Künstliche Intelligenz in der Praxis

Drei Pfeiler einer gelungenen Strategie

Das Thema Künstliche Intelligenz hat das Hype-Stadium längst verlassen. Jetzt geht es darum, welche Unternehmen die zugrundeliegenden Technologien am Schnellsten sinnvoll einsetzen und sich damit einen Vorsprung verschaffen können. Die Grundlage für erfolgreiche KI-Projekte ist eine optimal aufgestellte Organisation. Die Experten von Applied AI zeigen im ersten von zwei Beiträgen die drei zentralen Aspekte einer KI-Strategie auf.

Die Einführung einer neuen Technologie führt nicht zwingend zu einer Verbesserung. Oft sind auch organisatorische Veränderungen erforderlich, damit diese ihr volles Potential entfalten kann. Unternehmen, die künstliche Intelligenz einführen wollen, müssen von bisherigen Routinen abweichen, um die revolutionären Möglichkeiten von KI auch in handfeste Erfolge zu verwandeln.

Es gibt leider kein Patentrezept und jede Firma hat andere Anforderungen, wenn es um die Implementierung von KI geht. Allerdings gibt es drei zentrale Prinzipien, an die sich Führungskräfte halten können: KI wie ein Produkt behandeln, die richtige Balance zwischen Zentralisierung und Dezentralisierung finden sowie ausreichende Unterstützung durch eine Führungsetage sicherstellen, die selbst bereits Wissen zum Thema aufgebaut hat.

Ein Produkt, kein Projekt

Klassische Tools aus dem Projekt-Management reichen bei der Einführung von KI und Machine Learning (ML) nicht aus. Ein Projekt hat normalerweise einen Beginn, einen klar definierten Ergebnishorizont, ein festes Budget und einen Endpunkt. Bei KI und ML sind die Gegebenheiten so, dass man zu Beginn höchstens grob abschätzen kann, was am Ende dabei herauskommt. Das verhält sich ähnlich wie mit einem Produkt, das neu auf den Markt kommt.

Wie viele Produkte sind auch KI-Lösungen nie wirklich fertig, sondern werden konstant weiterentwickelt. Sie benötigen einen gewissen Wartungs- und Pflegeaufwand, um optimale Ergebnisse zu liefern. Um das zu gewährleisten sollten Unternehmen für bestimmte KI-Produkte jeweils ein spezifisches Team abstellen. Dieses Team kümmert sich dann um die Entwicklung und die unternehmensweite Integration dieses Produkts.

Probleme treten üblicherweise dann auf, wenn neue Daten verarbeitet werden sollen. In dieser Situation ist das Produktteam verantwortlich, Fehler zu erkennen und Anpassungen vorzunehmen. Bei einem projektbasierten Ansatz bestünde dagegen die Gefahr, dass sich nach Ablauf des Projektzeitraums niemand mehr verantwortlich fühlt.

Der richtige Grad an (De-) Zentralismus

Es gibt einen breiten Konsens, dass bestimmte KI-Aktivitäten am besten von zentraler Stelle aus koordiniert werden sollten. Die zentrale Steuerung sorgt beispielsweise dafür, dass vermeidbare Fehler nicht zweimal gemacht werden. Erfolgreiche Teams sollten ihr erworbenes Wissen auch auf einer höheren Ebene teilen können. Um diese Zusammenarbeit zu fördern ist es nötig, dass Unternehmen bestimmte Teilbereiche, wie Bilderkennung oder Natural Language Processing, zentralisieren.

Ein zentralistischer Ansatz fördert Effizienz und Effektivität durch Best Practices für bestimmte KI-Tools, Benchmarking für einzelne Lösungen, zentrale Datenbanken für Trainings- und Testdatensätze. Außerdem hilft Zentralisierung dabei, eine übergeordnete KI-Strategie zu verfolgen und die werthaltigsten Projekte zu priorisieren.

Allerdings ist Zentralisierung alleine noch kein Erfolgsgarant. Fasst man alle Aktivitäten in einem Team zusammen, besteht die Gefahr, dass dieses isoliert und am eigentlichen Kerngeschäft vorbei arbeitet. Stattdessen sollte ein hybrider Ansatz verfolgt werden. Nach Use Cases sollte man zum Beispiel dort suchen, wo die Mitarbeiter engen Kundenkontakt haben und vor allem das Tagesgeschäft genau verstehen. Darauf aufbauend können einzelne Bottom-Up-Initiativen entstehen. Gleichzeitig muss die Geschäftsführung aber den Überblick behalten und wichtige Ressourcen zentral bereitstellen.

KI nicht automatisch CIO-Aufgabe

KI-Initiativen haben das Potenzial, Geschäftsmodelle von Unternehmen zu transformieren. Deshalb ist die Frage, welche Rolle nun letztlich Hauptverantwortlicher sein soll, nicht so leicht beantworten. Die Antwort kann von Unternehmen zu Unternehmen variieren.

„KI gleich IT gleich Projekt des CIOs oder CTOs“ – diese Doppelgleichung geht in vielen Fällen nicht auf. KI ist keine reine „Enabler-Technologie“ wie Cloud oder IT-Security, welche normalerweise vom technischen Personal verantwortet und bereitgestellt werden. KI kann das Geschäftsmodell oder zentrale Prozesse im Unternehmen grundlegend verändern. Je nachdem, welche Aspekte sich ein Unternehmen im Rahmen eines KI-Programms vornimmt, machen auch unterschiedliche Verortungen der Verantwortung Sinn.

Konzentrieren sich die KI-Bemühungen hauptsächlich auf Prozessoptimierung und Effizienzsteigerung, könnte die Verantwortung dafür beim CFO oder COO liegen. Soll KI vornehmlich der Förderung von Produktinnovationen dienen, sind eher CTO oder CPO die richtige Wahl. Geht es um eine tiefergehende Transformation, die eventuell die Ausrichtung des gesamten Unternehmens betrifft, sind CDO oder CEO die richtigen Führungskräfte, um diese anspruchsvolle Aufgabe zu übernehmen.

Die Anforderungen an die verantwortliche Position sind hoch: Zum einen sollte die entsprechende Person KI auf technischer Ebene verstehen, zum anderen braucht sie ein tiefes Verständnis des Kerngeschäftes sowie der relevanten Prozesse. Der oder die KI-Verantwortliche muss zudem in der Lage sein, andere von Änderungen an Produkten, Prozessen und letztlich sogar Geschäftsmodellen zu überzeugen.

Soweit zu den drei Kernelementen der KI-Organisation. In einem zweiten Beitrag werden wir auf eine zentrale Organisationseinheit, das „KI Center of Excellence“ eingehen und uns die Aufgaben dieser federführenden Stelle genauer ansehen. 

Über die Autoren

Philipp Hartmann ist Director of AI Strategy bei Applied AI. Vorher war er vier Jahre bei McKinsey & Company als Strategieberater tätig und hat an der Technischen Universität München zu Wettbewerbsfaktoren beim Einsatz von künstlicher Intelligenz promoviert.

Maria Schamberger ist Senior AI Strategist bei Applied AI und beschäftigt sich vor allem mit Fragestellungen zu Organisation & Governance. Ihr bisheriger Werdegang umfasst unter anderem Stationen im Allianz Konzern als Vice President und Research- und Beratungserfahrung bei McKinsey & Company. Maria hat Corporate Innovation an der Stanford University und Banking an der Frankfurt School of Finance & Management studiert.

Weitere Informationen unter:
https://appliedai.de