Umsetzung von KI-Projekten

Wenn ein Unternehmen seine Business-Software «intelligent» machen möchte, dann gelten für die Realisierung eines solchen KI-Projekts grundsätzlich erst einmal dieselben Faktoren, die für die Einführung aller IT-Systeme gelten. Doch bei KI-Projekten sind einige spezielle Indikatoren wichtig. Zunächst muss ein Grundvertrauen zu Datenquellen und Algorithmen geschaffen werden. «Und dann muss ein gemeinsames Verständnis von Daten (Semantik) sowohl zwischen Systemen oder Datenbanken und Menschen als auch zwischen Menschen aus verschiedenen Abteilungen und Partnerorganisationen etabliert werden», erklärt Thierry Buecheler von Oracle. Zudem gewinne der Kontext an Bedeutung. «Dieser muss bereitgestellt, erklärt und verstanden werden. Zu guter Letzt ist die Möglichkeit der Exploration und Verfeinerung von Ergebnissen sowie die Actionability durch handlungsorientierte Vorschläge zur Unterstützung von Business-relevanten Entscheidungen relevant.»

Doch der vielleicht wichtigste Faktor ist oft leichter gesagt als getan: Unternehmen müssen eine klare Strategie verfolgen, wenn sie KI-basierte Lösungen in ihre Unternehmens-Software integrieren. Statt blind zu investieren, sollten Unternehmen überlegen, wo zum Beispiel im Servicebereich die Automatisierung durch künstliche Intelligenz den grössten Mehrwert bringt.

Geht es darum, die Effizienz zu steigern? Oder soll die Technologie dabei helfen, Kundenservice auch ausserhalb der Geschäftszeiten anbieten zu können? Der Einsatz von künstlicher Intelligenz sollte von den Unternehmenszielen abhängig sein, die strategische Entscheider im Vorfeld definieren müssen.

Ein weiterer wichtiger, nicht zu unterschätzender Faktor vor der Umsetzung eines KI-Projekts sind entsprechende Tests im Vorfeld. «Derzeit ist zu beobachten, dass sich viele Unternehmen vom Hype um ChatGPT haben mitreissen lassen», berichtet Matthias Göhler von Zendesk. «Wenn sie die Technologie aber nicht mit Bedacht einsetzen, sondern einfach so schnell wie möglich eine API implementieren, kann das enorme Kosten verursachen.» Schnelles Handeln sei zwar wichtig, aber ohne die richtigen Schritte zur Absicherung könne eine blinde Investition schnell nach hinten losgehen. «Ein wichtiges Stichwort hier ist Datensicherheit», unterstreicht er. Gerade wenn Anwenderinnen und Anwender erwarten, dass ihre Daten in Europa bleiben, komme nicht jede Lösung infrage. Eine sorgfältige Abschätzung der Risiken sei deshalb unerlässlich.

Das alles klingt kompliziert – und ist es in vielen Fällen auch. Dennoch ist KI in Business-Software ein Thema, das nicht nur für grosse Unternehmen relevant ist, sondern auch KMU einen deutlichen Mehrwert bietet. Hier findet auch in kleineren Unternehmen gerade ein Umdenken statt. ChatGPT hat es geschafft, Sprachmodelle in den Mainstream-Diskurs zu bringen und die Technologie einer breiten Öffentlichkeit zugänglich zu machen. «Hinzu kommt, dass die Implementierung von KI-basierten Lösungen durch sinkende Trainingskosten und No-Code- beziehungsweise Low-Code-Lösungen kostengünstiger und einfacher wird», ergänzt Göhler. «Von dieser Entwicklung hin zu öffentlichen KIs profitieren vor allem KMU.» Denn um langfristig mit grossen Unternehmen mithalten zu können, seien Unternehmen jeder Grösse gefordert, die Technologie für sich nutzbar zu machen.

Kleine und mittlere Unternehmen, also KMU, müssen die KI-Grundmodelle auch nicht selbst rechnen, trainieren oder verwalten. «Anspruchsvollere Angebote werden inklusive aktueller Large Language Models (LLMs) als Services angeboten, können somit an die Grösse und finanziellen Fähigkeiten angepasst genutzt werden», betont Buecheler. «Deshalb», so der Head of Business Value & Strategy EMEA bei Oracle, «ist das Thema für KMU relevant und möglich.»