Erfolgreiche KI-Projekte: Was du über Vorbereitung und Umsetzung wissen solltest
Wie müssen Unternehmen vorgehen, damit sie möglichst schnell von künstlicher Intelligenz (KI) profitieren? Die Erwartungen sind oft riesengroß. Manche Firmen wollen ihrem Geschäftsmodell mit KI über Nacht Superkräfte verleihen. In anderen Betrieben fühlt man sich noch nicht digital genug und zögert den Einstieg in die KI-Welt unnötig hinaus. Beide Haltungen behindern den nachhaltigen Erfolg von künstlicher Intelligenz.
Wir erklären, wie du ein KI-Projekt so vorbereitest, dass es optimale Erfolgschancen hat und worauf es ankommt, damit sich die Investition in die Zukunftstechnologie auszahlt.
Irrtümer verlangsamen den digitalen Fortschritt
Vor allem im Mittelstand halten sich verschiedene Fehlannahmen, die Entscheider davon abhalten, KI-Projekte in Angriff zu nehmen und die Verbreitung von KI in Deutschland verlangsamen.
Dass KI-Projekte für kleine und mittlere Unternehmen zu teuer sind, ist zum Beispiel ein Mythos. Richtig ist: Wer für eine KI-Anwendung von Null inhouse entwickeln lässt, muss hohe Summen investieren. Für Konzerne, die in ihrer digitalen Transformation bereits weit fortgeschritten sind und über eigene KI-Expertise verfügen, kann sich eine solche Entwicklung lohnen – insbesondere, wenn das System sensible Daten verarbeiten soll, es die Kernkompetenz des Unternehmens darstellen wird und/oder keine passende Anwendung am Markt verfügbar ist.
In den meisten Fällen ist eine Eigenentwicklung aber nicht notwendig, um von KI zu profitieren. Mittlerweile gibt es für viele Use Cases standardisierte Software (KI as a Service), die Unternehmen für ihre Anforderungen konfigurieren können. Damit verfügen sie zwar nicht über einzigartige Anwendungen, die ihnen einen schwer einholbaren Wettbewerbsvorteil verschaffen, aber sie profitieren schnell und lassen immer noch viele zögerliche Marktteilnehmer hinter sich.
Und nicht zuletzt entscheidet das Anwendungskonzept über das Ausmaß der Wertschöpfung: Die Technologie bietet nur das Potenzial für Wettbewerbsvorteile. Ein und dieselbe KI-Software kann bei dem einen Unternehmen zu Effizienzsprünge führen, während sie sich bei dem anderen lange nicht amortisiert. Der Schlüssel liegt darin, dass passende Einsatzgebiet zu identifizieren und die Anwendung intelligent in die eigenen Abläufe zu integrieren. KI as a Service ist vielleicht nicht die ideale Lösung für jedes Unternehmen, aber sie ist eine Lösung, mit der viele Firmen den Anschluss an die technologische Entwicklung halten, auch wenn ihnen die IT-Infrastruktur für Eigenentwicklung fehlt.
Die Zusammenarbeit mit externen Dienstleistern räumt ein anderes Bedenken aus dem Weg: Die Überzeugung, dass die eigene Organisation bereits weitgehend digitalisiert sein muss oder riesige Datenbestände vorhanden sein müssen, um künstliche Intelligenz sinnvoll zu nutzen. Beides stimmt so pauschal nicht. Natürlich benötigt KI eine gewisse digitale Infrastruktur, doch in vielen Fällen können KI-Anwendungen für klar abgegrenzte Use Cases eingesetzt werden. Ein vollständig vernetztes Unternehmen ist dafür nicht notwendig. Externe Experten mit Praxiserfahrung können helfen, den bestmöglichen Case zu finden und sich nicht unnötig selbst zu begrenzen.
Roadmap für die Einführung von KI-Systemen in Unternehmen
Es gibt verschiedene Ansätze, wie Unternehmen KI-Projekte aufsetzen können. Welche Herangehensweise optimal ist, hängt vom Digitalisierungsgrad, den Zielen und der Unternehmensorganisation ab. Die zentralen Meilensteine der Roadmaps sind jedoch immer die gleichen.
- Analyse des Status quo
- KI-Zielsetzung definieren
- KI-Strategie entwickeln
- KI-Einführung
1. Analyse des Status quo
Zunächst sollte die Geschäftsführung eine ehrliche Bestandsaufnahme der digitalen Reife des eigenen Unternehmens vornehmen. Wie ausgeprägt ist die Digitalisierung? Welche Abteilungen bieten sich aus technischer Sicht für ein KI-Pilotprojekt an? In welchen Abteilungen sind deutliche Verbesserungen aus unternehmerischer Sicht wichtig und wertvoll?
Noch ehe einzelne Use Cases in Erwägung gezogen werden, sollten sich Geschäftsführer einen Überblick verschaffen, welche Daten in welcher Qualität im Unternehmen vorhanden sind. Wenn noch nicht geschehen, sollte eine Datenstrategie ausgearbeitet und die Datensammlung systematisiert werden. Die vorhandene Datenbasis zeigt auf, wo ein KI-Einsatz möglich ist.
2. KI-Zielsetzung definieren
Im zweiten Schritt sollte sich die Geschäftsführung über ihre KI-Ziele einigen: Soll das aktuelle Geschäftsmodell optimiert, neue Märkte erschlossen oder ein ganz neues Businessmodell entwickelt werden?
Davon ausgehend kann eine Übersicht über alle potenziellen Anwendungsfälle erstellt werden. Unternehmen sollten ihre Nutzenerwartungen an die KI hierbei klar beziffern. Will die Geschäftsführung die Effizienz eines Prozesses verbessern, müssen KPI für einen Vorher-Nachher-Vergleich definiert werden.
Wichtig ist, dass alle Beteiligten mit realistischen Erwartungen an das KI-Projekt herangehen. Sie müssen sich bewusst sein, dass die IT-Anforderungen andere sind als bei traditionellen Systemen, dass zunächst mehr Personalaufwand und Wartung bzw. Training nötig sein wird, ehe sich eine Arbeitserleichterung einstellt und der Mehrwert bisherige Methoden übertrifft.
3. KI-Strategie
Ein einzelnes KI-Projekt bildet den Ausgangspunkt, sollte aber immer in eine übergeordnete KI-Strategie eingebettet sein, die mit den allgemeinen Unternehmensstrategie harmoniert.
Was ist das übergeordnete Ziel aller in Zukunft geplanten KI-Anwendungen? Unternehmen sollten festhalten, welche Prozesse, Produkte und Geschäftsfelder wie mit KI optimiert oder entwickelt werden sollen, welche Technologien und Methoden zum Einsatz kommen und wie Erfolge gemessen werden. Welche finanziellen und personellen Bedarfe werden für die Umsetzung erforderlich? Welche organisatorischen Veränderungen müssen sukzessive erfolgen? All das sind wichtige Daten, die einen Rahmen für das weitere Vorgehen setzen.
Spätestens jetzt sollten Unternehmen auch entschieden haben, ob sie ihre Strategie mit externer Software umsetzen oder sie ihre Lösungen selbst entwickeln wollen.
4. KI-Einführung
Schließlich beginnt die Umsetzung eines Pilotprojekts. Hierfür eigenen sich vor allem kritische Stellen in der Wertschöpfungskette, die bisher einen „Bottleneck“ darstellen und deren Optimierung einen hohen Einfluss auf die Produktivität haben. So werden die Effekte von KI schnell sichtbar. Und das ist umso wichtiger, da meist noch viele Skepsis unter den Mitarbeitern herrscht. Schnelle Erfolge motivieren und unterstützen den Change in der Unternehmenskultur.
Der Erfolg der KI-Einführung hängt aber wesentlich von der Akzeptanz durch die Angestellten ab. Sind sie bereit, sich weiterzubilden, sich auf neue Prozesse und die Zusammenarbeit mit KI einzulassen? Projektmanager sollten die kommenden Veränderungen früh ankündigen und den Abteilungen und Teams Gelegenheit geben, sich auf den Change vorzubereiten und ihn mitzugestalten. Die Rückendeckung durch die Geschäftsführung ist unerlässlich. In der internen Kommunikation sollte sie deutlich machen, welche Relevanz das Projekt für das gesamte Unternehmen einnimmt.
Bei der Auswahl eines ersten Use Cases ist es in vielen Fällen für Unternehmen sinnvoll, sich externe Beratung zu holen. Denn dass KI-Projekte erfolglos eingestellt werden, liegt häufig daran, dass Konzepte im Elfenbeinturm entwickelt worden sind. Externe KI-Experten bringen Praxiserfahrung mit und können den Prozess mit den richtigen Fragen und einem methodischen Vorgehen so steuern, dass Unternehmen die größten Fehler vermeiden.
Einer dieser Fehler: Unternehmen betrachten die Einführung von KI als reines IT-Projekt. Die betroffene Fachabteilung wird erst spät hinzugezogen oder darf erst zur einsatzbereiten Anwendung Feedback geben. Gute Erfolgsbedingungen sehen anders aus. Mitarbeiter kennen die Hürden in ihren Arbeitsprozessen viel genauer als IT-Verantwortliche, die rein durch die Brille der technischen Machbarkeit sehen.
Im Idealfall setzen sich die Projektteams daher aus dem Digitalen gegenüber aufgeschlossenen Fachbereichsverantwortlichen und IT-Managern zusammen, wobei die Federführung in der Abteilung liegen sollte. Die IT kann ein Veto-Recht erhalten, das sich weniger auf Inhaltliches als auf Machbarkeitsaspekte bezieht. Ist eine interne Innovationsabteilung vorhanden, bietet es sich an, die KI-Einführung hier zu verankern – Voraussetzung für einen erfolgreichen Start mit der Technologie ist diese Art des internen Innovationsknowhows aber nicht.
Wie Unternehmen den Erfolg eines KI-Projekts maximieren
Die Einführung von KI beginnt zwar mit einem Projekt, ist anders als ein klassisches Projekt aber niemals wirklich abgeschlossen. Es reicht nicht aus, die KI-Anwendung einmal zu trainieren, damit sie dann die gewünschten Ergebnisse wie von Zauberhand liefert. Der Monitoring- und Trainingsaufwand ist gerade am Anfang groß. Mitarbeiter müssen nicht nur das System trainieren korrigieren, sondern auch prüfen, ob die Datenbasis so geeignet ist, wie angenommen und regelmäßig aktualisiert wird. Die Ergebnisse sollten in Intervallen geprüft und der Use Case gegebenenfalls angepasst oder erweitert werden.
Es ist wichtig, dieses Mindset bei allen Stakeholdern früh zu etablieren, damit es nach der Einführung nicht zu Enttäuschungen kommt und das Projekt eine realistische Erfolgschance erhält. Häufig wird erst nach dem Go-Live sichtbar, wie Organisationsstrukturen verändert werden müssen und welche neuen Kompetenzen Mitarbeiter benötigen. Es braucht also Agilität, die sich nicht nur auf den Umgang mit der Technologie bezieht, sondern auch Rollen und Arbeitsweisen einschließt. Erst durch iterative Verbesserungen, die sich über Monate erstrecken, entfaltet die KI ihr volles Potenzial in der Wertschöpfungskette des Unternehmens.
