Wir begr\u00fc\u00dfen 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 \u00fcber technische Fortschritte und gescheiterten Projekten in der realen Anwendung gibt.<\/p>\n
Einerseits gibt es Berichte \u00fcber KI-Tools, die l\u00e4stige Aufgaben \u00fcbernehmen, komplexe Datenmuster erkennen, neue medizinische Behandlungsmethoden erm\u00f6glichen und die Integration erneuerbarer Energien ins Stromnetz verbessern k\u00f6nnen. Jedoch gibt es in der betrieblichen Praxis zahlreiche gescheiterte KI-Projekte zu beobachten: Beh\u00f6rden-Chatbots geben illegale Ratschl\u00e4ge, Bildgeneratoren produzieren rassistische Darstellungen, fehlerhafte Gesichtserkennung f\u00fchrt zu falschen Verhaftungen, Ern\u00e4hrungs-Apps empfehlen giftige Rezepte und Roboter scheitern daran, einen IKEA-Stuhl aufzubauen. Es wirkt, als ob die Komplexit\u00e4t der realen Welt zu gro\u00df ist, um sie einer KI anvertrauen zu k\u00f6nnen.<\/p>\n
Um aus den Erfahrungen der Vergangenheit zu lernen, sollten wir uns von einem kurzfristigen Fokus auf KI-Projekte verabschieden und stattdessen nachhaltige KI-Initiativen unterst\u00fctzen. Diese Vorhaben decken den kompletten Lebenszyklus von KI-Systemen ab und erm\u00f6glichen den \u00dcbergang zu lernenden Systemen anstelle einer st\u00e4ndigen Abh\u00e4ngigkeit von einem bereits erlernten Modell zum n\u00e4chsten.<\/p>\n
H\u00e4ufig 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 m\u00fcssen. Wenn das Budget oder der Zeitrahmen begrenzt sind, sind die Teams gezwungen, Kompromisse bei der Projektgr\u00f6\u00dfe einzugehen. Bei Softwareprojekten kann es zum Beispiel vorkommen, dass Funktionen nicht oder erst zu einem sp\u00e4teren Zeitpunkt ausgeliefert werden k\u00f6nnen.<\/p>\n
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 R\u00f6ntgenbild. Dies f\u00fchrt zu erheblichen Einschr\u00e4nkungen in Bezug auf Flexibilit\u00e4t und Anpassungsf\u00e4higkeit.<\/p>\n
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 Gesch\u00e4ftsmodelle wie die automatisierte Bestellung im Onlineshop zu \u00fcbernehmen, werden diese Anwendungsbereiche wahrscheinlich mittelfristig die Ausnahme bleiben.<\/p>\n
In Zukunft werden vermehrt Assistenzsysteme eingesetzt, die \u00fcber KI-Komponenten verf\u00fcgen und menschliche Entscheidungstr\u00e4ger unterst\u00fctzen oder unerw\u00fcnschte Aufgaben \u00fcbernehmen, indem sie beispielsweise Fehlerhinweise geben oder Handlungsoptionen vorschlagen. Zus\u00e4tzlich dazu, und dies wird oft \u00fcbersehen, haben Verfahren des maschinellen Lernens die F\u00e4higkeit, neue Erkenntnisse aus Daten zu gewinnen und somit Wissen zu generieren.<\/p>\n
W\u00e4hrend der Nutzen automatischer, intelligenter Agenten einfach messbar ist, sind die Vorteile von KI-gest\u00fctzten 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.<\/p>\n
Bei einer langfristigen Betrachtung von KI-Anwendungen wird deutlich, dass sich ihr Wertbeitrag in Unternehmen im Laufe der Zeit ver\u00e4ndern kann: Manche Projekte starten mit gro\u00dfen Ambitionen und scheitern letztendlich an den Anforderungen, wenn beispielsweise Vorhersagen mit den vorhandenen Daten nicht ausreichend pr\u00e4zise sind. Andere Projekte beginnen bescheiden und es stellt sich nach einer Weile heraus, dass die Analysen bei Routineaufgaben unterst\u00fctzen und sp\u00e4ter m\u00f6glicherweise vollst\u00e4ndig automatisiert werden k\u00f6nnen, nachdem sie gr\u00fcndlich getestet wurden.<\/p>\n
Eine k\u00fcrzlich durchgef\u00fchrte empirische wissenschaftliche Studie hat k\u00fcrzlich gezeigt, wie sich die betriebliche Wertsch\u00f6pfung bei KI-Projekten agil ver\u00e4ndern kann und unter welchen Bedingungen ein solcher Wandel m\u00f6glich ist.<\/p>\n
Was bedeutet diese Ver\u00e4nderungsm\u00f6glichkeit von KI-Anwendungen f\u00fcr 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 tats\u00e4chlichen Anforderungen des Unternehmens gerecht werden.<\/p>\n
Projekte, die scheinbar gescheitert sind, haben tats\u00e4chlich das Potenzial, im Unternehmen Wert zu schaffen, wenn die Beteiligten ihre Erfahrungen teilen und versuchen, Erkenntnisse aus den KI-Modellen zu gewinnen. Sie k\u00f6nnen wie ein Ph\u00f6nix aus der Asche auferstehen. Falls eine geplante Automatisierung nicht umsetzbar ist, k\u00f6nnte alternativ ein Assistenzsystem in Betracht gezogen werden, das die Prozesse beschleunigt oder die Mitarbeiterzufriedenheit erh\u00f6ht.<\/p>\n
Selbst erfolgreiche Projekte k\u00f6nnen unvermittelt vor dem Scheitern stehen, wenn sich beispielsweise rechtliche Rahmenbedingungen \u00e4ndern, wie es mit dem EU AI Act der Fall ist, oder wenn sich die Gesellschaft wandelt, wie es beim Verbraucherverhalten w\u00e4hrend der Covid-19-Pandemie der Fall war. In solchen Situationen sind Unternehmen gefordert, nicht nur schnell zu handeln, sondern auch ihre Herangehensweise zu \u00fcberdenken und ihre Wertsch\u00f6pfungsmechanismen entsprechend anzupassen. Das kann zur Folge haben, dass sie ihre ML-Modelle neu justieren m\u00fcssen oder eine Verlagerung von vollautomatisierten Prozessen hin zu menschlichen Entscheidungen vornehmen m\u00fcssen, w\u00e4hrend sie gleichzeitig neue, angepasste Modelle entwickeln und testen.<\/p>\n
Durch das Anpassen und die Integration von R\u00fcckkopplungsschleifen erm\u00f6glicht die Praxis der Nachjustierung Unternehmen nicht nur, Krisen zu bew\u00e4ltigen, sondern auch ihre KI-Systeme kontinuierlich zu verbessern und auf langfristige Sicht wertvolle Beitr\u00e4ge zum Unternehmenserfolg zu leisten.<\/p>\n
KI-Initiativen ziehen Nutzen aus einem flexiblen Denkansatz in Unternehmen, der es erlaubt, sich kontinuierlich ver\u00e4ndernden Anforderungen und Umgebungen anzupassen. Diese Denkweise unterst\u00fctzt schnelle Iterationen und kontinuierliche Verbesserungen, die unerl\u00e4sslich sind, um KI-Systeme optimal zu nutzen und anzupassen.<\/p>\n
Dieser Aspekt gewinnt insbesondere in dynamischen Bereichen wie der k\u00fcnstlichen 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 Gesch\u00e4ftsf\u00fchrung, um eine Verbindung herzustellen.<\/p>\n
Um das volle Potenzial der KI auszusch\u00f6pfen, ist es entscheidend, dass sie in der Lage ist, komplexe Datenmuster zu analysieren und in verwertbare Erkenntnisse f\u00fcr Unternehmen zu \u00fcbersetzen. 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 unerl\u00e4sslich, um KI effektiv im Unternehmen einzusetzen.<\/p>\n
Um das volle Potenzial von KI auszusch\u00f6pfen, sollten Unternehmen langfristig an deren Implementierung arbeiten. Es kann vorkommen, dass vereinzelte Projekte scheitern oder von der technischen Entwicklung \u00fcberholt 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.<\/p>\n
Schlagw\u00f6rter: DOAG KI Community + Ph\u00f6nix + EU AI<\/p>\n","protected":false},"excerpt":{"rendered":"
Wir begr\u00fc\u00dfen 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 \u00fcber technische Fortschritte und gescheiterten Projekten in der realen Anwendung gibt. Einerseits gibt es Berichte \u00fcber KI-Tools, die l\u00e4stige Aufgaben \u00fcbernehmen, komplexe Datenmuster erkennen, neue...<\/p>\n","protected":false},"author":4,"featured_media":8695,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-8696","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/8696","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=8696"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/8696\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/8695"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=8696"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=8696"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=8696"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}