AI for good: Wie Unternehmen die Macht der KI für positiven Impact benutzen können

Als die am schnellsten wachsende Form der datengesteuerten Technologie nimmt KI schon heute große Auswirkungen auf das Wirtschaftsleben, indem sie zunehmend autonomes Arbeiten ermöglicht und somit ganze Branchen transformieren kann. Die Einführung von KI ist in den vergangenen Jahren sprunghaft angestiegen. 86 % der Unternehmen sehen sie bereits 2021 als Mainstream-Technologie an. Marktanalysen und -einblicke in Echtzeit, visuelle Unterstützung und die sofortige Bewertung zahlreicher Alternativen sind nur einige der vielen unübertroffenen Funktionen, die KI bietet, wenn es um die Umgestaltung von Arbeitsabläufen und sogar die Umstrukturierung ganzer Wertschöpfungsketten geht.

Die rasante technologische Entwicklung und der kontinuierliche Wandel hin zur vollständigen Digitalisierung sind zwei der wichtigsten Faktoren, die die globale Arbeitswelt verändern. In einigen Ländern scheinen die Auswirkungen des fortgeschrittenen Machine Learning und der KI als Teil dieses Wandels besonders groß zu sein. In Deutschland beispielsweise nutzen fast 23 % aller Industrieunternehmen KI, was einen weiteren Schritt in Richtung der aufkommenden Industrie 4.0-Technologien darstellt. Es liegt auf der Hand, dass KI in Verbindung mit Big Data und Analytics eine starke Welle des Wandels darstellt, die sich auf verschiedene deutsche Branchen auswirkt. Für 2023 und darüber hinaus wird prognostiziert, dass sich dieser kollektive Wandel in der heimischen Unternehmenslandschaft durch verbesserte operative Strategien und fortschrittliche Fähigkeiten, die durch KI eingeführt werden, weiter verändern und beschleunigen wird. ChatGPT, weitere KI-Anwendungen und Fortschritte im Quantum Computing sind nur die ersten Schritte!

Es wird prognostiziert, dass KI-Lösungen Deutschland bis 2030 zu einem Wirtschaftswachstum von 430 Milliarden Euro verhelfen werden, was einem Anstieg des BIP des Landes um 11,3 % im Vergleich zu 2019 entspricht. Als Europas größte Volkswirtschaft mit einem florierenden KI-Markt ist Deutschland die führende Nation hinter dem größten Innovationszentrum der EU, dem UnternehmerTUM. Als Teil dieser gemeinnützigen, neutralen Plattform für Entrepreneure und Innovationen ist appliedAI Deutschlands größte Initiative für die Anwendung vertrauenswürdiger KI-Technologie mit dem Ziel, das ganze Land ins KI-Zeitalter zu führen. Um mehr Licht auf die KI-Startups in Europa zu werfen, hat appliedAI die jährliche deutsche KI-Startup-Landschaft ins Leben gerufen. Wir haben uns die Grafik der Initiative zu Herzen genommen und eine simplifizierte Version erstellt, um dir einen ersten Einblick in deutsche KI-Technologien zu ermöglichen.

Laut dem Global Artificial Intelligence Report hat die KI das Potenzial, bis 2030 bis zu 15,7 Billionen Dollar zur Weltwirtschaft beizutragen. Angesichts der Gesamtauswirkungen von 2,5 Billionen Dollar allein in Europa scheint die Rendite, die mit der Einführung großangelegter KI-Projekte verbunden ist, eindeutig positiv. Unabhängig davon, ob sich Unternehmen für umfangreiche Projekte oder einen gezielteren Ansatz entscheiden, gilt: Es ist wichtig, eher früher als später in KI zu investieren, um Fachwissen aus erster Hand und einen strategischen Vorteil zu erlangen, während die Technologie weiter vorangetrieben und entwickelt wird. Obwohl die Bedeutung von KI für die zukünftigen Industrien extrem groß ist, müssen Unternehmen bei ihren Überlegungen, wie sie daraus Kapital schlagen können, auf einige Herausforderungen achten, die eine erfolgreiche KI-Einführung sonst erschweren könnte. Ein Überblick über die häufigsten Challenges bei der Adoption von AI findest du in der Grafik hier. Im Folgenden werden wir einige der Punkte genauer analysieren.

Ⅰ. Datenqualität und Tech Stack

Die erfolgreiche Einführung von KI-Modellen erfordert qualitativ hochwertige Daten, doch die meisten Tech-Führungskräfte sehen in der Erstellung und Verwaltung der Datensätze den größten Stolperstein. Während die Open-Source-Datensätze für die Durchführung von Versuchen ausreichen mögen, erfordern die voll funktionsfähigen Lösungen saubere und organisierte Daten, um strategische Ziele effektiver zu erreichen. Jede KI-Anwendung ist nur so intelligent und effizient wie die Informationen, mit denen sie gefüttert wurde.

Ein Beispiel dafür, dass die Datenqualität die Qualität des gesamten KI-Systems beeinflusst, konnte 2018 bei Amazon im Recruiting beobachtet werden. Das KI-System wurde anhand von Lebensläufen trainiert, die dem Unternehmen in den vergangenen zehn Jahren vorgelegt wurden und die überwiegend von Männern stammten. Infolgedessen stufte der Algorithmus Lebensläufe herab, die bestimmte Wörter und Ausdrücke enthielten, die mit Frauen in Verbindung gebracht wurden, wie „Frauen“ oder „weiblich“.

Bei irrelevanten oder ungenau gekennzeichneten Datensätzen werden die Fähigkeiten der Anwendung beschränkt. Ein weiterer Grund für mangelnde Datenqualität ist die Tendenz von Organisationen, übermäßig viele Daten zu sammeln. In den vergangenen Jahren ging der Trend dazu, einfach so viele Daten wie möglich zu sammeln, ohne diese ordentlich zu kategorisieren. In diesem Fall ist der Datenverfall ein häufig zu beobachtendes Ergebnis, das aus der Anhäufung von Inkonsistenzen und Redundanzen resultiert. Eine mögliche Lösung, um Unternehmen den Zugang zu qualitativ hochwertigen Daten zu erleichtern, sind Verfahren wie manuelle Kennzeichnung, Labeling und Bereinigung. Um die Datenqualität zu verbessern, wird empfohlen, den Erfassungsprozess zu rationalisieren und die Struktur aller Datenverwaltungsprozesse zu standardisieren. Die Aufgabe ist es nicht, so viele Daten wie möglich zu sammeln, sondern die qualitativ hochwertigsten!

Klar, momentan sehen ChatGPT & Co. wie nette Spielereien aus. Aber es ist nicht viel Vorstellungskraft nötig, um sich die transformativen Auswirkungen  vorzustellen, die derartige Tools für bestimmte Branchen haben können (z. B.  Journalismus). Und es wäre auch nicht die erste große Innovation, die zu Beginn wie  ein Spielzeug aussah.

Wenn man einmal kritisch darüber nachdenkt, sind ChatGPT & Co. (vereinfacht gesagt)  logische Fortsetzungen bereits bestehender Alltagshelfer. Zuerst haben es uns z. B. Taschenrechner erleichtert, schwierige Kalkulationen durchzuführen. Dann kamen DeepL und weitere Tool, um  uns langwierige Übersetzungsarbeit abzunehmen. Jetzt  folgen ChatGPT & Co. und vereinfachen z. B. die Erstellung von Social Media Posts, Artikel, teilweise sogar von wirtschaftlichen Arbeiten oder Präsentationen.

Klar, der Hype momentan ist groß, aber auch im Bereich Financial Service können KI Assistenten wie ChatGPT & Co. Auswirkungen haben. Use Cases könnten z. B. die vereinfachte Erstellung von komplexen Verträgen sein, naheliegenderweise die Verbesserung des Kundenservices durch “schlauere” Chat-Bots oder eine Unterstützung bei der Suche nach Investment-Entscheidungen. Was man bei alledem nicht vergessen darf: Banken arbeiten natürlich bereits mit bzw. an ML-Systemen, jedoch sind dort häufig Kundendaten involviert, was das Ganze aus regulatorischer Perspektive komplexer macht. Da hat es ChatGPT mit aus dem Internet gebündelten Daten wesentlich einfacher.

Mehr dazu, welche Auswirkungen ChatGPT & Co. auf Financial Services haben könnten, erfahrt ihr demnächst auch in einer Podcast-Folge oder beim kommenden Between the Towers Event.

Obwohl der Einsatz von KI anscheinend immer weiter zunimmt, scheitern viele Unternehmen daran, ihr erhebliches Potenzial vollständig und ohne Stolpersteine auszuschöpfen. Reports zeigen, dass die meisten KI-Projekte nicht über ihre Pilotphase hinauskommen, was nicht immer nur an schlechten Ideen liegt. Während wir uns bereits mit verschiedenen potenziellen Gefahren befasst haben, die die Realisierung des Mehrwerts von KI behindern könnten, ist eine weitere allgemeine Herausforderung, die den Fortschritt einer erfolgreichen KI-Implementierung behindert, das Fehlen einer unternehmensspezifischen KI-Strategie.

Der Rahmen für eine ganzheitliche KI-Strategie, der in der folgenden Grafik dargestellt ist, bietet eine Methodik für die Integration von KI in die Unternehmensstrategie und vermeidet gleichzeitig die vielen Fallen und Herausforderungen, die im vorherigen Abschnitt angesprochen wurden.

1. Unternehmensstrategie & KI-Strategie

Bei der Bewertung von KI als Technologie für die digitale Transformation eines Unternehmens besteht die Tendenz, sich eher auf die technische Forschung als auf die geschäftsstrategische Entwicklung zu konzentrieren. Studien deuten darauf hin, dass Unternehmen, denen es gelingt, ihre Strategie der Anwendungsfälle für KI mit dem Gesamtbild ihrer Unternehmensstrategie in Einklang zu bringen, offenbar erfolgreicher bei der Schaffung von KI-Mehrwerten sind.

Bevor KI als Teil der Unternehmensstrategie implementiert wird, müssen einige Fragen geklärt werden, wie der Gesamtwertbeitrag am besten maximiert werden kann. Zu den wichtigsten Überlegungen gehören a) die Bewertung der Auswirkungen der KI-Einführung auf die Kernkompetenzen eines Unternehmens sowie b) die Ausarbeitung der neuen potenziellen Kompetenzen, die dadurch geschaffen werden sollten. Ebenso ist es wichtig, c) das Hauptziel der Einführung der KI-Strategie im Hinblick auf ihre Auswirkungen auf Wachstum, Rentabilität oder Risikominimierung zu definieren. Insgesamt sollte bei der Entwicklung des KI-Ansatzes das langfristige Ziel der Implementierung und die Auswirkung auf alle Geschäftsfelder im Vordergrund stehen und im Wesentlichen mit der Unternehmensstrategie verknüpft werden.