Von Daten, Uses Cases und der Akzeptanz von KI

Daten, Daten, Daten! So gelingt der Einsatz von KI in Ihrem KMU

KI-Tools wie ChatGPT oder Dall-E verblüffen mit ihren Fähigkeiten. Doch wie lässt sich Künstliche Intelligenz gewinnbringend im eigenen Unternehmen einsetzen? bbv-Experte Michael Maurer nennt die wichtigsten Erfolgsfaktoren – geeignete Daten, eine Prise Mut und die Bereitschaft, mit kreativen Ideen zu experimentieren.

10.05.2023Text: tnt-graphics0 Kommentare
KI Projekt

Ein pfannenfertiges Rezept, um Künstliche Intelligenz (KI) im eigenen Unternehmen einzusetzen, gibt es nicht. «Doch es gibt klare Faktoren, die ein KI-Projekt erfolgreich machen», sagt Michael Maurer, Senior Consultant und Solution Architect bei bbv.

Künstliche Intelligenz werde früher oder später in jedem Unternehmen Einzug halten, ist Maurer überzeugt. Ihr Potenzial ist riesig und die Anwendungsmöglichkeiten sind unbegrenzt. Über einige Use Cases haben wir bereits in unserem letzten Blog-Beitrag gesprochen.

«Es ist zentral, dass sich Unternehmen Gedanken machen, ob und wie sie Künstliche Intelligenz bei sich einsetzen wollen», so Maurer. Dabei spiele es keine Rolle, ob man ein produzierender Industriebetrieb sei oder ein Dienstleister. «Hauptsache, man lässt das Thema nicht links liegen.»

Welche Voraussetzen helfen, KI erfolgreich im eigenen Unternehmen einzuführen? Und worin liegen die Herausforderungen? Michael Maurer schafft Klarheit.

 

Voraussetzungen

Yeah, data, baby!

«Daten, Daten, Daten!» So brachte ein Workshop-Teilnehmer die wichtigste Voraussetzung für den Einsatz von KI auf den Punkt. Michael Maurer, Co-Leiter des KI-Workshops von bbv, pflichtet dem bei: «Ohne Daten geht nichts. Im besten Fall liegen sie bereits in einer strukturierten, also verwertbaren Form vor. Dabei kann es sich um eigene oder externe Daten handeln.»

Doch auch mit halbstrukturierten Daten lässt sich vieles machen, sobald sie in eine verwertbare Form gebracht wurden. Zudem ist es möglich, KI-Anwendungen beispielsweise auf Excel-Datensätze oder Videodateien loszulassen.

Doch die Daten müssen nicht zwingend von Anfang an vorhanden sein. «Abhängig vom Use Case beginnt ein Unternehmen zuerst damit, die notwendigen Daten zu sammeln – etwa mit einer individuell entwickelten Software von bbv – oder man bezieht sie extern», so Maurer.

Falls der Datenbestand zu klein ist oder die Daten in einer Form vorliegen, die nicht brauchbar ist, besteht die Möglichkeit, fixfertige KI-Services einzukaufen. Anbieter wie Microsoft, Amazon und Google bieten APIs an, die zum Beispiel für die Spracherkennung, das Verschlagworten von Bildern oder zur Texterkennung einfach in eigene Anwendungen integriert werden können. Auch OpenAI mit seinen Modellen Dall-E und (Chat)GPT können mittels API integriert werden.

Das A und O: der Use Case

Ohne einen Use Case nütze allerdings auch die grösste Datenmenge nichts, sagt Michael Maurer. Er sieht deshalb zwei grundlegende Ansätze, um KI nutzbar zu machen. «Entweder hilft Künstliche Intelligenz, die Qualität und die Effizienz von bestehenden Prozessen zu verbessern. Oder aber sie begründet einen gänzlich neuen Business Case.»

Im ersten Fall gehe es darum, den versteckten Nutzen von bestehenden Datensätzen zu finden. Beim Entwickeln eines neuen Business Cases helfe hingegen ein «data driven mindset» und die Begleitung durch ein Beratungsunternehmen wie bbv.

 

Erfolgsfaktoren

Jeder fängt einmal klein an

Ein klares Ziel, ein guter ROI, ein strikter Fahrplan: Was üblicherweise Best Practice sei, hindere Unternehmen oft daran, mit KI zu experimentieren, sagt Michael Maurer. «Es ist sinnvoller, in einem ersten Schritt ergebnisoffen auszuprobieren, was die Daten mit unterschiedlichen Modellen hergeben.»

Das können Kundendaten sein, die man clustert, um nützliche Insights zu gewinnen. Oder Datenbanken, die sich auf Muster analysieren lassen, um einen Use Case zu entwickeln. «Am Anfang braucht es Mut, um solche Anwendungen auszuprobieren. Fängt man klein an und zeigt sich ein erfolgsversprechendes Resultat, kann man den Scope des Projekts ausweiten.»

Ein Prototyp kann dann aufzeigen, ob Potenzial vorhanden ist.

 

Vorhandene KI-Tools nutzen

ChatGPT hat uns vor Augen geführt, dass die Hürde, KI produktiv im Alltag einzusetzen, sehr niedrig ist. «Es braucht dazu weder eigene Daten noch ein Datenkonzept, sondern nur eine Idee für neue Anwendungen», so Maurer. Viel Rechenpower oder eine grosse Cloud-Infrastruktur sind ebenfalls nicht nötig, denn externe KI-Tools können mittels API in eigene Anwendungen integriert werden.

Use Cases für KI-Tools lassen sich in praktisch allen Branchen finden. Mit ihnen lassen sich Texte übersetzen, schreiben und verbessern, Bilder erstellen und analysieren oder ganze Code-Snippets schreiben.

 

Akzeptanz von KI im Unternehmen fördern

Transparenz und Aufklärung darüber, was KI zu leisten vermag und was nicht, ist zentral für deren Akzeptanz im Unternehmen. «KI macht gewisse Arbeiten obsolet, dafür hilft sie uns, sich auf wertstiftende Aufgaben zu konzentrieren», sagt Michael Maurer.

Das Management müsse deshalb in der Lage sein, die Vorteile und Einsatzmöglichkeiten von Künstlicher Intelligenz verständlich aufzuzeigen.

Das können sein:

  • Routinearbeiten lassen sich mit KI automatisieren und schneller erledigen. Dadurch steigt die Effizienz und es bleibt mehr Zeit für jene Aufgaben, die noch von Menschen erledigt werden müssen.
  • Gefährliche Tätigkeiten können durch intelligente Maschinen erledigt werden, etwa Messungen in kontaminierten Umgebungen.
  • KI hilft gegen den Fachkräftemangel: Speech-to-text-Anwendungen lassen medizinisches Fachpersonal zum Beispiel Berichte diktieren und in Text umwandeln. So bleibt mehr Zeit für die Patienten.
  • Mit KI lassen sich Warenein- und -ausgänge analysieren und Prognosen erstellen, wann welche Waren nachgefragt sind. Die Auslastung und der Warenbestand werden dadurch optimiert.
  • Künstliche Intelligenz gewährt Einblick in Kundensegmente und Kundenverhalten. Dadurch kann die Customer Journey verbessert werden.
  • Vielerorts ist KI schon im Einsatz und akzeptiert, zum Beispiel bei Produktempfehlungen oder individualisierten Newsletter-Inhalten.

 

Herausforderungen

Fehlerhafte Daten

Die von einer KI erzeugten Resultate sind immer nur so gut wie die dafür verwendeten Daten. Ist die Datenquelle einseitig, unvollständig oder fehlerhaft, führt das zu Problemen. Grosse und qualitativ hochwertige Datenmengen sind deshalb wichtig. Aber auch, dass die Resultate der KI von Fachpersonen mit Erfahrung und Know-how begutachtet werden. Gemeinsam liefern Mensch und Maschine die besten Resultate.

 

Unklare Rechtslage

Die Zahl der Anwendungen, die auf KI basieren, hat in den letzten Monaten stark zugenommen. Die Rechtsprechung konnte damit nicht Schritt halten. So beklagen Content Creators, dass KI-Anwendungen wie ChatGPT oder Dall-E rechtlich geschützte Daten, Texte oder Bilder benutzen, um ihre Algorithmen zu trainieren.

Doch es machen sich Veränderungen bemerkbar: «Neuerdings lassen sich für einzelne Tools Daten sperren», sagt Michael Maurer. «So sperren etwa Bilddatenbanken auf Wunsch hochgeladene Bilder für Machine-Learning-Aktivitäten.»

 

Fazit: Es braucht Mut und gute Ideen

Für Michael Maurer lässt sich Künstliche Intelligenz nicht mehr aus unserem Alltag wegdenken. Er ermutigt deshalb Unternehmen, erste Erfahrungen mit KI zu sammeln. «Dazu braucht es in erster Linie eine Prise Mut und eine gute Idee», sagt er. Beim Aufspüren von brachliegenden Potenzialen und der anschliessenden Umsetzung stehe bbv zudem mit ihrer Expertise beratend zur Seite.

Der Experte

Michael Maurer

Michael Maurer ist Senior Consultant und Solution Architect bei bbv im Bereich Finanzdienstleister & Transport. Seine Schwerpunkte liegen in der digitalen Transformation, im Innovationsmanagement sowie in der Konzeption von (Cloud-)Softwarelösungen. Durch seine langjährige Erfahrung im KMU-Umfeld versteht er deren Herausforderungen und kann zielgerichtete Lösungs- und Umsetzungsmöglichkeiten aufzeigen.

Technica Radar 2024

Mehr als KI: Das sind die wichtigsten IT-Trends 2024

AI/KI
Mehr Effizienz und Automatisierung dank Generative AI

So revolutionieren KI-Agenten unsere Arbeitswelt

AI/KI
Chancen und Risiken von KI-Agenten

«Ein KI-Agent muss zwingend eine Probezeit durchlaufen»

AI/KI

Beachtung!

Entschuldigung, bisher haben wir nur Inhalte in English für diesen Abschnitt.