Die Checkliste KI Einführung hilft Unternehmen, KI Projekte erfolgreich zu gestalten. KI-Projekte entstehen in den meisten Fällen entweder aus dem Bedürfnis einer Fachabteilung heraus oder sie werden durch die IT-Abteilung bzw. dem Management vorangetrieben. Seit 2022 ist insbesondere das Thema generative KI in aller Munde und bietet auch im Unternehmen zahlreiche Anwendungsfälle. Darum beschäftigen sich immer mehr Unternehmen mit genau diesem Thema.

Um den Erfolg der Einführung einer generativen KI-Anwendung sicherzustellen, sind drei Schlüsselfaktoren entscheidend: die Daten, die Anforderungen und die Nutzer. Unabhängig von der zugrunde liegenden technologischen Basis der Suchmaschine, der Anzahl der Datenquellen oder der Größe des Indexes – ohne die Nutzer ist das Vorhaben nicht durchführbar. Selbst wenn das KI-Produkt herausragende Funktionen bietet, wird ein Scheitern des Projekts unvermeidlich sein, wenn die Nutzer nicht angemessen in ihren spezifischen Anforderungen unterstützt werden oder die Bedienbarkeit der Software nicht intuitiv ist. Es ist daher ratsam, die folgenden Tipps zu beachten.

Der Nutzer im Mittelpunkt

Der Nutzer und seine Bedürfnisse müssen im Mittelpunkt stehen, damit das KI-Projekt zum Erfolg wird. Es reicht nicht aus, nur den Vorgesetzten davon zu überzeugen, dass er oder sie für die Suchanwendung Budget zur Verfügung stellt. Bevor ein solches Projekt in Erwägung gezogen wird, sollten die einzelnen Fachabteilungen sowie die Nutzer in Betracht gezogen werden.

Je besser man die Nutzer sowie deren tägliche Arbeit versteht, desto präziser werden die Anforderungen und der Nutzen, den man daraus generieren kann.

Nutzer sind von ihren privaten Anwendungen (Instagram, TikTok & Co) eine sehr hohe User Experience (UX) gewöhnt. B2C-Softwarelösungen sind sehr schlank und nutzerfreundlich designed, was bei Enterprise Software oft zu kurz kommt. Zeitgleich müssen sich Nutzer in immer mehr Softwarelösungen einarbeiten. Um den Nutzer nicht zu überfordern, sollte darauf geachtet werden, dass die Software eine sehr gute UX hat, welche auf für ungeübte Nutzer leicht zu verstehen ist. Dies verringert zudem den notwendigen Schulungsaufwand.

Berücksichtigung unterschiedlicher Szenarien

Im Gegensatz zu anderen Softwarelösungen, in denen es darum geht, einen starren Prozess strikt abzubilden, geht es bei der Einführung von generativer KI insbesondere darum, eine flexible Software zu haben, die möglichst viele Anwendungsfälle abdecken kann. Dennoch sollte man nicht nach der Eierlegenden Wollmilchsau suchen, sondern sich auf einige Hauptanwendungsfälle bzw. Abteilungen suchen.

Es wird sogenannte Power oder auch Key User geben, welche die Suche jeden Tag verwenden und sich z.B. ein KI-Tool wie bspw. amberAI als persönliche Startseite im Browser einrichten. Im Gegensatz dazu wird es auch Nutzer geben, die die Software nur selten aufrufen. Und es gibt die vielen Nutzer, die die KI-Software ergänzend immer wieder in den Arbeitsalltag integrieren, so wie eine Internet-Suchmaschine bspw. auch unterschiedlich häufig genutzt wird.

Die Daten

Viele Unternehmen haben jahrelang erklärt bekommen, dass eine Softwarelösung nur gut funktioniert, wenn die Metadaten, Tags und Co stimmen. Durch neue Durchbrüche in der Künstlichen Intelligenz ist das heutzutage nicht mehr so. Es besteht keine Notwendigkeit, Metadaten aufwendig manuell zu pflegen – die meisten Mitarbeiter haben dies bisher auch nur eher halbherzig getan.

Stattdessen können neue KI-Lösungen, die auf intelligenten Algorithmen basieren, auf Basis von semantischen Inhalten Informationen finden und verarbeiten. Dadurch müssen Daten – zumindest, wenn man eine Art unternehmensinternes ChatGPT oder ähnliche Anwendungsfälle lösen will – nicht mehr aufwendig aufbereitet werden. Das übernimmt die KI mittlerweile selbstständig. Nichtsdestotrotz gibt es dennoch andere Anwendungsfälle (bspw. wenn man eigene KI-Modell trainieren will), in denen sowas noch notwendig ist. Dies ist allerdings nicht für die Anwendung generativer KI relevant.

Zugriffsrechte

Ein wichtiger Aspekt für die Vorbereitung eines KI-Projekts mit unternehmensinternen Inhalten ist die Prüfung der Rechte auf den Fileservern und anderen Systemen. Durch Kopieren oder Verschieben von Verzeichnissen kann die Problematik entstehen, dass Verzeichnis- und darunterliegende Dokumentenrechte nicht korrekt vererbt werden. Ob mit oder ohne KI – das ist eine Challenge, die allein aus Compliance und Datenschutzrechten behoben werden muss. Daher sollte man die Einführung einer KI als Chance sehen, solche Sicherheitslücken schnell aufzudecken. Dokumente können dann über die Suche auffindbar werden, obwohl der Benutzer auf einem darüber liegenden Ordner möglicherweise keine Leserechte besitzt. Eine gute KI-Lösungen zeigt im Rahmen der initialen Aufräumarbeiten die entsprechenden Verzeichnisse an und erleichtert somit das Korrigieren der Rechtebrüche.

Anforderungen – Die KI-Lösung sollte skalierbar sein

In unserem Blogbeitrag Einführung generative KI sind wir bereits auf diverse Anforderungen an Lösungen im Bereich generative KI eingegangen. Wichtig ist jedoch, dass man leicht neue Systeme anbinden können sollte und dass das System skalierbar ist. Die Datenmengen in Unternehmen wachsen schließlich immer schneller. Die Lösung sollte in der Lage sein, „mitwachsen“ zu können.

Dadurch, dass bei solchen Systemen fast immer auf ein Retrieval Augmented Generation System gesetzt wird, wird zunächst ein Index aufgebaut. Grundsätzlich können bei einer solchen Architektur nur Informationen verarbeitet werden, die sich auch im Index befinden. Daher sollte die Indexierung so oft wie möglich neu angestoßen werden.

Bei Unternehmen, die in verschiedenen Ländern vertreten sind, spielen unterschiedliche Sprachen eine große Rolle: In welcher Sprache liegen die Dokumente vor? Welche Sprache wird von den Mitarbeitern gesprochen? Welche Sprache soll die Suchanwendung unterstützen? Auch die verschiedenen Standorte müssen berücksichtigt werden.

Damit interessierte Unternehmen überhaupt in der Lage sind, die richtigen Fragen zu stellen, sollten sie zumindest ein grundlegendes technisches Verständnis der Technologie, die sie einsetzen wollen, haben.

Unser Tipp: Klein Anfangen für maximalen Erfolg!

Um Erfahrungen zu sammeln und diese Learnings beim Roll Out mit den Kollegen teilen zu können, lohnt es sich bei größeren Unternehmen stufenweise vorzugehen. Die gezogenen Learnings können genutzt werden, um für die nächste Gruppe beim Onboarding noch weitere Erfahrungen zu sammeln.

Es empfiehlt sich daher, zunächst nur eine überschaubare Datenmenge, zum Beispiel Teilbereiche der Fileserver (Abteilungslaufwerke) zu indizieren und noch nicht die ganze Kollegschaft auf die Lösung zu lassen. Wenn alles wie gewünscht funktioniert, können jederzeit weitere Datenquellen angebunden und die Lösung an alle Kollegen ausgerollt werden. Sobald die KI-Lösung vollumfänglich produktiv ist, kann das gesamte Kollegiat über eine interne Marketingkampagne informiert werden! Nur, wenn die Kollegen wissen, welches praktische Tool sie zur Verfügung haben, werden sie es auch nutzen.

Personal- und Betriebsrat

Personal- und Betriebsräte sollten, auch wenn es initial ein Mehraufwand ist, von Anfang an informiert werden. Da Projekte in größeren Unternehmen mit einem Pilotprojekt beginnen, sollte man probieren in der initialen Phase die bürokratischen Hürden so niedrig wie möglich zu halten. Erst wenn das Pilotprojekt erfolgreich läuft, sollte man probieren, die notwendigen Prozesse zu durchlaufen, um einen langfristigen Roll Out zu ermöglichen.

Grundsätzlich schadet es nicht, diese/s Gremien/Gremium zu überzeugen und so für eine frühzeitige Rückendeckung zu sorgen.

Dieser Blogbeitrag ist Teil unseres White Papers „Checkliste KI Einführung – alle Fragen, die man beantworten sollte“. Über dieses Formular erhält man den kompletten Zugriff:

Die Checkliste KI Einführung

In diesem Abschnitt haben wir die Punkte mit den wichtigsten Punkten, die bei der Einführung einer generativen KI zu beachten sind, hinterlegt.

Daten

Im Abschnitt Daten geht es darum, einen möglichst vollständigen Überblick der relevanten Daten zu haben, damit während der Einführung möglichst wenig Anpassungen am Zielbild vorgenommen werden müssen.

⬜       Welche Datenquellen sollen an die KI-Lösung angebunden sein?

⬜       Wie viele Daten (bzw. Giga/Terabyte) werden sich (idealerweise aufgeschlüsselt nach System) im Index befinden?

⬜       Soll es sich um ein Stand-alone-System handeln oder soll die KI-Lösung in andere Systeme integriert werden (Teamsapp, Iframe, …)?

⬜       Welche Sprachen soll die KI-Lösung unterstützen?

⬜       Gibt es eine Abschätzung über das Datenwachstum der nächsten Jahre?

Nutzer

Je besser die späteren Nutzer bekannt sind, desto besser können Anbieter auf die Wünsche reagieren. Daher sollte man sich frühzeitig Gedanken über die Anwendungsfälle und den daraus entstehenden Nutzern machen.

⬜       Wie groß ist der Nutzerkreis? Aus welchen Abteilungen kommen die Nutzer?

⬜       Soll die KI-Lösung auf verschiedene (Landes-)gesellschaften ausgerollt werden?

⬜       Gibt es bestimmte, sensible oder personenbezogene Daten, die nicht einbezogen werden dürfen und die auch nicht gefunden werden sollen?

Anforderungen

Last, but not Least, geht es um die technischen Anforderungen. Um die technischen Anforderungen besser einordnen zu können, sollte man zudem ein gewisses Grundverständnis für die Technologie aufbauen. Dazu haben wir diesen Blogbeitrag geschrieben.

Business- und organisatorische Anforderungen

Wie soll die KI-Lösung genutzt werden?

⬜       Welche Stakeholder müssen einbezogen werden? (Betriebsrat, IT-Security, Datenschutz)

⬜       Welche Anforderungen gibt es hinsichtlich Server/Cloud, Support und Lizenzen?

⬜       Welche Anforderungen gibt es hinsichtlich des Frontends? Muss es gegebenenfalls an das Corporate Design angepasst werden?

Warum soll die KI-Lösung genutzt werden?

⬜       Welcher Nutzen soll mit der Lösung erreicht werden?

⬜       Welche Abteilungen werden die KI-Lösung besonders häufig nutzen?

⬜       In welchem Szenario wird die KI-Lösung zum Einsatz kommen: Knowledge Worker am PC, mobil oder beides?

Wann soll die KI-Anwendung produktiv nutzbar sein?

⬜       Wen muss ich ansprechen, um die notwendigen technischen Benutzer für die Indexierung zu erhalten?

⬜       Welchen Zeitplan gibt es für die Umsetzung? Welche Deadlines sind einzuhalten?

⬜       Soll die KI-Lösung durch die IT-Abteilung selbst eingeführt werden oder durch einen externen Dienstleister?

Technische Anforderungen (in Richtung Anbieter)

⬜       Ist die Lösung in der Lage, alle Zugriffsrechte abzubilden? (ggf. Single Sign On)

⬜       Wie wird die Sicherheit und die DSGVO-konformität gewährleistet?

⬜       Ist die Software skalierbar und kann auch größere Datenmengen/Nutzer unterstützen?

⬜       Worauf baut der KI-Anbieter auf? Baut er auf eigenen Modellen auf oder ist er von anderen Unternehmen abhängig?

⬜       Wie flexibel ist die Architektur des Anbieters, wenn stärkere Modelle von anderen Anbietern veröffentlicht werden?

⬜       Wie nachvollziehbar sind die Ergebnisse, die dem Nutzer angezeigt werden?

⬜       Welche Integrationen sind vorhanden?

⬜       Wie aktuell sind die Ergebnisse, die die KI-Lösung anzeigt?

⬜       Wie wird die Software gehostet? (Cloud, On Premise, Private Cloud, …)

Was sollte eine Software mit generativer KI im Unternehmen bieten?

Egal, ob Mitarbeitern besser Zugang zum vorhandenen Know-How oder der Kundenservice verbessert werden soll oder ob man im Zuge einer Migration auf eine andere IT-Infrastruktur gezwungen wird, im Datenbestand gründlich aufzuräumen – eine intelligente KI-Software, eignet sich für viele Szenarien. Sie hilft den Mitarbeitern beim Suchen und Finden von Informationen und ermöglicht darüber hinaus mit tiefen Einblicken in den Datenbestand weitere Einsatzmöglichkeiten im Bereich Dokumentenanalyse. Sie ist ein wichtiger Bestandteil für den digitalen Arbeitsplatz und ein fundamentaler Baustein im Rahmen eines effektiven Wissensmanagements. Achten Sie bei der Software-Auswahl auf folgende Eigenschaften und Funktionen:

Einfache Einführung: Es muss sichergestellt sein, dass die Lösung enterprise-ready ist und eine hohe Kaltstartfähigkeit bei der Installation besitzt. So muss für die Einführung kein aufwändiges IT-Projekt eingeplant werden.

Übergreifende Suche: Die Suche in mehreren hundert Datenquellen und Dateiformaten muss problemlos möglich sein. Die meisten intelligenten Systeme benötigen sowieso eine Suche im Hintergrund, diese sollte den Nutzern für bestimmte Anwendungsfälle auch zur Verfügung gestellt werden.

Suche auf aktuellen Informationen: Informationen sollten nicht veraltet sein. Daher sollte der Index regelmäßig aktualisiert werden.

Sichere Suche: Es ist darauf zu achten, dass jeweiligen Benutzerrechte direkt aus dem Active Directory übernommen werden. Damit ist gewährleistet, dass Nutzer nur die Dokumente finden, für die sie auch eine Berechtigung haben.

Mandantenfähig: Die KI-Lösung sollte auf mehrere Mandanten ausgerollt werden können. So greifen Tochtergesellschaften und Abteilungen im Rahmen einer einzigen Installation mühelos auf verschiedene Indizes zu.

Einfache Nutzeroberflächen: Egal ob Wissensarbeiter, mobiler Servicetechniker oder Gelegenheitsnutzer – die Lösung sollte für jede Anforderung das passende User Interface (Benutzeroberfläche) bereithalten.

Damit jeder amberSearch einmal ausprobieren kann, haben wir in unserer Onlinedemo eine mittlere sechsstellige Anzahl an Dokumenten auf über 10 Systeme verteilt:

Der Nutzen fürs eigene Unternehmen

Mehr Effizienz: Schnelleres Finden von Informationen macht effizientes Arbeiten möglich. Die Mitarbeiter vergeuden keine wertvolle Zeit mehr mit Suchen, sondern können sich durch die generative KI Informationen direkt aufbereiten lassen.

Schnellere Reaktionszeiten: Das gezielte Finden und Aufbreiten von Informationen ermöglicht schnellere Reaktionszeiten und Antworten und erhöht dadurch die Kundenzufriedenheit.

Mehr Sicherheit: Im Zuge der Einführung können Brüche in Rechtekonzepten aufgedeckt und behoben werden.

Mehr Wissen: Informationen gehen nicht in irgendwelchen Laufwerken oder anderen Systemen verloren, sondern werden zentral auffindbar.

Weniger Risiko: Eine umfassende KI-Lösung minimiert das Risiko, die eine wesentliche Information zu übersehen. So arbeiten Mitarbeiter auf der insgesamtbesten Information statt auf der erstbesten Information und haben deutlich bessere Entscheidungsgrundlagen.

Weniger Kosten: Durch effizientes Arbeiten können die Ressourcen optimal eingesetzt werden.

Mehr Spaß am Digitalen Arbeitsplatz: Neue Mitarbeiter können schneller eingearbeitet werden und profitieren vom vorhandenen Wissen. Sie erhalten eine Suchmaschine mit allen KI-Funktionalitäten, die sie auch aus ihrem privaten Alltag her gewohnt sind – nur besser.

Maßgeschneiderte Trefferlisten: Man sollte sicherstellen, dass die Software anhand von Boosting-Faktoren maßgeschneiderte Trefferlisten liefert, bei denen jeweils die relevanten Suchtreffer ganz weit oben angezeigt werden.

Linguistik: Fragen sollten in natürlicher Sprache gestellt werden können, um es dem Nutzer so einfach wie möglich zu machen.

Kein Metadatentagging: Daten sollten nicht erst aufwendig aufbereitet werden müssen. KI ist heutzutage in der Lage, sehr gut mit Daten umzugehen, die nicht perfekt getagged sind, da vor allen Dingen die Inhalte als die Tags genutzt werden.

Du findest unseren Content spannend?

Dann bleib jetzt über unseren Newsletter mit uns in Kontakt: