Sprechen Sie mit uns.QAware