So besser nicht: Anders als auf unserem Bild sollte Künstliche Intelligenz (KI) vertrauenswürdig sein und transparente Ergebnisse liefern.

So besser nicht: Anders als auf unserem Bild sollte Künstliche Intelligenz (KI) vertrauenswürdig sein und transparente Ergebnisse liefern. - Bild: Pixabay

Bürger und Entscheider in Deutschland erkennen laut PwC das Potenzial, das mit Künstlicher Intelligenz verbunden ist – so glauben 60 Prozent, dass Künstliche Intelligenz Antworten auf eine Vielzahl drängender Probleme der heutigen Gesellschaft geben kann, etwa in den Bereichen Gesundheit, Mobilität oder Energie.

Auch 72 Prozent der CEOs, die PwC befragt hat, sind davon überzeugt, dass KI der entscheidende Geschäftsvorteil der Zukunft sein wird.

Mehr als die Hälfte (54 Prozent) der Unternehmen die KI einsetzen bestätigt, dass die neue Technologie die Produktivität im eigenen Unternehmen bereits erhöht hat.

„Noch steckt KI allerdings in den Kinderschuhen und beschränkt sich in vielen Unternehmen auf Forschungs- und Entwicklungsprojekte. Jetzt müssen wir die Voraussetzungen dafür schaffen, dass die Technologie auch Wertschöpfung ermöglicht“, sagt Hendrik Reese, Senior Manager und Experte für Künstliche Intelligenz bei PwC.

Im Whitepaper „Künstliche Intelligenz als Innovationsbeschleuniger im Unternehmen“ analysiert er, wie Unternehmen die Transformation gelingen kann.

KI: Schon heute vielerorts im Einsatz

Künstliche Intelligenz ermöglicht es Unternehmen, neue Geschäftsmodelle zu entwickeln, durch Datenanalysen neue Erkenntnisse als Grundlage für unternehmerische Entscheidungen zu gewinnen und sich mit neuen Produkten und Services an die Erwartungen von Kunden anzupassen.

Bereits heute wird KI in vielen Bereichen eingesetzt, beispielsweise zur Automatisierung von Prozessen in Unternehmen, zur Diagnostik in der Medizin oder zur Vorhersage von Kundenverhalten im Einzelhandel. „Doch die Möglichkeiten Künstlicher Intelligenz sind damit noch lange nicht ausgeschöpft“, sagt PwC-Experte Hendrik Reese. „Wenn Unternehmen das volle Potenzial nutzen wollen, muss ein Umdenken in der gesamten Organisation einsetzen. KI beschränkt sich nicht auf die IT- oder Innovationsabteilung, sondern erfasst das gesamte Unternehmen.“

  • Intelligent Automation, Künstliche Intelligenz, Management

    Intelligent Automation / Robotics: In der Intelligent Automation geht es um Aspekte der Automatisierung, die auf der klassischen Prozessautomatisierung aufsetzen. Dies fängt an mit einfacher regelbasierter Automatisierung, Robotic Process Automation (RPA), und geht weiter in den Bereich Kognition, in dem man unstrukturierte Daten wie zum Beispiel E-Mail und Chat-Bots in eine strukturierte Kundenkommunikation überführt. Der nächste Schritt sind selbstqualifizierende und selbstlernende Systeme, die Entscheidungen vorbereiten. - Bild: zapp2photo, Fotolia

  • Product Lifecycle Management, Künstliche Intelligenz, Management

    Product Lifecycle Management: Ein Bereich in der Fertigung, in dem sich der Einsatz Künstlicher Intelligenz lohnt, ist das Product Lifecycle Management (PLM). Dabei geht es für die Manager in der Industrie darum, Fehler zu erkennen und Fehler durch Predictive Maintenance vorherzusagen. Bisher wurden diese Entscheidungen eher management- und erfahrungsbasiert getroffen. Da das Product Lifecycle Management datengetrieben ist, kann es sukzessive durch Künstliche Intelligenz unterstützt werden. Das ist insbesondere für produzierende Unternehmen relevant. - Bild: Elnur, Fotolia

  • Supply Chain Management, Künstliche Intelligenz, Management

    Supply Chain Management: Analog funktioniert es im Bereich Supply Chain Management: Ziel ist es dort, die Warenströme in der Fertigung im ersten Schritt fehlerunanfälliger zu machen und sie im zweiten Schritt zu optimieren. Dabei wird wieder auf die Methode des Predictive Maintenance sowie auf Rerouting zurückgegriffen. Künstliche Intelligenz kann dann neue Bestellungen für bestimmte Warengruppen auslösen. Zudem kann die KI vorhersagen, welche Produkte in welchem Bereich sinnvoll sind. - Bild: zapp2photo, Fotolia

  • Customer Experience, Künstliche Intelligenz, Management

    Customer Experience: Beim Thema Kundenerlebnis (Customer Experience) geht es darum, den gesamten Verkaufsprozess zu optimieren. Dabei geht man von der Kenntnis des Kunden aus und leitet daraus Aktionen ab, die Richtung Vorhersage gehen: Was ist die nächste Aktion des Kunden? Wie lässt sich diese optimal unterstützen? Dabei können auch persönliche Assistenten zur individuellen Ansprache der Kunden genutzt werden. Das sind Weiterentwicklungen von Voice Services wie Alexa im industrialisierten Maße, um viele Kunden anzusprechen: zum Beispiel Chat-Bots und Voice-Bots. - Bild: Folienfeuer, Fotolia

  • Team-Zusammenstellung, Künstliche Intelligenz, Management

    Team-Zusammenstellung: Künstliche Intelligenz kann dabei helfen, optimale Teams aus Mitarbeitern zusammenzustellen. Denn nicht die Besten in ihrem Bereich sind optimal für das Team, man muss auch die Charaktereigenschaften betrachten. Mithilfe von Machine Learning lassen sich die positiven und negativen Erfahrungen mit einer Team-Konstellation analysieren. Und künftig könnte es möglich sein, das Verhalten einzelner Personen in bestimmten Situationen bei der Team-Zusammenstellung zu berücksichtigen. Das Thema wird wichtiger, steckt jedoch noch in den Kinderschuhen. - Grafik: Contrastwerkstatt, Fotolia

Künstliche Intelligenz als Teil der Unternehmensstrategie

Gerade weil die Technologie eine neue Denkweise erfordert, muss sie in Einklang mit der Gesamtstrategie eines Unternehmens stehen. „In der Praxis starten zahlreiche Unternehmen zwar einzelne Initiativen. Sie versäumen es aber, grundsätzlich zu überlegen, wie diese das eigene Geschäft prägen“, so Reese.

Das ist ein Prozess, der Zeit erfordert: Unternehmen, die KI nutzen wollen, dürfen keine schnellen Ergebnisse erwarten, sondern müssen viel Zeit in die Beschaffung und Bereinigung von Daten investieren. Auch Mitarbeiter müssen entsprechend geschult werden. Ebenso braucht die Suche nach Partnern, die etwa technologische Lösungen anbieten, Sorgfalt.

Die Software muss transparent und überprüfbar sein

Entscheidend ist, dass Unternehmer vor der Einführung von KI prüfen, ob die Software transparente Ergebnisse liefert. Diese Sicherheit erwarten die Stakeholder im Unternehmen, aber auch Investoren, Kunden und Aufsichtsbehörden. „Ist diese Transparenz nicht gegeben, birgt das Reputations-, Finanz- und operative Risiken“, warnt Reese. „Schon in der Entwurfsphase sollten Unternehmen daher mitdenken, wie Kontrollen möglich sind.“

Insgesamt erfordert die Designphase einen intensiven Austausch zwischen den Entwicklern und dem Auftraggeber, damit die KI-Anwendung die Erwartungen der Nutzer wirklich erfüllt. Für die Entwicklungsphase sollten Unternehmen daher auch Zeit einplanen, um Testläufe von Nutzern zunächst in kleinem Kreis durchführen zu können – und zwar solchen Nutzern, die nicht am Design beteiligt waren. In der Regel sind mehrere Testläufe nötig, bis man zufriedenstellende Ergebnisse erreicht.

Video: A.I. - Wie schlau sind Roboter wirklich?

Die neue Technologie unter Kontrolle bringen

Die Steuerung von Künstlicher Intelligenz ist allerdings kein einmaliger Vorgang, sondern ein kontinuierlicher Prozess. „Die Grundlage einer technologiegetriebenen Transformation ist Vertrauen, das gilt auch für KI. Nur wenn Unternehmen größten Wert auf Kontrolle und Sicherheit legen, kann Künstliche Intelligenz ihr Potenzial entfalten und die hohen gesellschaftlichen Erwartungen erfüllen, die mit ihr verbunden sind“, bilanziert Hendrik Reese.

Die fünf Schlüsselfaktoren für den verantwortungsvollen Einsatz von KI:

  1. Klarheit: Unternehmen sind dann erfolgreich, wenn sie genau wissen, welche Ergebnisse sie erzielen wollen und welche gesellschaftlichen und ethischen Auswirkungen mit Künstlicher Intelligenz verbunden sind.
  2. Transparenz: Stakeholder müssen dem Einsatz von KI vertrauen können. Daher ist es wichtig, von Anfang an einen Kontrollrahmen zu entwerfen und Grenzen der KI festzulegen.
  3. Unternehmensstruktur: KI braucht eine übergreifende Zusammenarbeit, Koordination und Kommunikation. Das erfordert entsprechende Strukturen im Unternehmen, um alle betroffenen Mitarbeiter und Abteilungen zu erreichen.
  4. Data Governance: Sie ist das Rahmenwerk für das einheitliche Sammeln, Bereinigen und Kontrollieren von Daten. Hinzu kommt die Besonderheit von Trainingsdaten bei KI Lösungen, denen besondere Aufmerksamkeit erteilt werden muss.
  5. Steuerungsmechanismen: Die Möglichkeiten und Risiken von KI-Plattformen sollten kontinuierlich beobachtet und bewertet werden. Auf dieser Basis können sie weiterentwickelt werden.

PwC