In Fachkreisen kennt man KI schon seit den 90er Jahren. Doch in der Breite angekommen ist sie erst mit der Veröffentlichung von ChatGPT im November 2022. Das KI nicht die nächste Kuh ist, die durchs Dorf getrieben wird, das merken die meisten Unternehmen recht schnell. Und ja, KI ist noch eine verhältnismäßig junge Technologie, die noch reifen wird. Aber sie wird sehr schnell reifen und es gibt bereits diverse Anwendungsfälle, in denen KI bereits heute einen massiven Mehrwert liefert. Und was bei KI beeindruckend ist: Die Geschwindigkeit, mit der sie sich weiterentwickelt. Wer nicht aufpasst, geht das Risiko ein, schon schnell links oder rechts überholt zu werden.

Darum ist es umso wichtiger zunächst eine KI-Strategie für das eigene Unternehmen zu definieren und umzusetzen.

Warum eine KI-Strategie für Unternehmen definieren?

Für die meisten Unternehmen kam KI, bzw. insbesondere generative KI, aus dem nichts. KI bietet vielfältige Anwendungspotenziale, bspw. in der Optimierung von Prozessen, der Bereitstellung von Wissen & Co. Aber: Mit der Nutzung von KI gehen auch Risiken einher. Nutzen die Mitarbeiter „irgendwelche“ KI-Tools aus dem Internet und laden dort Dokumente hoch, dann kann das heilige Firmenwissen schnell zum Training von KI-Modellen genutzt werden und in Zukunft dem Wettbewerber als mögliche Antwort auf seine Frage gegeben werden.

Um das zu vermeiden und einen sicheren Umgang mit KI zu definieren, sollten Unternehmen eine Strategie im Umgang mit KI definieren. Dabei geht es neben der sicheren Nutzung insbesondere darum, Erfahrung zu sammeln und Know-How aufzubauen. Die Technologie entwickelt sich so schnell weiter – wer nicht in der Lage ist, zu testen, der wird die Technologie nicht verstehen und in diesem Bereich schnell abgehängt werden.

Was benötigt die Umsetzung einer KI-Strategie?

Einerseits gibt es den rechtlichen Rahmen, der in der eigenen KI-Strategie abgebildet werden sollte. Andererseits, muss natürlich auch berücksichtigt werden, dass KI nicht gleich KI ist. Es muss ein Rahmen gegeben werden, um zu verstehen, probieren und testen zu können. Und natürlich gehört auch Kommunikation dazu, denn für viele Mitarbeiter ist das Wort „Künstliche Intelligenz“ mit viel gefährlichem Halbwissen, teilweise auch durch Überschriften aus der Presse, belegt. Daher gilt es, die folgenden Tipps zu berücksichtigen:

1. Ziele definieren

Was soll durch die Einführung der KI-Strategie erreicht werden? Worum geht es kurz-, mittel- oder langfristig? Die Klärung dieser übergeordneten Ziele dient dazu, priorisieren zu können und auch Anwendungsfälle zu erkennen.

2. Bereitstellung von Ressourcen

Eine KI-Strategie ist leider nicht in einer Nacht umgesetzt. Um diese jedoch erfolgreich zu definieren, werden interdisziplinär besetzte Teams benötigt, die u. A. auch von der Anwenderseite die Dinge betrachten. Die Umsetzung und der Aufbau des Know-Hows sollte klar in den Zielen (idealerweise mit Zeitinvest) der Mitarbeiter verankert sein sowie ein Budget für Piloten, externe Unterstützung & Co.

3. Kommunizieren

Für viele Mitarbeiter ist KI teilweise negativ behaftet – „KI nimmt den Job weg“, „Ich kann KI nicht einsetzen, da wir unser Know-How verlieren“, etc. Viele, teilweise berechtigt, teilweise unberechtigte Annahmen, die aber auf ein mangelndes Verständnis der Technologie zurückzuführen sind. Daher sollte von Anfang an klar sein, was das Vorhaben ist und unter welchen Vorgaben KI eingesetzt werden darf. Idealerweise stellt die IT oder Digitalabteilung eine Liste der „sicheren“ KI-Anwendungen zur Verfügung, die bedenkenlos von Mitarbeiter genutzt werden können. Diese Liste muss sich nicht ausschließlich auf bezahlte Tools, sondern kann sich auch auf kostenlose Tools beziehen.

Um diese Information weiter runterzubrechen, können auch gewisse Anwendungsfälle oder Daten, die als Input verwendet werden dürfen, definiert werden.

4. Testdaten für Piloten

KI ist oftmals nicht erklärbar ist. Um die Technologie zu verstehen, muss für Mitarbeiter die Möglichkeit bereitgehalten werden, mit Lösungen zu experimentieren und mit wenig Aufwand Testdatensätze generieren zu können (Maschinendaten, Präsentationen, Vorlagen, …). Um Freigabeprozesse zu verschlanken und schnell Know-How aufbauen zu können, sollten solche Datensätze vorab definiert werden, damit Mitarbeiter schnell Ergebnisse vorweisen können. Anschließend können solche ersten Demonstratoren in richtige Piloten weiterentwickelt werden.

5. Anwendungsfälle priorisieren

KI ist grundsätzlich mittel zum Zweck. Es müssen also verschiedene Anwendungsfälle definiert werden. Wir nutzen dafür das Now, How, Wow Framework, um diese zu priorisieren.

KI Strategie - Priorisierungsgrafik

Abbildung 1: Beispiel, wie man Anwendungsfälle von generativer KI priorisieren kann

Um Anwendungsfälle gerade in der Machbarkeit zu priorisieren, muss man ein Verständnis aufbauen, was uns zum sechsten Punkt führt:

6. Technologieverständnis

Um realistische Erwartungen an KI setzen zu können, muss man verstehen, wie KI funktioniert. Wir erleben oft, dass Unternehmen mit „unrealistischen“ Erwartungen zu uns kommen, da die Technologie einfach noch nicht weitgenug ist. Im Now, How, Wow Framework wäre das bspw. ein Wow-Anwendungsfall – also sollte dieser für später aufgehoben werden. Probiere, die Now-Anwendungsfälle zu lösen, um die Aha-effekte zu erzielen und keine Frustration zu verursachen.

KI in den Alltag integrieren

KI wird nicht von heute auf morgen bei den Mitarbeitern ankommen und der Einsatz wird Schulung und Zeit erfordern. Die Mitarbeiter müssen eigene Erfahrungen sammeln und sie benötigen diese Zeit – sowie es bei vielen Unternehmen auch mit Teams war. Ist die Akzeptanz am Anfang nicht so hoch, aber das Potenzial wird gesehen, dann sollte man sich drei Mal überlegen, ob man einen Piloten abbricht oder nicht besser weitermacht und gemeinsam an der Verbesserung arbeitet.

Wer überlegt, solche Technologien in seinem Unternehmen einzusetzen, der sollte vorher unser kostenloses, 16-seitiges White Paper mit allen notwendigen Insights lesen: „So geht eine erfolgreiche Einführung von generativer KI“. Dort erklären wir alle Informationen, die man benötigt:

Standardlösungen vs. Customlösungen bei der künstlichen Intelligenz

Die meisten Anwendungsfälle betreffen eine Vielzahl von Unternehmen und können von vielen Mitarbeitern genutzt werden. KI muss daher nicht immer teuer sein und benötigt hochpreisige Piloten.

Aber: eine KI (insbesondere, wenn es sich um eine KI basierend auf Large Language Modellen handelt) On Premise zu hosten, macht meistens wenig oder nur bei größeren Unternehmen (KRITIS) Sinn. Zu groß sind die benötigten Hardwareressourcen sowie das Know-How, um diese Instand zu halten. Stattdessen gibt es Lösungen wie amberSearch, die als Standardsystem (und normalerweise als Managed Service) den Mittelstand mit einer DSGVO-konformen Lösung bedienen. Dabei achten wir insbesondere darauf, dass Unternehmen mit uns ihre Unabhängigkeit behalten können, indem wir als systemübergreifendes Tool funktionieren.

Du findest unseren Content spannend?

Dann bleib jetzt über unseren Newsletter mit uns in Kontakt: