Künstliche Intelligenz (KI) im Unternehmen hat sich längst vom Hype zum Wettbewerbstreiber entwickelt. Aufgrund des hohen Wertschöpfungspotenzials forcieren immer mehr Unternehmen die Implementierung von KI-basierten Systemen. Doch die passende Lösung zu finden, ist gar nicht so einfach. Daher sollten Unternehmen sich die ersten Schritte gut überlegen, um den gewünschten Erfolg zu erzielen.
Dieser Artikel gibt einen kurzen Überblick, welche Schritte bei einem KI-Projekt bedacht werden sollten:
1. Identifizierung eines konkreten Anwendungsfalles
Aufgrund der zahlreichen Hersteller, Konzepte und Herangehensweisen ist es oft schwierig, den richtigen Einstiegspunkt für die Einführung einer KI-Lösung zu finden.
Bevor man in das Projekt startet, ist es notwendig, die eigenen Prozesse kritisch zu betrachten, um konkrete Pain Points zu identifizieren. Erfahrungsgemäß finden sich so zahlreiche Einstiegspunkte. Um sich nicht zu verzetteln, sollte der Fokus aber zunächst jedoch auf einem ganz konkreten Use Case in einer Fachabteilung liegen.
2. Definition der Erfolgs- und ROI-Kriterien
Ist der geeignete Use Case als Einstiegspunkt gefunden, geht es im nächsten Schritt darum, einige konkrete Erfolgskriterien festzulegen. Diese betreffen vor allem die Anforderungen an die Lösung, die benötigten Datenquellen, die Datenqualität sowie die Erfolgsmessung.
- Business Needs (Geschäftsanforderungen): Was soll mit der Einführung der Lösung erreicht werden?
- Datenquellen und Datenqualität: Welche Daten und Datenquellen gilt es zu berücksichtigen, um die vorher festgelegten Anforderungen bzw. Ziele zu erreichen?
- Erfolgsmessung: Wie lässt sich der Erfolg der Lösung messen? Definition aussagekräftiger KPIs (Key Performance Indicators).
3. Testen mit eigenen Unternehmensdaten
Ein Proof of Concept (PoC) gilt als wichtiger Meilenstein, um zu überprüfen, ob die ausgewählte Lösung auch den Anforderungen entspricht. Es empfiehlt sich, einen Test mit den eigenen Daten durchzuführen, um etwaige Probleme frühzeitig zu erkennen.
Zudem lassen sich nach erfolgreicher Teststellung sämtliche Einstellungen nahtlos für den Echtbetrieb übernehmen. Dabei sollte auch die Datenqualität im Fokus sein. Nur eine gute Datenbasis mit wenig Dubletten, Fehlern etc. stellt eine ideale Basis für die Extraktion von guten Ergebnissen dar (garbage-in – garbage-out Prinzip).
EXTRA: Künstliche Intelligenz: Vor- und Nachteile von Robotern am Arbeitsplatz
4. Die AnwenderInnen mit einbeziehen
Je früher die MitarbeiterInnen in den Prozess eingebunden werden, desto erfolgreicher ist er. Sie kennen ihre Abläufe und können am besten beurteilen, ob noch Optimierungsbedarf besteht.
Ebenso liefern sie wertvollen Input, besonders wenn es um das Trainieren der KI-Lösung geht. Sie testen die Lösungen und geben aktiv Feedback. Nur so lernt die KI stetig hinzu, erweitert ihr Wissen, liefert genauere Ergebnisse und unterstützt in weiterer Folge bei der täglichen Arbeit.
5. Validierung des ROI
Nach erfolgreichem Praxistest erfolgt die Überprüfung der vorab definierten Erfolgskriterien.
Die Einführung einer KI-Lösung für einen konkreten Use Case bringt oft „den Stein ins Rollen“ und andere Fachabteilungen erkennen den Mehrwert.
Künstliche Intelligenz im Unternehmen eröffnen umfangreiche Möglichkeiten, die einerseits die strategische und operative Position positiv beeinflussen und andererseits Vorteile im Wettbewerb generieren kann. Das richtige System gut überlegt und intelligent im Unternehmen zu implementieren ist definitiv ein echter Game Changer.
Sehr spannend! Wer die KI als KMU verpennt, der ist wohl selbst schuld. Es bieten sich so viele Chancen, gerade…
Schlüssel zu erfolgreichem Marketing liegt in erster Linie beim Inhalt. Der muss überzeugen. Statt 08/15 Text und Pseudoratgebern wollen die…
Guten Tag, ich schreibe Ihnen gerade über Ihr Formular auf Ihrer Webseite, denn wir möchten gerne für Sie arbeiten und…