Künstliche Intelligenz sinnvoll und stringent in die Unternehmensbestrebungen einbauen

Künstliche Intelligenz hat sich binnen weniger Jahre von einem höchst experimentellen Projekt in einem kleinen Teil der Tech-Branche zu einem äußerst universell einsetzbaren Helfer gewandelt. KI kreiert fotorealistische Grafiken, schreibt Programmcodes, kann nicht nur für Laien täuschend menschlich wirkende Gespräche führen – und noch sehr viel mehr.

Ein Fachartikel von Markus Mattscheck

Inhalt

• Definieren und Sondieren
  
• Anwendungen und Folgen simulieren
  
• Daten vorbereiten
  
• KI aussuchen oder erstellen
  
• KI trainieren
  
• KI integrieren
  
• Fazit

Über den generellen unternehmerischen Nutzwert Künstlicher Intelligenz gibt es heute keine Zweifel mehr. Was jedoch viele Entscheider umtreibt, ist die Frage, wie sie vorgehen sollten, um eine oder mehrere KI in den betrieblichen Alltag einzubauen. Hierbei kommt es auf eine immer ähnlich aussehende Abfolge von Schritten an.

Definieren und Sondieren

Es ist heute – Stand Frühjahr 2024 – leichter, aufzulisten, was derzeitige KI noch nicht können. Wohl handelt es sich bei sämtlichen Ausprägungen nach wie vor um eine sogenannte Schwache- oder Narrow KI. Beide Begriffe täuschen jedoch leicht über die enorme Leistungsfähigkeit und Vielfalt aktueller Systeme hinweg.

Für Unternehmen resultiert daraus eine ziemliche Herausforderung: Da im Prinzip jeder Betrieb, selbst innerhalb einer Branche, deutlich unterschiedliche Schwerpunkte setzt, Ansprüche hat und Arbeitsweisen nutzt, gibt es schlichtweg keinen pauschalen „Königsweg“; keine KI, die für jede Firma, jede Abteilung gleichermaßen geeignet wäre.

Hinzu kommen noch weitere relevante Punkte, etwa diese:

• Das Thema Kosten muss angesprochen werden. Einige kostenlose KI (-Versionen), wie etwa ChatGPT, können durchaus gewerblich genutzt werden. Bei anderen Systemen gibt es hingegen umfassende Bezahlschranken.
• Der Datenschutz ist ebenfalls eine große Frage. So ist abermals ChatGPT nach Ansicht von Experten derzeit (noch) nicht komplett mit der DSGVO in Einklang.

In Anbetracht der Tatsache, wie viele Anbieter gerade im B2B-Markt mit eigenen KI um Kunden werben, sollten Unternehmen sich beim Definieren möglicher KI-Einsatzzwecke in ihrem Haus und dem Finden entsprechender Systeme fachmännisch unterstützen lassen. Der Anbieter valantic zeigt 26 KI-Anwendungsszenarien aus Vertrieb, Marketing, Produktion und HR zum Einsatz von künstliche Intelligenz.

Anwendungen und Folgen simulieren

KI muss man sich letztendlich wie ein beliebiges B2B-IT-Produkt vorstellen. Das heißt, es gibt eine Menge Werbeversprechen und Konkurrenten. Gerade heute, wo in der Branche eine regelrechte „Goldgräberstimmung“ herrscht.

Wichtig ist es daher, sich nicht zu sehr blenden zu lassen. Die Wahrscheinlichkeit ist sehr hoch, dass es für den definierten Bedarf ein passendes KI-Produkt gibt. Entsprechend wird es ebensolche Werbeversprechen geben – und werden viele Teammitglieder ins Schwärmen geraten.

Hiergegen sollte jedoch eine nüchterne Analyse erfolgen. Das bedeutet: Es sollten unbedingt konkrete Anwendungsfälle skizziert werden. Bei jedem davon sind darauf basierend sämtliche positiven und negativen Auswirkungen zu definieren und zu bewerten.

Definitiv kann künstliche Intelligenz den Betrieb vereinfachen oder anderweitig verbessern. Ihr Einsatz kann jedoch stets weitreichende weitere Folgen nach sich ziehen. Maßgeblich für die Bewertung sollte deshalb das Unternehmen, sein Ruf und die Kunden sein. Egal wie, die KI muss zu diesen Vorgaben passen oder sie wird mit hoher Wahrscheinlichkeit keine echten Erfolge generieren.

Hierzu sei auf die erste Chatbot-Generation Mitte/Ende der 2010er verwiesen. Viele Unternehmen investierten große Summen in Erwartung starker Einsparungen – bei Kunden kam die noch unausgereifte Technik hingegen alles andere als gut an.

Daten vorbereiten

An diesem Punkt sind bereits einige wichtige Dinge rund um die künftige betriebliche KI klar:

1. Es gibt mindestens eine konkrete Anwendung im Haus, egal wie sie aussieht.
2. Die skizzierten Folgen eines KI-Einsatzes haben absehbar einen größeren positiven als negativen Anteil.
3. Es gibt – das ist aber kein Muss – bereits eine erste Vorauswahl möglicher KI, die infrage kämen.

Jeder Marketer weiß: das ist schon einiges, was nun klar ist. Damit ist jedoch gleichzeitig ein guter Teil der eher theoretischen Arbeit getan – von nun an wird es „handfester“.

Daten spielen dabei eine extrem wichtige Rolle. Denn jede einzelne KI kann im Rahmen ihrer Möglichkeiten nur so gut sein, wie die Daten, mit denen sie trainiert wird. An diesem Punkt unterscheidet sich eine hochkomplexe KI für die unternehmerische Strategieberatung nicht von einer Grafik-KI oder einer Analyse-KI für das Kundenverhalten.

Wenn klar ist, was mit einer KI künftig im Unternehmen getan werden soll, ist es daher im nächsten Schritt nötig, folgende Dinge zu tun:

1. Die nötigen Daten müssen zusammengetragen und Überflüssiges aussortiert werden.
2. Alle Daten müssen nach einheitlichen Schemata katalogisiert und bezeichnet werden.
3. Es muss eine sogenannte Data Governance aufgebaut werden. Gleichsam ist sicherzustellen, dass alle neuen oder veränderten Daten diesen Vorgaben entsprechen – nur so lässt sich ein stets „sauberer“ Datensatz sicherstellen.

Zentraler Kern ist es, relevante Daten bereitzustellen und ein System zu erschaffen, das deren transparente Verwendung sicherstellt – arbeitet die KI erst einmal, ist es dafür zu spät.

KI aussuchen oder erstellen

Wie bereits erwähnt: Für viele unternehmerische Belange gibt es bereits mindestens eine Künstliche Intelligenz – allerdings nicht für alle. Selbst bei den bestehenden Varianten ist es teilweise nötig, diese besser auf den konkreten Verwendungszweck zuzuschneiden.

In dieser Phase geht es daher darum, zunächst einmal festzulegen, welche KI-Modelle infragekommen. Im Prinzip lässt sich mit diesem Begriff der „Modellname“ einer bestimmten KI erläutern. Allerdings steht KI-Modell ebenso für die Art möglicher Arbeitsweisen. Als Beispiel: ChatGPT, Stable Diffusion, DALL-E und andere KI basieren allesamt auf dem sogenannten Deep-Learning-Modell. Weiter existieren

• Supervised Learning
• Unsipervised Learning
• Reinforced Learning

Anders ausgedrückt: KI ist ein Dachbegriff für verschiedene Methoden, Techniken und Herangehensweisen. Das KI-Modell ist das für den Menschen sicht- und nutzbare Herzstück, daneben existieren zahlreiche weitere Systeme innerhalb einer künstlichen Intelligenz.

Welches Modell für das Unternehmen sinnvoll ist, ergibt sich aus den Zielsetzungen und den Datensätzen. Ist das richtige gefunden und sämtliche strategischen Fragestellungen geklärt, geht es an die Arbeit.

KI trainieren

Wohl jede Marketing-Abteilung würde selbst einen extrem erfahrenen neuen Mitarbeiter mit besten Abschlüssen zumindest einige Tage lang in das Unternehmen einführen, bevor man ihm echte Projekte zuweist. Ganz ähnlich lässt sich das umschreiben, was ansteht, nachdem der IT-basierende Teil der KI im Unternehmen technisch integriert wurde.

Denn so fähig die Künstliche Intelligenz sein mag, sie weiß bislang noch gar nichts über ihren neuen Einsatzort – allem voran die dortigen Datensätze. In den ersten Tagen und Wochen, bevor die eigentliche „Scharfschaltung“ erfolgt, wird die KI daher mit den passenden Daten, Algorithmen etc. trainiert.

Dabei ist es wichtig, die „richtigen“ Ergebnisse bereits zu kennen, bevor die KI sie ausspielt. Nur so lässt sich in korrektes Arbeiten garantieren. Beispielhaft ausgedrückt: Der Neuling muss zunächst mit den Grundelementen einer bereits abgeschlossenen Marketing-Maßnahme in einer Sandbox etwas aufstellen, weil von dieser Maßnahme bereits die Resultate vorliegen.

Doch wie lange dauert die Trainingsphase? Das hängt vor allem davon ab, was die KI können soll und wie gut die Hardware-Bedingungen sind, auf der sie läuft. Nur als ein Beispiel: Dem Vernehmen nach wurde ChatGPT-4 (die aktuelle Version) über 90 bis 100 Tage mithilfe der Rechenleistung von 25.000 Grafikkarten trainiert. Bei KI, die deutlich weniger können als dieses Sprachmodell, geht es entsprechend mit viel weniger Zeit- und Leistungshunger.

Zumal viele KI bereits „vor-trainiert“ im Unternehmen integriert werden und bloß noch mit dessen spezifischen Daten trainiert werden müssen. Es ist also nicht zwingend nötig, stets bei Null zu beginnen.

Zu dieser Arbeit kann es mitunter noch gehören, ein besser zum Unternehmen und seinen Gepflogenheiten passendes Benutzer-Interface zu designen. In Anbetracht der Gesamt-Komplexität einer KI ist das allerdings ein „Nebenschauplatz“, der kaum Ressourcen benötigt.

KI integrieren

Die KI funktioniert so, wie es das auftraggebende Unternehmen wünscht. Damit ist der größte Teil der Arbeit erledigt – zumindest was die Technik und IT-Spezialisten anbelangt.

Offen ist bislang noch eine Integration in das Unternehmen selbst. Das bedeutet:

• Die allgemeinen Prozesse innerhalb der Firma bzw. dem künftigen Aufgabenbereich der KI.
• Die Workflows der Mitarbeiter, die künftig durch die KI unterstützt werden.
• Eventuell (je nach KI) Erläuterungen für die Kunden und andere Dritte, die darauf zugreifen werden.

Bedeutet, nach der technischen Integration sollte eine seriöse Integration in alle betrieblichen Belange erfolgen. Erfahrungsgemäß hilft hierbei eine Mischung aus Schulungen und der Möglichkeit, gefahrlos mit der KI „zu spielen“, um sie in der Praxis kennenzulernen.

Damit ist zumindest der Grundstein gelegt, damit die KI endgültig im Unternehmen „ankommen“ kann – selbst wenn es mitunter noch einige Wochen dauert, bis sich wirklich alles eingespielt hat. Selbst wenn sehr viele Menschen schon private Erfahrungen mit Künstlicher Intelligenz besitzen, so ist sie in der täglichen Arbeit für viele immer noch eine Neuheit, mit der man den Umgang erst durch Routine verinnerlichen muss.

Fazit