5 Missverständnisse über den Erfolg von KI-Projekten in Unternehmen

5 Missverständnisse über den Erfolg von KI-Projekten in Unternehmen

Wir erleben gerade die Morgendämmerung des Datenzeitalters und künstliche Intelligenz verspricht nicht nur der Forschung, sondern auch den Unternehmen viele neue Chancen. Die Aufmerksamkeit der Unternehmen für Künstliche Intelligenz ist geweckt und Vorreiterunternehmen haben bereits erste Anwendungsfälle erfolgreich umgesetzt. Nichtsdestotrotz ist der Weg zur KI-Anwendung mit Herausforderungen gepflastert, die in vielen Fällen wenig mit der Technologie oder den dahinter liegenden Daten zu tun haben. Wir zeigen hier die häufigsten Irrtümer und Lösungen, um KI-Initiativen in Unternehmen zum Erfolg zu führen. 

Künstliche Intelligenz in Unternehmen 

Künstliche Intelligenz tritt in Unternehmen in Form von Automatisierungen oder von Analyseerkenntnissen auf. Häufig verbinden wir den Begriff Künstliche Intelligenz mit Robotern. Nicht nur Roboter werden mit Künstlicher Intelligenz automatisiert, sondern auch alle Arten von digitalen Prozessen, die in Software gegossen sind. Beispiele sind die automatische Kategorisierung und Weiterverarbeitung von Eingangsrechnungen, oder auch das eigenständige Erkennen von Fehlern in Produktionsanlagen und Maschinen, das wiederum Wartungsprozesse auslöst (Predictive Maintenance). Neben automatisierten Handlungen und (Teil-)Entscheidungen wird Künstliche Intelligenz auch für die Verbesserung von Aussagen über die Zukunft herangezogen. Auf Basis von Vergangenheitsdaten erkennen KI-Programme Muster und prognostizieren daraus zukünftiges Kund:innenverhalten (z.B. welche Produkte werden gekauft, welche Kund:innen sind abwanderungsgefährdet) oder analysieren und simulieren Unternehmensprozesse.  

Unternehmen, die KI-Initiativen starten, machen das zwar auch aus technologischen Interesse, aber im Zentrum eines erfolgreichen KI-Projektes steht immer ein klares wirtschaftliches Ziel: Entweder eine Kosteneinsparung durch die Automatisierung repetitiver Aufgaben, das Ausheben neuer Umsatzchancen oder Einsparungen durch treffsichere Vorhersagen, neue Umsatzchancen durch neue digitale Produkte, oder ein Wettbewerbsvorteil durch Technologieführerschaft. Für Unternehmen müssen sich KI-Projekte wirtschaftlich rechnen, sonst versandet die Initiative. 

Abbildung 2: Wirtschaftliche Ziele, die wir mit KI-Anwendungen erreichen können. 

Technologische Exzellenz garantiert noch keinen wirtschaftlichen Erfolg 

Wenn Algorithmen der Künstlichen Intelligenz entwickelt werden, liegt das Hauptaugenmerk auf der Erfolgskennzahl Prognosegenauigkeit. Das Programm soll möglichst fehlerfrei und präzise Maschinenfehler, Kundenverhalten etc. vorhersagen. Wir fokussieren also auf die technische Exzellenz der Anwendung. In vielen unserer Projekte sehen wir, dass auch als Zielwert für die erfolgreiche Implementierung von KI-Anwendungen in Unternehmen die Prognosegenauigkeit der KI-Anwendung herangezogen wird. Die dahinter liegende Annahme lautet, dass Algorithmen und KI-Anwendungen jedenfalls im Unternehmen verwendet werden, wenn sie gut und zuverlässig funktionieren.  

Es zeigt sich, dass diese Annahme nicht zutreffend ist. Eric Siegel von der Columbia University New York stellt in einer Studie1 sogar fest, dass wir aktuell eine „Machine Learning Deployment Crisis“ erleben und beziffert, dass über 80% der entwickelten und funktionsfähigen Machine Learning Anwendungen nie tatsächlich in Unternehmen zum Einsatz kommen. Das ist eine gewaltige Schieflage. Als Gründe werden in der Studie technische Hürden bei der Implementierung (nur in 40% der Fälle verantwortlich), die Durchsetzung der neuen Prozesse durch die Entscheidungsträger im Unternehmen (37%), Zweifel der Entscheidungsträger an der Verbesserung durch die KI-Modelle (28%), eine zu kurze Aufmerksamkeitsspanne und zu wenig Ausdauer für das Projekt, sowie die mangelnde Akzeptanz bei den User:innen im Unternehmen.  

Ki-Initiativen können nur dann erfolgreich sein, wenn die Unternehmensführung klar hinter der Implementierung steht, und ein Verständnis für dessen Wirkungsweise hat. Es benötigt Leadership um den Implementierungsprozess durchzuziehen. Mindestens genau so wichtig ist der Fokus auf die Ausrichtung der KI-Anwendung an seinen User:innen, da letzten Endes die User Adoption die wahre Erfolgskennzahl von KI-Implementierungen in Unternehmen darstellt. Dass in Forschungsprojekten die Erzeugung von performanten KI-Modellen im Zentrum steht ist ganz klar. Bei der Einführung der KI-Technologie in Unternehmen wirken jedoch andere Kräfte, die im Zentrum des KI-Projektes stehen müssen.  

KI-Projekte in Unternehmen sind keine reinen Technologieprojekte 

Ein großes Missverständnis ist, dass Projekte zur Einführung von Künstlicher Intelligenz in Unternehmen Technologieprojekte sind. Tatsächlich müssen wir diese als Change Projekte begreifen, die eine Wirkung auf unsere Prozesse, unsere Zusammenarbeit, die Entscheidungsfindung haben. Neue Technologien verändern die Arbeitsweisen von Mitarbeitern, sowie unter Umständen ihr Selbstverständnis. Es braucht einen Prozess, der die Organisation dabei unterstützt sich mit der neuen Technologie weiter zu entwickeln. Dies umfasst die Implementierung veränderter Werte, eine mögliche Abänderung von Führung, das Erlernen von neuen Methoden und Anwenderwissen, sowie das spielerische Heranführen der Anwender:innen an das Selbstverständnis, dass sie die neue Technologie beherrschen können.  

KI-Projekte finden nicht allein im Fachbereich IT statt 

Damit Hand in Hand geht auch die Erkenntnis, dass KI-Projekte keine reinen IT-Projekte sind. Häufig hören wir in Kundengesprächen, z.B. „Wir würden gerne diese KI-Anwendung einführen, aber unsere IT ist überlastet.“, „Die Projektleitung ist dem IT-Leiter zugewiesen.“ Etc. Anwendungsfälle der Künstlichen Intelligenz können nur dann erfolgreich im Unternehmen implementiert werden, wenn die Initiative im jeweiligen Fachbereich beheimatet und von diesem vorangetrieben wird. Die Projektleitung sollte in jenem Fachbereich liegen, der am meisten von der technologischen Neuerung profitiert, sei es die Produktion, der Vertrieb, die Verwaltung, etc. Ein Teil des Einführungsprojektes umfasst auch immer die Bereitstellung der notwendigen Infrastruktur, die in den meisten Fällen in der IT angesiedelt ist. Deshalb werden Fachexperten aus der IT-Abteilung immer im Projektteam involviert sein. Aber die Treiber des Projektes sind in den Fachbereichen angesiedelt, denn es braucht auch die wesentlichen Prozessinputs, Daten und Commitment des Fachbereiches, um das KI-Projekt zum Erfolg führen zu können.  

Der Mehrwert aus KI-Projekten entsteht nicht im Moment der Vorhersage 

Mehrwert aus KI-Projekten entsteht hauptsächlich durch Kosteneinsparungen oder neuen Umsatzchancen. Oft fordern Entscheidungsträger im Moment von oder kurz nach der Übergabe einer KI-Anwendung nach dem Beleg für dessen wirtschaftlichen Mehrwert. Tatsächlich entsteht der Mehrwert eines KI-Usecases jedoch nicht in dem Moment, indem ein KI-Anbieter eine Prognose präsentiert. Der wirtschaftliche Mehrwert kann erst dann freigesetzt werden, wenn die Analyseinsights in Maßnahmen übersetzt und so durch Prozessänderungen in einen monetären Hebel verwandelt werden. Die Vorhersage von Kundenabwanderung hindert noch keine Kund:innen am abwandern. Aus Analysen, die Schwachpunkte im Kundenserviceprozess aufgezeigt haben, muss zuerst eine Willensbildung und daraus Maßnahmen entstehen, die den Kundenserviceprozess für die Kund:innen merkbar ändern. Ist der Kundenserviceprozess neu implementiert, dann vergeht auch noch eine Zeit – die Dauer hängt im Wesentlichen von Wiederkaufs- und Kontaktzyklen ab – bis sich der gewünschte Effekt messbar zu Buche schlägt.  

Wenn wir also an die Einführung einer KI-Initiative denken, sollten wir einen Prozess ins Auge fassen, der nicht bei der Übergabe von Analyseergebnissen, oder beim Erstellen einer Schnittstelle für eine Automatisierung endet. Dies ist deswegen häufig der Fall, weil KI-Anbieter an diesem Punkt ihre Leistung übergeben und abgenommen bekommen und deshalb das Projekt endet. Der Prozess für die Einführung von Künstlicher Intelligenz in Unternehmen benötigt jedoch weitere Schritte, um tatsächlich eine Performancesteigerung erzielen zu können. Diese Schritte müssen vom Unternehmen selbst gesteuert und vorangetrieben werden.  

Künstliche Intelligenz ist nicht nur für Konzerne gemacht 

Anwendungen von Künstlicher Intelligenz werden oft als Beschäftigungsfeld für Konzerne gesehen. Das hängt damit zusammen, dass bei den meisten aktuell laufenden KI-Einführungsprojekte mit KI-Forschungsprojekten von Forschungseinrichtungen gekoppelt sind. Besonders in Österreich ist die Situation so, dass KI-Initiativen von öffentlichen Fördergeber:innen dann gefördert werden, wenn ein technologisches Risiko besteht, also die Machbarkeit und die technische Umsetzbarkeit erst in einem Forschungsprozess erarbeitet werden muss. Daraus entsteht der weitläufige Eindruck, dass KI-Projekte immer mit Forschungsprojekten gleichzusetzen sind. Und das schreckt mittelständische und kleinere Unternehmen ab. Denn Forschungsprojekte mit unsicherem Ausgang stellen ein hohes Ressourcenrisiko dar, benötigen im Unternehmen ein professionelles Technologieprojektmanagement und Expertise über die Abwicklung von Förderanträgen, und dauern.  

Dementgegen steht die Tatsache, dass für eine Vielzahl von Anwendungsfällen von Künstlicher Intelligenz in Unternehmen bereits eine technologische Lösung besteht. Anstatt das Rad hier mit Forschungsprojekten neu zu erfinden, gibt es standardisierte KI-Produkte und -Tools, die Unternehmen aller Größen zur Verfügung stehen. Es braucht bei den KMU und besonders den größeren Mittelständlern ein Bewusstsein dafür, dass Künstliche Intelligenz auch über standardisiertes, konfigurierbares Produkt ins Unternehmen integriert werden kann ohne ein Forschungsprojekt stemmen zu müssen. 

Ein weiterer Aspekt, warum Anwendungen Künstlicher Intelligenz eher den Konzernen und Großunternehmen zugeschrieben werden, ist die Ausstattung mit und der Zustand von unternehmenseigenen Daten, mit denen Künstliche Intelligenz Mehrwert erzeugen kann. Während viele Großunternehmen bereits in eine leistungsstarke Dateninfrastruktur investiert haben, steht der Reifegrad des Datenmanagements in KMU oft erst am Anfang. Oder es sind kaum verwendbare Daten in den Warenwirtschafts- und Kundenverwaltungssystemen vorhanden.  

Abbildung 3: Die Daten-Usecase-Landkarte, © YOUR DATA IS YOUR PRODUCT® 

Betrachten wir unsere Liste von KI-Anwendungsfällen in Unternehmen, so erkennen wir, dass es für mehrere Usecases gar keine eigenen Daten in einer geordneten Datenbank braucht. Es gibt Anwendungsfälle, die mit Textdaten aus dem Internet arbeiten (wie etwas strategische Frühwarnsysteme, Sentimentsanalysen zur Bestimmung der Marktwahrnehmung zur eigenen Marke, Lead Prediction bzw. die treffsichere Vorhersage neuer Kundenpotenziale). Dann gibt es Anwendungsfälle, die auf Bilderkennung basieren und als Datenbasis relevante Bilder von Dokumenten (wie z.B. Eingangsrechnungen), Produktionsprozessen o.Ä. verwenden. Darüber hinaus gibt es international Bestrebungen in branchenbezogenen Datenräumen den Austausch von Daten zwischen Unternehmen herzustellen, um vielen Unternehmen den Zugang zu umfangreichen Datenbeständen und neue Geschäftschancen zu ermöglichen. Diese Entwicklung steht aktuell jedoch am Anfang und scheitert aktuell noch an der Bereitschaft der Unternehmen ihre Daten zu teilen. Der technologisch-rechtliche Rahmen um Datenräume zu ermöglich ist bereits im Entstehen.  

Eine frühe Phase im Datenreifegrad ist also kein Hindernis um erste Anwendungsfälle von Künstlicher Intelligenz in Unternehmen umzusetzen. Nichtsdestotrotz bauen viele strategische KI-Anwendungen, und hier besonders die Entwicklung neuer digitaler Services und Produkte, zwangsläufig auf eine starke, eigene Datenbasis.  

Trauen Sie sich! 

Künstliche Intelligenz ist eine sagenumwobene Technologie, die in den letzten Jahren einen veritablen Hype erfahren hat. Es wird Zeit, dass wir die Hypephase überwinden und die Implementierung von KI-Anwendungsfällen in Unternehmen in der Gesamtheit ihrer Möglichkeiten erfassen. Technologische Exzellenz ist wichtig, aber KI-Projekte sind erst dann erfolgreich, wenn sie für die Anwender:innen im Unternehmen gebaut sind. Parallel zur technologischen Einführung, braucht es einen Changeprozess, damit die Technologie in der Organisation, bei Entscheider:innen und Mitarbeiter:innen auf einen fruchtbaren Boden fällt. Unsere Expert:innen bei YOUR DATA IS YOUR PRODUCT® begleiten genau diese nichttechnologischen Aspekte der KI-Einführungen, die den Menschen und den betriebswirtschaftlichen Erfolgsfaktoren zugewandt sind. Wir unterstützen Sie über die Bereitstellung der Technologie hinaus und übersetzen Ihre KI-Anwendung in echten Mehrwert für Ihr Unternehmen.  

Ich wünsche Ihnen viel Erfolg auf dem spannenden Weg in die Datenzukunft und zu Ihrer ersten KI-Anwendung! 


Über die Autorin 

Dr. Julia Zukrigl ist Gründungsmitglied von Women in AI Austria und unterstützt uns als Regional Lead in Oberösterreich. Sie ist Gründerin und Geschäftsführerin von YOUR DATA IS YOUR PRODUCT® by MINT Analytics und begleitet Unternehmen bei der Auswahl der passenden KI-Anwendungsfälle, bei der menschen- und businessszentrierten Gestaltung von KI-Anwendungen und beim Rollout von KI-Anwendungen in der Unternehmensorganisation.  

Link zum Linkedinprofil: https://www.linkedin.com/in/julia-zukrigl/ 

Link zur Webseite: www.yourdataisyourproduct.com