Eine Roadmap zum werttreibenden Einsatz von KI

von Kai Rordorf
Sharing ideas concepts with papernote writing strategy on wall glass office.Business marketing
(c) Hakinmhan - Getty Images

Künstliche Intelligenz (KI) ist kein Experiment, sondern zu Recht die Technologie der Zukunft. Schließlich machen sich über nahezu alle Branchen hinweg auffallend ähnliche Herausforderungen und Veränderungen der Marktstrukturen bemerkbar, für deren Bewältigung KI einen entscheidenden Beitrag leistet. Im Wesentlichen sind dies:

  1. die weitreichende Vernetzung und Interdependenz in der Geschäftswelt,
  2. die Individualisierung von Produkten und Dienstleistungen,
  3. die zunehmende Beschleunigung von Produktionszyklen sowie Lieferzeiten,
  4. eine größer werdende Anfälligkeit gegenüber selbst kleinen, alltäglichen Betriebsstörungen, bedingt durch die ersten drei genannten Entwicklungen.

Diesen Herausforderungen ist gemein, dass sie Menschen in operativen Entscheidungspositionen vor manuell unlösbare Aufgaben stellen. Zeitdruck und Komplexität treffen so geballt aufeinander, dass in der Regel nicht mehr als Bauchgefühl und Erfahrung bleibt, um eine kniffelige Entscheidung zu treffen.

Ein wesentlicher Mehrwert der Digitalen Entscheidungsfindung („Digital Decision Making“) durch KI ist es, optimale Entscheidungen für ganz konkrete Problemstellungen zu berechnen. Anders formuliert nutzen solche KI-Systeme Daten nicht nur dafür, Erkenntnisse über einen Prozess zu gewinnen und zu visualisieren, sondern um in der jeweiligen Situation ganz konkrete Handlungen vorzuschlagen, um das situativ bestmögliche Ergebnis zu erreichen. Dies bringt die notwendige Resilienz in die Unternehmen.

  • Doch wie beginnt ein Unternehmen, dass sich erstmals mit KI beschäftigen möchte?
  • Was sind die Grundlagen und welche typischen Fehler lassen sich vermeiden?
  • Wie lässt sich eine machbare Strategie zielgerichtet aufsetzen?

Roadmap einer wertgetriebenen KI-Strategie

Eine der häufigsten Hürden zur erfolgreichen Einführung von KI ist die Furcht vor dem vermeintlich unüberschaubaren Umfang des Vorhabens. Dieser wird allerdings regelmäßig überschätzt. Statt viele Monate in einem umfassenden Beratungsprojekt zu verbringen, hat sich die Denkmethode des Value Engineering bewährt, um innerhalb weniger Wochen werttreibende Anwendungsfälle zu identifizieren. Hierbei arbeiten Management und Fachexperten eng zusammen. Ziel ist kein dickes Strategiebuch, sondern eine rasch umsetzbare Roadmap von Lösungsvorschlägen für die bedeutsamsten Prozesse.

Weisen Geschäftsprozesse eine hohe Komplexität, Volatilität, Störanfälligkeit und Zeitdruck auf, ist der Einsatz von KI zur digitalen Entscheidungsfindung prinzipiell angebracht. Doch anstatt mit dem größtmöglichen Projekt zu starten, empfiehlt sich ein iteratives Vorgehen. Am Anfang steht immer die Frage nach den konkreten Unternehmenszielen? Sind lediglich Einsparungen das Ziel oder spielen auch Faktoren wie Kundenzufriedenheit, Wachstum, Kosteneinsparungen und Termintreue eine Rolle? Für jede Anwendung wird überprüft, wie stark sie auf welches Ziel einzahlt.

Sind die entscheidenden Werttreiber identifiziert, sollte auch der mit ihnen verbundene Aufwand geprüft werden. Welche Daten in welcher Qualität sind für die geplante Anwendung nötig? Welche Fähigkeiten der Mitarbeiter und organisatorischen Anforderungen sind wichtig? Obwohl in der Praxis noch viele weitere Faktoren in die Analyse einbezogen werden, ergibt sich im Grunde genommen eine Einteilung passender Anwendungen in den beiden Dimensionen Nutzen und Machbarkeit. Das stark vereinfachte Ergebnis eines mittelständischen Zulieferbetriebs könnte so aussehen:

Mittelständiger Zulieferbetrieb in der Aerospace-Branche

Ziele: Wachstumsstarke Branche erfordert Modernisierung etablierter logistischer Prozesse. Wegen dem hohen Qualitäts- und Kostendruck fokussieren Zulieferer auf Kundenzufriedenheit, Qualitätssicherung und profitables Wachstum.

Mit dieser Analyse ist es bis zu einer passenden KI-Roadmap nicht mehr weit. Das Management sollte sich zuerst für einen klassischen „Quick Win“ entscheiden, also für eine werttreibende, vor allem aber leicht und zügig umsetzbare Anwendung. Hier wäre das die Transportoptimierung. So kann sich die Organisation dem Thema KI umsichtig nähern, Erfahrungswerte aufbauen und schnelle Erfolge generieren, die wiederum weitere Mitarbeiter begeistern können. Im zweiten Schritt gewinnt der größte Werttreiber an Bedeutung, hier die Produktionsplanung, auch wenn der Aufwand umfangreicher ausfallen kann. Natürlich sollte die Machbarkeit immer noch in einem akzeptablen Bereich liegen. Weitere Schritte können dann je nach Unternehmensstrategie festgelegt werden.

Typische Fehler bei der Einführung von KI-Systemen:

  1. Management by Buzzword: KI-Systeme greifen tief in die Prozesskultur ein. Sie brauchen eine klare Zielsetzung, keine Modebegriffe. Wurden die entscheidenden Werttreiber im Unternehmen strategisch ermittelt?
  2. Übereilte Personalentscheidungen: Mit der Einstellung eines vermeintlich qualifizierten Data Scientists ist es nicht getan. Hat die Person wirklich genau das Fach- und Domänenwissen für die gewünschte Anwendung?
  3. Komplexität vernachlässigen: Stehen für die gewünschte Anwendung genügend und die richtigen Daten zur Verfügung? Fällt in einem Maschinenpark mit 50 verschiedenen Maschinen jede Woche eine Maschine aus, scheint das zwar viel, doch die Datengrundlage für Predictive Maintenance ist längst nicht gegeben.
  4. Keine Datenstrategie: Massenhaftes Sammeln von Daten führt allein nicht zum Ziel. Wurde vorab geklärt, welche Daten in welcher Qualität bereits zur Verfügung stehen und welche Daten zusätzlich benötigt werden? Wie müssen diese gespeichert und verknüpft werden?

Fazit

Digitale Entscheidungsfindung im operativen Management mittels KI erleichtert komplexe Planungs- und Entscheidungssituationen. Intelligente Algorithmen wählen aus einerunüberschaubaren Vielzahl an Handlungsoptionen schnell die situativ beste aus, anstatt Daten lediglich zu analysieren. In Folge ermöglichen sie resiliente und agil optimierte Geschäftsprozesse. Unternehmen werden dadurch in die Lage versetzt, mit ihren vorhandenen Ressourcen deutlich bessere Resultate zu erwirtschaften.

Welche Schritte gehen Sie in Richtung KI?



Diese Beiträge könnten Sie auch interessieren

​​​​​​​Digital Decision Making – Die Kunst der optimierten Entscheidung

Lesen

Operated by AI: Die wichtigsten Einsatzgebiete in Unternehmen

Lesen

Mit Value Engineering Artificial Intelligence sinnvoll im operativen Management einsetzen

Lesen

Über den Autor

  • Kai Rordorf

    Kai Rordorf leitet bei INFORM den Bereich Value Engineering. Sein Ziel ist es, das Schlagwort ‚Künstliche Intelligenz‘ greifbar zu machen und Interessenten bei der Ermittlung konkreter, werttreibender Einsatzmöglichkeiten von KI zu unterstützen.

    Alle Beiträge dieses Autors

    Mehr über diesen Autor unter:

Unsere Autoren

Finden Sie alle unsere Autoren auf einen Blick!

Alle Autoren

Nach oben