KI & Automatisierung 2024

Die Welt der Künstlichen Intelligenz entwickelt sich rasant weiter, und das Jahr 2024 steht bereits im Zeichen neuer Innovationen und Trends.

 

Ob in der Raumfahrt oder bei unserer täglichen Arbeit – KI, ML und Automatisierungstechnologien werden in Zukunft fast alle unsere Lebensbereiche beeinflussen und verändern. Die aktuellen Entwicklungen im Kontext generativer KI gehen nachhaltig und schnell voran. Es scheint so, als hätten die Tech-Riesen von Apple, Google bis Microsoft die KI-Weltherrschaft angetreten. Aber wir haben ja alle etwas davon. Generative KI verbreitet sich rasend schnell in unseren Büros und unserem Arbeitsalltag. Mit dem neuen KI-Assistenten „Copilot“ von Microsoft zieht KI und ML jetzt noch schneller in Unternehmen und Privathaushalte ein. Die Copilot-KI soll nichts Geringeres erreichen, als die Art und Weise zu revolutionieren, wie wir in Zukunft arbeiten. KI-Tools wie ChatGPT und Co. befähigen uns effizienter zu arbeiten und somit unsere Ziele leichter zu erreichen ‒ das geht allerdings nur, wenn wir uns kontinuierlich weiterbilden und lernen, wie wir diese Tools konkret anwenden und korrekt nutzen.

 

„Generative KI- Lösungen sind im Arbeitsalltag angekommen.“

Ebenso muss die generative KI trainiert werden, wie jede Form von KI. Nur durch umfangreiche Trainingsdaten ist generative KI in der Lage, auf Fragen zu antworten und menschenähnlich zu kommunizieren. Aber wie werden nun aus gesammelten unstrukturierten und strukturierten Daten, zum Beispiel aus Datenseen (Data Lakes), Trainingsdaten als Grundlage für diverse KI-Anwendungen?
Damit beschäftigt sich momentan das Forscherteam rund um Prof. Dr. Christoph Sturm von der DHBW Mosbach. Die Datenspezialisten haben eine künstliche Intelligenz entwickelt, die einerseits mehrere KIs in sich vereint und wiederum einer anderen KI zuarbeitet, sie unterrichten und für ihre spezifischen Aufgaben trainieren kann. Dazu muss die DHBW-KI erst diverse Dateitypen – Fotokopien, Sensordaten aus der Produktion, Bilder oder SAP-Tabellen – erkennen, sortieren und verschlagworten. Hierbei erschweren die Vielfalt und Menge der Daten das Auffinden und Kategorisieren relevanter Daten oder deren Auswertung. Dazu erklärte Prof. Sturm: „In der Praxis stehen User vor dem Data-Discovery-Problem: Wie lassen sich Daten finden und auslesen? Wir haben uns in diesem Kontext auf Tabellendaten fokussiert und bieten eine technische, KI-basierte Lösung an, die das Katalogisieren ermöglicht. Vergleichbar ist diese Lösung mit einem Webcrawler, der für eine Suchmaschine das Internet nach Daten durchforstet.“ So können Unternehmen und Institute aus ihren Datenbeständen neue Erkenntnisse über betriebsinterne Prozesse generieren und die End-to-End-Effizienz steigern. Sprich, die Skalierbarkeit des eigenen Geschäftsmodells ganzheitlich verbessern. Data Science, künstliche Intelligenz und Machine Learning sind dafür die zentralen Schlüsseltechnologien. Sie sind zum Beispiel die Grundlage für die Entwicklung von Chatbots, digitalen autonomen Assistenten und die Vorhersage von Trends in Geschäftsprozessen.  Wer sich in diesem Kontext weiterbilden möchte, sollte sich über den neuen Studiengang „Data Science und KI“, der im Oktober 2024 an der DHBW Mosbach startet, informieren.

 

„Kleine Unternehmen nutzen kaum die neuen Technologien“

Nur etwa jedes achte Unternehmen (12 %) in Deutschland nutzt künstliche Intelligenz. Wie das Statistische Bundesamt nach Ergebnissen für das Jahr 2023 mitteilte, setzen große Unternehmen ab 250 Beschäftigten weitaus häufiger KI-Technologie ein als kleine und mittlere Unternehmen. Von den Unternehmen, die bisher keine KI-Technologien nutzen, haben lediglich 10 % deren Einsatz bereits in Betracht gezogen. Häufigster Grund für den Nichtgebrauch von KI ist fehlendes Wissen. Künstliche Intelligenz wird zusehends zu einem integralen Bestandteil unserer Arbeitswelt. Erfolgreiche Unternehmen brauchen heute technologieorientierte sowie sozial kompetente Führungskräfte, die ihre Fähigkeiten kontinuierlich verbessern und neue Technologien wie KI und ML schnell adaptieren.

Aber wie wird KI die Führung an sich in den Unternehmen verändern? Auf jeden Fall wird sich die Rolle von Führungskräften auf vielfältige Weise transformieren und erweitern. Vom Verwalten zum Gestalten mit viel Empathie, so deutet sich das neue Credo an. Für Führungskräfte und HR-Manager verspricht KI vielfältige Möglichkeiten, die Produktivität, die Mitarbeitermotivation und das für den Unternehmenserfolg immer entscheidender werdende Innovations- und Umsetzungstempo zu erhöhen. Laut einer aktuellen YouGov-Meinungsumfrage unter Führungskräften im Auftrag von Monday.Rocks erwarten 65 % der repräsentativ Befragten, dass KI-Technologien die Effizienz ihrer Führungstätigkeiten sehr wahrscheinlich oder eher wahrscheinlich verbessern werden. Dazu erklärte uns Prof. Dr. Christoph Schönfelder, Dozent für Personal- und Organisationsentwicklung an der FOM Hochschule für Ökonomie & Management sowie Mitgründer von Monday.Rocks: „Die durchgeführte Befragung zeichnet ein sehr ambivalentes Bild: Einerseits wird KI als große Chance zur Effizienzsteigerung wahrgenommen, andererseits bleibt jedoch deren Umsetzung im Führungsalltag deutlich hinter den Erwartungen zurück. Trotz der hohen Akzeptanz sehen 38 % der Befragten ihr Unternehmen bei der Integration von KI in Führungsprozesse im Rückstand. Dabei wünscht sich gut die Hälfte der Befragten, KI als Entscheidungshilfe zu nutzen.“ Monday.Rocks bietet eine KI-gestützte App, die Teamperformance und Mitarbeiterzufriedenheit messbar steigert und zugleich die Arbeit von Führungskräften und HR erheblich erleichtert.

Generative KI-SaaS-Anwendungen wie ChatGPT haben die Arbeitsabläufe in Unternehmen revolutioniert, aber auch erhebliche Risiken für die Datensicherheit mit sich gebracht. Viele Organisationen haben derzeit keine wirksame Übersicht darüber, welche generative KI im Einsatz ist oder welche Daten über diese Apps exfiltriert werden. In diesem Kontext erklärte uns Neil Thacker von Netskope: „Organisationen sollten damit beginnen, klare Richtlinien und Standards zu entwickeln, die genügend Granularität bieten, um die sichere Nutzung von generativer KI zu unterstützen. Es ist notwendig, ein kontinuierliches Inventar darüber zu führen, welche Apps und Dienste von Mitarbeitern, zu welchem Zweck und mit welchen Daten von diesen Apps verwendet werden.“ Der Zero-Trust-Spezialist bietet eine Cloud-Native-Plattform, die konvergierte Sicherheits- und Netzwerkdienste bietet, um die Secure-Access-Services-Edge(SASE)- und Zero-Trust-Transformation zu ermöglichen.

Durch die innovative Verbindung von künstlicher Intelligenz und Automatisierungstechnologien eröffnen sich ungeahnte Möglichkeiten, um intelligente, kognitive Prozesse zu automatisieren. Diese innovative Kombination führt zur Steigerung der Produktivität, Effizienz und Kundenzufriedenheit. Angesichts des ständig wachsenden Wettbewerbs ist die Nachfrage nach fortschrittlichen Tools zur „Arbeitsautomatisierung“ gestiegen. Daran wird sich aller Voraussicht nach auch in den kommenden Jahren nichts ändern. RPA (Robotic Process Automation), ist zum Beispiel ideal für banale, repetitive und zeitaufwendige Aufgaben geeignet, um Mitarbeitende zu entlasten.  IPA (Intelligent Process Automation) geht noch, im Kontext operativer Geschäftsprozesse, einen Schritt weiter und verbindet RPA mit künstlicher Intelligenz und Machine-Learning-Technologien. Wenn diese Technologien gemeinsam zum Einsatz kommen, können Unternehmen einen strategischen Ansatz verfolgen, der nicht nur auf die Automatisierung von Aufgaben, sondern auf die Automatisierung der gesamten unternehmensweiten Prozesse ausgerichtet ist. Der Digital-Lifestyle-Provider Freenet zum Beispiel nutzt laut Sang-Geon Cho, Bereichsleiter Data & Intelligence, die neuen Technologien schon seit mehreren Jahren erfolgreich in der Hyperpersonalisierung von Bestandskundenangeboten. „Wir verfolgen das Ziel, dem Kunden das relevanteste Angebot zu unterbreiten und gleichzeitig die Unternehmenskennzahlen zu maximieren. Überdies setzen wir angepasste LLMs für die Analyse und Qualitätssicherung einer sechsstelligen Anzahl von Voicefiles im Monat ein. Aber auch in vielen anderen Bereichen setzen wir KI und Machine Learning ein, beispielsweise in der Risikobewertung, der Kennzahlenprognose und für die automatisierte Planung“, betonte Sang-Geon Cho im Gespräch mit unserer Redaktion.

 

„KI für KI: AutoML-Lösungen – Modelle ohne ML-Fachwissen trainieren“

Unternehmen sollten sich außerdem darauf einstellen, dass in den kommenden Monaten wesentliche Innovationen im Bereich „KI für KI“ stattfinden werden: Durch die Verwendung von schlauen Algorithmen, wird es auch ohne Vorkenntnisse in Data Science möglich, Machine-Learning-Modelle schnell und einfach zu adaptieren und umzusetzen. Ein Beispiel ist Googles AutoML, ein Werkzeugkasten, der das Erstellen von Modellen für maschinelles Lernen vereinfacht und die Technologie einem breiteren Publikum zugänglich macht. Diese Lösung kann die erforderliche Personalisierung bieten, ohne dass man dafür den komplexen Workflow des maschinellen Lernens im Detail kennen muss. Obwohl diese Art der Entwicklung noch ganz am Anfang steht, ist sie auf Wachstum programmiert und damit ein wichtiger KI-Trend. Mit ähnlichem Ziel ist auch die Low-Code /No-Code-Softwareentwicklung mit AutoML zu vergleichen.

Die digitale Kluft zwischen großen und kleineren bis mittleren Unternehmen scheint immer größer zu werden. Der Vorsprung in Hinblick auf Technologiekompetenz, Transformationserfahrung und KI-Know-how, ist schwierig aufzuholen. Außerdem spielt der Fachkräftemangel eine große Rolle. Die Zweiklassengesellschaft ist auch im Unternehmertum auf dem Vormarsch. Zunächst gilt es für viele Unternehmen noch, die digitale Transformation im Hinblick auf inkrementelle Innovationen zu meistern.  An komplett neue Geschäftsmodelle wagen sich nur wenige Unternehmen heran. Doch Start-up-Mentalität ist gefragt wie nie, gerade jetzt. Nur Unternehmen, die es wagen und verstehen, komplett neue Geschäftsmodelle anzudenken und umzusetzen, sind für die Zukunft gerüstet. Dazu verdeutlichte uns abschließend Christoph Heidt von Punkt.AI: „Wenn digitale Transformationen scheitern, dann fast immer aus den gleichen Gründen: Führungskräfte haben kein einheitliches Verständnis von Digitalisierung und reden aneinander vorbei, setzen auf wertlose ‚Lieblingsprojekte‘ oder fokussieren sich zu sehr auf technologische Lösungen.“ Laut Christoph Heidt, geht es um mehr als nur Technologie: „Es geht um den Wandel der Unternehmensphilosophie und eine neue Zukunftsvision.“

 

Autor: Bernhard Haselbauer

 

CC BY-ND 4.0 DE

https://creativecommons.org/licenses/by-nd/4.0/deed.de#

Sie dürfen:

• Teilen — das Material in jedwedem Format oder Medium vervielfältigen und weiterverbreiten
• Der Lizenzgeber kann diese Freiheiten nicht widerrufen solange Sie sich an die Lizenzbedingungen halten.
• Bitte berücksichtigen Sie, dass die im Beitrag enthaltenen Bild- und Mediendateien zusätzliche Urheberrechte enthalten.

Unter den folgenden Bedingungen:

• Namensnennung — Sie müssen angemessene Urheber- und Rechteangaben machen, einen Link zur Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Diese Angaben dürfen in jeder angemessenen Art und Weise gemacht werden, allerdings nicht so, dass der Eindruck entsteht, der Lizenzgeber unterstütze gerade Sie oder Ihre Nutzung besonders.
• Keine Bearbeitungen — Wenn Sie das Material remixen, verändern oder darauf anderweitig direkt aufbauen, dürfen Sie die bearbeitete Fassung des Materials nicht verbreiten.

• Keine weiteren Einschränkungen — Sie dürfen keine zusätzlichen Klauseln oder technische Verfahren einsetzen, die anderen rechtlich irgendetwas untersagen, was die Lizenz erlaubt.