Inhaltsverzeichnis
Geht es um das Thema künstliche Intelligenz (KI), haben Menschen schnell bestimmte Bilder im Kopf: Sie denken an autonome Fahrzeuge, leistungsstarke Industrieroboter oder automatische Produktionsstraßen. Diese Bilder erwecken den Eindruck, KI sei nur für weltweit aufgestellte Konzerne realisierbar. Dabei können auch kleine und mittelständische Unternehmen von der Technologie profitieren.
Was ist KI überhaupt?
Bis dato existiert keine allgemein anerkannte Begriffsdefinition für künstliche Intelligenz. Experten verstehen unter KI in der Regel alle Methoden, mit denen Computer bei der Lösung von Aufgaben menschliches Verhalten imitieren. Hierbei lassen sich grob gesagt zwei Lernkonzepte unterscheiden, die dieser Imitation zugrunde liegen:
- Künstliche neuronale Netze (KNN) sind dem menschlichen Gehirn nachempfunden. Wie ihr biologisches Vorbild bestehen sie aus zahlreichen miteinander verbundenen Ebenen, die Informationen austauschen oder von außerhalb aufnehmen. Die enorme Tiefe dieser Netze ermöglicht es der KI, Wissen selbstständig zu generieren und Aufgaben situativ zu bewerten.
- Maschinelles Lernen basiert auf einem simpleren Prinzip. Hierbei „lernen“ Maschinen, aus vorliegenden Datensätzen Regeln und Muster abzuleiten. Das bedeutet, dass die Leistung der KI mit der Größe und Aussagekraft der Daten korreliert.
KI-Tools auf Basis von KNN zu entwickeln ist ressourcenintensiv. Ein Beispiel dafür ist autonomes Fahren. KI-gesteuerte Fahrzeuge werden zunächst von einem menschlichen Fahrer „eingearbeitet“ und lernen, wie sich Menschen im Straßenverkehr verhalten. Dieses Wissen dient der künstlichen Intelligenz später als Basis, von der sie ggf. abweicht, wenn sie einen sinnvolleren Entscheidungsweg identifiziert.
Für die meisten Organisationen ist der mit KNN verbundene Aufwand nicht durchführbar. Technologien, die auf maschinelles Lernen setzen, lassen sich hingegen mit deutlich weniger Ressourcen realisieren. Gerade in diesem Bereich existieren für Unternehmen, die in Sachen Digitalisierung bereits einiges erreicht haben, zahlreiche interessante Einsatzszenarien.
KI ist ein logischer Schritt in der Digitalisierung
Bislang treiben vor allem Konzerne die Entwicklung künstlicher Intelligenz voran. Unternehmen wie Microsoft, Amazon und Google nutzen KI-Technologien, um ihre Produkte und kundennahen Prozesse zu verbessern. An den Schnittstellen zum Kunden versuchen sie, das Nutzererlebnis durch den sinnvollen Einsatz künstlicher Intelligenz angenehmer zu gestalten. Daraus ergeben sich zwei Konsequenzen:
- KI-Technologie sorgt in verschiedenen Bereichen für Komfort, an den sich Kunden gewöhnen. Es entstehen Standards, denen auch kleinere Unternehmen gerecht werden müssen.
- An diese Standards passen sich mit der Zeit immer mehr Marktteilnehmer an. Firmen, die sich der Entwicklung verschließen, gefährden ihre eigene Wettbewerbsfähigkeit.
Künstliche Intelligenz und Customer Relationship Management hängen bei den Vorreitern der Technologie eng zusammen. Daran sollten sich KMU orientieren. Viele von ihnen haben bereits einen hohen digitalen Reifegrad erreicht und ihre Prozesse mithilfe von Software zu großen Teilen digital abgebildet. Dadurch entstehen in der Organisation permanent neue Daten. Der nächste logische Schritt besteht darin, diese Daten auszuwerten und die Ergebnisse zu nutzen, um kundennahe Prozesse und Produkte zu verbessern. Dafür eignet sich KI-Software besonders gut.
Der Kern erfolgreicher KI-Anwendungen: KI-Pioniere sind Herr über ihre Daten und schaffen damit einen konkreten Mehrwert. Sie leiten aus ihren Datenpools Wissen ab, das sie für Anpassungen an Prozessen und Produkten nutzen, und beobachten die Ergebnisse, um sie später für weitere Verbesserungen zu nutzen. Durch dieses iterative Vorgehen steigern sie ihre Performance kontinuierlich.
Wie schaffen KMU die Voraussetzungen für KI?
Neben den weltweiten Branchengrößen gibt es bereits einige KMU, die durch KI-Einsatz Wettbewerbsvorteile gewinnen konnten. Sie bilden jedoch eher die Ausnahme. Der Grund dafür ist, dass Entscheider größtenteils noch keine Erfahrung im Umgang mit künstlicher Intelligenz haben. Entsprechend schwer fällt es ihnen, die Notwendigkeit und den Nutzen intelligenter Assistenten zu sehen. Vor allem drei Faktoren erzeugen in diesem Zusammenhang Unsicherheit:
- Geeignete Einsatzgebiete und Anwendungsfälle zu identifizieren ist nicht trivial. Hierzu ist ein Überblick über das breite Spektrum der KI-Technologien notwendig.
- Das beste KI-Tool erzielt keinen Mehrwert, wenn es seitens der Nutzer auf Widerstand stößt. Ethik, Ängste und Bedenken müssen im Change Management berücksichtigt werden, um die neue Technologie bei den Anwendern zu etablieren.
- Künstliche Intelligenz erfordert eine hohe Datenqualität und -quantität. Ob der eigene Datenbestand diesen Anforderungen genügt, ist ohne Erfahrung schwer einzuschätzen. Dazu stellt sich die Frage, inwiefern die Rechenleistung der eigenen Infrastruktur ausreicht.
Für die Bewertung des tatsächlichen KI-Potenzials und die Auswahl der passenden Technologie, mit der die ermittelten Anwendungsideen umgesetzt werden, ist Fachwissen erforderlich. Diese Expertise muss ein Unternehmen nicht unbedingt selbst vorweisen. Möglich ist, sie bei externen Dienstleistern einzukaufen.
Um künstliche Intelligenz zu nutzen, benötigen Unternehmen digitale Daten sowie eine Software, die diese verarbeitet. Beide Voraussetzungen müssen jedoch nicht zwingend intern entstehen: Mittlerweile besteht die Möglichkeit, sowohl Daten als auch technische Infrastruktur und KI-Applikationen über Cloud-Lösungen zu erwerben. Fertige Software-Bausteine, die wenig Anpassungsaufwand erfordern und sofort einsatzfähig sind, lassen sich teilweise sogar via fertiger API in die bestehende Infrastruktur einbinden.
Für KMU hat dieses Vorgehen mehrere Vorteile. Zunächst einmal entfällt durch den Kauf von KI-Bausteinen der Aufwand (inkl. Rechenleistung), der für Entwicklung und Betrieb der Software benötigt wird. Statt hohe Summen in Individualentwicklungen und Server-Farmen zu investieren, können Unternehmen verschiedene Optionen testen, kombinieren, skalieren oder wieder verwerfen, wenn sich die Ergebnisse nicht mit ihren Erwartungen decken. Diese Flexibilität ermöglicht einen einfachen, schnellen Einstieg in das Thema KI.
KI-Einsatz und Mitarbeiter
Das Identifizieren von relevanten KI-Use-Cases und das Einbeziehen der Mitarbeiter gehen Hand in Hand. KI hat selten die Aufgabe, die Arbeit von Menschen vollständig zu übernehmen. Vielmehr ist sie in der Lage, Prozesse (insbesondere datenreiche) zu unterstützen, indem Informationen aufbereitet, vorverarbeitet oder Handlungsempfehlungen gegeben werden. Die KI übernimmt repetitive Teilaufgaben, um die Durchführung zu erleichtern und zu beschleunigen. Werden solche Prozesse anhand von Mitarbeiterinterviews betrachtet und durch KI unterstützt, freut sich Ihr Team über den Einsatz intelligenter Hilfsmittel, statt die Veränderungen in den Arbeitsabläufen abzulehnen. Das Einbinden der Mitarbeiter in den gesamten Entwicklungsprozess erhöht nicht nur die Akzeptanz, sondern auch den tatsächlichen Mehrwert des KI-Tools.
Was ist in Sachen künstliche Intelligenz alles möglich?
In den vergangenen fünf Jahren hat sich auf dem weltweiten KI-Markt sehr viel getan. Daher gibt es mittlerweile zahlreiche Technologien, die auch für kleine und mittelständische Unternehmen interessant sind. Zum Beispiel:
Text Mining: Technologien wie Natural Language Processing (NLP) befähigen Maschinen, natürliche Sprache zu erfassen und zu verarbeiten. Die Machine-Learning-Algorithmen, die NLP-Software zugrunde liegen, können auch unstrukturierte Daten erkennen und verwenden. Das ermöglicht es zum Beispiel, die Inhalte von E-Mails und sogar Notizen auszuwerten. Schreibt ein Verkäufer im Kundengespräch nebenher wichtige Fakten auf, kann die KI Schlagworte und Gesprächsthemen erkennen (Topic Modelling), die Informationen automatisch in das CRM-System übertragen und ggf. Handlungsempfehlungen geben, die sich aus den einzelnen Topics ergeben. Ebenso kann die KI E-Mails von Kunden effizient bearbeiten, indem sie diese anhand des Inhalts priorisiert, dem entsprechenden Sachbearbeiter zuweist oder gänzlich automatisiert beantwortet.
Data Mining: Im Gegensatz zu den unstrukturierten Daten im Text Mining befasst sich das Data Mining mit strukturierten Daten – also Daten in Tabellen, Datenbanken sowie Informationen aus z. B. CRM- oder ERP-System. Mit Hilfe des Data Minings ist die KI in der Lage, Muster und Zusammenhänge (systemübergreifend) zu erkennen und Schlussfolgerungen abzuleiten, welche durch den Anwender schwer oder gar nicht zu identifizieren sind. Verborgenes Wissen wird sichtbar und ermöglicht unter anderem intelligente Bedarfsprognosen und Preisoptimierungen. Möglich ist auch, individuelle Ansprachepotenziale für ein proaktives, kundenspezifisches Marketing zu finden.
Spracherkennung und -assistenz: KI-Software ist imstande, verbale Kommunikation zu verarbeiten. Dadurch entstehen zahlreiche Einsatzmöglichkeiten, die insbesondere für den Service attraktiv sind. Sprachbots können beispielsweise einfache Kundenanfragen beantworten und an den richtigen Ansprechpartner im Unternehmen weiterleiten. Denkbar ist auch, dass die Bots Suchanfragen auf der Webseite beantworten oder mündliche Rede in Text übertragen.
Process Mining: Process-Mining-Software rekonstruiert den Ist-Zustand digitalisierter Geschäftsabläufe. Die Daten, die während des untersuchten Prozesses entstehen, werden von ML-Algorithmen logisch miteinander verknüpft und visuell aufbereitet. Auf diese Weise erhalten Führungskräfte ein vollständiges, transparentes Prozessbild, das alle Faktoren aufzeigt, die sich negativ auf die Effizienz des Ablaufes auswirken (z. B. redundante Arbeitsschleifen in der Produktion oder Systembrüche in der Verwaltung). Diese Transparenz ermöglicht es, Optimierungsmaßnahmen gezielt anzusetzen.
Robotic Process Automation (RPA): Bei RPA übernehmen virtuelle Roboter standardisierte, repetitive Routineaufgaben, die innerhalb eines oder mehrerer Software-Systeme stattfinden. Die individuell konfigurierten Bots greifen auf die Benutzeroberfläche der Software zu und imitieren dort einfache menschliche Aufgaben. Sie können beispielsweise Dokumente ausfüllen, Daten von einem System ins andere übertragen, Reportings erstellen und Berechnungen durchführen. Daher eignet sich die Technologie für fast jeden administrativen Bereich – von der Buchhaltung bis hin zum Personalmanagement. Steigt die Komplexität der auszuführenden Aufgabe, kann die RPA-Software durch intelligente Methoden erweitert werden, um auch nicht-lineare Probleme zu lösen.
Predictive Maintenance: Ihre Fähigkeit, Muster und Regeln in großen Datensätzen zu identifizieren, macht KI-Algorithmen auch für den Maschinenbau attraktiv. KI-Software kann zum Beispiel den Betriebszustand einer Maschine anhand von Live-Daten überwachen. Das ist die Basis für Predictive Maintenance, eine Technologie, bei der KI-Software Alarm schlägt, wenn ein Schaden oder Störfall an der Maschine zu erwarten ist. Maschinenbauer können Wartungstermine damit proaktiv planen und Ausfallzeiten bei ihren Kunden vermeiden.
Die Liste der KI-Technologien, die auch in KMU realisierbar sind, ließe sich sehr lange fortsetzen. Noch mehr Inspiration erhalten Sie auf der KI-Landkarte der Plattform „Lernende Systeme“. Dort finden Sie zahlreiche Beispiele für den KI-Einsatz in deutschen Unternehmen.
Zusammengefasst
Künstliche Intelligenz gilt noch immer als Zukunftsthema, das lediglich in Konzernen realisierbar sei. Diese Haltung ist für Unternehmen kontraproduktiv. Die großen Technologieanbieter haben mittlerweile zahlreiche KI-Bausteine kommerzialisiert, sodass auch kleinere Firmen davon profitieren können – ohne gigantische Budgets und leistungsstarke Infrastruktur. Das bedeutet, dass KI-unterstützte Prozesse und Produkte früher oder später zum Standard werden. Wer sich dieser Entwicklung verschließt, läuft Gefahr, Marktanteile zu verlieren.
Um KI richtig einzuschätzen müssen sich Entscheider eines vor Augen führen: Künstliche Intelligenz zielt derzeit in den seltensten Fällen darauf ab, ganze Prozesse und Aufgaben zu automatisieren. KI-Tools sind stattdessen Hilfsmittel, die Mitarbeiter punktuell bei zeitraubenden Routinetätigkeiten unterstützen und entlasten. Dies führt einerseits zu schlankeren, effizienteren Prozessen und besseren Produkten. Andererseits steigt die Produktivität der Gesamtorganisation, da die Mitarbeiter durch die punktuelle Entlastung mehr Spielraum für komplexe, kreative Aufgaben erhalten.
