Wenn der Sprint zum Marathon wird

Unternehmen haben sich voller Motivation in das Abenteuer KI gestürzt und viel Energie in die Entwicklung und Umsetzung erster Prototypen gesteckt. Dabei haben sie viel gelernt und über die Zeit hat sich die Erwartungshaltung verschoben. Jetzt stehen nicht mehr neueste Prototypen im Vordergrund. Vielmehr geht es darum, mit KI bestehende Geschäftsprozesse sinnvoll und nachhaltig zu verbessern und so einen echten Mehrwert für Unternehmen zu schaffen. Dafür ist es notwendig, das Grundlagentraining zu intensivieren und den digitalen Reifegrad zu erhöhen.

Ebenso wie ein Sportler, der sich im Laufe der Zeit an verschiedenen Trainingsansätzen versucht, haben Unternehmen in der jüngeren Vergangenheit an diversen Proof of Concepts gearbeitet. Die Erkenntnis: Der Digitalisierungsgrad ist vielerorts weiter auszubauen, um es vom KI-Trainingsplatz hinaus ins große Stadion zu schaffen. So gibt es, beispielsweise im Kontext von Predictive Maintenance, Beispiele für KI-Services, die zunächst nicht alle Hürden überwinden konnten. Natürlich profitieren Industrieunternehmen enorm, wenn sie den Zustand ihrer Maschinen und Anlagen automatisiert vorhersagen und so etwaigen Störungen vorbeugen können. Doch in der Praxis ist der große Nutzen der entwickelten Prototypen häufig hinter den Erwartungen geblieben – was nicht an der KI-Lösung per se liegt. Stattdessen haben sich systemseitige Schwächen als Hemmschuh entpuppt.

Nachdem ein Sportler mehrere Jahre hart trainiert hat, steigen sowohl die eigenen als auch externe Ansprüche an seine Leistungsfähigkeit. Er muss sich unter Wettkampfbedingungen beweisen. Das erwarten Unternehmen nun auch von KI-Lösungen. KI-Initiativen müssen heute einen zufriedenstellenden Return on Investment (ROI) liefern. Gegenstand von Projekten ist nicht mehr die reine Innovation. Es geht vielmehr darum, Potenziale zu heben und langfristig auszuschöpfen. Damit das gelingt, müssen KI-basierte Lösungen und Services zwingend mit den Kernprozessen von Unternehmen verknüpft sein: Sie sind in der IT-Systemlandschaft nachhaltig zu verankern und mit relevanten Geschäftsabläufen sowie Applikationen nahtlos zu integrieren.

KI in Geschäftsprozesse integrieren

Dass es gelingen kann, KI in wesentliche Geschäftsprozesse zu integrieren, zeigt der exemplarische Anwendungsfall „Typschilderkennung“. Angenommen in einem Anlagenpark sind 100.000 Maschinen zu inventarisieren. Dabei stellen sich Fragen wie: Welche Maschinen gibt es überhaupt? Wo genau befinden sie sich? Ohne eine KI-basierte Lösung für die automatische Bilderkennung müsste ein Mitarbeiter all diese Informationen ausfindig machen – was sehr zeitaufwendig und fehleranfällig ist. KI-gestützt muss er lediglich die Typschilder an den Maschinen mit einer handelsüblichen Kamera fotografieren und die Bilder in die KI-Lösung einspielen. Die maschinelle Bilderkennung ist ebenso in der Logistik äußerst hilfreich. Wenn eine KI beispielsweise Lieferungen von Paletten in Fotografien identifiziert, kann sie die darauf befindlichen Produkte mit dem bestehenden Inventar abgleichen und automatisch einen freien Lagerplatz zuweisen.

Endgültig angekommen

Die Beispiele zeigen: KI ist endgültig im realen ­Unternehmensalltag angekommen. Doch wer sie als Allheilmittel betrachtet, wird enttäuscht. Damit eine KI  funktioniert, ist es nicht damit getan, eine innovative Lösung zu entwickeln. Vielmehr braucht es eine optimale strategische, strukturelle und technologische Grundlage. Unternehmen müssen sich über drei Aspekte Klarheit verschaffen: Welche Prozesse sind für eine KI-basierte Automatisierung geeignet? Gibt es ­womöglich manuelle Teilprozesse, die zu Brüchen innerhalb von Geschäftsabläufen führen? Ist der eigene Datenbestand qualitativ hochwertig genug? Falls Unternehmen diese Fragen komplett oder teilweise verneinen, müssen sie nachbessern: sich einen Überblick über ihre IT-Systemlandschaft verschaffen, ihre Prozesse digitalisieren bzw. optimieren und ihre Datenqualität verbessern. Diese Tatsache ist momentan vielerorts zu beobachten: Unternehmen sind über das Ex­perimentierstadium hinaus, sie wollen KI für bestehende Herausforderungen im Unternehmens­alltag einsetzen. Dabei orientieren sie sich an bereits umgesetzten und erfolgreichen Use Cases, die als Best Practices zu einer Art Benchmark werden. Sie blicken über den Tellerrand der eigenen Branche hinaus und lassen sich von den Erfahrungen anderer inspirieren. Wobei Lösungen natürlich nicht eins zu eins übertragbar sind. Schließlich gestaltet sich die Ausgangslage höchst individuell – von der Unternehmens- und Datenkultur über die vorhandene Systemlandschaft und die Prozesse bis hin zu den benötigten KI-Lösungen.

Um einen KI-Service zum Laufen zu bringen, sind ein individueller Trainingsansatz und eine dauernde Verbesserung der Grundlagen erforderlich. So sind KI-Projekte mit klassischen Implementierungs­arbeiten verbunden. Wer davon ausgeht, der Launch einer nachhaltigen KI-Lösung sei ein Sprint, wird für gewöhnlich enttäuscht. Vielmehr handelt es sich dabei um einen Marathon. Ohne Ausdauertraining hält ein Prototyp die lange Distanz bis ins Ziel nicht durch, ihm geht sprichwörtlich die Puste aus.

Dies ist ein Artikel aus unserer Print-Ausgabe 11/2021. Bestellen Sie ein kostenfreies Probe-Abo.

Um ihre Leistung sukzessive zu verbessern, sind Unternehmen gut beraten, mit einem spezialisierten Dienstleister zusammenzuarbeiten. Es ist von Vorteil, wenn er breit genug aufgestellt ist, um im Zweifel auch einen Zehnkämpfer zu betreuen. Alle erforderlichen Services – von der Beratung und Analyse über die Konzeption, Entwicklung, Implementierung und Integration einer individuellen Lösung bis hin zu Hosting, Betrieb und Wartung – aus einer Hand zu beziehen – wie es bei Arvato Systems der Fall ist –, erhöht die Effizienz von KI-Initiativen. Für erfolgreiche KI-Projekte sind neben erfahrenen Branchenexperten viele weitere Fachleute unverzichtbar. Für funktionierende KI-Lösungen braucht es nicht viel: einen Trainer, erfahrene Sportler und KI-Technologie, die als Laufschuh wie angegossen zum Unternehmen passt.

Bildquelle: Getty Images / iStock / Getty Images Plus