Aus dem Hype Realität machen: Fit für Künstliche Intelligenz im Jahr 2020

19 Dezember, 2019

Big Data und Blockchain, Start-ups und Digitalisierung, New Work und Social Media. Ein Jahrzehnt neigt sich dem Ende zu und hat unsere Arbeits-, Einkaufs- und Alltagswelt veränderter denn je zuvor hinterlassen. Wir waren mehr online als offline. Haben über die Datenschutzgrundverordnung diskutiert, mit Chatbots kommuniziert, neue Lieblingsprodukte durch Algorithmen entdeckt und vor den Gefahren autonomer Fahrzeuge gewarnt. Was eben noch wie Zukunftsmusik klang, hat längst in Form von intelligenten Systemen Einzug in unser Leben gehalten.

Siri, spiel meinen Jahresrückblick ab! Was Konsumenten heute begeistert, stellte in den vergangenen Monaten und Jahren Unternehmer, Entwickler und ganze Branchen vor enorme Herausforderungen. Wie kann man mit der rasanten technologischen Entwicklung Schritt halten? Welche Investitionen lohnen sich bei immer schneller wechselnden Trends? Habe ich als kleineres mittelständisches Unternehmen überhaupt eine Chance gegen die großen Player?

Acht Strategien und Trends machen Sie fit für Künstliche Intelligenz

Ihr Experte für Fragen

Hendrik Reese ist Thought Leader Trust in AI & Responsible AI bei PwC

Hendrik Reese
Director, Trust in AI und Responsible AI bei PwC Deutschland
Tel.: +49 89 5790-6093

E-Mail

Während Digitalisierung noch Mitte des vergangen Jahrzehnts einen klaren Wettbewerbsvorteil für einzelne Unternehmen bedeutete, ist das digitale Auf- und Umrüsten in Unternehmen Ende 2019 zur Selbstverständlichkeit geworden. Und doch scheinen sich noch viele Unternehmen insbesondere auf dem Feld von KI – dem Megatrend der letzten Jahre – schwer zu tun. Dabei sprechen die Zahlen für sich: Das erwartete Wirtschaftswachstum in Deutschland aufgrund KI-basierter Technologien wird bis zum Jahr 2030 auf 430 Milliarden Euro geschätzt. Gleichzeitig nutzen nur sechs Prozent der deutschen Unternehmen bislang implementierte Künstliche Intelligenz. 

Warum also die Chancen, die KI in sich birgt, verschlafen? Wir haben acht Strategien und Themen für das kommende Jahr 2020 entwickelt, die Ihr Unternehmen fit für den Einsatz Künstlicher Intelligenz machen und auf die Sie sich einstellen sollten. Damit aus dem Hype gewinnbringende Realität werden kann.

1. Am Ball bleiben: Erste KI-Erfolge realisieren

Cloud-Systeme, Machine Learning und der Einsatz von Künstlicher Intelligenz haben Unternehmensprozesse bereits vielerorten disruptiert und effizienter und nachhaltiger gestaltet. Dennoch gelingt den wenigsten Unternehmen gleich der große Coup, wenn es um die Implementierung so grundlegender neuer Technologien wie der KI geht. Die Gründe liegen auf der Hand: Bevor KI als gewinnbringender Faktor in den Unternehmensprozess integriert werden kann, müssen sich die meisten Unternehmen einer umfassenden digitalen Transformation unterziehen. Denn KI alleine wird es nicht richten. So haben es länger bestehende Unternehmen beispielsweise schwerer, auf neue Technologien aufzuspringen, als junge Start-ups, die in einem agilen und offenen Umfeld agieren. Auch das Kerngeschäft eines Unternehmens ist entscheidend: Bei klassischen Geschäftsprozessen lassen sich nur bestimmte Prozesse digitalisieren, und das Disruptieren fällt bei der gleichzeitigen Wichtigkeit des bestehenden Geschäftsmodells schwer. In der traditionellen Wertschöpfung werden dann häufig die Ressourcen immer noch stark gebündelt, und glaubwürdige Disruption funktioniert nur eingeschränkt oder in langsamen Schritten – ist die Kundenwahrnehmung auch im klassischen Geschäft stark ausgeprägt. Vollkommen neu gedachte digitale Services oder Geschäftsmodelle hingegen sind sehr affin gegenüber neuen Technologien. Hier sollten Unternehmen ihr Wissen über das Geschäftsmodell, Prozesse und Kundenbedarfe stärker ausspielen und dafür die richtige Organisationsform finden.

Ein weiterer entscheidender Faktor in der erfolgreichen Implementierung von KI-Systemen ist die Bereitstellung und Qualität der Daten, auf Grundlage derer das KI-System operiert. In vielen Fällen kann das Unternehmen nicht auf einen entsprechend großen oder qualitativ hochwertigen Datenschatz zurückgreifen, der jedoch für Machine-Learning-Modelle oder Predictive-Maintenance-Anwendungen wesentlich ist.

Was also tun? Um nicht den technologischen beziehungsweise wirtschaftlichen Anschluss zu verpassen, empfiehlt es sich, Erfolgsfälle zu schaffen, auch wenn die ersten Schritte dazu klein sein mögen. Gerade bei hoch standardisierten Prozessen der Kernwertschöpfung oder im Backoffice des Finanzwesens gibt es Spielraum nach oben. Ob Anomalie-Erkennungssysteme oder Hilfe bei der Invoice Classification – bei Routine-Aufgaben kann KI relativ einfach dabei helfen, diese Schritte zu automatisieren und Mitarbeiter in ihrer Arbeit zu unterstützen.

Darauf aufbauend muss ganzheitliches Innovationsdenken im Fokus von Unternehmen stehen, die auf KI setzen. Digitale Transformation meint nicht nur die bloße Digitalisierung einstmalig analoger Prozesse. Stattdessen müssen neue digitale Ökosysteme und Betriebsmodelle gedacht, neue Partnerschaften über das eigene Unternehmen hinaus angegangen und Wertschöpfungsketten gesprengt werden. Sicherlich kann die Digitalisierung als langer und offener Prozess gesehen werden, der auch abschreckend wirken mag. Sich den Möglichkeiten und Chancen zu öffnen, die jenseits des ersten Schritts in Richtung Zukunft liegen, scheint erfolgsversprechend für das Jahr 2020.

2. Einbinden, ausbauen, schärfen: KI operationalisieren

Künstliche Intelligenz alleine wird es nicht richten. Was bereits für die Realisierung erster KI-Erfolge gilt, stimmt natürlich ebenso, wenn man KI auf einem breiteren Level in das Unternehmen integrieren möchte. Wird KI als isolierter Bestandteil innerhalb eines Betriebs verstanden, wird sich am Gesamtmodell des Unternehmens natürlich nur wenig ändern. Der damit zu erzielende Erfolg kann als gering angesehen werden. Stattdessen muss die betriebseigene Infrastruktur genug Raum bieten, um KI als vollwertigen Teil mit allen anderen Ebenen zu verknüpfen. Wie in einem Baukasten können so peu à peu einzelne KI-Anwendungen aufeinander aufgebaut und verzahnt werden. Vorreiter im Feld der KI stellen fest, dass diese ausbalancierte Abstimmung aus der eigenen KI-Wertschöpfung und dem jeweiligen Betriebsmodell entscheidend ist. 

Mit Blick in die USA oder China wird schnell klar, dass es einen eigenen „europäischen Weg“ braucht, um mit den beiden KI-Giganten Schritt halten zu können. Ein Wettbewerbsvorteil ist hier in der Operationalisierung der europäischen und deutschen KI-Systeme zu sehen. Um das Wettrennen um Daten-Infrastrukturen und High Performance Computing zu gewinnen, hilft es, das jeweils angewandte KI-System (oder englisch Operating Model) so nachvollziehbar zu gestalten, dass bestimmte Schlüsselfaktoren zu dessen Qualitätssicherung beitragen.

Damit wird im gleichen Zug das relevante Sicherheitsthema in Bezug auf KI-Technologien abgeholt. Fragt man in Unternehmen, welche Kontroll-, Effizienz- und Compliance-Maßnahmen im Zusammenhang mit KI-Lösungen als besonders gewichtig erscheinen, so antworten 91 Prozent mit „Implementierung von Sicherheit und Transparenz“ als oberste Priorität, wie die PwC-Studie aus diesem Jahr zu Künstlicher Intelligenz in Unternehmen ergeben hat. Sauber implementierte KI-Systeme, die als nachvollziehbar, transparent, nicht isoliert und sicher gelten, bringen nicht nur dem Unternehmen den entscheidenden Wettbewerbsvorteil, sondern steuern auch allgemein die Wahrnehmung der KI gemäß des europäischen Werteanspruchs. Daher sollte – ohne Agilität zu hindern – das richtige Maß an Kontrolle und Regelung für KI-Systeme gefunden werden.

3. Sharing is Caring: Gemeinsam zu Daten- und Plattform-Ökonomien gelangen

Um KI-Systeme in einem größeren Rahmen zu betreiben, fehlt es oft an entsprechenden Daten, die bereinigt, aufbereitet und in der benötigten Quantität vorliegen. Doch auch schon bei den ersten Einsätzen von Machine-Learning-Technologien kann es zu Problemen kommen, wenn nicht genügend Datenmaterial vorhanden ist, um Algorithmen entsprechend trainieren zu können. Insbesondere kleinere mittelständische Unternehmen scheinen hier im Nachteil, da sie nicht auf die Masse an Datenressourcen zurückgreifen können wie die großen Konkurrenten. Und schaut man in die USA oder China, wirkt jeder Vergleich an „Materialbeständen“ ohnehin obsolet.

Einen längst überfälligen Vorstoß hat die deutsche Bundesregierung nun mit dem europäischen Datencloud-Projekt Gaia X mit vorangetrieben. Die Datencloud hat zum Ziel, die vorliegenden Datensätze europäischer Firmen zu bündeln, um eine „leistungs- und wettbewerbsfähige, sichere und vertrauenswürdige Dateninfrastruktur für Europa“ zu schaffen. Auch die Server-Problematik kann so gelöst werden: Durch den sogenannten Hyperscaler werden einzelne Unternehmsensserver zusammengeschlossen, sodass ein großes IT-Netzwerk entstehen kann, auf das Unternehmen jeglicher Größe – vom Konzern bis zum Start-up – zugreifen können.

Damit solche geteilten Datenbanken funktionieren und Synergien entstehen können, bedarf es schon vorab einer entsprechenden Regulierung und Aufbereitung der Datensätze, die wiederum auch für das einzelne Unternehmen unabdinglich sind.

Exkurs: Deutschland, deine Digitalisierung. Warum es so wichtig ist, endlich loszulegen

„Ja, aber ...“, damit beginnt dann auf einmal fast jede Antwort. Einwände, Zögern, vielleicht lieber erst einmal abwarten? Und man merkt schnell, dass Digitalisierung zu kurz gedacht wird. Ein in den Augen vieler Stakeholder gefühlt bereits abgehakter Punkt auf der Unternehmensagenda. Industrie 4.0 und New Work werden immerhin gerade umgesetzt, die Initiativen laufen. Das reicht doch, oder?

Mehr erfahren

4. Beyond Upskilling: Es ist Zeit für wahre KI-Kompetenz

Digitalisierung ist in aller Munde, aber verstehen wir überhaupt das Gleiche darunter? Tatsächlich scheinen viele Unternehmen nur einen kleinen Teil dessen in ihre digitale Agenda zu übernehmen, das wir richtigerweise als digitale Transformation beschreiben müssen. So ist unter dem Wort „Digitalisierung“ nichts anderes als die Umwandlung analoger Daten oder Formate in digitale Systeme und Anwendungen zu verstehen. Bereits bekannte Prozesse werden in neue übersetzt, es findet aber kein Neudenken oder visionäres Erfinden von digitalen Strukturen statt – die jedoch elementar für wahre KI-Kompetenz sind.

Um ein grundlegendes Verständnis für neue Technologien in Unternehmen zu schaffen, ist ein erster Schritt sicherlich das, was vielerorts als Digital Upskilling in Mitarbeiterschulungen durchgeführt wird. Eine bloße Einführung in neue IT-Systeme greift dabei aber zu kurz – und lässt so auf lange Sicht nicht nur die Mitarbeiter in der digitalen Welt alleine, sondern nutzt auch nicht das volle Spektrum der digitalen Transformation für das Unternehmen aus. Statt praktischer Skills wird hier oft nur theoretisches Wissen vermittelt. Wahre KI-Kompetenz erlangt man aber nicht durch Digital Upskilling und Vermittlung von technischem Know-How alleine, sondern nur, indem man ein grundlegendes Verständnis der digitalen Transformation zur breiten Basis des Unternehmens macht. Die Umsetzung, das Denken und Machen sind entscheidend, will man im KI-Spiel vorne mit dabei sein.

So können Inkubator- und Akzelerator-Modelle im Unternehmen helfen, Use Cases agil und erfolgreich zu betreiben und gleichzeitig positive „Hands on experiences“ zu schaffen, in der die wichtigen Kompetenzen und das Verständnis zugleich umgesetzt werden. Gleichzeitig gibt es derzeit noch nicht genügend Datenexperten, die als zentrale Ansprechartner im Unternehmen fungieren können. Hier lohnt es sich, vorausschauend und schnell entsprechende Kandidaten an Bord zu holen.

5. Keine Angst vor KI: Mit Sicherheit und Performance Vertrauen schaffen

Wer kennt sie nicht, die Negativ-Schlagzeilen, wenn es um Künstliche Intelligenz geht. Nachdem wir endlich Science-Fiction-Horror-Szenarien hinter uns gelassen haben (Macht übernehmende Maschinen, die die Menschheit versklaven), sind es nun Nachrichten von diskriminierenden Algorithmen, die die Medien und das Bewusstsein der Unternehmen und der Bevölkerung beherrschen. Kreditkarten, die Männern 20 Prozent mehr Kredit zugestehen als Frauen. Predicitve-Maintanance-Modelle in Strafverfahren, die Personen mit diverser ethnischer Herkunft diskriminieren und eine höhere Strafrückfälligkeit vorhersagen. Im Nachgang zu den letzten US-Wahlen war der Skandal rund um Cambridge Analytica stark in der öffentlichen Wahrnehmung. Bias und Fairness stehen im Schussfeuer, wenn es um die Top-Prioritäten, was ein KI-System auch leisten muss, geht. Aber auch die Manipulierbarkeit von Modellen, die auf KI-Technologien beruhen, ist ein zentraler Faktor, der immer wieder Angst und Misstrauen aufkommen lässt.

Wie kann man als Unternehmen also Vertrauen in das hauseigene KI-System schaffen? Wie die Akzeptanz des Einsatzes von KI erhöhen und Missbrauch von vornherein ausschließen? Auf Robustness und Performance kommt es an. Nur, wenn das KI-System auch unter Unsicherheit weiterhin eine gute Performance liefert, sprich, auch über seine bekannten Trainingsdaten hinaus generalisieren kann, ist es robust genug, um Angriffen standzuhalten. Deswegen muss man bereits beim Design des KI- oder Machine-Learning-Systems auf die größtmögliche Sicherheit achten. Und dabei natürlich die richtige Balance zwischen Robustness und Performance finden – zumal verschärfte Sicherheitsregularien nur auf Kosten der Performance implementiert werden können. 

6. Getting real: Über KI-Regulierung und Standardisierung

Unmittelbar anschließend an die Sicherheitsthematik ist natürlich auch das Bigger Picture im Fokus, wenn es um KI geht. Das heißt, nicht nur die jeweiligen KI-Systeme sollen und müssen für sich genommen gewisse Sicherheitsparameter beinhalten, sondern auch auf einer allumfassenden Ebene muss der Einsatz und die Bauweise solcher Technologien reguliert werden. 2020 wird genau das Jahr, in dem der Ruf nach Standardisierung, Regulierung und Compliance der KI aufgegriffen und in die Praxis umgesetzt wird – dafür plädieren sowohl das Positionspapier der High Level Expert Group on Artificial Intelligence (kurz HLEG) der Europäischen Kommission als auch die KI-Strategie der Bundesregierung.

Konkreter auf dem Weg zu regulierten und standardisierten KI-Systemen wird es bis dahin durch den Bericht der Datenethikkommisssion, der bis hin zur algorithmischen Verifizierung für kritische Anwendungsfälle den Rahmen für „Trust in AI“ absteckt. Damit können Unternehmen gezielt und strategisch an der Ausarbeitung ihrer KI-Systeme arbeiten und sich auf die bevorstehenden Regulierungsmaßnahmen quasi vorbereiten. Mit der Normungs-Roadmap für die KI beim DIN sowie darüber hinausgehende Initiativen mit einschlägigen Regulatoren werden sich Prüf- und Audit Schemes entwickeln, die praxisorientiert einen Rahmen für Transparenz über „Trust in AI“ schaffen.

7. Reality Check: Einen ethischen Rahmen schaffen

Unter einer „vertrauenswürdigen“ KI ist aber nicht nur eine auf Sicherheitsthemen hin gehärtete Technologie zu verstehen. Sprechen wir von Trust in AI oder auch Reliable AI, muss auch der größere Rahmen mitbedacht werden, der beispielsweise den konkreten Kontakt mit der Gesellschaft einbezieht – die ja schließlich Künstliche Intelligenz einsetzen möchte.

Stichwort Datenethikkommission. Denn nicht nur, wenn es um unsere Daten – die Währung von morgen – geht, möchten wir ganz genau wissen, wo diese eigentlich zwischengespeichert werden und ob damit eventuell Missbrauch betrieben wird. KI-basierte Apps mit Gesichtserkennungssoftware waren insbesondere bei der jüngeren Bevölkerungsschicht 2019 der Renner. Man konnte sein Foto künstlich altern lassen oder Gesichtsbehaarung hinzufügen, und generell schien spielerisch plötzlich eine hohe Akzeptanz gegenüber KI im Raum zu  stehen. Bis plötzlich in den Medien eine hitzige Diskussion über die recht laschen Datenschutzrichtlinien der entsprechenden Apps laut wurde. Ebenso verhält es sich, wenn zwar Daten auf vermeintlich transparente Weise eingesetzt werden, aber das Outcome diskriminierend ist – ein häufiger Fall, wenn Trainingsdaten bei Machine Learning nicht aufbereitet sind. Dann werden beispielsweise bei einem Bewerberverfahren völlig „logischerweise“ Handlungsempfehlungen herausgegeben, die ausschließlich dazu raten, weiße Männer im Alter von 25 bis 35 Jahren einzustellen. Eben weil die Daten, anhand derer der Algorithmus trainiert wurde, historisch gelernt haben, dass diese Gruppe als erfolgsversprechendste zu sehen ist. Nicht immer stimmt unsere Realität mit den Normen und Werten überein, die wir eigentlich als moralische Grundlage unserer Gesellschaft verstehen.

Im Frühjahr 2020 geht das KI-Observatorium des Bundesministeriums für Arbeit und Soziales an die Arbeit und hat es sich zum Ziel gesetzt, „den verantwortlichen, menschenzentrierten und partizipativen Einsatz von KI in der Arbeitswelt und der Gesellschaft zu ermöglichen und zu fördern“. Höchste Zeit also, auch im eigenen Unternehmen Ethik groß auf die KI-Agenda zu nehmen. Ethische Positionspapiere helfen beispielsweise sowohl Nutzern als auch Entwicklern der KI dabei, alle relevanten moralischen Aspekte mitzudenken, auf die wir uns im Grundgesetz geeinigt haben. Technik kann niemals außerhalb eines gesetzlichen Rahmens passieren, auch und vor allem, wenn ethische Prinzipien oftmals zugunsten von Innovationen vernachlässigbar erscheinen. Ein selbstfahrendes Auto, das zwar prima alle technischen Anforderungen meistert und in dem man sich hinter dem Steuerrad entspannen kann, wird kaum auf den deutschen Straßen zu finden sein, solange unklar ist, wie es sich beispielsweise in klassischen Dilemma-Situationen verhält.

Denn nur wenn unsere Technologien Hand in Hand mit und für die Menschen designed werden, deren Arbeit und Leben sie eigentlich unterstützen sollen, können Angst und Benachteiligung vor eigenmächtiger Technik ad acta gelegt werden.

8. Auf lange Sicht agil planen: Die Fünf-Jahres-KI-Strategie angehen

Kurzfristiges Handeln war noch selten die richtige Strategie, doch angesicht der offenen Reise, die wir mit dem Weg der digitalen Transformation begonnen haben, scheint die Frage nach einer langfristigen Positionierung bislang kaum absehbar. Dennoch ist bereits jetzt wichtig, den Fokus nicht nur auf unmittelbar umzusetzende Aktionen zu richten. Um auch in Zukunft aktiv mitspielen zu können, bedarf es eines Plans auf lange Sicht, auch wenn dieser gemäß den neuen Spielregeln agil, offen für Veränderungen und nicht starr gedacht ist. Sonst bleibt einem nur die Reaktion auf die Züge der anderen, während das eigene Unternehmen nicht von sich aus agieren oder Punkte setzen kann. Ein Weitblick für die nächsten mindestens fünf Jahre wird dabei zu einem kritischen Erfolgsfaktor für Unternehmen.

Die Kernfrage dabei ist sicherlich die nach Beständigkeit und Transformation. Welche Prozesse lohnt es sich zu erhalten, welche können digitalisiert werden. Was fällt vielleicht ganz aus dem Unternehmensfokus, und welche neue Art der Wertschöpfung wird Einzug in den Betrieb halten? Auch wenn nicht alle Fragen sofort gelöst werden können (und auch gar nicht sollen), lohnt es sich, diesen Weitblick in das laufende Geschäft, in sich neu entwickelnde Vorgehensweisen und technische Umwälzungen miteinzubeziehen. Denn KI alleine wird es nicht richten, man braucht schon ein Team, einen ersten akuten Case und nicht zuletzt eine Vision.

Contact us

Hendrik Reese

Hendrik Reese

Director, Artificial Intelligence, PwC Germany

Tel.: +49 89 5790-6093

Follow us