Künstliche Intelligenz ist eine verheißungsvolle Technologie, die bereits heute verändert, wie wir Wert schöpfen und zusammenarbeiten. Wenn wir diesen Begriff hören, entstehen im Kopf Bilder von menschenähnlichen Robotern, die komplexe Aufgaben lösen und für Unternehmen ein enormes, jedoch manchmal abstraktes Zukunftspotenzial eröffnen. Doch was meinen wir konkret, wenn wir von Künstlicher Intelligenz sprechen?

Der Begriff Künstliche Intelligenz verweist auf Fähigkeiten von Computerprogrammen, die diesen menschlichen kognitiven Fähigkeiten ähnlich sind:

• Wahrnehmen (sehen, hören, fühlen),
• Lernen und
• Entscheidungen treffen.

Künstliche Intelligenz ist also ein Sammelbegriff für unterschiedliche Technologien aus den Bereichen Wahrnehmen (z.B. Bilderkennung, Texterkennung, etc.), Lernen (Machine Learning, Deep Learning, Reinforced Learning), sowie Entscheiden und Handeln (Automatisierung).

Allen Technologien und Anwendungen gemeinsam ist, dass wir Daten benötigen, mit denen diese intelligenten Computerprogramme gefüttert werden. Mithilfe von statistischen Verfahren, mathematischen Methoden des Machine Learning oder Deep Learning erkennen diese Computerprogramme in den Daten interessante Muster, prognostizieren wie diese Daten sich in Zukunft weiterentwickeln werden und fällen – wenn vorgesehen – eigenständig operative Entscheidungen, welche Handlung dieser Information zu erfolgen hat.

Daten sind

• Strukturierte Daten, die Ihr Unternehmen in seinen Datenbanken und IT-Tools wie dem Warenwirtschaftssystem (ERP), der Kundenverwaltung (CRM), dem Kassensystem, dem Data Warehouse etc. speichert. Name und Kontaktdaten Ihrer Kunden sind genauso strukturierte (systematisch ablegbare) Daten, wie Datum, Preis und Positionen des letzten Verkaufs, das Produktionsdatum einer Charge, etc.
• Sensordaten beschreiben Zustände und deren Veränderung von z.B. Produktions- oder Lageranlagen. Besonders im Maschinen- und Anlagenbau werden damit KI-Anwendungsfälle wie die Früherkennung von Wartungsbedarfen oder die Prognose und Vermeidung von fehlerbedingten Ausfallszeiten umgesetzt (Predictive Maintenance).
• Mithilfe von Bilddaten können intelligente Programme automatisiert Bildinhalte erkennen. Mithilfe von Videoaufnahmen von Produktionslinien können wir so in der Qualitätssicherung schadhafte Erzeugnisse automatisiert ausscheiden. Im Bereich des Digitalmarketing können intelligente Programme automatisch Bildinhalte erkennen und die Beschlagwortung vornehmen. So können Medieninhalten automatisiert abgelegt, erstellt und in weiterer Folge individualisiert ausgespielt werden.
• Textdaten können von intelligenten Programmen eigenständig interpretiert werden. Das nutzen wir dazu um automatisiert Texte aus dem Web zu analysieren, wie zum Beispiel, wenn wir aus großen Mengen Forenbeiträgen und Socialmediakommentaren die Wahrnehmung unserer Unternehmensmarke am Markt feststellen wollen (Sentimentsanalyse). Die Analyse und Interpretation von Textdaten wird auch für den Einsatz von Chatbots herangezogen, oder auch für die automatisierte Dokumenterfassung und -verarbeitung bei z.B. Eingangsrechnungen, Verträgen, etc.
• Audiodaten können von intelligenten Programmen ebenso eigenständig interpretiert werden. Wir sehen etwa häufig automatisiert erstellte Untertitel für Videos auf diversen Video- und Contentplattformen. Genauso interpretiert Google Alexa unsere Sprachbefehle.

Wenn Sie als Unternehmen Künstliche Intelligenz nutzen möchten, werden Sie also entweder eigene Daten aus Ihren Datenbanken, Sensoranlagen oder Videoüberwachungen heranziehen. Oder Sie verwenden Bild-, Text- oder Audiodaten aus dem Internet, aus Dokumenten, von externen Anbietern oder erzeugen diese Daten in der Zukunft selbst für Ihre konkreten KI-Anwendungsfälle. Viel wichtiger als die Menge an Daten ist dabei die Datenqualität. Denn auch mit kleineren Datenmengen können bereits spannende KI-Anwendungsfälle umgesetzt werden. Unzureichende Datenqualität bewirkt dabei jedoch immer ein schlechtes Ergebnis.

Künstliche Intelligenz kann im Wesentlichen zwei Dinge: 1. Vorhersagen treffen, die uns Menschen als Entscheidungsgrundlage dienen und 2. automatisiert Entscheidungen treffen bzw. Handlungen setzen. In manchen KI-Anwendungsfällen informiert uns die Künstliche Intelligenz also über mögliche Entwicklungen in unserem Kundenstamm, unseren Produktionsanlagen, bestimmten Märkten oder Fachbereichen. Wir bekommen diese Infos als Insights oder Analysen zur Verfügung gestellt und werden dazu aufgefordert Entscheidungen über weitere Aktivitäten zu treffen.

In anderen KI-Anwendungsfällen ist die Künstliche Intelligenz die ausführende Kraft und setzt automatisiert definierte Handlungen um. So etwa in Robotern in Produktionslinien, die eigenständig die für sie relevanten Teilerzeugnisse erkennen und diese bearbeiten oder mittels Sensorik und dem entsprechenden Algorithmus ihren eigenen dreidimensionalen Handlungsspielraum scannen, bewerten und ihre Bewegungen danach anpassen.

KI-Automatisierung beschränkt sich nicht alleine auf Roboter, sondern kann ebenso auf die Automatisierung von Prozessschritten in IT-Systemen angewendet werden. Etwa wenn das intelligente Computerprogramm Überlastungen in Systemen erkennt oder Anomalien, die auf betrügerische Aktivitäten hinweisen, und ohne menschliches Zutun passende Gegenmaßnahmen einleitet. 

Neue Umsatzchancen durch Vorhersagen

Wir können mithilfe von Predictive Analytics, also unter dem Einsatz höherer statistischer Verfahren oder Machine Learning, zukünftiges Kundenverhalten und Marktentwicklungen vorhersagen, und die Vermarktung beschleunigen.

Abhängig von unserem bestehenden Geschäftsmodell und der damit verbundenen Art und Regelmäßigkeit des Kundenkontaktes, verfügen wir über eine spannende Datenbasis um Kundenverhalten vorherzusagen und daraus Umsatzvorteile zu erschließen. Wir können die künstliche Intelligenz Muster in unserer Kundendatenbank erkennen lassen und so gänzlich neue Wege finden um Kundensegmente zu bilden. Dies ist auch intensiv notwendig, da sich aus traditionellen Kundensegmentierungsansätzen wie dem Alter und dem Geschlecht heute keine verlässlichen Prognosen für zukünftiges Kundenverhalten mehr ableiten lassen. Gepaart mit anderen KI-Anwendungsfällen können wir so Kunden individualisiert (und automatisiert) ansprechen und den Umsatz je Kunde erhöhen. Die Künstliche Intelligenz unterstützt uns auch dabei abwanderungsgefährdete Kunden frühzeitig zu erkennen um mit rechtzeitigen Kundenbindungsmaßnahmen zukünftige Umsätze abzusichern. Ein weiterer umsatzerhöhender KI-Anwendungsfall ist der Einsatz von automatisierten Kaufempfehlungen (bzw. Recommender Systems).

Unternehmen, die Marktänderungen frühzeitig erkennen, und ihre Leistungen anpassen verfügen mittel- und langfristig über bessere Umsatzchancen. Wir können Marktänderungen durch genaue, menschliche Beobachtungen feststellen. Die Künstliche Intelligenz kann uns jedoch besonders in sehr schnelllebigen und volatilen Märkten dabei helfen, schwache Signale für neue Trends und Entwicklungen zu erkennen. Das gelingt uns zum Beispiel mithilfe von automatisierten Textanalysen auf Basis von Texten aus dem Internet – und hierbei speziell aus Medienberichten, Foren- sowie Socialmediabeiträgen oder auch wissenschaftlichen Veröffentlichungen. Mehr Informationen erhalten Sie zur frühzeitigen Erkennung von Marktänderungen hier .

Die Go-to-market-Geschwindigkeit hängt ganz wesentlich davon ab, wie effizient wir die richtigen Kunden für unsere Leistungen finden. Mithilfe Künstlicher Intelligenz können wir schneller nicht nur die richtigen Kunden, sondern auch die, die aktuell Lösungen wie unser Angebot suchen, ausfindig machen. Hier  können Sie sich diesbezüglich weiter erkundigen.

Umsatzchancen durch neue digitale Produkte

Mit Künstlicher Intelligenz können wir bestehende Produkte und Services anreichern, oder gänzlich neue Leistungen entstehen lassen, und so neue Umsatzpotenziale eröffnen. Gängige Beispiele dafür finden sich vor allem in der Branche Maschinen- und Anlagenbau. Hier werden Maschinen mit Sensorsystemen ausgestattet, die Daten liefern um mögliche Fehler frühzeitig zu erkennen, optimale Wartungszeitpunkte zu prognostizieren oder auch den Ressourcenverbrauch zu minimieren. Die Anwendungsbedienung mittels Spracherkennung kann die User Experience verbessern. Mithilfe der Analyse von Benutzungsdaten, können Maschinenbedienfehler reduziert, oder auch neue Erlösmodelle wie Usage-based Financing angeboten werden.

Kosteneinsparungen

Die Verbesserung und Automatisierung von Prozessen erreichen durch die Anwendung von Künstlicher Intelligenz ein neuer Level. Wir können mithilfe der KI-gesteuerten Analyse von Prozessdaten ineffiziente Prozesse besser erkennen, und mit weiteren KI-Anwendungen, die autonom operative Entscheidungen treffen, Prozessautomatisierungen verwirklichen, die bisher undenkbar waren. Dies hilft unseren Unternehmen Kosten einzusparen, die Effizienz zu erhöhen und besonders in Zeiten des Fachkräftemangels handlungsfähig zu bleiben.

Das Automatisierungspotenzial mithilfe von Künstlicher Intelligenz zieht sich durch alle Branchen und Unternehmensbereiche. Im Bereich F&E können wir Experimentkosten durch Outputprognosen reduzieren, in der Produktion optimieren wir kritische Prozesse datenbasiert. Wir können mithilfe von Bilderkennung oder Sensordaten die Qualitätssicherung in Produktionslinien automatisieren und Fehlerzeugnisse ohne menschliche Arbeitskraft ausscheiden. Mithilfe Künstlicher Intelligenz können wir die Mensch-Maschine-Interaktion in Produktionslinien verbessern und so teure Unfälle, Störfälle und Stillstände vermeiden.

Im Bereich Marketing – und hier besonders im Digitalmarketing für große Produktportfolios oder große Kundenstämme oder für individualisierte Contenterzeugung - können wir Künstliche Intelligenz für die automatisierte Bild- und Medienerstellung und -verarbeitung, Beschlagwortung und Untertitelung für Medien und die automatisierte Behandlung von Kundenanfragen einsetzen.

Sogenannte Chatbots spielen besonders im Kundenservice eine wesentliche Rolle bei der Automatisierung von Kundeninteraktionen, wodurch Kundenservicemitarbeiter entlastet und routinemäßige, einfache Kundeninteraktionen rascher und mit weniger Personalkosten abgewickelt werden können.

Der Fachbereich Vertrieb optimiert seine Prozesse mithilfe von Künstlicher Intelligenz, indem z.B. Dokumente wie Auftragseingänge automatisch klassifiziert und weiterverarbeitet werden. Darüber hinaus entstehen durch Dynamic Pricing, also die automatisierte Bepreisung von Leistungen in Abhängigkeit von Kundeneigenschaften und der Verkaufssituation, sowohl erhöhte Umsatzchancen, als auch Einsparungspotenziale durch die automatisierte Abwicklung und Dokumentation.

Das Logistikmanagement profitiert von Künstlicher Intelligenz, indem mithilfe von Sensor- und Prozessdaten Warenflüsse und Lagerbedingungen optimiert werden. Besonders im Onlinehandel werden durch Predictive Shipping je nach strategischem Fokus Transportkosten eingespart, die Nachhaltigkeitsperformance verbessert oder das Kundenerlebnis positiv beeinflusst.

In Rechnungswesen und Operations werden zeitraubende, repetitive Aufgaben etwa durch die automatisierte Klassifizierung und Weiterverarbeitung von Dokumenten, wie Eingangsrechnungen, Verträgen, Anträgen, Meldungen etc. automatisiert.

Schäden können abgewendet werden mithilfe von Betrugsfrüherkennung, der Prognose oder Früherkennung (menschlicher) Prozessfehler, oder durch das Erkennen von Anomalien in IT-Systemen, die Rückschlüsse auf bestehende Cyberangriffe ermöglichen. Darüber hinaus unterstützt uns Künstliche Intelligenz dabei personenbezogene Daten zu anonymisieren, sowohl von Kameraaufnahmen, als auch bei der Eingabe oder automatisierten Erzeugung von diesen Daten.

Technologieführerschaft

Künstliche Intelligenz stiftet auch Mehrwert, indem durch Technologieführerschaft ein wesentlicher und nachhaltiger Wettbewerbsvorteil geschaffen wird. Unternehmen, die der Strategie der Technologieführerschaft folgen, können die Marktentwicklung wesentlich bestimmen, höhere Preisprämien abschöpfen und strategische Partner und Kunden langfristig binden.

KI-Anwendungen kennen

Zuallererst hilft Ihnen ein guter Überblick über spannende KI-Anwendungsfälle. Hier finden Sie unsere Liste gängiger KI-Anwendungsfälle inkl. Beschreibung, sowie handverlesene und relevante Anbieter, die sie je Anwendungsfall auf dem Weg zur Umsetzung begleiten.

Wissen, wo wir hinwollen

Erfolgreich sind diejenigen KI-Projekte, die für das Unternehmen ein echtes Problem lösen. Dementsprechend beginnt jedes KI-Projekt bei Ihren betrieblichen Herausforderungen und den strategischen und operativen Zielen, die Sie sich gesetzt haben. Im KI-Marktplatz-Netzwerk finden Sie mehrere Anbieter, die Sie auf der Reise von Ihren Herausforderungen in spannende KI-Lösungen beratend begleiten.

Lesen Sie hier weiter, wie Sie den richtigen KI-Anwendungsfall für Ihr Pilotprojekt finden:

Wissen, wo wir stehen

Die Fachexperten des österreichischen KI-Marktplatzes begleiten Sie dann dabei, den Ausgangspunkt in Ihrer Datenlage und in Ihrem Technologiestack festzustellen und erstellen mit Ihnen die Roadmap zur schrittweisen Umsetzung Ihres KI-Projektes.

Umsetzungspartner

Sie werden Ihre Umsetzungspartner u.a. danach auswählen, ob sie erprobte Standardlösungen, flexible Invididuallösungen oder neuartige Forschungsprojekte anbieten. In der Anbieterliste am KI-Marktplatz beschreiben die Anbieterunternehmen ihre Leistungen detailliert und zeigen Ihnen, wie Sie am besten in Kontakt treten können.

Während die meisten KI-Anwendungsfälle mit den Prozessdaten in unserem Unternehmen arbeiten, die in unseren ERPs, CRMs, Datenbanken und weiteren Tools strukturiert abgespeichert sind, benötigen manche KI-Anwendungsfälle Dokumente mit Text- oder Bilddaten um davon lernen zu können. Als klassischer Usecase ist hier die automatisierte Dokumentenklassifizierung und -verarbeitung zu nennen. Wenn wir zum Beispiel KI dafür verwenden wollen, Eingangsrechnungen eigenständig zu interpretieren und weiterzuverarbeiten, dann benötigen die KI-Computerprogramme dafür eine Sammlung an tatsächlich anfallenden Eingangsrechnungen. Das gleiche gilt im Falle der automatisierten Klassifizierung und Verarbeitung von Verträgen, Meldungen etc. Es werden die jeweils eingehenden Dokumente oder der Text des eingehenden Schriftverkehrs (z.B. per Email) als Basis für die Entwicklung des funktionsfähigen KI-Algorithmus benötigt.

Chatbots, also Computerprogramme, die meist über Textein- und -ausgabe direkt in einen Dialog mit Kunden oder Mitarbeitern treten, benötigen je nach Anwendungsfall entweder strukturierte Informationen aus unseren Kunden- und weiteren Datenbanken oder kommen mit  Textdaten aus unterschiedlichen Dokumenten und Schriftverkehren zurecht. Für das Training von Chatbots werden z.B. Originaltexte aus Kundenanfragen, Beschwerden oder Dokumentationen verwendet.

Auch Videoaufzeichnungen sind eine gute Datengrundlage: Besonders für die KI-gestützte Qualitätssicherung in Produktionslinien werden mithilfe von Bildmaterial gute von schlechten Halb- und Fertigerzeugnissen unterschieden. Um den Algorithmus zu trainieren, benötigen Sie zuerst Bildmaterial von qualitativen und fehlerhaften Erzeugnissen. Sobald der Algorithmus den Unterschied gelernt hat, wendet er die Bildmuster auf laufendes Videomaterial aus der Produktionslinie an.

Externe Quellen für Daten

Eine wesentliche Datenquelle für viele KI-Anwendungsfälle ist das Internet. Hier können wir aus großen Mengen an frei verfügbaren Textdaten allerlei interessante Informationen gewinnen. Sowohl Pressebeiträge, Social Media Posts, Forenbeiträge, als auch Texte von Firmenwebseiten können wir für KI-gestützte Markt- und Wettbewerbsanalysen, Sentimentsanalysen zur Feststellung der Markenwahrnehmung oder auch für Lead Prediction, also für die Erkennung von potenziellen zukünftigen Kunden, heranziehen.

Weitere Datenquellen können spezialisierte Datenbanken sein, wie Bild- und Videodatenbanken, die wir für das Training von Bilderkennungstechnologien heranziehen. Oder Branchendatenbanken, die frei oder über sogenannte Data Broker (also Datenhändler) verfügbar sind und z.B. strukturierte Marktdaten Ihrer Branche anbieten.

Eine aktuelle Entwicklung stellen sogenannte Datenräume („Data Spaces“) dar, in denen Unternehmensverbände und Konsortien organisiert interne Daten miteinander austauschen und so große Datenbestände für neue, spannende Projekte und Anwendungsfälle entstehen lassen, die für die Mitgliedsunternehmen zur Verfügung stehen. In Österreich werden diese Bestrebungen unter anderem von der Data Intelligence Offensive vorangetrieben und orchestriert.

Plug-and-Play KI-Anwendungen, die bereits von den Daten von anderen gelernt haben.

Ihr Unternehmen kann auch einfache, ausgereifte KI-Services nutzen, die im Sinne von Plug-and-Play ohne Einbindung eigener Daten und ohne Individualisierung diverse Leistungen anbieten. Beispiele für frei verfügbare KI-Anwendungen im Netz sind:

• DeepL – kostenloser, KI-basierter Übersetzungsdienst (www.deepl.com)
• Kaleido.ai – KI-basierter Bildbearbeitungsdienst (österreichisches Startup) (www.kaleido.ai)
• Grammarly – KI-basierte Text- und Stilkorrektur für englische Texte

Der erste Schritt dazu ist relevante KI- und Datenanwendungsfälle auszuwählen. Hier finden Sie eine Anleitung, wie Sie den richtigen KI-Anwendungsfall auswählen können. Ihre internen oder externen Fachexperten werden Sie dabei begleiten die relevanten, bestehenden und noch ausständigen Datenbestände festzustellen. Gemeinsam erstellen Sie eine Liste der Datenerhebungsbedarfe, der dafür benötigten Datenhaltung und der Anforderungen an die neuen Daten. Daraus entsteht eine Maßnahmenroadmap mit Verantwortlichkeiten, Zielgrößen und Zeithorizonten.

Bis die Datenbestände für Ihren interessierenden Anwendungsfall final aufgebaut sind, können Sie in manchen Fällen bereits mit kleinen Datenauszügen oder synthetisch erzeugten Daten Ihren Anwendungsfall in einfacher Form (eines Prototypen oder Minimal Viable Product) bereits testen.

Bei der Erstellung Ihrer Datenstrategie und dem Aufbau Ihrer Datenbestände unterstützen Sie die Anbieter aus dem Netzwerk des KI-Marktplatzes.

Es gibt eine Vielzahl von Möglichkeiten, wie wir Künstliche Intelligenz in unseren Unternehmen wertstiftend einsetzen können und laufend kommen neue Anwendungsfälle hinzu. Wie kann es gelingen den Überblick zu bewahren und den richtigen KI-Anwendungsfall für ein Pilotprojekt auszuwählen?

Der erste Schritt ist einen Überblick über gängige KI-Anwendungsfälle zu gewinnen. Hier finden Sie eine Liste und Kurzbeschreibungen der wesentlichsten Anwendungsfälle.

Oft starten Unternehmen mit der Auswahl eines KI-Anwendungsfalls beim Ist-Stand ihrer Daten. Sie machen die Entscheidung für die Investition in ein KI-Projekt von den (zufällig) vorhandenen Daten abhängig. Auch wenn die Motivation zu dieser Vorgehensweise nachvollziehbar ist, führt sie oft dazu, dass Datenprojekte durchgeführt werden, die zwar datenbezogen oder technisch funktionieren, die aber keinen wesentlichen Mehrwert für das Unternehmen liefern. Dies führt dazu, dass das volle Potenzial der Technologie jetzt und in Zukunft nicht ausgeschöpft wird, da der Nutzenbeweis für Entscheider, Kollegen, Kunden oder andere relevante Stakeholder ausbleibt.

Viel erfolgreicher steigen Unternehmen in die Künstliche Intelligenz ein, die sich an den eigenen betrieblichen Schmerzpunkten orientieren und mit Lösungen für echte, bestehende Probleme den Nutzen der KI-Technologie und der Arbeit mit den Daten belegen. Am besten erstellen Sie im Team eine Liste der aktuell schmerzvollsten Herausforderungen (in Hinblick auf monetäre Risiken, potenzieller Geschäftsschädigung, Frustration bei Mitarbeiter und/oder Kunden) in Ihrem Unternehmen:

• Problembehaftete Prozesse, mit denen die Mitarbeiter und Kollegen unzufrieden sind
• Leistungsaspekte und Prozesse, mit denen Kunden unzufrieden sind

Im Anschluss nehmen Sie eine Reihung nach Dringlichkeit vor. Dann bewerten Sie (oder ein hinzugezogener Fachexperte) welche dieser Probleme datenbasiert mit KI-Anwendungen gelöst werden können. Eine Experteneinschätzung über mögliche Quickwins, also schnelle einfache Lösungen mit hoher Wirkung, oder jedoch auch technologische, betriebliche oder datenbasierte Risiken zeigt Ihnen den Weg zum optimalen Einstiegsanwendungsfall.

Die Vorteile von standardisierten KI-Anwendungen liegen in der vereinfachten und verkürzten Einführungsphase, sowie in den Erfahrungswerten anderer Anwenderunternehmen mit den Technologien. Ihre Mitarbeiter und internen Experten sind weniger intensiv in Implementierungsprojekten gebunden, als bei Individuallösungen. Hier finden Sie eine Liste von Anbietern von standardisierten KI-Anwendungen.

Oft bedürfen spezielle Rahmenbedingungen, einmalige Produktideen oder eine historisch gewachsene Prozesslandschaft einer individuellen Herangehensweise. Diese KI-Marktplatzpartner bieten Individuallösungen auf Basis von bestehender KI-Technologie an:

Hier finden Sie eine Liste von KI-Anwendungsfälle, die sowohl mit einer standardisierten Anwendung, als auch mit einer Individuallösung umgesetzt werden können.

Ihr Unternehmen möchte ein Problem mit völlig neuer Herangehensweise lösen? Dann sind Sie bei Forschungseinrichtungen und forschungsnahen Institutionen für Grundlagenforschung am besten aufgehoben.

Startet Ihr erstes KI-Projekt mit der Suche nach internen Data Scientists oder Machine Learning-Experten? In den seltensten Fällen werden Sie Ihre KI-Initiative mit einem internen Data Science-Team starten.

Wann Sie ein Data Science-Team benötigen

Abhängig davon, welche Ziele Sie mit Ihrer KI-Initiative verfolgen und welchen Anwendungsfall Sie umsetzen möchten, benötigen Sie unterschiedliche Kompetenzen intern und extern. Unternehmen, die mithilfe Künstlicher Intelligenz eigene Produkte und Services erstellen und betreiben, benötigen genauso ein internes Data Science-Team, wie Unternehmen, die auf KI-Technologieführerschaft abzielen.

Data Science-Teams bestehen aus unterschiedlichen Rollen: Während Data Scientists (ausgebildet in Mischformen aus Statistik, Informatik, Ökonometrie, u.Ä.) auf die Modellierung bzw. Analyse der Daten fokussieren, bereiten Data Engineers (meist ausgebildete Informatiker) die Datengrundlage für die weitere Wertschöpfung auf und setzen gemeinsam mit Software Engineers die Implementierung von KI-Anwendungen innerhalb Ihres IT-Systems um. Darüber hinaus gehören Domänenexperten zum Team, die auch direkt den relevanten Fachbereichen der KI-Anwendungsfälle zugewiesen sein können (Produktion, Vertrieb, etc.). Diese bringen das nötige Domänenwissen, den Hintergrund zu den Domänendaten mit und können die KI-Anwendung letztlich am besten evaluieren.

Unternehmen, die KI-Anwendungsfälle mithilfe von Standardlösungen einführen, beziehen die KI-Fachexpertise von ihren Anbietern. Auch bei der Erarbeitung von Individuallösungen durch externe Anbieter wird die Hauptleistung bei eben diesen externen Experten liegen. Es braucht jedoch in beiden Fällen ein versiertes internes Projektmanagement, das sich in das Fachgebiet entsprechend einarbeitet. Häufig werden solche Projekte in der IT-Abteilung verankert. Dabei eignen sich besonders die Datenexperten in den Fachabteilungen für das Projektmanagement, da diese intensiver vom Projektoutput abhängen und fachlich involviert sind.

Planen Sie ein KI-Grundlagenprojekt mit einer Forschungseinrichtung, dann sind Sie gut aufgestellt, wenn Sie Mitarbeiter mit Erfahrung mit Förderanträgen und F&E-Projekten im Allgemeinen haben. Häufig steuern diese Expertisen auch Konsortialpartner in größeren Projekten bei.

Datenmanagementkompetenz

Wenn Sie Ihre unternehmensinternen Daten strategisch nutzen möchten, z.B. mithilfe Künstlicher Intelligenz, empfehlen wir Ihnen das Datenmanagement in Ihrem Unternehmen zu professionalisieren und gut aufzustellen. Dazu gehören folgende Aspekte und Rollen:

• Data Governance: Die strategische und operative Nutzung von Daten im Unternehmen folgt bestimmten Regeln und Vorgaben, egal ob das Datenmanagement im Unternehmen zentral oder dezentral in Fachabteilungen angesiedelt ist. Der Data Governance-Beauftrage schafft Klarheit darüber, wer welche Daten wie nutzen kann, welche Daten wofür verwendet werden und setzt Standards fest, wie mit den Daten umgegangen wird.
• Datenqualitätsmanagement: Die Güte der eingeführten KI-Anwendungen hängt maßgeblich von der Qualität der eingesetzten Daten ab. Es braucht deshalb Datenqualitätsmanager, sowohl zentral in einer Daten- oder IT-Abteilung, als auch in den jeweiligen datenerzeugenden und -verwendenden Fachabteilungen.
• Der Data Owner verantwortet die Daten, sowie die Datenqualität in seinem Fachbereich.
• Der Data Steward ist operativ für die Pflege und Erstellung der fachbereichsbezogenen Daten zuständig.
• Darüber hinaus umfasst ihr Datenmanagementteam Expertisen für die Datenhaltung und -bereitstellung, sowie die Datendokumentation und das Metadatenmanagement.

Abhängig von Ihrer Unternehmensgröße, dem Volumen Ihres Datenbestandes, der zur Verfügung stehenden Ressourcen, sowie der Bandbreite Ihrer Vorhaben in Hinblick auf die Datennutzung wird Ihr Datenmanagement kompakter oder spezialisiert-arbeitsteiliger aufgestellt sein. Die Experten des KI-Marktplatzes unterstützen Sie beim Aufbau Ihres Datenmanagements und bei der entsprechenden Qualifizierung bestehender und neuer Mitarbeiter.

Datenkompetenz auf Anwenderebene

Unternehmen, die Daten als Ressource der Zukunft erkennen und sich datenorientiert aufstellen, nehmen die gesamte Organisation in die Datenzukunft mit. Alle Mitarbeiter, die in Zukunft mit Dateninformationen arbeiten, müssen den Umgang damit lernen. Dieses Basisverständnis umfasst einfache Kenntnisse zur Erstellung und Interpretation von Dateninformationen, sowie grundlegende Kenntnisse in Hinblick auf das Datenqualitätsmanagement. Viele datengetriebenen Vorreiterunternehmen integrieren bereits heute die Schulung von Datenkompetenz standardmäßig in den Onboardingprozess neuer Mitarbeiter.

Für KI-Anwendungen, die eher Arbeitsroutinen und Prozesse verändern als konkrete Dateninformationen zu liefern, entsteht ebenso ein Schulungsbedarf. Um die Anwenderakzeptanz dieser neuen digitalen Services bereits vor der Schulungsphase zu maximieren, ist es ratsam die Anwender bereits in die Testphase der KI-Anwendung miteinzubeziehen.

Wodurch unterscheiden sich erfolgreiche KI-Initiativen in Unternehmen, von solchen, die scheitern? Wir haben hier die wesentlichen Erfolgsfaktoren für Sie gesammelt, die Ihrem Unternehmen dabei helfen besser in der KI-Zukunft anzukommen.

Ein Anwendungsfall nach dem anderen

Wenn Ihr Unternehmen in eine KI-Initiative startet ist es wichtig Fokus zu bewahren. Das gelingt am besten, wenn Sie einen KI-Anwendungsfall nach dem anderen umsetzen. So gelingt es Ihnen die Ressourcen und Gedanken zu konzentrieren und Ihre Organisation, sowie die handelnde Akteure lernen zu lassen, wie KI-Projekte funktionieren. Ihr nächstes KI-Projekt profitiert von diesen Vorgängererfahrungen.

Quickwins vor dem großen Wurf

Oft wählen Unternehmen die KI-Anwendungsfälle aus, die absolut den höchsten wirtschaftlichen Mehrwert versprechen. Projekte, die große Probleme lösen oder große wirtschaftliche Potenziale freisetzen, sind meisten komplex und politisch über die Projektdauer hinweg schwer durchzusetzen.

Die erfolgreichsten KI-Erstprojekte sind die, die ein schnelles Erfolgserlebnis, also einen sogenannten Quickwin ermöglichen. Indem Sie für ein abgegrenztes, kleineres Problem eine Lösung datenbasiert und mit Künstlicher Intelligenz herbeiführen, gelingt es Ihnen am ehesten den Beweis dafür zu erbringen, dass die Technologie Ihr Unternehmen voranbringt. So erhöhen Sie die Strahlkraft, bauen Widerstände ab und wecken Interesse für zukünftige, größere Anwendungsfälle.

Gute Datenqualität

KI-Anwendungsfälle benötigen immer Daten. Viel ausschlaggebender als die Datenmenge ist die Datenqualität. Denn auch mit mittleren Datenbeständen lassen sich schon großartige KI-Projekte umsetzen. Mittelmäßige oder schlechte Datenqualität bedeutet jedoch immer, dass auch der ausgefeilteste KI-Algorithmus keine brauchbaren Ergebnisse liefern kann. Haben Sie in Ihrem Unternehmen ein Datenqualitätsmanagement implementiert? Je früher Sie an der Qualität Ihrer Datenbestände beginnen zu arbeiten, umso eher können Sie strategischen und monetären Mehrwert aus Ihren Daten schöpfen. Müssen Sie in jedem Fall absolut perfekte Datenqualität erreichen? Nein, für jeden Anwendungsfall können unterschiedliche Zielwerte von Datenqualitäten angesetzt werden. Die Fachexperten des KI-Marktplatzes unterstützen Sie bei der Einschätzung und helfen Ihnen dabei so Kosten zu sparen.

Projektleitung im Fachbereich

In manchen Unternehmen werden KI-Projekte mit IT-Projekten gleich gesetzt, weil es sich dabei um digitale Technologie handelt. Tatsächlich sollte in KI-Projekten jedoch der konkrete Anwendungsfall und der davon profitierende Unternehmensbereich im Zentrum stehen. Sie setzen ein Lead Prediction-Projekt um? Dann wird die Marketingabteilung wesentlich dazu beitragen und unter Umständen sogar die Projektleitung über haben. Sie starten in ein Predictive Maintenance-Projekt? Dann werden die Entwicklungsabteilung, der Kundenservice und die Qualitätssicherung wesentliche Beiträge zum Projekt leisten und sollten die Initiative auch anführen.

Wenn in Ihrem Unternehmen bereits eine Data Science-Abteilung, ein versiertes Datenmanagement oder ein Digitalisierungsbüro implementiert sind, können diese Stabsstellen das Projektmanagement anführen. Die intensive Einbindung der Fachbereiche ist jedoch auch dann ein Muss.

Commitment des Topmanagement

KI-Initiativen binden Ressourcen über längere Zeit und deren Ergebnisse verändern die Art und Weise wie in Ihrem Unternehmen Wertschöpfung entsteht und die Mitarbeiter zusammenarbeiten. Ohne Rückhalt aus dem Topmanagement lassen sich solche Initiativen nicht erfolgreich zu Ende führen. Wichtig ist es auch Ihre Topentscheider über die Dauer des Projektes hinweg interessiert zu halten. Denn bis sichtbare Ergebnisse aus KI-Initiativen entstehen, können Monate und manchmal auch Jahre vergehen. Die Anbieterunternehmen des KI-Marktplatzes unterstützen Sie dabei Ihr Projekt entsprechend beim Topmanagement zu platzieren und eine realistische Erwartungshaltung aufzubauen.

Funktionierende KI-Projekte bewirken Prozessänderungen, neue Routinen und neue Formen der Zusammenarbeit

Wer beginnt Daten strategisch zu nutzen und Künstliche Intelligenz im Unternehmen einzusetzen, ist sich darüber im Klaren, dass bei erfolgreicher Abwicklung immer Veränderungen für die Organisation entstehen. Das KI-Projekt endet nicht mit einem funktionsfähigen Algorithmus oder mit interessanten Insights. Ihr KI-Projekt endet mit einer Prozessänderung oder einem Optimierungsprojekt, das den Mehrwert aus dem KI-Projekt dann freisetzt. Wenn Sie zum Beispiel KI-Anwendungsfälle wie datenbasierte Kundensegmentierung, oder eine Kundenabwanderungsprognose umsetzen, wird im Anschluss daran Ihre Marketingabteilung gezielte Marketingkampagnen dafür aufsetzen und sehr wahrscheinlich ihre kundengerichtete Arbeitsweise ändern. Ihre Fachabteilung muss darauf vorbereitet sein und Sie sollten die notwendigen Ressourcen für die anschließenden Maßnahmen in Ihr Projekt miteinkalkulieren.

Vorbereitung der Nutzer

Welche Mitarbeiter werden direkt mit den Ergebnissen aus dem KI-Projekt arbeiten? Für wen ändert sich der Arbeitsalltag durch eine Prozessautomatisierung? Wer liest in Zukunft regelmäßig Predictive Analytics-Dashboards und wird daraus Handlungen ableiten? Bereiten Sie Ihre Mitarbeiter darauf vor, indem Sie ihnen den persönlichen Nutzen für ihre Arbeit daraus aufzeigen, sie in die Ausgestaltung der Bedienoberfläche der Prozessautomatisierung miteinbinden oder ihre Datenkompetenz (engl. Fachbegriff „Data Literacy“) schulen. Funktionierende KI-Projekte können nach ihrer Umsetzung auch deshalb in der Schublade landen und verpuffen, weil die User nicht mit dem Ergebnis umzugehen wissen. Denken Sie voraus und planen Sie das Veränderungsmanagement und die Schulungsbedarfe. So sichern Sie Ihren KI-Projekterfolg im Unternehmen nachhaltig ab.

Lesen Sie hier mehr über die notwendigen Kompetenzaufbau in Ihrem Unternehmen für den Weg in die KI-Zukunft

Die richtigen Partner

Ihr KI-Projekt wird dann erfolgreich, wenn Sie es mit den richtigen Partnern umsetzen. Der KI-Marktplatz unterstützt Sie dabei Ihre richtigen Projektpartner zu finden. Wir bringen alle KI-Anbieter Österreichs an einen Ort und liefert Ihnen den Überblick über unterschiedliche Expertisen und spannende Anwendungsfälle.