Künstliche Intelligenz

So führen Sie Ihre KI-Projekte zum Erfolg

von - 16.08.2018
Künstliche Intelligenz
Foto: Phonlamai Photo / Shutterstock.com
KI-Lösungen haben ihren Weg aus den Forschungslaboren in die Praxis gefunden. com! professional zeigt, wie Unternehmen bei der Einführung von KI-Projekten am besten vorgehen sollten.
Künstliche Intelligenz (KI) hat überraschend schnell den Weg aus den Laboren in die Praxis gefunden. Immer mehr Unternehmen initiieren Projekte für KI und maschinelles Lernen, um ihre Geschäftsprozesse zu verbessern, Entscheidungen fundierter zu treffen oder neue Business-Modelle zu etablieren. Sieben von zehn deutschen Unternehmen werden in den nächsten zwölf Monaten ein KI-Projekt umsetzen, haben die Marktforscher von IDC in einer eben veröffentlichten Studie herausgefunden. Gut ein Viertel der befragten Unternehmen hat sogar bereits KI-Projekte abgeschlossen.
„Wir sind davon überzeugt, dass Künstliche Intelligenz in zwei Jahren in jedem Unternehmen präsent sein wird“, sagt Matthias Zacher, Manager Research und Consulting bei IDC. „Aus diesem Grund sollte sich jede Organisation jetzt ganz gezielt mit KI beschäftigen, um schnellstmöglich Mehrwert aus den bereits am Markt verfügbaren Lösungen zu ziehen.“
Matthias Zacher
Manager Research und Consulting bei IDC
Foto: IDC
„Wir sind davon überzeugt, dass Künstliche Intelligenz in zwei Jahren in jedem Unternehmen präsent sein wird.“
IDC hat allerdings beobachtet, dass vielerorts noch Unklarheit darüber herrscht, wie KI-Projekte angegangen werden sollten. Das ist nicht weiter erstaunlich. Denn KI und maschinelles Lernen stellen sich für die meisten Unternehmen ganz anders dar als die herkömmliche IT. Oft benötigen KI-Projekte eine grundsätzlich andere Herangehensweise, als Unternehmen sie traditionell gewöhnt sind. Sie erfordern zudem andere Hardware, andere Software und völlig neues Wissen.

Überlegungen im Vorfeld

Wenn es darum geht, KI-Projekte umzusetzen, tappen deshalb viele Unternehmen im Dunkeln und wünschen sich konkrete Best Practices. Die Analysten von Crisp Research haben in ihrer Studie „Machine Learning im Unternehmenseinsatz“ auf Basis der Befragung von KI-Anwendern einige Best Practices und handlungsleitende Empfehlungen herausgearbeitet, von denen com! professional hier einige vorstellt – zusammen mit den Erkenntnissen anderer Analysten.
Geeignete Anwendungsfälle ausfindig zu machen, dürfte nicht das Problem sein. KI-Use-Cases sollten aber möglichst früh identifiziert und als Prototypen schnell umgesetzt werden. So gewinnen Unternehmen erste Erfahrungen und es lassen sich Feedback- und Lernprozesse in Gang setzen. Dafür können neue Teams gebildet oder bestehende – wie BI- oder Cloud-Teams – erweitert werden. Im Vorteil sind hier Unternehmen, die frühzeitig auf Technologietrends setzen und es gewohnt sind, neue Technologien schnell zu realisieren.
Prototypen sind das eine, doch letztendlich müssen mit KI und Machine Learning bestimmte Unternehmensziele erreicht werden. Trotz der frühen Markt- und Entwicklungsphase sollten mit KI-Projekten deshalb auch schon ganz konkrete Ziele gesetzt werden – etwa die Minimierung von Fehlern bei Produkten und Dienstleistungen. Die Ziele und die Rolle, die Machine Learning im unternehmenseigenen „Tech-Stack“ beziehungsweise der IT-Architektur spielen soll, sollten möglichst früh reflektiert und festgelegt werden.
10 Tipps für erfolgreiche KI-Projekte
  • 1. Beginnen Sie klein: Versuchen Sie, einzelne Prozesse und Arbeitsschritte gezielt mit KI zu verbessern. Das schafft kleine Fortschritte und wichtiges Wissen für größere Aufgaben.
  • 2. Starten Sie zeitig: Identifizieren Sie Use-Cases möglichst früh und setzen Sie schnell erste Prototypen um. So lassen sich Feedback- und Lernprozesse in Gang setzen.
  • 3. Definieren Sie Ihren Tech-Stack: Überlegen Sie sich die Rolle, die Machine Learning im unternehmenseigenen „TechStack“ einnehmen soll, und legen Sie diese fest.
  • 4. Skalieren Sie: Setzen Sie zu Beginn der eigenen Erfahrungskurve auf Cloud-Provider und bauen Sie mit steigender Erfahrung eigene KI-Systeme auf (hybrider Ansatz).
  • 5. Setzen Sie auf eine duale Skill-Strategie: Holen Sie professionelle Unterstützung von externen Dienstleistern ein und bauen Sie parallel Skills im eigenen Team auf.
  • 6. Achten Sie auf den Nutzwert: Der Erfolg von KI-Projekten steht und fällt mit dem erzielten Nutzen. Statt der IT sollten daher die einzelnen Fachabteilungen KI-Projekte initiieren und vorantreiben.
  • 7. Denken Sie groß: So wichtig es ist, klein anzufangen – im Fortlauf Ihrer Erfahrungen sollten Sie auch große Herausforderungen angehen.
  • 8. Haben Sie einen langen Atem: Machine Learning ist ein Langstreckenlauf und braucht Zeit. Die Entwicklung und das Training komplexer Modelle und Algorithmen sind kein Drei­monatsprojekt.
  • 9. Vergessen Sie nicht zu testen: Planen Sie vor allem beim Einsatz an der Kundenschnittstelle (zum Beispiel digitale Assistenten und Bots) immer genügend Zeit für Testing und Qualitätssicherung ein.
  • 10. Nehmen Sie alle mit: Bei allen Bestrebungen, KI-Projekte im Unternehmen und damit auch die digitale Transformation voranzutreiben, darf eines nicht vergessen werden: der Mensch. Versuchen Sie, alle Mitarbeiter mitzunehmen und vom Nutzen von KI-Projekten zu überzeugen.
Verwandte Themen