Nachhaltige KI-Initiativen: Ein Blick auf den langfristigen Wert von KI-Anwendungen

Wir begrüßen Sie zur vierten Ausgabe der KI-Navigator-Kolumne der DOAG KI Community! Bei genauer Betrachtung der KI wird deutlich, dass es einen Kontrast zwischen Erfolgsgeschichten über technische Fortschritte und gescheiterten Projekten in der realen Anwendung gibt.

Einerseits gibt es Berichte über KI-Tools, die lästige Aufgaben übernehmen, komplexe Datenmuster erkennen, neue medizinische Behandlungsmethoden ermöglichen und die Integration erneuerbarer Energien ins Stromnetz verbessern können. Jedoch gibt es in der betrieblichen Praxis zahlreiche gescheiterte KI-Projekte zu beobachten: Behörden-Chatbots geben illegale Ratschläge, Bildgeneratoren produzieren rassistische Darstellungen, fehlerhafte Gesichtserkennung führt zu falschen Verhaftungen, Ernährungs-Apps empfehlen giftige Rezepte und Roboter scheitern daran, einen IKEA-Stuhl aufzubauen. Es wirkt, als ob die Komplexität der realen Welt zu groß ist, um sie einer KI anvertrauen zu können.

Um aus den Erfahrungen der Vergangenheit zu lernen, sollten wir uns von einem kurzfristigen Fokus auf KI-Projekte verabschieden und stattdessen nachhaltige KI-Initiativen unterstützen. Diese Vorhaben decken den kompletten Lebenszyklus von KI-Systemen ab und ermöglichen den Übergang zu lernenden Systemen anstelle einer ständigen Abhängigkeit von einem bereits erlernten Modell zum nächsten.

Häufig wird die Perspektive eines Projekts solchen Vorhaben im Wege stehen, da die Projektsteuerung nach dem magischen Dreieck erfolgt, bei dem der Projektumfang, die Kosten und der Zeitplan in Balance gehalten werden müssen. Wenn das Budget oder der Zeitrahmen begrenzt sind, sind die Teams gezwungen, Kompromisse bei der Projektgröße einzugehen. Bei Softwareprojekten kann es zum Beispiel vorkommen, dass Funktionen nicht oder erst zu einem späteren Zeitpunkt ausgeliefert werden können.

Das Ausgleichen des Dreiecks gestaltet sich bei KI-Anwendungen besonders herausfordernd, da die umfangreichen Modelle oft erst am Ende ein Ergebnis liefern, wie beispielsweise das Erkennen von Krebszellen auf einem Röntgenbild. Dies führt zu erheblichen Einschränkungen in Bezug auf Flexibilität und Anpassungsfähigkeit.

Ein weiterer Grund, langfristig auf die Anwendung von KI zu achten, liegt darin, dass Unternehmen KI in verschiedenen Bereichen einsetzen. Obwohl KI in der Lage ist, einzelne Aufgaben oder sogar ganze Geschäftsmodelle wie die automatisierte Bestellung im Onlineshop zu übernehmen, werden diese Anwendungsbereiche wahrscheinlich mittelfristig die Ausnahme bleiben.

In Zukunft werden vermehrt Assistenzsysteme eingesetzt, die über KI-Komponenten verfügen und menschliche Entscheidungsträger unterstützen oder unerwünschte Aufgaben übernehmen, indem sie beispielsweise Fehlerhinweise geben oder Handlungsoptionen vorschlagen. Zusätzlich dazu, und dies wird oft übersehen, haben Verfahren des maschinellen Lernens die Fähigkeit, neue Erkenntnisse aus Daten zu gewinnen und somit Wissen zu generieren.

Während der Nutzen automatischer, intelligenter Agenten einfach messbar ist, sind die Vorteile von KI-gestützten Assistenzsystemen oder rein wissensgenerierenden Systemen nicht sofort offensichtlich. Auf lange Sicht kann eine klug getroffene strategische Entscheidung weitaus wertvoller sein als ein beeindruckender Roboter im Kundenservice.

Bei einer langfristigen Betrachtung von KI-Anwendungen wird deutlich, dass sich ihr Wertbeitrag in Unternehmen im Laufe der Zeit verändern kann: Manche Projekte starten mit großen Ambitionen und scheitern letztendlich an den Anforderungen, wenn beispielsweise Vorhersagen mit den vorhandenen Daten nicht ausreichend präzise sind. Andere Projekte beginnen bescheiden und es stellt sich nach einer Weile heraus, dass die Analysen bei Routineaufgaben unterstützen und später möglicherweise vollständig automatisiert werden können, nachdem sie gründlich getestet wurden.

Eine kürzlich durchgeführte empirische wissenschaftliche Studie hat kürzlich gezeigt, wie sich die betriebliche Wertschöpfung bei KI-Projekten agil verändern kann und unter welchen Bedingungen ein solcher Wandel möglich ist.

Was bedeutet diese Veränderungsmöglichkeit von KI-Anwendungen für Entwickler und Entscheider? Die dynamische Natur von KI-Projekten erfordert eine kontinuierliche Anpassung und das Einbeziehen von Feedback-Loops, um sicherzustellen, dass die Systeme effektiv bleiben und den tatsächlichen Anforderungen des Unternehmens gerecht werden.

Projekte, die scheinbar gescheitert sind, haben tatsächlich das Potenzial, im Unternehmen Wert zu schaffen, wenn die Beteiligten ihre Erfahrungen teilen und versuchen, Erkenntnisse aus den KI-Modellen zu gewinnen. Sie können wie ein Phönix aus der Asche auferstehen. Falls eine geplante Automatisierung nicht umsetzbar ist, könnte alternativ ein Assistenzsystem in Betracht gezogen werden, das die Prozesse beschleunigt oder die Mitarbeiterzufriedenheit erhöht.

Selbst erfolgreiche Projekte können unvermittelt vor dem Scheitern stehen, wenn sich beispielsweise rechtliche Rahmenbedingungen ändern, wie es mit dem EU AI Act der Fall ist, oder wenn sich die Gesellschaft wandelt, wie es beim Verbraucherverhalten während der Covid-19-Pandemie der Fall war. In solchen Situationen sind Unternehmen gefordert, nicht nur schnell zu handeln, sondern auch ihre Herangehensweise zu überdenken und ihre Wertschöpfungsmechanismen entsprechend anzupassen. Das kann zur Folge haben, dass sie ihre ML-Modelle neu justieren müssen oder eine Verlagerung von vollautomatisierten Prozessen hin zu menschlichen Entscheidungen vornehmen müssen, während sie gleichzeitig neue, angepasste Modelle entwickeln und testen.

Durch das Anpassen und die Integration von Rückkopplungsschleifen ermöglicht die Praxis der Nachjustierung Unternehmen nicht nur, Krisen zu bewältigen, sondern auch ihre KI-Systeme kontinuierlich zu verbessern und auf langfristige Sicht wertvolle Beiträge zum Unternehmenserfolg zu leisten.

KI-Initiativen ziehen Nutzen aus einem flexiblen Denkansatz in Unternehmen, der es erlaubt, sich kontinuierlich verändernden Anforderungen und Umgebungen anzupassen. Diese Denkweise unterstützt schnelle Iterationen und kontinuierliche Verbesserungen, die unerlässlich sind, um KI-Systeme optimal zu nutzen und anzupassen.

Dieser Aspekt gewinnt insbesondere in dynamischen Bereichen wie der künstlichen Intelligenz an Bedeutung. Zu Beginn der Planung und Umsetzung von KI-Initiativen liegt der Fokus auf Managern oder Teamleitern. Auch Data Scientists sowie verwandte Berufsgruppen wie Data Engineers oder ML-Spezialisten nehmen eine entscheidende Position bei der Leitung von KI-Projekten ein. Sie fungieren als Vermittler zwischen den technischen Teams und der Geschäftsführung, um eine Verbindung herzustellen.

Um das volle Potenzial der KI auszuschöpfen, ist es entscheidend, dass sie in der Lage ist, komplexe Datenmuster zu analysieren und in verwertbare Erkenntnisse für Unternehmen zu übersetzen. Die Beteiligung dieser Akteure in allen Phasen von KI-Initiativen, angefangen bei der Beschaffung von Daten bis hin zur Implementierung und Optimierung von Modellen sowie dem Monitoring, ist unerlässlich, um KI effektiv im Unternehmen einzusetzen.

Um das volle Potenzial von KI auszuschöpfen, sollten Unternehmen langfristig an deren Implementierung arbeiten. Es kann vorkommen, dass vereinzelte Projekte scheitern oder von der technischen Entwicklung überholt werden. Durch die Kombination eines langfristigen Ansatzes mit agilen Methoden kann das Vorgehen flexibel angepasst werden, um nicht nur vordefinierte Ziele zu erreichen, sondern auch von allen Aspekten der KI zu profitieren.

Schlagwörter: DOAG KI Community + Phönix + EU AI

Wie bewerten Sie den Schreibstil des Artikels?