Künstliche Intelligenz: Diese sechs Prioritäten sollten Unternehmen für 2019 setzen

30 Januar, 2019

Die meisten Unternehmen und Führungskräfte wissen, dass Künstliche Intelligenz die Geschäftswelt einschneidend verändern wird. Aber viele sind unsicher, wie sie KI konkret einsetzen sollen – nicht nur im Rahmen eines Pilotprojekts, sondern an den entscheidenden Stellschrauben ihres Unternehmens.

Wie bei allen aufstrebenden Technologien liegt die Krux also im „wie“: Wie lässt sich eine KI-Strategie definieren? Wie können wir KI-Experten für unser Unternehmen gewinnen oder bestehende Mitarbeiter für KI fit machen? Wie bereiten wir unsere Daten für den KI-Einsatz vor? Wie stellen wir sicher, dass Kunden, Mitarbeiter und Geschäftspartner den KI-gestützten Produkten und Dienstleistungen Vertrauen schenken? Die Antworten auf diese Fragen variieren von Unternehmen zu Unternehmen. Abwarten ist jedoch keine Option – die Umsetzung von KI-Lösungen hat längst begonnen und wird 2019 weiter an Fahrt aufnehmen. Nicht zuletzt ist rasches Handeln elementar, um im globalen Wettbewerb standzuhalten. 

Wo stehen Unternehmen heute?

Eine 2018 in Deutschland durchgeführte Studie unter Führungskräften hat ergeben, dass eine Mehrheit der Unternehmen KI als wichtig für die Wettbewerbsfähigkeit und den Fortbestand des Unternehmens einstufen. Gleichzeitig haben jedoch nur sechs Prozent der Unternehmen KI im Einsatz. Umso mehr sollten Unternehmen in Deutschland das Jahr 2019 nutzen, um diese Lücke zu schließen und sich eine gute Marktposition zu sichern. KI findet also nicht mehr nur in Testumgebungen statt, sondern erobert Büros, Fabriken, Krankenhäuser, Baustellen und das Leben der Konsumenten.

Doch worauf sollten sich Unternehmen fokussieren, um KI im Jahr 2019 voranzubringen? Die PwCExperten haben eine Liste mit sechs Prioritäten erstellt, auf die Unternehmen ihre Anstrengungen rund um KI konzentrieren sollten: 

  1. Struktur: Geschäftsnutzen und Synergien beachten 
  2. Mitarbeiter: Eine KI Kultur schaffen - Zusammenarbeit fördern 
  3. Daten: Verfügbarkeit und Governance als Erfolgsfaktoren für KI 
  4. Vertrauen: Für einen verantwortungsvollen Umgang mit KI sorgen 
  5. Innovation: Bei KI Lösungen steht der Endanwender im Mittelpunkt 
  6. Konvergenz: Schnittstellen zu anderen neuen Technologien herstellen

1. Struktur: Geschäftsnutzen und Synergien beachten

Führende Unternehmen haben ihre KI-Modelle bereits in die Produktion überführt, wo diese den Entscheidungsprozess bei bestimmten Abläufen verbessern und Mitarbeitern in allen Funktionen vorausschauende Informationen zur Verfügung stellen. Wer es mit KI ernst meint, sollte seinen Ansatz also formalisieren und unternehmensweite Expertise aufbauen. So können erfolgreiche kleinere Projekte repliziert und zu einem größeren Ganzen wachsen. 

Ein KI-Algorithmus für eine spezifische Aufgabe kann einen bestehenden Prozess verbessern oder ein bestimmtes Problem lösen. Der ein und derselbe Algorithmus lässt sich dabei häufig nutzen, um auch andere Problemstellungen im Unternehmen anzugehen. Wer KI also erfolgreich in einem Geschäftsbereich einsetzt, kann in anderen Bereichen darauf aufbauen.  

Ein Beispiel: Jedes Unternehmen muss Rechnungen bearbeiten. Mittels KI-Tools lassen sich die Informationen automatisch auslesen und der Prozess automatisieren. Das spart Kosten; die Bearbeitungsdauer sinkt. Eine solche KI-Anwendung kann im Anschluss modifiziert und in anderen Bereichen des Unternehmens eingesetzt werden, etwa im Marketing oder im Kundenservice. 

Das Ziel muss also sein, ein Portfolio aus wiederverwertbaren Blöcken aufzubauen. So entsteht schneller Mehrwert. Insbesondere die Umsetzung kleinerer KI-Projekte bzw. -Piloten bietet Unternehmen die Chance, sich mit verschiedenen Anbietern, Lernmethoden oder Spezifika im Algorithmus auseinanderzusetzen und diese kennenzulernen.

Der Aufbau einer KI Microservice Architektur schafft eine ausgezeichnete Grundlage, um auf natürlichem Wege den besten Match zwischen Lösung und Problemstellung zu erzielen. Dabei kann es sein, dass sich eine oder wenige Lösungen durchsetzen und über Use Cases aus unterschiedlichen Unternehmensbereichen skalieren. Es wäre jedoch genauso denkbar, dass sich mehrere Lösungen parallel etablieren, die sich jeweils als bester Lösungswege für heterogene Problemstellungen herausgestellt haben. Anders als bei der Einführung klassischer IT Lösungen, sollte man bei der Erprobung von KI nicht zurückschrecken, diverse Services, Anbieter und Designs auszuprobieren.

Dabei hat es sich bewährt, KI in die Hände eines vielseitig aufgestellten Teams zu legen. Dieses sollte sich aus Business-, IT- und KI-Experten aus allen Geschäftseinheiten zusammensetzen. Die Gründung eines Center of Excellence (CoE) ist ein guter Weg, um eine solide KI-Grundlage zu schaffen. Dies schafft vor allem Klarheit über Zuständigkeiten hinsichtlich KI im Unternehmen und kreiert eine zentrale Anlaufstelle für alle KI getriebenen Fragen und Initiativen. Ein CoE sollte immer vom Unternehmensmanagement getragen und unterstützt werden, da dieses auch als bidirektionales Sprachrohr zwischen Prozess-/ IT-Experten und der Unternehmensführung dient. Die größte Notwendigkeit für ein CoE ergibt sich jedoch aus dem Umfang sowie disruptivem Charakter mit dem KI die Unternehmenslandschaft beeinflusst. Dabei ist tiefes Prozessverständnis die Grundvoraussetzung, um bewerten zu können, ob KI sinnvoll eingesetzt werden kann und eine entsprechende Implementierung zu begleiten. Verantwortliche aus IT Abteilungen sollten bereits früh eingebunden werden, um sicherzustellen, dass eine Umsetzung in der existierenden IT-Umgebung möglich ist. In Kombination mit einem engen Draht zum Management ist die Einführung und der Betrieb eines KI CoE entscheidend für eine erfolgreiche und effiziente Implementierung von KI im Unternehmen.

2. Mitarbeiter: Eine KI Kultur schaffen - Zusammenarbeit fördern

Ein wichtiger Teil der Personalstrategie muss darin bestehen, Mitarbeiter, die keine KI-Experten sind, so weiterzubilden, dass sie gut mit KI arbeiten können. Sinnvoll ist eine Strategie, die auf drei Gruppen von KI-fitten Mitarbeitern setzt und die Zusammenarbeit zwischen diesen fördert: Nutzer, Entwickler und Datenexperten. 

Der Großteil der Belegschaft wird in Zukunft in der Lage sein müssen, KI zu nutzen. Dazu gehört es, die KI-gestützten Applikationen richtig einzusetzen und wo nötig einen Experten hinzuzuziehen. Rund fünf bis zehn Prozent der Belegschaft sollten zu KI-Entwicklern ausgebildet werden. Sie sind die Power User in den Geschäftsbereichen und identifizieren mögliche Use Cases. Eine kleine Gruppe von Datenexperten kümmert sich darum, die KI-Applikationen zu entwickeln und zu managen. Um diese drei Gruppen von Mitarbeitern auszubilden, müssen neue Anforderungen und Rollen definiert und mit geeigneten Fachkräften – intern wie extern – besetzt werden. Dabei besteht ein sinnvoller erster Schritt darin, das Wissen der im Unternehmen beschäftigten Prozess- sowie IT-Experten bezüglich KI auszubauen. Sie werden entscheidend in der Pilotphase sein, um passende KI Anwendungen auszuwählen, die Prozessdigitalisierung voranzutreiben sowie die Antwort auf Detailfragen zu liefern. Parallel sollten geeignete Kandidaten identifiziert werden, die über ein tiefes Verständnis von KI und deren Funktionsweise verfügen und digitale Geschäftsmodelle entwickeln können. 

Vielen Unternehmen fällt es schwer, die Auswirkungen von KI auf den Arbeitsmarkt richtig einzuschätzen. Es lassen sich Parallelen zur industriellen Revolution ziehen, da heute wie damals, Kompetenzen des Menschen von Maschinen übernommen werden. Damit geht eine natürliche Angst einher, bei der der Mensch fürchtet, seinen Arbeitsplatz in Zukunft zu verlieren bzw. dass sein Arbeitsinhalt als solcher obsolet werden könnte. Fakt ist, dass bereits heute Maschinen in bestimmten Disziplinen genauer, effizienter und kostengünstiger arbeiten als der Mensch. Umso wichtiger ist es für Unternehmen zu verstehen, dass der Arbeitsplatz der Zukunft grundlegend verschiedene Anforderungen an die Mitarbeiter und das Management stellt. Insbesondere der Dienstleistungssektor, der bei der industriellen Revolution größtenteils verschont geblieben ist, muss sich darauf einstellen, dass KI die Arbeitsweise im Unternehmen verändern wird. Gleichzeitig bietet sich hier den Unternehmen die Chance, sich als Arbeitgeber der Zukunft zu profilieren und positionieren. Ein Wettbewerbsvorteil ergibt sich nicht nur durch die Einführung neuer Technologien im KI Bereich, sondern genauso durch die Förderung und Bindung von Talenten, die über die Zukunft einer Organisation entscheiden. Dabei werden vor allem sogenannte Fusion Skills gefragt, d.h. Kompetenzfelder die sich an der Schnittstelle von Themen bewegen. Hinzu kommt die Verantwortung des Arbeitgebers seine Mitarbeiter während des Umgangs mit KI kontinuierlich und in kleinen Schritten weiterzuentwickeln. Die Rolle der Führungskräfte verändert sich durch einen vermehrten Einsatz von KI ebenfalls: Weg vom Führen von Personen, hin zum Netzwerkmanagement und ein Stärkerer Fokus auf die Steuerung von Projektgruppen. Insgesamt bedeutet es für das Unternehmen und seine Mitarbeiter weniger in umzusetzenden Maßnahmen zu denken, sondern eher das gemeinsame Mindset zu stärken und auf ein kollaboratives Miteinander zu setzen, um auch in Zukunft ein fruchtbares Arbeitsumfeld und einen geeigneten Arbeitsplatz vorzufinden.

3. Daten: Verfügbarkeit und Governance als Erfolgsfaktoren für KI

In Bezug auf Daten setzen Unternehmen darauf, KI und die Systeme zur Datenanalyse miteinander zu verzahnen. So sollen echte Erkenntnisse entstehen. Das ist ein realistisches Ziel. Allerdings gibt es dabei ein Problem: vielen Unternehmen fehlen die dafür nötigen Grundlagen.

KI-Systeme können aber nur dann bestimmte Muster lesen und zukünftige Entwicklungen vorhersagen, wenn sie regelmäßig mit Daten gefüttert werden. Erst wenn die KI-Systeme beispielsweise genügend historische Daten zum Konsumentenverhalten verarbeitet haben, sind sie in der Lage, das zukünftige Verhalten genau dieser Konsumentengruppen vorherzusagen. Dazu ist es unerlässlich, dass die Daten korrekt und eindeutig benannt sind.

Eine weitere Herausforderung: Für manche Szenarien sind KI-Lösungen gefragt, für die Trainingsdaten notwendig sind, über die ein Unternehmen gar nicht verfügt. Hier können neue Tools und Techniken für maschinelles Lernen helfen. Sie versetzen KI-Systeme in die Lage, auf der Basis von einigen wenigen Beispielen eigene Daten zu produzieren.

Wichtig ist bei alldem zu beachten, dass gesetzliche Vorgaben rund um Datenschutz die Entwicklung Künstlicher Intelligenz unmittelbar beeinflussen und das Wachstum bremsen könnten. Denn die geltenden Datenschutzbestimmungen wirken sich darauf aus, wie global agierende Unternehmen grenzüberschreitend gesammelte Daten nutzen können.

Das Paradebeispiel ist die im Mai 2018 in Kraft getretene EU-Datenschutz-Grundverordnung. Sie räumt Individuen das Recht ein, zu sehen und zu kontrollieren, wie Unternehmen personenbezogene Daten sammeln und verwenden. Da eine entscheidende Stärke von KI System gleichzeitig zu ihrem “Blackbox Verhalten” führt, ergeben sich dabei ganz neue Herausforderungen. Insbesondere wenn personenbezogene Daten durch KI verarbeitet werden, kann es sein, dass Unternehmen nicht genau nachvollziehen können, wann wessen Daten in welcher Form angewandt wurden. Das heißt einerseits, dass bereits geltendes Recht Einfluss auf KI Anwendungen nimmt und unterstreicht andererseits, dass transparente KI Systeme geschaffen werden müssen. Nur mit ihnen können Unternehmen einen ausreichenden Grad an Sicherheit bei der Datenverarbeitung erreichen, der rechtliche Bedenken ausräumen kann.

4. Vertrauen: Für einen verantwortungsvollen Umgang mit KI sorgen

Die Bedenken rund um KI haben zugenommen. Kunden, Mitarbeiter, Regulatoren und Geschäftspartner fragen: Können wir Künstlicher Intelligenz trauen? Vor diesem Hintergrund verwundert es nicht, was gemeinhin als eins der wichtigsten Handlungsfelder gilt: Für Vertrauen in KI-Systeme zu sorgen. Mehr denn je ist das Design einer Lösung entscheidend für deren vertrauensvollen Umgang. Bereits in der Planung einer KI-Anwendung sollte man sich bewusst machen, welche Daten (und Datenformate) KI in der Trainingsphase und als Input benötigt. Auch die Verarbeitungsweise durch eine geeignete Auswahl an Algorithmen und Lernmechanismen spielt eine wichtige Rolle bei der Zusammenstellung einer guten KI Lösung. Damit das gelingt, sollten Unternehmen verschiedene Facetten berücksichtigen: 

  • Fairness: Wie minimieren wir mögliche Verzerrungen in unseren Daten und KI-Modellen? 
  • Interpretierbarkeit: Können wir genau erklären, wie ein KI-Modell Entscheidungen trifft? 
  • Robustheit und Sicherheit: Können wir uns auf die Performance und Sicherheit der KI-Systeme verlassen? 
  • Governance: Haben wir die richtigen Kontrollen installiert? 
  • Ethische Fragen: Wie beeinflussen unsere KI-Systeme unsere Mitarbeiter und Kunden?

Erste Unternehmen haben eine Ethikkommission oder einen Ethik-Verantwortlichen für Technologien etabliert. In Zukunft wird es zudem Bedarf an Rollen im Unternehmen geben, die technische Expertise mit einem Verständnis für regulatorische Aspekte, ethische Bedenken und Reputationsrisiken kombinieren. Gemischte Teams aus Techies, Business-Fachleuten und internen Prüfern sind nötig, um geeignete Kontrollen über KI-Daten, Algorithmen und Prozesse zu etablieren. Beispielsweise bei der Zuteilung von Verantwortlichkeiten ergeben sich besondere Herausforderungen. Prozesse die manuell bzw. teilautomatisiert von Menschen ausgeführt wurden ergeben in der Regel eine klare Verantwortungskette bzw. -struktur. Diese löst sich häufig beim Einsatz von KI auf, sodass sich Verantwortungsbereiche überschneiden können oder Prozessabschnitte keine eindeutige Zuordnung erlauben. Deshalb ist es umso wichtiger, dass bei der Übernahme von Aufgaben oder Entscheidungen durch KI weiterhin Transparenz bezüglich verantwortlichen Personen durch geeignete Kontrollmaßnahmen herrscht.

Gleichzeitig muss dafür gesorgt werden, dass KI Systeme gegen ungewollte Einflüsse in Lern- oder Inputdaten gehärtet werden. Aktuelle wissenschaftliche Untersuchung zeigen, dass - abhängig von gewählten KI Methoden - bereits kleinste Änderungen in den Daten zu fehlerhaftem Output führen, durch sogenannte Adversarial Examples. Dies ist beispielsweise der Fall wenn über ein von der KI einzulesendes Bild ein zufälliges Rauschen gelegt wird. Das für den Menschen unverändert wirkende Bild wird anschließend durch die KI nicht mehr korrekt erkannt. Auf diese Weise wäre es auch möglich, gezielte Attacken auf KI Systeme auszuführen, um deren Funktionsweise einzuschränken, Daten auszulesen oder den Output zu manipulieren. Deshalb sollten Unternehmen, die KI Lösungen einsetzen, unbedingt die Robustheit ihrer Systeme regelmäßig überprüfen. Dazu können fingierte Angriffe initiiert werden, deren Auswirkungen auf das System untersucht werden, um anschließend geeignete Schutzmaßnahmen durch entsprechendes Training der KI zu implementieren. 

Und immer mehr Organisationen unternehmen große Anstrengungen, um KI-basierte Entscheidungen transparent zu machen. In Zukunft werden Unternehmen auch darüber nachdenken müssen, ob ein bestimmter Algorithmus von einem externen Auditor überprüft werden sollte. 

5. Innovation: Bei KI Lösungen steht der Endanwender im Mittelpunkt

Viele Unternehmen nutzen KI bereits, um ihre Abläufe zu verbessern und den Kunden ein einmaliges Einkaufs- oder Markenerlebnis zu ermöglichen. 2019 werden sie noch einen Schritt weitergehen und KIbasierte Geschäftsmodelle entwickeln, um neue Einnahmequellen zu erschließen.

Bislang ist KI vor allem deshalb lukrativ, weil sie Technologie-Prozesse automatisiert und Mitarbeiter dabei unterstützt, bessere Entscheidungen zu treffen. Aber die größten Gewinne von KI werden künftig auf Seite der Konsumenten entstehen: KI bildet die Basis für qualitativ höherwertige, personalisierte und datengetriebene Produkte und Services. Vor allem die Gesundheitsbranche, der Handel und die Automobilindustrie werden davon profitieren. Unternehmen können sich von einem One-Size-Fits-All Ansatz hin zu einem stark individualisierten Serviceangebot entwickeln. Big Data Analysen mögen zwar auf einen vielversprechenden und riesigen Datenpool zugreifen, doch zu häufig wird dabei versucht eine idealtypische Lösung zu finden, die dem gesamten Datensatz gerecht wird. KI kann hier deutlich dedizierter vorgehen und auf einer granularen Ebene Lösungswege und Entscheidungen aufzeigen, die zuvor in der Datenflut verborgen waren. 

Im Gesundheitswesen könnte KI etwa neue Geschäftsmodelle stützen, die auf einem Monitoring des Lebensstils der Patienten beruhen. Händler nutzen KI bereits, um Trends vorherzusagen. In Zukunft ist es denkbar, dass Kunden – dank KI und Automatisierung – immer mehr Produkte und Dienstleistungen anbieten, die individuell auf den Kunden zugeschnitten sind.

Allerdings versuchen nicht nur große Unternehmen, aus KI Kapital zu schlagen. Auch immer mehr Startups setzen auf KI – und überzeugen Finanzinvestoren wie auch Wettbewerber, in ihre Unternehmungen zu investieren. Viele etablierte Unternehmen versuchen, ihre KI-Expertise und ihr KI-Portfolio über Beteiligungen, Kooperationen und Zukäufe zu erweitern. Dabei sind etablierte Geschäftsmodelle und somit ganze Unternehmen oder Branchen dem disruptiven Charakter von KI ausgesetzt und könnten in Zukunft obsolet werden. Das enorme Automatisierungspotential durch KI genauso wie die Übernahme einfacherer geistiger Arbeit offenbart ungeahnte Potenziale, die gleichzeitig für manche eine Bedrohung darstellen. Im Zuge dessen, werden vor allen Dingen diejenigen am meisten profitieren, die sich gegenüber dem Markt und anderen Unternehmen öffnen. Plattformökonomie und Wertschöpfungsnetzwerke bekommen bei der Entwicklung von KI eine noch höheren Bedeutungsgrad, als sie es ohnehin schon haben. Das Vereinen von Expertenwissen gepaart mit dem Zusammenbringen von Datenpools stellt einen essentiellen Beschleuniger dar, der wesentlichen Einfluss auf den Erfolg von KI als Ganzes und einzelnen KI Anwendungen hat.

6. Konvergenz: Schnittstellen zu anderen neuen Technologien herstellen

KI kann ihre Kraft voll entfalten, wenn sie mit anderen Technologien wie Datenanalysen, dem Internet der Dinge oder Blockchain verknüpft wird. Die Verknüpfung von KI und Data Analytics beispielsweise macht datengetriebene Geschäftsmodelle noch schlagkräftiger. Und auch das Internet der Dinge profitiert von einer Kombination mit KI. Große Unternehmen werden in Zukunft Millionen von Sensoren einsetzen, die Informationen von Maschinen und den Endgeräten der Verbraucher sammeln. Das 5G Netz wird 2019 in Deutschland starten und schafft somit eine wichtige Grundlage für den schnellen Austausch großer Datenmengen mobiler Devices, was Voraussetzung für weitere KI Anwendungsszenarien ist. Bei richtigem Einsatz kann eine Kombination aus 5G und geeigneten KI Use Cases ein regelrechter Innovationsschub in Deutschland losgetreten werden. Gleichzeitig lassen sich mit der Hilfe von KI und Data Analytics wertvolle Informationen und wichtige Muster aus den Daten und deren Verarbeitung ablesen. Auf dieser Basis entstehen beispielsweise Erkenntnisse für das Marketing oder die Wartung von Maschinen.

Die Grundlage dafür bilden wiederum die Daten: Unternehmen, die in das Sammeln, Standardisieren und Benennen von Daten investiert haben, sind in einer guten Ausgangslage, um KI mit Data Analytics, dem Internet der Dinge und anderen Technologien zu kombinieren. Damit dies gelingt, braucht es aber auch die richtigen Experten und eine enge Zusammenarbeit zwischen dem Business, Daten- und ITSpezialisten im Rahmen von DevOps-Ansätzen. 

„2019 wird es für Unternehmen darum gehen, eine KI-Strategie zu entwickeln und praktisch umzusetzen. Die to-do-Liste ist lang und anspruchsvoll: Unternehmen müssen die geeignete organisatorische Struktur aufbauen und ihre personellen Ressourcen aufstellen. Zudem braucht es kreative Ideen, wie KI-gestützte Geschäftsmodelle Umsatz und Gewinn steigern können.“

Christian Kirschniak, PwC-Experte für Künstliche Intelligenz

„Trust in KI ist der entscheidende Eckpfeiler der Entwicklung in Deutschland und Europa. Es geht darum, im globalen Wettebewerb Lösungen zu entwickeln, die unser von Werteverständnis hinsichtlich Transparenz und Sicherheit berücksichtigen. Robuste und resiliente Ausgestaltung von Systemen und Prozesse mit KI werden zum entscheidenden Wettbewerbsvorteil.“

Hendrik Reese, PwC-Experte für Künstliche Intelligenz

Contact us

Christian Kirschniak

Partner und Head of Data & Analytics Advisory PwC Europe, PwC Germany

Tel.: +49 711 25034-3254

Hendrik Reese

Lead Trust in AI und Responsible AI, PwC Germany

Tel.: +49 89 5790-6093