10 Trends für Ihre KI-Strategie

Künstliche IntelligenzKünstliche Intelligenz (KI) hat den Mainstream erreicht. In allen Branchen haben Unternehmen erfolgreiche Proof-of-Concept-Projekte (PoC) durchgeführt und betreiben KI produktiv. Sie setzen StrategienStrategien für KI und Machine LearningMachine Learning (ML) um und treiben Projekte mit Best Practices sowie Pipelines im gesamten Betrieb voran. Alles zu Künstliche Intelligenz auf CIO.de Alles zu Machine Learning auf CIO.de Alles zu Strategien auf CIO.de

Das verändert die Sichtweise auf den strategischen Wert von KI und die Bereiche, in denen Unternehmen sich Vorteile davon versprechen. Diese zehn Trends verfolgen Betriebe bei ihren KI-Strategien.

1. Business treibt KI

In den Anfängen der KI wurden die Projekte ausschließlich von Data Scientists getrieben. Sie hatten die Daten, die Algorithmen und die Freiheit, nach Möglichkeiten zu suchen, mit ihren neuen Tools Business-Probleme anzugehen. Manchmal hatten sie Erfolg, doch heute hat sich diese Dynamik umgedreht.

Führungskräfte aus dem Business haben aus den erfolgreichen Projekten gelernt und wissen besser darüber Bescheid, was KI für sie tun kann. Darum sind Unternehmen jetzt weniger bereit, in Proof-of-Concept-Projekte zu investieren, bei denen der Mehrwert fürs Business unklar ist. Das führt dazu, dass die Geschäftsbereiche zunehmend das Sagen haben, wenn KI eingeführt wird.

"Wenn ich sehe, dass Unternehmen KI gut einsetzen, ist das vom Geschäft aus getrieben", sagt Alex Singla, Global Leader für QantumBlack bei McKinsey & Co. KI und IT würden helfen, ein Problem zu lösen, aber Technologie gibt die Lösung nicht vor. Das Unternehmen übernehme die Zügel und als Teil der Lösung glaube es daran, dass dies die richtige Antwort ist.

Honeywell setzt KI etwa in allen internen Abläufen ein. Zudem baut er Industriekonzern sie in Produkte und Services rund um seine Kunden ein, berichtet Sheila Jordan, Chief Digital Technology Officer des Unternehmens. "Wir sind sehr eng mit dem Business verbunden", sagt sie. Ihr Team sei von interner und kundenorientierter Wertschöpfung getrieben.

2. KI durchdringt das Unternehmen

Als Jordan vor zwei Jahren zu Honeywell kam, war ihr erstes großes Projekt, eine Data-Warehouse-Strategie zu implementieren. Es sollten sämtliche Transaktionsdaten aus allen Quellen zusammengeführt werden. "Jede Funktion und jede Geschäftseinheit hat eine digitale Agenda", sagt sie.

So habe Honeywell zum Beispiel alle seine Verträge digitalisiert - insgesamt mehr als 100.000 Stück. Damit verfüge das Unternehmen über eine Fülle von Daten, um KI-Lösungen für fast jeden Funktionsbereich entwickeln zu können.

So könnten alle Verträge automatisch auf Bereiche überprüft werden, in denen sie von Inflation oder Preisproblemen betroffen sind. "Es ist unmöglich, dass ein Mensch 100.000 Verträge durchgehen kann," so die Managerin

Auch in der Rohstoffplanung kommt KI zum Einsatz. Dank vollständiger Bestandsdaten kann Honeywell erkennen, welche Bestände Schrott und welche wiederverwendbar sind. Damit lassen sich intelligente Entscheidungen treffen, wie Rohstoffe effizient verwaltet werden können. "Wir sehen, dass KI in jeder Funktion auftaucht", sagt Jordan. Das betreffe das Finanzwesen, die Rechtsabteilung, Technik, Lieferkette und auch die IT.

3. Mehr Automatisierung mit KI

Honeywell ist mittlerweile im dritten Jahr eines aggressiven Automatisierungsprogramms. Gibt es eine repetitive Aufgabe, versucht das Unternehmen, sie zu automatisieren. Lau5t Jordan hat ihr Team aktuell rund 100 Projekte zu aufgaben, die im gesamten globalen Unternehmen automatisiert werden sollen. Dabei setzt die CDO vermehrt auf KI in den automatisierten Bots, die dadurch selbst smarter werden sollen.

Auch die Beratungsfirma Booz Allen Hamilton startete mit einfachen, regelbasierten Automatisierungen. Jetzt beginnt das Unternehmen, KI und Machine Learning (ML) zu integrieren, um sie für ein breiteres Aufgabenspektrum nutzen zu können, sagt Justin Neroda, Vice President im Bereich KI. Teams, die mit simplen Projekten starten, fragen sich schnell, was sie noch automatisieren können. Meistens stellen sie fest, dass sie dafür KI und ML brauchen.

Laut Neroda kann KI-gestützte Automation bei Personalmangel oder hohem Arbeitsaufkommen helfen. Die einfachen Teile einer Aufgabe ließen sich automatisieren, so dass Menschen den anderen, schwierigen Teil übernehmen könnten.

4. KI wird Teil des Großen Ganzen

Laut McKinsey-Manager Singla ist KI-Einsatz im großen Stil mit viel Change-Management verbunden. Ein Unternehmen muss verstehen, wie die Menschen die KI nutzen werden. Das geht nicht von dem Technologie-Team allein aus, sondern komme von einer Kombination aus Technikern, Fach- und Geschäftsexperten.

Müssten Sachbearbeiter drei verschiedene KI-Anwendungen einsetzen, werden sie das wahrscheinlich nicht tun. Je mehr sie aber automatisch in die Arbeitsabläufe integriert seien, desto höher stuft Singla die Erfolgschancen ein: "Je weniger ich das Verhalten der Mitarbeiter ändern muss, desto wahrscheinlicher ist es, dass sie die Lösung annehmen."

5. KI-Strategien werden nach außen getragen

Nach erfolgreichen PoCs bauen Betriebe oft Kompetenzzentren für KI auf. Sie sollen die Technologie einsatzbereit machen sowie Fachpersonal, Know-how und Best Practices aufbauen. Sobald eine kritische Masse erreicht ist, bietet es sich jedoch an, einige davon wieder aufzulösen. Die KI-Experten sollten direkt in die Geschäftsbereiche verlagert werden, in denen sie am meisten gebraucht werden.

Für Unternehmen, die noch lernen, sind Centers of Excellence laut Singla durchaus sinnvoll. Sie bündeln Talente und Lernprozesse, die gebraucht werden, um skalieren zu können. Experten könnten dort mit Gleichgesinnten zusammenarbeiten während weniger erfahrene Kollegen in dem Zentrum wachsen und lernen. Sie zu früh aufzuteilen, würde laut den McKinsey-Manager die Wirkung der KI-Spezialisten in den Abteilungen verwässern. Das Unternehmen schränke damit seine Möglichkeiten ein, erfolgreiche Projekte über mehrere Geschäftsbereiche hinweg zu wiederholen und zu duplizieren.

"Sobald man jedoch eine gewisse Reife und Größe erreicht hat, ist der Vorteil von Tech-Experten, die sowohl über ein tiefes KI-Know-how als auch Expertise in den Fachbereichen verfügen, langfristig gesehen ein echter Volltreffer", sagt Singla.

"Business-Probleme sind nicht an einem Ort angesiedelt, daher kann man keine zentralisierten KI-Implementierungen erwarten", sagt Amol Ajgaonkar, Ingenieur beim Technologieanbieter Insight. Die Lösungen müssten dezentral sein, brauchten aber eine zentrale KI-Strategie, die sie an geschäftliche Auswirkungen wie Umsatz, Kosteneinsparungen oder Marketingpositionierung binden.

Auch Booz Allen Hamilton starteten mit einer KI-Kerngruppe, die das Beratungshaus laut Neroda in den letzten Jahren nach außen getragen hat. "Wir haben Unterzellen in diesem Unternehmen, die über KI-Experten verfügen. Aber man muss erst eine kritische Masse erreichen, bevor man sie ausbreitet, sonst bricht alles zusammen," sagt er

6. KI transformiert Geschäftsprozesse

Starten sie mit KI-Projekten, suchen Unternehmen oft nach einzelnen Schritten in Geschäftsprozessen, bei denen die Technologie einen Unterschied machen kann. "Man zerlegt den Prozess in einzelne Teile, digitalisiert jeden Teil und setzt KI ein, um ihn effizienter zu machen", sagt Sanjay Srivastava, Chief Digital Officer bei IT-Dienstleister Genpact. Zwar sei jeder Teil davon danach besser, schneller und billiger, doch der Prozess bleibt derselbe.

KI habe jedoch das Potenzial, Geschäftsprozesse grundlegend zu verändern. Laut Srivastava erledigt Genpact zum Beispiel einen großen Teil der Rechnungsbearbeitung für seine Kunden. "Wenn wir KI auf Rechnungen anwenden, können wir vorhersagen, welche davon angefochten werden", sagt er. So ließe sich herausfinden, welcher Teil des Portfolios das höchste Risiko birgt. Mit KI könne der gesamte Prozess umstrukturiert werden. Sie versetze das Unternehmen in die Lage, über die gesamte Wertschöpfungskette nachzudenken und sie komplett umzugestalten.

7. MLOps wird Wirklichkeit

Laut einer Studie von McKinsey setzen Unternehmen, die am meisten von KI profitieren, MLOps ein. Das heißt, sie nutzen Best Practices, um Machine-Learning-Modelle zuverlässig und effizient produktiv einzusetzen und zu warten.

Laut Carmen Fontana, IEEE-Mitglied sowie Leiterin der Cloud- und Emerging-Tech-Abteilung bei Medizinunternehmen Augment Therapy, ist MLOps der nächste große Trend in der KI. Dabei soll Machine Learning von der Theorie in die Produktion gebracht werden.

Der Bereich habe sich in den letzten drei Jahren aus dem Experimentierstadium herausentwickelt. Heute gebe es etablierte Tools und Methoden, um KI-Modelle rigoroser zu trainieren, einzusetzen und zu überwachen. "Das ist ein großer Schritt auf dem Weg, um KI und Machine Learning zu einer festen Größe zu machen", sagt Fontana.

8. Unternehmen legen KI-Pipelines an

Die Berater von Booz Allen Hamilton betreuen derzeit etwa 150 verschiedene KI-Projekte bei Kunden, berichtet Neroda. Das Unternehmen will sich aber von diesem Einmal-Modell lösen. "In den letzten anderthalb Jahren haben wir in modulare Fähigkeiten und End-to-End-Pipelines investiert", sagt er.

Erfolgreiche KI erfordere mehr als nur ein funktionierendes Modell. Ein ganzer Prozess sei nötig, um es im Laufe der Zeit aufrechtzuerhalten, wenn sich die Daten ändern und die Modelle kontinuierlich verfeinert werden. Neroda: "Die größte Herausforderung besteht darin, wie man alle Tools miteinander verbindet." Das will das Unternehmen standardisieren und wiederverwendbare Teile zu entwickeln, die projektübergreifend eingesetzt werden können.

9. Unternehmen wollen Vertrauen zu KI

Je mehr sich Mitarbeiter und Führungskräfte mit KI auseinandersetzen, desto mehr vertrauen sie darauf, dass die Technologie geschäftskritische Entscheidungen treffen kann, selbst wenn sie dem menschlichen Bauchgefühl widersprechen. Michael Feindt, Gründer der Softwareschmiede Blue Yonder, berichtet über ein Projekt bei einem Lebensmittelhändler. Der Kunde hatte wegen der Pandemie Probleme mit seiner Lieferkette. Die Prozesse waren manuell und es fehlte an Mitarbeitern, die ausgebildet, fähig und bereit dazu waren, diese Arbeit zu erledigen.

Bestehende automatisiere Abläufe konnten sich schneller an die neue Situation anpassen als Menschen. Also weitete das Unternehmen das System nicht nur auf die Filialen, sondern auch auf die Vertriebszentren aus. Das Ergebnis: weniger leere Regale und Lebensmittelabfälle, die weggeworfen werden mussten. Zudem mussten die Filialleiter nicht mehr zwei Stunden pro Tag ihre Bestellungen abstimmen, sondern konnten sich stattdessen mehr Zeit nehmen, um die Kundenzufriedenheit zu verbessern.

"Manche Menschen sind kritisch und haben nicht das Vertrauen, dass die KI so gute Entscheidungen treffen kann wie sie selbst, mit ihrer jahrelangen Erfahrung", sagt Feindt. Zusätzliche "Erklärbarkeit" könne dabei helfen. Erklärbare KI bedeutet, dass das System den Nutzern erklärt, welche Faktoren in seine Entscheidung eingeflossen sind.

10. Neue Geschäftsmodelle werden möglich

In einigen Bereichen eröffnet KI Möglichkeiten, die es vorher nicht gab. Autonome Fahrzeuge beispielsweise haben das Potenzial, völlig neue Arten von Unternehmen zu schaffen. Aber auch in kleinerem Maßstab können KI-gestützte Business-Transformationen stattfinden.

So kann eine Bank, in der Menschen alle Prüfungen durchführen müssen, es sich nicht leisten, Kleinkredite anzubieten. Die Kosten, um sie zu bearbeiten, wären höher als die Zinseinnahmen. Wenn jedoch KI zur Bewertung und Bearbeitung eingesetzt würde, könnte die Bank mit kleineren Krediten ganz neue Kundengruppen bedienen, ohne exorbitante Zinsen verlangen zu müssen.

"Diese Anwendungsfälle sind noch nicht so weit verbreitet", sagt Jai Das, Präsident und Partner bei Investor Sapphire Ventures. Sie veränderten grundlegend die Art und Weise, wie Geschäfte gemacht werden, doch Unternehmen wandelten sich nicht so genau so schnell. Das werde sich ändern, sobald KI und ML zu Werkzeugen werden, die von jedem Wissensarbeiter im Unternehmen genutzt werden. "So weit sind wir noch nicht. Es wird wahrscheinlich noch fünf Jahre dauern, bis jeder KI und ML für seine Arbeit nutzen wird," schätzt Das. (jd)

Dieser Beitrag basiert auf einem Artikel unserer US-Schwesterpublikation CIO.com.