Autor: BBTLeyer

Datenerfassung als Fundament des KI-Einsatzes

Bevor Unternehmen in die Welt der Künstlichen Intelligenz eintauchen, müssen sie zunächst ein solides Fundament schaffen. Die systematische Erfassung von Daten bildet dabei den ersten und wichtigsten Schritt. Ohne qualitativ hochwertige, umfassende und strukturierte Datensätze bleibt jeder KI-Ansatz wirkungslos. Unternehmen müssen relevante Datenquellen identifizieren, Erhebungsmethoden standardisieren und Datenlücken schließen. Erst wenn ein kontinuierlicher Datenfluss sichergestellt ist, können darauf aufbauende KI-Anwendungen zuverlässige Ergebnisse liefern.

Prozessstrukturierung als zweiter kritischer Baustein

Mit vorhandenen Daten allein ist es jedoch nicht getan. Der zweite entscheidende Schritt besteht in der sorgfältigen Strukturierung und Optimierung der Geschäftsprozesse, die von KI-Systemen unterstützt werden sollen. Dies bedeutet, Abläufe zu dokumentieren, Verantwortlichkeiten klar zu definieren und Ineffizienzen zu beseitigen. Prozesse müssen transparent, nachvollziehbar und konsistent gestaltet sein, um sie für algorithmische Analysen und Optimierungen zugänglich zu machen. Die Prozessstrukturierung schafft gleichzeitig Klarheit darüber, an welchen Stellen menschliche Entscheidungsträger unverzichtbar bleiben und wo Automatisierung sinnvoll ist.

Systemlandschaft verstehen und kartieren

Der dritte Vorbereitungsschritt erfordert einen umfassenden Überblick über die bestehende IT-Infrastruktur und Systemlandschaft. Unternehmen müssen analysieren, welche Systeme in welchen Prozessen zum Einsatz kommen, wie sie miteinander interagieren und welche technologischen Fähigkeiten und Limitierungen bestehen. Eine detaillierte Systemkartierung deckt nicht nur potenzielle Schwachstellen und Integrationsherausforderungen auf, sondern zeigt auch, wo Legacy-Systeme modernisiert werden müssen, um mit KI-Lösungen kompatibel zu sein. Ohne dieses Verständnis drohen isolierte KI-Insellösungen ohne Anbindung an zentrale Unternehmensabläufe.

Strategische KI-Einsatzplanung als finaler Schritt

Erst nachdem diese drei grundlegenden Vorarbeiten geleistet wurden, können Unternehmen fundiert entscheiden, wo der Einsatz von KI tatsächlich Mehrwert schafft. Mit Kenntnis der Datenlandschaft, strukturierten Prozessen und einem klaren Systemüberblick lassen sich gezielt jene Bereiche identifizieren, in denen KI-Technologien den größten Nutzen versprechen. Die anschließende Implementierung kann dann zielgerichtet und ressourceneffizient erfolgen. Unternehmen vermeiden so kostspielige Fehlschläge bei KI-Projekten und maximieren gleichzeitig die Erfolgswahrscheinlichkeit ihrer digitalen Transformationsinitiativen.

Die systematische Herangehensweise – von der Datenerfassung über die Prozessstrukturierung und Systemanalyse bis zur strategischen KI-Planung – bildet den Schlüssel für nachhaltig erfolgreiche KI-Integrationen in Unternehmen.

Wie auch andere digitale Technologien, bietet KI eine Möglichkeit umzudenken und nicht wie oft bestehende Prozesse digitaler zu machen. Umdenken heißt sich zu überlegen was die Kundenbedürfnisse sind und wie eine andere Adressierung mit den technischen Möglichkeiten von KI-Anwendungen stattfinden kann. Letztlich heißt es doch die Hausaufgaben machen und Prozesse neu zu denken, so dass Kundenbedürfnisse noch besser adressiert werden können. Dies kann mit KI vor allem durch eine Kontextanpassung von (proaktiven) Angeboten an Kunden und deren Situationen erfolgen.

Sogenannte Meta-KIs sind Anwendungen, die mit ihrem Sprachmodell auf andere Sprachmodelle für die Ausführung zurückgreifen. Damit kann man auf der einen Seite seine Aufgaben besser in Prompts übersetzen lassen, auf der anderen Seite je nach aktuellem Entwicklungsstand der einzelnen großen Sprachmodelle die beste Kombination aus allen nutzen. Eine Beschäftigung mit einzelnen großen Sprachmodellen ist damit weniger wichtig und auch Abos müssen nicht bei allen immer genutzt werden. Aktuell nutze ich GenSpark, dass bereits sehr gute Tools bereitstellt. Gerade beim Schreiben im eigenen Stil ist es sehr gut, bei der Erzeugung von Powerpoint-Folien mit Abbildungen und Texten noch verbesserungswürdig. Auf jeden Fall zu empfehlen.

KI ist derzeit das Allheilmittel für alle möglichen Prozessverbesserungen und manchmal auch für Prozessinnovationen. Allerdings fällt mir immer wieder auf, dass viele Beteiligte irgendwie dann doch nicht verstanden haben, was denn KI eigentlich ist. So wird beispielsweise von Halluzinationen von großen Sprachmodellen gesprochen, während diese eben einfach nur die nach Wahrscheinlichkeit beste Antwort präsentiert. Mit solchen Hintergründen wird es besonders schwierig sich vorzustellen, wie bestehende Prozesse verändert oder neue Prozesse designt werden können. Zudem ist die Idee nur der Anfang, im nächsten Schritt müssen Beteiligte gefunden werden, die diese Idee gut finden und auch Budgetgeber überzeugt werden. Dies lässt sich am besten in einem Use-Case beschreiben, der nicht nur die Idee enthält, sondern auch eine Bewertung dessen beinhaltet. Dabei sollte der Nutzen, die Hürden, die Risiken, unterstützende Faktoren und die Auswirkung auf KPIs bedacht werden. Zusammen mit meinen Kollegen Prof. Dr. Alexander Richter, Dr. Ferry Nolte, Wieland Müller und Ishara Sudeeptha haben wir eine Methodik speziell für die Bewertung von KI-Use-Cases entwickelt. Interesse? Sprechen Sie mich gerne an, wie es auch in Ihrem Unternehmen eingesetzt werden kann.

Ein wesentlicher Unterschied zwischen herkömmlicher Software und KI liegt in der wahrgenommenen Intelligenz der Letzteren. Während Software vordefinierte Anweisungen ausführt, scheint KI zu denken, zu schlussfolgern und sich anzupassen. Dies kann die Illusion des Verstehens erzeugen, auch wenn kein wirkliches Verstehen vorhanden ist. KI-Systeme besitzen kein Bewusstsein und keine Intentionalität; sie arbeiten auf der Grundlage statistischer Korrelationen. Dies hat erhebliche Auswirkungen auf Vertrauen, Verantwortung und Rechenschaftspflicht. Benutzer können davon ausgehen, dass ein KI-System etwas „weiß“, während es in Wirklichkeit nur eine plausible Reaktion auf der Grundlage von Mustern in seinen Trainingsdaten erzeugt. Daher bleibt die menschliche Aufsicht unerlässlich. Experten müssen die Ergebnisse validieren, sicherstellen, dass ethische Überlegungen eingehalten werden, und die Kontrolle über die Entscheidungsprozesse behalten.