AirPlus Corporate Payment Blog DACH

Früher Science-Fiction, heute Realität: Wie die Integration von KI gelingen kann

Geschrieben von AirPlus DACH | 07. Dezember 2023

Digitale Gesichtserkennung, Chatbots, die Präsentationen erstellen oder Streaming-Plattformen, die genau wissen, was wir sehen wollen: Was vor ein paar Jahren noch als Science-Fiction galt, ist dank Künstlicher Intelligenz (KI) längst in unserem Alltag angekommen. Ebenso im Transportwesen, der Medizin oder der Industrie.

Und doch: Haben Sie bereits voll und ganz verstanden, was KI bedeutet, und welche Faktoren erfüllt sein müssen, um sie in Unternehmen erfolgreich umzusetzen? In diesem Artikel gehen wir diesen Fragen auf den Grund und stellen Ihnen die wesentlichen Elemente einer KI vor.

Starten wir mit einem Zitat des US-Forschers und Autors Eliezer Yudkowsky: „Die größte Gefahr von Künstlicher Intelligenz besteht darin, dass die Menschen viel zu früh denken, sie hätten sie komplett verstanden.“ In diesem Satz schwingen viele Bedenken mit, die das Schlagwort KI umgeben, welche bis hin zur Angst vor dem totalen Kontrollverlust über KI-Systeme reichen. Doch stopp, halten wir für den Moment fest: KI ist komplex und in der Umsetzung keineswegs ein Selbstläufer. Und es gibt sie schon viel länger, als Sie vielleicht gerade denken: Geprägt wurde der Begriff bereits 1955 durch den Informatiker John McCarthy, dem auch die Entwicklung der ersten KI-Programmiersprache „Lisp“ zugeschrieben wird. Nähern wir uns dem Thema einmal grundlegend an:

 

Was verstehen wir unter KI?

KI bezeichnet eine Methode, die einem Computer, einem Roboter oder einer Software die Fähigkeiten verleiht, die Intelligenz des menschlichen Verstandes zu imitieren. Ihr zugrunde liegen Studien der Muster des menschlichen Gehirns sowie die Analyse kognitiver Prozesse zur Entwicklung intelligenter Software und Systeme.

KI kombiniert die Techniken des maschinellen Lernens (ML) und des sogenannten Deep Learning, wie die folgende Grafik verdeutlicht:

Das Konzept des maschinellen Lernprozesses ist komplex – veranschaulichen wir es daher mit unseren Arbeitsschritten, wenn wir uns in der Küche etwas Gutes kochen:

 

  1. Sammeln von Daten (Zutaten)
  1. Einspeisung in einen Algorithmus (Küchengerät, z. B. ein Ofen)
  1. Validierung des Modells (Rezept), und
  1. Verwendung zur Erstellung von Vorhersagen (Gerichte).

 

So weit die Analogie – allerdings müssen wir berücksichtigen, dass maschinell lernende „Geräte“ sehr viel intelligenter sind als unser alteingesessener Backofen. Sie erhitzen nicht einfach nur Speisen. Sie lernen, wie man das komplette Gericht zubereitet!

 

Warum ist KI für Unternehmen wichtig?

Bleiben wir für diese Frage noch ganz kurz beim Thema Essen: Würden Sie die berüchtigte Taube ablehnen, wenn sie Ihnen bereits gebraten in den Mund geflogen kommt? (Okay, es sei denn, Sie sind Vegetarier. Aber gut, es geht um die Metapher.)

Denn das digitale Schlaraffenland scheint bereits greifbar in einem Zeitalter, in dem die Zusammenarbeit zwischen Mensch und Maschine immer enger wird und KI-Innovationen (siehe ChatGPT) längst den Weg in die Mitte der Gesellschaft gefunden haben.

 

Was erwarten Unternehmen?

Viele Unternehmen haben dies erkannt, wenngleich mit 37 % erst wenige eine KI in irgendeiner Form implementiert haben. Und dennoch – auf die letzten 4 Jahre gesehen hat sich der Einsatz von KI in Unternehmen um satte 270 % gesteigert. Was versprechen sich Unternehmen vom Einsatz von KI? Generell lassen sich folgende Motivatoren ausmachen:

  1. Ein Gewinn an Produktivität durch automatisierte Prozesse (einschl. dem Einsatz von Robotern und autonomen Fahrzeugen).
  2. Eine Steigerung der Produktivität durch die Unterstützung bestehender Arbeitskräfte mit KI-Technologien (etwa mit Assisted oder Augmented Intelligence wie in Navigationssystemen oder Chatbots)
  3. Eine erhöhte Verbrauchernachfrage aufgrund des Angebots von personalisierten und/oder höherwertigen, KI-gestützten Produkten und Dienstleistungen.

Vom persönlichen Assistenten im Smartphone bis zum personalisierten Schutz vor Cyberangriffen bei kommerziellen Interaktionen – bereits heute unterstützt uns KI in zahlreichen Aspekten des täglichen Lebens. Prognosen zufolge werden bis zum Jahr 2025 bereits 95 % aller Kundeninteraktionen von KI unterstützt werden.

 

KI als Wirtschaftsfaktor

Der verstärkte Einsatz von KI wird laut PwC auch enorme finanzielle Auswirkungen haben: Aufgrund seiner rapiden Entwicklung wird erwartet, dass das globale Bruttoinlandsprodukt (BIP) im Jahr 2030 um bis zu 14 % höher ausfallen wird. Dies entspricht einem Betrag von 15,7 Billionen US-Dollar – und würde aktuell eine Steigerung um mehr als die gesamte gemeinsame Wirtschaftsleistung von China und Indien bedeuten. Aufgeschlüsselt dürften davon 6,6 Billionen Dollar auf die Steigerung von Produktivität und 9,1 Billionen Dollar auf konsumseitige Effekte entfallen.

Doch wie steht es um die Investitionskosten, die Unternehmen in den nächsten Jahren im Bereich KI tägigen werden? Bereits 2023 werden sich diese auf geschätzte 97,9 Mrd. USD belaufen. Der Fortschrittsglaube scheint in Sachen KI besonders stark ausgeprägt zu sein. Denn faktisch positive Effekte lassen sich bisher höchstens bei einigen global Playern wie Amazon und der Google Muttergesellschaft Alphabet verzeichnen. Dennoch stimmten in einer Studie über 90 % der befragten Unternehmen zu, dass der Einsatz von KI neue Geschäftsmöglichkeiten für sie eröffnen wird.

Hinzu kommen bei Führungskräften strategische Aspekte: Was, wenn der Marktteilnehmer sich KI schneller zu eigen macht? Dies scheint ein Risiko zu sein, das es unbedingt zu vermeiden gilt – selbst, wenn noch viele KI-Initiativen wenig erfolgreich verlaufen: So konnten 40 % der Unternehmen, die erhebliche Investitionen in KI tätigen, keine geschäftlichen Vorteile durch KI verzeichnen.

 

Entscheidend ist das richtige KI-Training

Wie kann der Einsatz von KI gelingen? Damit sich die Investitionen rentieren, müssen Unternehmen und Technik aufeinander abgestimmt werden. Entscheidend für den erfolgreichen Einsatz von KI ist das zugrunde liegende Training, um die gewünschten Prozesse im Rahmen des maschinellen Lernens zu erzielen. Vereinfacht gesagt sollten diese drei kognitiven Fähigkeiten richtig eingesetzt werden:

  • Lernen: Die Aneignung von Informationen und der Regeln, die zur Nutzung dieser Informationen erforderlich sind.
  • Logisches Denken: Die Verwendung der Informationsregeln, um zu definitiven oder ungefähren Schlussfolgerungen zu gelangen.
  • Selbstkorrektur: Der Prozess der kontinuierlichen Feinabstimmung von KI-Algorithmen, um sicherzustellen, dass sie die genauesten Ergebnisse liefern, die möglich sind.

Beispiele für Aufgaben, die von KI-geschulten Geräten ausgeführt werden, sind:

  • Die Sprach- und die Objekterkennung
  • Das Lösen von Problemen und das Lernen aus den gegebenen Daten
  • Die Planung eines Ansatzes für zukünftige Tests

 

3 Faktoren für den Geschäftserfolg

Für die erfolgreiche Integration von maschinellem Lernen (ML) in die eigenen Geschäftsprozesse lassen sich drei Schlüsselkomponenten identifizieren:

  1. Ausgeprägte Fähigkeiten im Bereich Maschinelles Lernen
  2. Schnelle und zuverlässige Bereitstellung von ML-Lösungen
  3. Nahtlose Integration von ML-Lösungen in den Geschäftsprozess

Die folgende Grafik zeigt, wie diese drei Faktoren zusammenhängen und so für den Erfolg der Integration von grundlegender Bedeutung sind:

Maschinelles Lernen kann Geschäftsprozesse allgemein auf zwei Arten optimieren:

  1. Durch das Trainieren von ML-Modellen mit großen Datenmengen kann die Qualität komplexer Entscheidungen gesteigert werden: So können beispielsweise auf Algorithmen basierende Tätigkeiten im Handel und in der Instandhaltung verbessert werden.
  2. Entscheidungsprozesse können im großen Stil automatisiert werden: Ein ML-Modell ist in der Lage, Milliarden von Entscheidungen in weniger als einer Sekunde zu treffen, beispielsweise bei der passgenauen Empfehlung von Produkten für Kunden (siehe Netflix) und der Verarbeitung natürlicher Sprache zur Analyse von Live-Feedback.

 

Schnelle Bereitstellung und reibungslose Integration

Hat das Modell für maschinelles Lernen die Testumgebung verlassen und ist auf einem Produktsystem verfügbar, kann die Prozess-Integration beginnen. Ein erfolgreicher Bereitstellungsprozess (Deployment-Prozess) ist schnell, zuverlässig und vorhersehbar. Im Idealfall ist Ihr Unternehmen in der Lage, Modelle für maschinelles Lernen kontinuierlich zu verbessern und bereitzustellen. Für die erfolgreiche und reibungslose Integration sind folgende Faktoren besonders wichtig:

Vertrauen

Vertrauen ist einer der entscheidenden Faktoren für den Erfolg einer Anwendung: Daher sollte der Deployment-Prozess zügig vonstattengehen, um die Akzeptanz der Nutzer nicht zu gefährden.

Modellwert

Dass nichts beständiger als der Wandel ist, gilt auch für den Modellwert und die Genauigkeit von Machine-Learning-Modellen: Annahmen und Variablen, die beim Erstellen und Trainieren des Modells gültig waren, ändern sich im Lauf der Zeit. Dieses als „Driftbezeichnete Phänomen kann ein Re-Training oder die Anpassung des Modells erfordern.

 

Hohe organisatorische Reife, Standardisierung und Automatisierung

Im Fall eines bereits erwähnten Drift wirkt sich ein langsamer Deployment-Prozess noch negativer aus. Jedoch ist ein regelmäßiges Training des Modells mit aktuellen Daten in der Praxis oft schwer zu gewährleisten. Die Gestaltung eines kontinuierlichen Integrations- und Bereitstellungsprozesses für maschinelles Lernen erfordert daher unternehmensseitig sowohl einen hohen organisatorischen Reifegrad als auch ein hohes Maß an Standardisierung und Automatisierung.

 

Es geht nur über das richtige Teamwork und Spezialwissen

Eben diesen hohen Grad an Automatisierung für eine kontinuierliche Bereitstellung zu gewährleisten, erfordert spezielle Software-Engineering und IT-Kompetenzen, über die Data-Scientists in Unternehmen normalerweise nicht verfügen.

Um mit maschinellem Lernen etwas bewirken zu können, muss ein Team mit der richtigen Mischung von Fähigkeiten aus den Bereichen Softwareentwicklung, Unternehmensführung und ML gemeinsam agieren. Denn letztendlich sind es Menschen, die maschinelle Lernlösungen in das Unternehmen integrieren.

 

Ausblick: Wie sieht die KI-Zukunft für Unternehmen aus?

Während einerseits KI in aller Munde ist und maschinelles Lernen in unterschiedlichsten Anwendungen stattfindet, müssen wir dennoch (Stand jetzt) festhalten, dass die meisten Unternehmen noch keinen Weg gefunden haben, einen echten Mehrwert mit KI zu schaffen. Dessen ungeachtet wabert das Thema weiter durch die Etagen der Führungskräfte; wird KI als einerseits als Quell ungenutzter Chancen, andererseits als existenzielles Risiko betrachtet. Festzuhalten bleibt: KI ist eine Herausforderung, die einer Lösung bedarf.

Damit Unternehmen von der KI profitieren und Gewinne verzeichnen können, ist die richtige Integration einer KI-Lösung in den Geschäftsbetrieb entscheidend. Es geht schließlich nicht um ein einzelnes Softwareprogramm, sondern um den Einsatz von KI zur Unterstützung, Ergänzung oder Automatisierung menschlicher Entscheidungen.

Dies erfordert eine hohe gemeinsame – und durch Menschen ausgeführte Qualifizierung der Machine-Learning-Modelle. Und ein fein abgestimmtes Team mit der richtigen Mischung aus organisatorischen Fähigkeiten und ML-Kompetenzen. Um den Erfolg einer KI-Lösung zu gewährleisten, sollte diese sowohl mit klaren Zielvorgaben als auch strukturell und kontinuierlich gedacht werden.

Bei all diesen Überlegungen sollten wir berücksichtigen, dass sich KI insgesamt noch in einem sehr frühen Entwicklungsstadium befindet. Sie bietet aus makroökonomischer Sicht jedoch ein enormes Potenzial für Schwellenländer, ihre weiter entwickelten Pendants zu überholen.

Sogar in Ihrem Wirtschaftszweig könnte eins der heutigen Start-ups oder gar ein Unternehmen, das noch gar nicht existiert, dank KI in zehn Jahren der neue Marktführer sein. Aber das ist ja jetzt wieder Science-Fiction, oder?