… und die meisten Unternehmen haben begonnen, KI produktiv einzusetzen. Obwohl einige Experten die KI-Technologie in ihrem jeweiligen Bereich immer noch als unterentwickelte Technologie betrachten. Das Argument, dass KI im Vergleich zu menschlichem Fachwissen und etablierten Verfahren nicht zuverlässig funktioniere, bringt uns direkt zur ersten Falle.
1. Betrachten Sie KI nur als Add-on
Wer bestehende Systeme mit KI-Technologie verbessern möchte, hofft, dies zu erreichen, ohne Änderungen am eigentlichen System, der Maschine oder der IT vorzunehmen. Das ist verständlich, aber das volle Potenzial der KI wird im Grunde im Keim erstickt. Die Einführung von KI-Technologie sollte immer mit dem Ziel verbunden sein, menschliche Arbeit zu automatisieren. Erst dann lässt sich die Einführung von KI kalkulieren; das Investitionsrisiko sinnvoll eingeschätzt und Änderungen bestehender Prozesse begründet werden können. Erfahrungen hierfür können aus der technischen Automatisierung von Prozessen mit Robotern und den damit verbundenen technischen Risiken gewonnen werden. Auch hier gelingt die Einführung nicht immer. Wer lediglich Hilfestellungen einführen möchte, um bestehende Prozesse zu entlasten, hat in der Regel ein Problem mit der Return-of-Investment-Rechnung und damit eine zu schwache Argumentationsbasis, um über die POC-Phase hinaus etwas zu erreichen und bei den ersten Schwierigkeiten durchzuhalten entstehen.
2. Eine AI-First-Strategie
Wer sich nicht in die Add-On-Falle manövriert und umgekehrt das Thema KI strategisch angehen möchte, z. B. durch den Aufbau einer eigenen Abteilung, schafft ein Problem im anderen Extrem. Die Entwicklung der KI-Technologie ist nie ein Selbstzweck. Es wird normalerweise in Bereichen eingesetzt, in denen bisherige Ansätze nicht erfolgreich waren. Unter Umständen kann KI sogar die Lösung von Problemen ermöglichen, von denen man dachte, dass sie nicht automatisiert werden könnten. Sie sollten sich also Zeit nehmen, um zu verstehen, was Sie mit der KI-Technologie erreichen möchten. Diese Ziele können je nach Branche und Unternehmen sehr individuell sein. Erschwerend kommt hinzu, dass sich die Technologie so schnell entwickelt, dass es viel Zeit kostet, auf dem Laufenden zu bleiben. Eine eigene Abteilung mit zwei oder drei Personen eignet sich nicht für die strategische Entwicklung im Sinne einer „Doing“-Entscheidung, sondern für das Projektmanagement und den Erwerb von Fähigkeiten, um mit KI-Anbietern auf Augenhöhe im Sinne einer „Buying“-Entscheidung zusammenzuarbeiten .
3. Dieser (eine) KI-Ansatz funktioniert bei uns (nicht)
KI-Technologie, insbesondere Algorithmen und Lernmethoden, sind zu einem nahezu unüberschaubaren Forschungs- und Anwendungsfeld geworden. Wir hören oft, dass „diese KI-Sache“ schon einmal ausprobiert wurde. Aber diese eine KI gibt es nicht. Es handelt sich eher um einen großen Technologiepark. Man kann es mit einer Werkstatt vergleichen. Manchmal muss man einfach ein Loch in ein Blech bohren, um etwas zu reparieren. Wohlhabend ist derjenige, der die Werkstatt nicht erst erkunden oder gar aufbauen muss, sondern jemanden hat, der sein Problem professionell lösen kann. Er braucht jemanden, der den Wunsch nach einer festen Befestigung nicht in einen Raketentriebwerk verwandelt und dies als Chance für ergebnisoffene Forschungskooperationen sieht, wie es universitäre Forschungsinstitute oft tun. Andererseits hat man auch ein Problem, wenn jemand wie ein Start-up nur weiß, wie man einen Hammer benutzt, weil er in jedem Problem einen Nagel sieht.
Jemand, der nur Experte für Roboter ist , wird überall einen Roboter einsetzen wollen. Gleiches gilt für Algorithmen und IT. Wenn Sie also ein Problem haben und der potenzielle Partner nur Computer Vision und Python kennt, wird er immer eine Kamera aufstellen, sehr teure Daten kennzeichnen und neuronale Netze mit Python trainieren wollen, wie er es immer tut. Wenn Sie hingegen über einen Hintergrund in Statistik verfügen und sich mit Großrechnern nicht auskennen, sollten Sie die Bildverarbeitung meiden und Stunts mit Maschinendaten in Excel durchführen, anstatt sich mit der Bildverarbeitung zu befassen.
Prüfen Sie bei möglichen „Werkstatt“-Partnern, wie universell ihre Werkstatt ist, was viel sinnvoller ist, als nach jemandem zu suchen, der die gewünschte Nischenlösung schon mehrfach genutzt hat. Es wird Ihnen auch schwer fallen, einen Spezialisten für Lochbohr- und Reparaturarbeiten zu googeln. Die KI von Google ist nicht so gut darin, zu verstehen, wonach Sie suchen.
4. Zuerst Daten, dann Algorithmus
Um Algorithmen anwenden und die beste Methode ermitteln zu können, werden Daten benötigt. Der Algorithmus bestimmt jedoch, welche Daten benötigt werden. Im schlimmsten Fall können Sie nicht einmal sagen, was den Fehler verursacht. Einfaches Beispiel: Benötigen Sie Kamerabilder und 3D-Scanbilder zur Produktkontrolle?
Um dieses Problem zu vermeiden, sollten Sie bei der Datenerfassung und Algorithmenauswahl einen ganzheitlichen Ansatz verfolgen. Die Funktionsweise ist immer die Kombination von Daten und Algorithmus. Wenn Sie niemanden finden, der die Gesamtverantwortung übernimmt, besteht ein hohes Risiko, dass das Projekt scheitert und Sie am Ende nicht herausfinden können, wo genau das Problem liegt. Die Algorithmusentwickler werden sagen, dass die Daten nicht geeignet sind, die Datenanbieter werden sagen, dass der Algorithmus offensichtlich nicht funktioniert. Typisches Beispiel: Man hat bereits Daten und stellt am Ende fest, dass die wesentlichen Daten gar nicht vorhanden waren, um etwas zu erreichen. Es gibt also zunächst keine Daten oder Algorithmen, sondern eine Planung beider.
5. Die Unternehmenspolitik und die Menschen nicht mitnehmen
Der letzte Fallstrick ist der größte, aber nicht spezifisch für KI und nicht einmal spezifisch für Technologie. Betroffen sind grundsätzlich alle Innovationsprojekte. Auch hier gibt es keine einfachen Lösungen. Aus Erfahrung würde ich sagen, dass ein großer Teil der Hürde überwunden ist, wenn die technisch orientierten Mitarbeiter sich für die Technik begeistern und die betriebswirtschaftlich orientierten Mitarbeiter den ROI einer Achterbahn berechnen können. Das Wording spielt bei Innovationsprojekten wohl die größte Rolle. Beispielsweise sollte im Interesse des Unternehmens über neue Kompetenzen gesprochen werden, die mit der KI-Technologie erworben werden. Dies signalisiert einerseits, dass die Einführung von KI kein Mittel zum Zweck ist, andererseits lassen die Fähigkeiten noch genügend Spielraum für die Gestaltung von Lösungen, anstatt gleich über konkrete Lösungen zu sprechen. Ganz im Sinne des Harvard-Kommunikationskonzepts verhandelt man beispielsweise konkrete Dinge und Positionen nicht direkt mit dem Betriebsrat, sondern stimmt zunächst die jeweiligen Interessen ab. Für Innovationsprojekte ist es daher durchaus sinnvoll, Berater hinzuzuziehen, die diese fünfte Hürde vollständig verstehen und meistern können. Hier sind die Fähigkeiten von Captain Picard gefragt.
