»AI Innovation Labs« als Tool zur zielgerichteten Ermittlung der KI-Tauglichkeit von Unternehmen

KI-Systeme stellen Unternehmen vor große Herausforderungen. Sogenannte »AI Innovation Labs« können dazu beitragen, bestehende Hürden zu bewältigen. Sie sind ein Methoden- und Werkzeugbaukasten, um die richtigen KI-getriebenen Geschäfts- und Anwendungsfälle für Ihr Unternehmen zu identifizieren, Prototypen mit KI-Technologie zu erstellen und deren Realisierbarkeit zu evaluieren. Vor dem Hintergrund ihrer mehr als 9-jährigen praktischen Erfahrungen mit der Entwicklung von KI-Systemen stellen unsere KI-Expert*innen vom Fraunhofer IESE darum in diesem Artikel die grundlegenden Erkenntnisse unseres neuen Whitepapers zum Thema »AI Innovation Labs« vor.  Sie gehen in diesem Zuge auf neue Methoden zum KI-Einsatz in Unternehmen ein und geben den Leser*innen auf Basis praktischer Erfahrungen nützliche Tipps und Tricks mit an die Hand.

KI als Innovations- und Wohlstandstreiber der Zukunft

Das Thema Künstliche Intelligenz (KI, englisch: AI) ist heute in aller Munde. Viele Studien und Marktforschungsinstitute betonen die Bedeutung und die wachsenden wirtschaftlichen Auswirkungen von KI in der Zukunft. Accenture sagt etwa voraus, dass sich das jährliche Wirtschaftswachstum bis 2035 verdoppeln könnte. PwC schätzt, dass das weltweite BIP bis 2030 um 14 % steigen könnte. Das McKinsey Global Institute geht davon aus, dass 70 % der Unternehmen bis 2030 KI-Technologien einsetzen werden. Zusammenfassend bedeutet dies, dass alle Studien hinsichtlich der Annahme übereinstimmen, dass KI in Zukunft ein enormes Potenzial zur Förderung von Innovation und Wohlstand bietet. Allerdings müssen die Risiken, wie z.B. disruptive Auswirkungen auf Wirtschaft und Gesellschaft, beherrscht werden. Wenn Unternehmen über den Einsatz und die Vorteile von KI nachdenken, dann meist aus einem oder mehreren der folgenden Gründe:

• Operative Exzellenz: KI unterstützt Unternehmen dabei, die Effektivität und Effizienz von Kernprozessen zu steigern. In der Regel führt eine Erhöhung des KI-Einsatzes zu Kosteneinsparungen und Umsatzsteigerungen.
• Innovation: KI unterstützt Unternehmen bei der Entwicklung neuer innovativer Produkte und Dienstleistungen, die vorher nicht möglich waren. Solche Innovationen führen in der Regel zu neuen Geschäftsmodellen und zur Erschließung neuer Kundengruppen.
• Kundennähe: KI unterstützt Unternehmen dabei, ihre Kunden besser zu verstehen. Dies führt in der Regel zu zielgerichteteren Investitionen in Produkt- oder Dienstleistungsentwicklung und Marketing. Das wiederum steigert Absatz und Umsatz.

Trotz der zahlreichen Vorteile stehen Unternehmen im Hinblick auf den tatsächlichen Einsatz von KI-Technologien häufig vor den folgenden Herausforderungen und offenen Fragen:

• Welche Auswirkungen hat die KI auf mein Geschäftsmodell und meine Kunden?
• Was sind konkrete KI-Anwendungsfälle und was ist der Mehrwert für mein Unternehmen?
• Welche Daten werden benötigt, sind diese verfügbar und haben sie eine ausreichende Qualität?
• Welche Kompetenzen und Infrastrukturen werden benötigt und sind diese vorhanden?
• Welche Investitionen sind für den Einsatz einer KI-Lösung notwendig?

»AI Innovation Labs« als Mittel zur systematischen Identifikation, Implementierung und Evaluation von KI-Anwendungsfällen

»AI Innovation Labs« sind ein Methoden- und Werkzeugbaukasten, um systematisch KI-Anwendungsfälle zu identifizieren, zu implementieren und zu evaluieren, die einen klaren unternehmerischen Mehrwert aufweisen. Wir folgen dabei einem dreistufigen Innovationsprozess in mehreren Iterations- und Evaluierungszyklen:

• Fokus und aktuelle Situation: Zunächst werden der Betrachtungsfokus und die aktuelle Situation einer Firma ermittelt.
• Geschäftslösungen: Ausgehend von der aktuellen Situation erfolgt in Zusammenarbeit mit den verschiedenen Interessengruppen des Unternehmens die Entwicklung von Innovationsideen. Im Wesentlichen werden dabei KI- oder datengesteuerte Geschäftslösungen identifiziert, die das bestehende Geschäftsmodell verbessern oder zu neuen Modellen führen. Für die Geschäftslösungen mit den höchsten Erfolgschancen schließt sich die Erstellung von Business Cases an. Ein Business Case dokumentiert klar den KI-Anwendungsfall, die erwarteten Vorteile und die Strategie für die Umsetzung.
• Technische Lösungen: Nachdem die konkreten Business Cases ermittelt wurden, folgt im Rahmen eines iterativen Prozesses die Entwicklung entsprechender technischer Lösungen Mit jedem Zyklus dieses Prozesses reift die technische Umsetzung – von einem rein papierbasierten Konzept über einen ersten Prototyp bis hin zu einer einsatzfähigen Lösung.

Um das Risiko des Scheiterns zu minimieren und potenzielle Geschäftsverluste zu verringern, ist eine iterative Bewertung und Weiterentwicklung der geschäftlichen und technischen Lösungen notwendig. Die Bewertung der geschäftlichen Lösung umfasst die Plausibilität des Modells, insbesondere im Hinblick auf dessen Rentabilität (Einnahmen im Verhältnis zu Kosten) sowie die Zweckmäßigkeit aus Sicht des Kunden. Die Bewertung der technischen Lösung umfasst die allgemeine Eignung (z. B. in Bezug auf die Datenverfügbarkeit und -qualität oder erforderliche Werkzeuge und Infrastrukturen) plus die Durchführbarkeit der entwickelten technischen Lösung in praktischen Feldtests.

AI Innovation: Tipps und Tricks

In den vergangenen neun Jahren haben wir, das Fraunhofer IESE, mit verschiedenen Industrieunternehmen AI Innovation Labs durchgeführt. Im Folgenden möchten wir drei grundlegende Erkenntnisse teilen, die wir aus deren Anwendung gewonnen haben.

• Geschäftsmodell und Anwendungsfälle: KI ist mehr als eine rein technische Herausforderung und sollte nicht mit dem Kauf von Werkzeugen und Infrastruktur beginnen. Unternehmen stehen oft vor der Herausforderung, einen KI-Anwendungsfall zu finden, der für sie von Nutzen ist. Ein Erfolgsfaktor besteht darin, zu wissen, wie sich KI auf das Geschäftsmodell auswirkt und welche Anwendungsfälle einen echten Mehrwert bieten.
• Agile Kultur: Bei der KI geht es im Grunde darum, wie man Innovation in das Unternehmen bringen kann. Das schnelle Ausprobieren von Ideen auf eine agile, Prototyping-orientierte Weise ist von großer Bedeutung. Wir wollen schnell wissen, welche Ideen und Anwendungsfälle erfolgreich sein können und welche wir gleich wieder verwerfen können. Dies erfordert eine offene, agile Unternehmenskultur, in der man auch bereit ist, Ideen unvoreingenommen zu bewerten.
• Kompetenzen: Die Nachfrage nach Softwareentwickler*innen und speziell nach Data Scientists ist hoch. Für Unternehmen ist es oft eine Herausforderung, den Bedarf zu decken. Es sollte eine strategische Entscheidung darüber getroffen werden, welche Kompetenzen innerhalb und außerhalb des Unternehmens aufgebaut werden sollen. Zum Beispiel, welche Anforderungen durch Neueinstellungen oder Weiterbildungsangebote erfüllt werden können und wo externe Partner eingebunden werden sollten.

Wenn Sie mehr über die Methoden im Rahmen unserer »AI Innovation Labs« erfahren möchten, so empfehlen wir den Download unseres Whitepapers über arXiv.