Mitarbeiter mitnehmen

Damit KI-Projekte den gewünschten Nutzen bringen, braucht es mehr als Frameworks, Rechnerplattformen und Cloud-Services: «KI-Initiativen benötigen einen organisatorischen Rahmen», betont Kay Müller-Jones, Leiter Consulting und Services Integration beim Beratungs- und Technologiehaus Tata Consultancy Services (TCS). «Die Mitarbeiter selbst stehen dabei im Fokus. Die Anforderungen an deren Tätigkeiten ändern sich.» Damit steige die Bedeutung einer stetigen Weiterbildung. «So selbstverständlich wie Mitarbeiter heute Microsoft Office nutzen, werden sie künftig KI-Lösungen einsetzen. Dieser Wandel muss durch geeignete Change-Management-Massnahmen begleitet werden», fordert Müller-Jones.

Doch auch wenn die Mitarbeiter oft eine gewisse Grundskepsis mitbringen - vor allem, wenn sie ständig lesen müssen, wie viele Jobs die KI kosten wird -, freunden sie sich nach den Erfahrungen des Customer-Experience-Spezialisten Genesys schnell mit KI an, wenn sie in der Praxis damit in Berührung kommen: «Die Mitarbeiter eines unserer Kunden hegten vor Beginn der Einführung Bedenken, dass KI ihre Arbeit negativ beeinflussen könnte», sagt Heinrich Welter, Vice President Sales and General Manager DACH bei Genesys. „Nach sechs Monaten zeigten interne Umfragen, dass die Mitarbeiter zufrieden waren. Als besonders positiv empfanden sie, dass ihnen KI mehr Zeit für anspruchsvolle Aufgaben liess.»

Und wenn dann ein KI-Anbieter gefunden ist und die Beschäftigten eingebunden sind, gibt es bei KI-Projekten noch eine letzte grosse Hürde: der Transfer von Technik und Theorie in die Praxis. Matthias Keller, Head of Data Science beim Digitalisierungsspezialisten Echobot, erklärt das Probelm: «Die Lern-Algorithmen und deren Optimierung sind eher das Handwerk. Die Kunst und eigentliche Herausforderung ist, ein spezifisches Praxis­problem und vorhandene Daten in lösbare Machine-Learning-Probleme zu überführen.

Echbot-CEO Bastian Karweg ergänzt: «Die Nachfrage nach KI-Lösungen ist sehr hoch. Das Interesse ist dabei aber vor allem durch die grossen Effizienzgewinne und Einsparungspotenziale motiviert. Was fehlt ist ein praktisches Verständnis, wann welche Probleme mit KI und ML sinnvoll adressiert werden können.»

Ausserdem haben Karweg zufolge viele Unternehmen ihre Hausaufgaben nur mangelhaft erledigt: «Ihre Datenwelt ist veraltet, unvollständig oder fehlerhaft. Darauf lässt sich natürlich nicht aufbauen.»