Generative KI ist in aller Munde. Nachdem die ersten Unternehmen die ersten Projekte gestartet haben, kehr auch bei einigen Unternehmen Ernüchterung ein. Es sind vermeidbare Fehler aufgetreten. Wir erklären, was die Fehler sind und wie sie zu vermeiden sind.
Dies sind die häufigsten Gründe, weshalb generative KI Projekte scheitern
Um generative KI im Unternehmen sinnvoll einzusetzen gilt es, die richtige Mischung aus Umsetzungswillen und Planung zu finden. Man sollte sicherlich nicht blindlings „drauflos“ starten, ohne zu wissen, wo man hin will. Es bringt aber auch nichts, nur vom Spielfeldrand zuzuschauen, während alle anderen Unternehmen bereits erste Erfahrungen sammeln und Mehrwerte realisieren.
Damit Unternehmen mit realistischen Erwartungen aufs Spielfeld laufen, haben wir die Hauptgründe zusammengetragen, weshalb KI-Projekte im Unternehmen heutzutage nicht so erfolgreich werden, wie sie sein könnten:
1. Unrealistische Erwartungen
Die Technologie wird entweder von Entscheidern oder Nutzern nicht richtig verstanden. Entweder sind die Erwartungen vollkommen überzogen (KI ist die eierlegende Wollmilchsau) oder wird klein geredet (KI ist dumm, das ist nur Marketing Blabla…).
2. Kein Problem Solution Fit
(generative) KI ist nur Mittel zum Zweck. Führe niemals KI ein, um KI einzuführen. Sei dir bewusst, welches Problem du mit KI lösen möchtest. Nur dann bist du in der Lage, eine sinnvolle und vor allen Dingen nachhaltige Lösung zu finden.
3. Schulung/Awareness der Nutzer
Eine KI funktioniert nur, wenn der Nutzende versteht, wie die Technologie eingesetzt werden muss/kann. Schauen wir uns in unser eigenen Social-Bubble um, dann hat man das Gefühl, ausschließlich von KI-Experten umgeben zu sein. Schaut man tiefer in die Wirtschaft rein, dann gibt es mehr als genug Unternehmen, in denen KI noch kein richtiges Thema ist und das notwendige Wissen noch lange nicht in der Breite angekommen ist.
Qualität der Daten
Ein Punkt, der auch immer wieder genannt wird, weshalb KI-Projekte scheitern, ist die Qualität der Daten. Dies ist jedoch differenziert zu betrachten – es hängt vom Anwendungsfall ab:
Anwendungsbeispiel 1:
Eine Bilderkennungs-KI soll erkennen, ob ein produziertes Teil fehlerhaft ist oder nicht. Hierzu wird natürlich ein sauberer Datensatz benötigt, der fehlerfreie und fehlerbehaftete Bilder enthält und für eine KI als Referenz genutzt werden kann.
Anwendungsbeispiel 2:
Mit Hilfe von generativer KI soll das interne Know-How besser zugänglich gemacht werden. Informationen liegen in diversen Datensilos ab und es ist für Mitarbeitende immer schwieriger, die richtigen Informationen zu finden. Ein klassischer Anwendungsfall für generative KI. Viele Unternehmen haben schon deutlich mehr Wissen digitalisiert, als Ihnen bewusst ist. Eine gut aufgesetzte Lösung kann hier deutlich mehr rausholen, als man eigentlich denkt. Genau diesen Anwendungsfall lösen wir übrigens mit amberAI. amberAI ist ein unternehmensinterner Chatbot – basierend auf einer Enterprise Search.
Abhängig vom Anwendungsfall müssen Daten also nicht erst aufwendig aufbereitet werden, sondern können über Standardkonnektoren als Plug’n’Play Lösung direkt verwendet werden.
Wie bereitet man eine erfolgreiche Einführung von generativer KI vor?
Mit unseren über 60 Kunden haben wir gelernt, dass es vor allen Dingen darauf ankommt, dass der Anwendungsfall stimmt und die Nutzer abgeholt werden.
Der Anwendungsfall
Es gibt Tausende Probleme in Unternehmen, die aus technischer Sicht gelöst werden können. Doch nicht jedes Problem ist es wert, gelöst zu werden. Wie man am besten einen Anwendungsfall identifiziert und priorisiert, dass haben wir hier erklärt. Es geht vor allen Dingen um den Business Impact und mit welchem Aufwand es möglich ist, diesen Anwendungsfall umzusetzen.
Der Nutzer
Gerade für den Anwendungsfall von generativer KI steht und fällt der Erfolg mit der Akzeptanz des Nutzers. Daher ist dieser Punkt aus 2 Richtungen zu beleuchten:
- Schulung des Nutzers
Nutzer einer KI-Software werden nur das Maximum aus einer Software holen können, wenn Sie verstehen, wie diese funktioniert. Dabei geht es in einem ersten Schritt nicht um die Architektur und die Funktionen der Software, sondern eher um die Funktionsweise und technischen Einschränkungen der Technologie.
Wer überlegt, generative KI im Unternehmen einzuführen, der sollte sicherstellen, dass ein realistisches Erwartungsbild existiert.
- UX der Softwarelösung
Es gibt dutzende Softwarelösungen in Unternehmen heutzutage. Das man nicht jeden auf jede Softwarelösung vollumfänglich schulen kann, versteht sich daher von selbst. Umso wichtiger ist es, dass die Software so designed ist, dass sie den Erwartungen der Nutzer entspricht. Nur wenn Sie intuitiv zu nutzen ist, wird sie auch eine entsprechende Akzeptanz erlangen. Darum raten wir auch von einer Eigenentwicklung ab. Es ist zwar leicht, einen ersten Demonstrator zu entwickeln, aber das bedeutet noch lange nicht, dass man eine nachhaltige, beim Nutzer akzeptierte Lösung hat.
Wenn du dich tiefer in das Thema Einführung generative KI einlesen möchtest, dann lade dir jetzt unser White Paper „So geht eine erfolgreiche Einführung von generativer KI“. Das gesamte, 16-seitige White Paper mit allen Insights kann hier kostenlos herunterladen werden:
Softwareauswahl bei der Einführung von generativer KI
Wer eine Software auswählen möchte, der sollte die richtigen Fragen stellen. Welche das im Detail sind, hängt natürlich vom konkreten Anwendungsfall ab. Dennoch haben wir hier einen Überblick über die wichtigsten Fragen zur Auswahl einer KI-Software aufgeschrieben.
Die Gebiete der Fragen umfassen die folgenden Fragen:
- Benutzerfreundlichkeit
- Funktionalitäten
- Datensicherheit
- Betrieb
- Training der KI
- …
Einführung der KI-Software
Um die Software letztendlich erfolgreich einzuführen, gilt es ebenfalls einige Dinge zu beachten. Diese haben wir hier niedergeschrieben.
Dazu zählen Best Practices wie das frühzeitige hinzuziehen eines Betriebsrats (falls vorhanden), aber auch Dinge, die schnell übersehen werden. Zum Beispiel: Welche Systeme sollen überhaupt angebunden werden? Wie werden die Daten in den nächsten Jahren wachsen? …
Testen, Testen, Testen….
Um die Chance einer erfolgreichen Einführung weiter zu erhöhen, sollte die Software – wenn möglich – natürlich vorher einmal getestet werden. Darum haben wir bei amberSearch zum Beispiel eine kostenlose Onlinedemo veröffentlicht, in der wir einen Demodatensatz von über 200.000 Dokumenten hinterlegt haben. Damit können interessierte Unternehmen bereits ein erstes Gefühl dafür bekommen, wie eine solche Lösung funktioniert. Wir bringen das ganze noch ein Stück weiter. Wer unsere Lösung mit eigenen Daten ausprobieren möchte, der kann das auch gerne machen. Einfach bei uns über das Kontaktformular melden und wir leiten alle weiteren Schritt ein!
Du findest unseren Content spannend?
Dann bleib jetzt über unseren Newsletter mit uns in Kontakt: