Fraunhofer IAO | Forschungs- und Innovationszentrum Kognitive DienstleistungssystemeWie kann Künstliche Intelligenz im Unternehmen eine Hilfe sein? Gemeinsam mit seinen Kundinnen und Kunden entwickelt KODIS tragfähige Lösungen
In 4 Schritten zum ersten KI-Use-Case
Die Debatte um Chancen und Risiken von Künstlicher Intelligenz hat begonnnen. Doch wo kommt KI eigentlich schon zum Einsatz. Ein Blick in die Unternehmen zeigt: Das Interesse gegenüber den neuen Technologien ist groß, doch noch fehlt vielerorts eine Vorstellung davon, wie der Einstieg gelingen soll. Viele Unternehmen haben schlicht keine Idee, wie KI ihnen helfen könnte. Die Folge: KI ist ein Nischenthema – noch.
Damit der Einstieg in die Zukunftstechnologie gelingt, muss ein Unternehmen zunächst den richtigen Use Case auswählen. Die Frage lautet also: Wo kann maschinelles Lernen die Menschen im Unternehmen am besten unterstützen? Wer hier an der richtigen Stelle ansetzt, kann Mehrwert erzielen, Risiken minimieren, die Akzeptanz der Belegschaft gegenüber KI erhöhen und wertvolles Wissen aufbauen.
Und wie findet man den richtigen Use Case? In 4 Schritten!
1. Vorbereitung und Eingrenzung
Zur Vorbereitung auf das KI-Projekt gehört es, Mitarbeitende für die Potenziale und Grenzen von KI zu sensibilisieren und im Umgang mit der Technologie zu schulen. Zudem sollte man die Suche nach möglichen Use Cases auf bestimmte Geschäftsbereiche, Produkte oder Services eingrenzen. Eine »KI-Vision« oder idealerweise eine übergeordnete Unternehmensvision helfen, die Aktivitäten an einem Ziel auszurichten und Unternehmensführung sowie Führungskräfte aus den Fachbereichen zu motivieren.
2. Ideen sammeln auf drei Arten
In einem zweiten Schritt macht das Unternehmen sich auf die Suche nach konkreten Anwendungsfällen. Diese erste Ideensammlung kann aus technologischer, problem- oder datenorientierter Perspektive erfolgen. Beim problemorientierten Ansatz werden bestehende Herausforderungen als Ausgangspunkt für den Einsatz von KI gewählt. Denkbar sind Analysen vorhandener Prozesse oder reale Kundenbedürfnisse. Beim datenorientierten Ansatz, bilden die im Unternehmen verfügbaren Daten den Ausgangspunkt. Der Vorteil: auf diese Weise wird Machbarkeit stets im Blick behalten wird. Beim technologieorientierten Ansatz wiederum steht die Frage im Mittelpunkt, welche Möglichkeiten KI-Fähigkeiten wie Bild- und Audioverarbeitung oder das Erkennen von Mustern in großen Datenmengen in den identifizierten Handlungsfeldern bieten können. Im besten Fall gelingt es, die drei Perspektiven miteinander zu kombinieren, um eine zu einseitige Sichtweise zu vermeiden.
3. Ideen bewerten und priorisieren
Im dritten Schritt geht es darum, potenzielle Use Cases miteinander zu vergleichen. Dafür ist es wichtig, diese zunächst ganzheitlich darzustellen. Neben der Beschreibung von Grundidee, Mehrwert und Komplexität eines Use Case sollte zudem eine erste Evaluation anhand einheitlicher Kriterien erfolgen. Das Ziel ist es, eine objektive Vergleichbarkeit zu ermöglichen, die eine Evaluation auch durch Außenstehende möglich macht.
4. Detaillierung
Nun gilt es, die ausgewählten Projekte weiter zu detaillieren. Hierzu gehört neben einer genauen Auseinandersetzung mit den Zielvorgaben auch die Entscheidung, wie die Anwendungsfälle umgesetzt werden sollen. Spätestens an dieser Stelle ist es zudem wichtig, auch die Datenverfügbarkeit und -qualität im Detail zu überprüfen. Sind auch diese Schritte durchlaufen, können KI-Projekte auf einer soliden Basis initiiert werden.
Eine strukturierte Vorgehensweise kann einen wichtigen Beitrag dazu leisten, Use Cases zu identifizieren, die einen realen Mehrwert liefern, mit akzeptablen Kosten und Risiken verbunden sind und zudem in einem überschaubaren Zeitrahmen bearbeitet werden können. Die Herausforderung besteht darin, unter den potenziellen Anwendungsfällen jene auszuwählen, die eine bestmögliche Kombination aus Erfolgswahrscheinlichkeit, Mehrwert und Mitteleinsatz aufweisen. Denn für KI gilt, was für jede Technologie gilt: Sie ist nur sinnvoll, wenn sie Prozesse erleichtert.
Nachgelesen
Den gesamten Beitrag finden Sie auf dem Blog des Fraunhofer IAO. Dort können Sie übrigens direkt mit unseren Forschungsteams in Dialog treten. Hier finden Sie weitere interessante Blogbeiträge.