Künstliche Intelligenz im Arbeitsalltag

KI findet in zahlreichen Bereichen Anwendung. Dazu gehören autonomes Fahren, vorausschauende Wartung und Prozessoptimierung in der Industrie, Analysen in Chemie und Medizin oder das Generieren von (Bewegt-)Bildern.

Chatbots stellen dabei nur einen Teil des großen KI-Spektrums dar, wenn auch einen sehr bekannten.

Die Implementierung von KI im Unternehmen betrifft

• strategische,
• technologische,
• rechtliche,
• Personalentwicklungs- und
• organisatorische Aspekte.

Ob es um einzelne Anwendungen in Teilbereichen oder um flächendeckende Maßnahmen geht: Die Einführung von KI sollte aus der Unternehmensstrategie abgeleitet werden. Dies heißt:

• Den Markt und Wettbewerb analysieren: Das bedeutet, systematisch zu prüfen, welche Absatz- und Margenchancen Sie in welcher Region, Branche oder Nische haben. Eine Marktanalyse umfasst geschäftsrelevante Faktoren wie aktuelle und zu erwartende Gesetzeslage, Kundenpotenzial und Nachfragetrends, Standort- und Vertriebsstärken bzw. -risiken sowie die Marktposition, Vorteile und Schwächen der Konkurrenz. Für die Analyse brauchen Sie Marktdaten, zum Beispiel von Statistikämtern, Wirtschaftsforschungsinstituten, Marktforschungsunternehmen, den IHKs oder von Germany Trade and Invest. Die Analyse ist hilfreich, weil Sie auf diese Weise die Bereiche herausfinden, in denen KI Ihnen besondere Wettbewerbsvorteile bietet. Ebenso ermitteln Sie, wo Ihre Konkurrenz KI bereits einsetzt.
• Die eigenen Geschäftsprozesse auf den Prüfstand stellen: Relevante Effizienzkriterien sind beispielsweise die Durchlaufzeit oder der Umsatz je Beschäftigten. Ihre Innovationskraft können Sie am Anteil neuer Produkte am Geschäftsergebnis und an der Zahl der Patente oder umgesetzter Vorschläge aus dem betrieblichen Vorschlagswesen messen. Fehler- und Ausschussquoten, Stillstände, Retouren, Kaufabbruch und Kundenzufriedenheit wiederum geben Aufschluss über Produkt- und Prozessqualität. Auf diese Weise finden Sie kosten- oder wettbewerbsrelevante Schwachstellen, in denen KI (oder andere Effizienzmaßnahmen) ihren Nutzen entfalten können.
• Effizienz-, Geschäftsziele und die erwarteten Returns on Investments definieren: Berücksichtigen Sie dabei alle mit der Investition verbundenen Kosten. Betrachten Sie die Gewinn- bzw. Kostenersparnis-Erwartungen über einen angemessenen Zeitrahmen. Berücksichtigen Sie dabei auch, welche Werte branchenüblich sind. Kalkulieren Sie etwaige Risiken ein und überprüfen Sie Ihre Annahmen regelmäßig. Damit können Sie realistische Erwartungen an die KI formulieren und ihren Erfolg messbar machen.
• Vorhaben priorisieren und gegebenenfalls Pilotprojekte vorsehen: Pilotprojekte bieten die Möglichkeit, Erfahrungen zu sammeln, Risiken zu minimieren und den Wert von KI in einem begrenzten Rahmen zu demonstrieren.
• Die geeigneten Systeme identifizieren, um Geschäftsprozesse zu optimieren oder bessere Produkte auf den Markt zu bringen: Prüfen Sie Ihre Digital Readiness, bestimmen Sie den Handlungsbedarf und entsprechende IT-Lösungen. Sondieren Sie den Markt und holen Sie Angebote ein. Prüfen Sie diese unter anderem nach technischen Leistungskriterien, Kompatibilität, Wirtschaftlichkeit, Solidität des Anbieters, Nutzerfreundlichkeit und rechtlichen Kriterien. Diese Schritte sind entscheidend, um die passenden KI-Technologien und -Tools für die spezifischen Bedürfnisse des Unternehmens auszuwählen.
• Einen Projektplan mit den benötigten Ressourcen und Erfolgskontrollen aufsetzen: Beschreiben Sie dabei Ziel, Art, Umfang und Timing des Projekts für alle Stakeholder. Präzisieren Sie auf dieser Basis die genauen Anforderungen in einem Lastenheft. Dies bildet die Grundlage für Ausschreibungen. Klären Sie die Zuständigkeiten und Abstimmungswege. Visualisieren Sie die Projektschritte (Initialisierung, Planung, Durchführung, Kontrolle und Abschluss) in einem Projektstrukturplan – bis hin zu einzelnen Arbeitspaketen und Zuständigkeiten. Nutzen Sie die Expertise von Projektmanagement-Profis und ihrer Fachabteilungen sowie die Effizienz von Projektmanagementtools. Setzen Sie gleich zu Beginn ein Risikomanagement auf. Definieren Sie die Controlling-Intervalle und Projekt-Meilensteine. Dies ist essenziell für eine strukturierte KI-Einführung. Auch auf Planabweichungen können Sie mithilfe des Projektstrukturplans sowie des Pflichten- und Lastenhefts professionell reagieren. 

Bei der Implementierung von KI-Lösungen sind Datenschutzaspekte zu beachten, unter anderem die Datenschutz-Grundverordnung (DSGVO) und die KI-Verordnung.

• Datenschutzkonformes Design: Compliance und Datenschutz müssen „by Design“ gewährleistet, das heißt von vornherein technisch integriert sein. Unter anderem die Datenschutzgrundverordnung gibt vor, den Datenschutz durch die Technikgestaltung zu gewährleisten. Dies ist Aufgabe eines entsprechend geschulten Entwicklungsteams. Es integriert alles, was für den Datenschutz nötig ist, in die geplante Anwendung, und zwar schon in der Konzeptphase.
• Data Governance aktualisieren: Gutes Content Management und Data Governance sind ebenfalls wichtig – lassen Sie Ihre Fachleute für Datenschutz die internen Standards und Richtlinien für die Erfassung, Speicherung, Verarbeitung und Vernichtung der Daten im Lichte der neuen Projekte prüfen.
• Transparenz und Informationspflicht: Informieren Sie die betroffenen Personen über den Einsatz der vorgesehenen KI-Lösungen, deren Zweck, Logik und die erhobenen und verwendeten Datenarten. Dies fördert die Akzeptanz.
• Datenqualität: Die zugrunde liegenden Daten müssen von hoher Qualität sein. Systembedingte Verzerrungen sind auszuschließen. Dies ist entscheidend, um zuverlässige Ergebnisse zu erzielen.
• Anonymisierung: Userdaten sollten anonymisiert werden. Pseudonymisierte Daten sind Daten, die sich nicht mehr ohne Weiteres einer Person zuordnen lassen. Mit Zusatzinformationen ist dies aber weiterhin möglich. Daher fallen pseudonymisierte Daten unter die DSGVO.
• Vertraulichkeit und Sicherheit: Die Speicherung der Daten muss so erfolgen, dass sie vor fremdem Zugriff geschützt sind. Dazu sind in aller Regel Zugriffsbeschränkungen und Verschlüsselung erforderlich.
• Haftung und Verantwortung: Organisationen, die KI-Lösungen nutzen, sind für die Ergebnisse ihrer Nutzung verantwortlich. Dies umfasst auch die Einhaltung datenschutzrechtlicher Standards.
• Kontinuierliche Checks: Nach der Implementierung müssen KI-Anwendungen kontinuierlich überwacht und gesteuert werden. Dies soll gewährleisten, dass ihr Einsatz effektiv und ethisch ist. Dies umfasst die Kontrolle von Ergebnissen sowie das Management von Datenqualität und Datenschutz. 

Von den wichtigsten Use Cases bis zum zuverlässigen Support: Je klarer den künftigen Usern die Vorteile sind, umso eher sind sie für KI-Projekte zu gewinnen.