Schatzsuche in Daten: Grundsätze für KI-Entscheider 

Unter dem Begriff der künstlichen Intelligenz werden Methoden und Verfahren zusammengefasst, die sich neben der Abbildung der Umwelt, des Zusammenlebens oder der Psyche durch numerische Modelle auch mit der Simulation menschlichen Lernverhaltens beschäftigen und es „technischen Systemen erlauben, ihre Umwelt wahrzunehmen und auf Basis des Wahrgenommenen selbstständig Probleme zu lösen, Entscheidungen zu treffen, zu handeln und aus den Konsequenzen zu lernen“ (Russell und Norvig 1995).

Das folgende Bild zeigt eine der vielen Definitionen des Begriffes künstlicher Intelligenz (KI). Es findet sich auf der Website der AISOMA AG (https://www.aisoma.de/kuenstliche-intelligenz-definition/), die sich ausführlich mit der Definition und Abgrenzung künstlicher Intelligenz beschäftigt haben. Aus diesem Grund verzichte ich an dieser Stelle auf weitere Ausführungen, verweise auf die Quelle des Schaubilds und nutze die bildhafte Aufbereitung der Abgrenzung zwischen Lernverfahren und KI aus dem Jahr 2019, um dem Leser das Studium dieses Artikels zu erleichtern. 

Rückblick auf Entwicklungen im Bereich künstlicher Intelligenz

Künstliche Intelligenz (KI) wird in jeden Arbeits- und Lebensbereich der Menschheit Einzug halten.

Erste Anwendungen im Marketing, in der Sicherheitstechnik und in der Medizin blieben von der Allgemeinheit weitgehend unbeachtet. Erst als der Zugang zu Rechenleistung und Speicherkapazitäten für breite Anwendergruppen erschwinglich wurde und fertige KI-Services als Zusatzmodule zu bekannten IT-Lösungen zur Verfügung standen, wurde KI als künftiger Wettbewerbsvorteil erkannt und von innovativen Unternehmen für eigene Zwecke adaptiert.

Es etablierten sich rasch Anwendungen in jenen Bereichen, in denen Daten in hinreichender Menge und Qualität verfügbar und die Produktions- bzw. Geschäftsprozesse ausgereift und tief in IT-Systemen implementiert waren. Typische Beispiele waren bildgebende Verfahren in der Qualitätskontrolle, die akustische Überwachung von Verkehrsabschnitten, KI-gestützte Literaturrecherchen und das Erfassen und Verarbeiten von Eingangsrechnungen. 

Die Nutzung KI-basierter Methoden rückte durch Erfolgsgeschichten namhafter Unternehmen in den Fokus der Industrie. Es entwickelte sich ein hochdynamischer Markt, in dem Start-ups Investitionen in Millionenhöhe generierten. Die Markteinführung massentauglicher Large Language Modelle (LLM) führte durch amerikanische und chinesische Hyperscaler führte letztlich zu einem KI-Hype, der die gesamte Gesellschaft erfasste und bis heute anhält.

KI war plötzlich in aller Munde, wobei die meisten meiner Gesprächspartner damit eigentlich nur die LLM’s meinten. Plötzlich machte jeder irgendwas mit KI, und wenn es nur die KI-gestützte Internetrecherche war. Für viele Unternehmer stellte sich die Frage: Muss mein Unternehmen unbedingt dabei sein? 

Es gab und gibt gute Entscheidungsunterstützung. Hervorheben möchte ich die seriösen Services der Wirtschaftskammer Österreich (WKO), die sich hinter folgendem Link verbergen: https://www.wko.at/digitalisierung/kuenstliche-intelligenz. Hier sind Themen übersichtlich und leicht verständlich aufbereitet. 

Mir ist jedoch aufgefallen, dass die Anleitungen, Leitfäden oder Diskussionen jedoch zu oft in der Mitte des Entscheidungsprozesses ansetzen. Entscheidungsträger werden verleitet, sich mit nachgelagerten Fragen wie Auswahl geeigneter Werkzeuge, dem Schutz der Daten und der Einbeziehung der Mitarbeiter zu befassen, bevor sie sich überhaupt mit grundlegenden Fragen über Datenqualität und Verfügbarkeit, Einsatzbereich und der Quantifizierung des Nutzens KI-gestützter Technologien befasst haben. Selten wird ein Zusammenhang zwischen Business Model und Einsatzbereich der Künstlichen Intelligenz hergestellt. Diese Lücke soll zumindest teilweise mit diesem Beitrag geschlossen werden.

Methode zur Identifikation relevanter KI-Lösungen

Jedes Unternehmen generiert Daten und berechnet Kennzahlen zur Überwachung der Geschäftsprozesse, der Material- und Geldströme und der Gesundheit des Unternehmens als Ganzes. Ein erster Blick auf die Art hauseigener Daten gibt erste Hinweise auf einen sinnvollen Einsatz KI-gestützter Methoden. 

Geschäftsprozesse analysieren

Die systematische Annäherung zu Einsatzbereichen KI-gestützter Methoden sollte stets mit der Analyse der Haupt- und unterstützenden Prozesse des bestehenden Geschäftsmodells beginnen. Wie sind die Prozesse definiert und wie wurden sie im Unternehmen implementiert? Wo liegen die besonderen Herausforderungen der Prozesse und welche dieser Herausforderungen könnten mit KI-Methoden besser als bisher bewältigt werden? Welche Probleme könnten vermieden und welche Abläufe beschleunigt werden?

• Können zeitintensive, komplexe oder fehleranfällige Abläufe ersetzt oder optimiert werden? (Rechnungswesen, Marketing Research, Lagerverwaltung)
• Können personalintensive, körperlich anstrengende oder hochsensible Arbeitsabläufe automatisiert werden? (Montage, Robotik, Reinraumtechnologie)
• Kann eine andere Sicht auf die Daten und die Extraktion verborgener Informationen aus den Daten die Entscheidungsfähigkeit von Managern, Mitarbeitern oder Zulieferern verbessern? (KPI Cockpits, Szenario-Analysen, Planungssoftware)
• Können potentiell kriminelle Handlungen rechtzeitig identifiziert werden? Können Schäden an Vorräten, Infrastruktur oder Geräten zeitnah erkannt werden (fraud detection, Überwachung von Gebäuden, Anlagen und Fahrzeugen, Mustererkennung)

Die Auswertung prozessbeschreibender Kennzahlen kann erste Antworten auf die Fragen liefern. Weitere Erkenntnisse können Dokumentationen des KVP-Prozesses liefern oder durch Rollenspiele oder die Beauftragung professioneller Penetration Tests gewonnen werden. Es ist wahrscheinlich, dass diese Vorgehensweise zu einem Pool an Ideen für die Nutzung KI-gestützter Methoden führt. 

Datenverfügbarkeit prüfen

In einem nächsten Schritt wird geprüft, welche Daten in welcher Menge und Qualität aus Unternehmensprozessen zur Verfügung stehen. Fragen wie: Welche Daten generiert mein Unternehmen? Kann ich die Daten in Kategorien wie Transaktionsdaten, operative Daten und Sensordaten aus Produktion, Transport oder Infrastruktur unterteilen. Welche Daten sind für welche Form der Analyse geeignet und in hinreichender Qualität verfügbar? In welchen IT-Systemen werden die Daten abgelegt und in welchen Formaten? Wer hat Zugriff auf die Daten und wo befinden sich die Datenspeicher? Und wer hat die Hoheit über die Daten?

Ideenpool generieren, Potentiale bewerten

Die Ergebnisse aus der Prozess- und Datenanalyse werden in Ideenkatalogen zusammengefasst,  klassifiziert und bewertet. Zu diesem Zweck wird der Ideenkatalog um einen Kriterienkatalog erweitert, der sich an der Strategie und dem Geschäftsmodell orientiert. Ein solcher Kriterienkatalog könnte in den Zeilen entlang der Risikoklassen strukturiert werden oder nach Relevanz für die Optimierung von Haupt- und unterstützenden Prozesse oder nach dem Potential für Steuerungsmöglichkeiten und Funktionsverbesserungen. Die Reihen des Kriterienkatalogs könnten Kriterien enthalten, die:

1. eine Bewertung der Verfügbarkeit der erforderlichen Daten ermöglichen, auch den Zukauf von Daten betrachten
2. die Verfügbarkeit, technische Reife und Preisgestaltung von KI-Modulen erfassen, die in bereits genutzter Software aktiviert oder als Zusatzpakete erworben werden 
3. Einsparungspotentiale beschreiben und quantifizieren
4. das Potential zum Konsolidieren, Skalieren oder Outsourcen von Services abschätzen 
5. Aufwände für die Qualifizierung von Mitarbeitern und Datenschutz abschätzen oder
6. einen signifikanten Fortschritt in Dimensionen wie Cybersicherheit, Versorgungssicherheit, Umsatzsteigerung oder Abfallvermeidung bedeuten

Die Bewertung der Kriterien erfolgt mittels Punktesystem durch die Interessengruppen entlang der Geschäftsprozesse, in den Organisationseinheiten oder durch Produktverantwortliche, durch IT-Experten und Manager. Durch Wichten können einfache Ziele identifiziert und erste Prioritäten gesetzt werden.

Optionen prüfen

Erst jetzt startet die Suche nach geeigneten KI-gestützten Werkzeugen. Oft sind diese Bestandteil  bereits implementierter IT-Services und müssen lediglich durch Lizenzierung von Zusatzmodulen aktiviert werden. Auf diese Art und Weise lassen sich schnell und unkompliziert kosteneffiziente KI-gestützte Lösungen für das bestehenden Geschäftsmodell implementieren, die sich rasch amortisieren und ein starkes Signal an die Belegschaft, Kunden und Zulieferer sind. 

Sollten bereits implementierte Softwarelösungen nicht oder nur in unzureichendem Umfang mit KI-gestützten Methoden erweiterbar sein, beginnt die Suche nach Dienstleistern, die auf den Anwendungsfall spezialisiert sind. Die Suche kann mühsam sein. Je präziser jedoch Einsatzfelder und die Ziele für den Einsatz KI-gestützter Methoden formuliert wurde, je klarer die Sicht auf den verfügbaren Datenpool ist und je präzisier die IT-Landschaft beschrieben wurde, des so ausführlicher und aussagekräftiger werden die Angebote sein, die von potentiellen Dienstleistern eintreffen. Fragen Sie in jedem Fall ruhig nach, wenn der Einsatz der KI-Methoden unklar ist, der Aufwand für den Zugriff oder die Verarbeitung der Daten unzureichend beschrieben wurde, Aufwände für Programmieren gelistet werden und der Zeitplan für Sprints und Roll-out nicht schlüssig erscheint. Schauen Sie insbesondere auch in die Zukunft und überlegen Sie genau, wo individualisierte Lösungen unbedingt erforderlich sind oder konsolidiert werden kann. Lassen Sie sich die Versorgungssicherheit und den Steuerungsaufwand auf lange Sicht erläutern, auch die Migration in andere Konzepte oder die Übergabe an andere Dienstleister. Erfassen Sie Risiken systematisch und bewerten Sie diese gemäß gängiger Methoden des Risikomanagements. Vergessen Sie bitte nicht, Aufwände für die Weiterbildung der Fachkräfte einzuplanen.

Projekte starten

Am Ende des Prozesses halten Sie eine Bewertungsmatrix in Händen, die Handlungsfelder enthält, Kosten und Nutzen auflistet und Optionen bewertet. Prüfen Sie die Matrix gegen die Strategie und das Businessmodell. Und dann starten Sie eine gerechtfertigte Anzahl an Projekten. Rechnen Sie bitte fix damit, dass etwa 60% der Projekte scheitern werden. Definieren Sie für sich daher Haltepunkte, an denen Sie den Projektfortschritt prüfen und entscheiden Sie anhand zuvor festgelegter Kriterien, wann Projekte gestoppt oder forciert werden. 

Beispiel einer strukturierten Potentialanalyse für den Einsatz KI-basierter Methoden und Werkzeuge

KI-basierte Methoden und Werkzeuge bieten unzählige Möglichkeiten, Geschäftsprozesse zu optimieren und bessere Entscheidungen zu treffen. Sie können aber auch – oftmals durch Zugriff auf externe Datenquellen –  Informationen und Daten zur  Weiterentwicklung des Geschäftsmodells erheben. 

Als Gerüst für eine strukturiertes Ideengenerierung kann die Struktur der Gewinn- und Verlustrechnung herangezogen werden. Dieses gliedert sich – grob betrachtet – in die Bereiche Umsatzerlöse, der Aufwendungen, des Kapitaleinsatz und der Verluste/Erträge aus Finanzaktivitäten. Je nach Geschäftsmodell werden unterhalb dieser Posten die Konten gelistet, die die besten Informationen für die Effektivität des Geschäftsmodells geben und zu deren Optimierung man sich in geeigneten Arbeitsgruppen mit Potentialen und verbundenem Einsatz KI-gestützter Werkzeuge oder Methoden Gedanken auseinander setzt.  

Die Struktur für den Prozess der Ideengenerierung könnte also wie in Abbildung 2 ausschauen:

Mit dem Detailwissen eines Managers, der die Entwicklung der Umsätze einzelner Produkte und Services über die Zeit im Blick hat, Trends und Entwicklungen der Zielmärkte kennt und die die Probleme im Unternehmen kennt, können nunmehr strategischen Überlegungen angestellt, Fragen formuliert und Ziele vorgegeben werden, die von Expertengruppen aufgenommen und bearbeitet werden können. 

Es gilt, wie oben beschrieben, den generellen Ablauf beizubehalten: Potentiale identifizieren – Datenverfügbarkeit prüfen – Kosten für Zugang zu Daten, Software, Dienstleistungen, Infrastruktur und Wissen erheben. Geeignete Fragen könnten daher lauten:

• Die Anzahl der verkauften Messgeräte vom Typ XY geht seit 4 Jahren zurück. In den letzten beiden Jahren haben sich die Verkaufszahlen jeweils halbiert. Gleichzeitig sehe ich, dass mein direkter Mitbewerber COPM Marktanteile erobert. Welche entscheidenden Wettbewerbsvorteile hat er? Welche neuen Produktmerkmale oder Services müssen bei uns im Unternehmen entwickelt werden, um zunächst einmal Bestandskunden zu halten und langfristig Marktanteile zurück zu erobern? Welche Produktmerkmale oder Services müssen entwickelt, und welche zusätzlichen Maßnahmen müssen gesetzt werden, um in 5 Jahren einen Anteil von 35% im deutschsprachigen Markt zu haben und den Umsatz mit dem Nachfolgemodell des Messgeräts Typ XY um 10% im Vergleich zu BY2020 zu erzielen?
  • Benötigt werden Daten aus internen und externen verteilten Datenquellen. Es sind eher unstrukturierte Daten zu verarbeiten. Mehrsprachigkeit ist ein Thema. Als Werkzeuge genügen mutmaßlich am Markt bereits verfügbare LLM-Modelle. Rechenleistung kann gemietet werden.
  • Nutzung von KI-Methoden für klassisches Marketing Research (Mitbewerber-, Kunden- und Marktanalysen, Technologie-Screening u.ä). Zur Anwendung kommen beispielsweise LLM’s, oder Graph Neutral Networks, erweitert um Agenten oder generative KI-Methoden.

• Mein Unternehmen hat in den letzten zwei Jahren 500.000 Elektromotoren an den OEM VVG verkauft. 10% der gelieferten Elektromotoren fallen vor Erreichen der Lebensdauer aus. Diese Motoren werden auf Kosten meines Unternehmens getauscht und an das Werk in Musterstadt zur Analyse und zum späteren Recycling geschickt. Das ist teuer und gefährdet den Nachfolgeauftrag. Welche Ursachen sind der häufigste Grund für Motorschäden, und wie kann dem entgegengewirkt werden, sodass weniger als 1% der verbauten Elektromotoren auf Werkskosten getauscht werden muss ?
  • Benötigt werden Daten aus der Produktion der Motoren, Sensordaten aus dem Fahrzeug, Parameter des Motormanagements, Umweltparameter, Fahrerdaten und Schadensdiagnose.
  • Nutzung von KI-Methoden für Ursachenanalyse und automatisierte Optimierung des Motormanagements, weiterführend auch Empfehlungen für die Fertigung der Elektromotoren und/oder für die Optimierung der Hardware in der nächsten Generation. Zur Anwendung kämen beispielsweise Klassifikationsmethoden, rekurrente neuronale Netzwerke oder Methoden aus dem mathematischen Teilgebiet der Optimierung. 
  • Die Aufwände für die Datenerfassung, -übertragung und -verarbeitung sind vermutlich hoch. Es braucht Kompetenzen aus Themenbereichen wie Infrastruktur, Big Data, Cloud, Edge oder Datenräume sowie hochspezialisierte  KI-Experten.

• Der Fachkräftemangel hat zu einer sehr dünnen Personaldecke im Rechnungswesen geführt. In den letzten zwei Jahren hat sich die Zahl der Überstunden verdoppelt, die Krankenstände sind gestiegen und die Anzahl der Reklamationen ist nahezu in die Höhe geschnellt. Ursache sind unter anderem veraltete Prozesse. Dazu zählt, dass Eingangsrechnungen noch immer zu 100% manuell erfasst, geprüft und freigegeben werden. Des Weiteren dauert die Freigabe der Eingangsrechnungen länger als zwei Wochen, wodurch Einsparungspotentiale wie gewährte Skonti für Zeitüberweisungen nicht gehoben werden können. Welche KI-gestützten Methoden stehen zur Optimierung des Prozesses zur Verfügung, um innerhalb von maximal zwei Arbeitstage sämtliche Eingangsrechnungen zu erfassen, zu prüfen und den Freigabeprozess abzuschließen? 
  • Die Daten sind auf elektronisch lesbaren Dokumenten gespeichert, die über Messenger-Dienste wie Email eintreffen. Weiters benötigt werden Stammdaten von Lieferanten und aus dem eigenen Unternehmen, sowie Daten des Finanzwesen.
  • Die Lizenzierung von KI-Modulen zum automatisierten Erfassen und Verarbeiten der Rechnungsinformationen und das Implementieren vorinstallierte Prozesse der Buchhaltungssoftware bringt erhebliche Erleichterung. 

Das Schaubild aus Abbildung 2 wurde um Zielvorgaben ergänzt, um dem geneigten Leser weitere Beispiele als Anregung an die Hand zu geben.

Die systematische Analyse entlang der Positionen einer GuV, gegebenenfalls in den einzelnen Unternehmensbereichen, bringt Struktur und Klarheit für den Einsatz Künstlicher Intelligenz im Unternehmen.

Zusammenfassung

Wie kann aus Daten ein Mehrwert für Unternehmen geschaffen werden? Wo liegt der Satz?

Der vorliegende Artikel beschäftige sich mit der strukturieren Suche nach Werten, die durch die Be- und Verarbeitung von Daten für ein beliebiges Unternehmen geschaffen werden können und orientiert sich in seiner Analyse am Geschäftsmodell bzw. der GuV. Die Analyse entlang anderer Gerüste wie Geschäftsbereiche, Risikomatrix oder Projektstrukturplänen wäre ebenso effektiv. Wichtig ist, dass das Gerüst die Potentiale der optimalen Datennutzung aufzeigt.

Richtig durchgeführt, kann die KI-Initiative zum Erreichen folgender Ziele beitragen:

• Kosteneinsparungen durch effizientere Abläufe
• Umsatzsteigerungen durch „intelligente“ Absatzmaßnahmen 
• Bessere, datengestützte Entscheidungen
• Effektivere Unternehmenssteuerung bei geringerem Aufwand für das Berichtswesen
• Entwicklung wettbewerbsfähiger Produkte, Services
• Erschließung neuer Geschäftsfelder
• Mitarbeiterbindung durch innovatives Umfeld

Es lohnt sich also, genau hinzuschauen und bewusst zu entscheiden, ob in KI-gestützte Methoden investiert wird, und wenn ja, mit welchen Zielen, Aufwänden und Perspektiven.

Ich freue mich, wenn ich Ihnen mit meiner Methode zur Schatzsuche in Daten geholfen habe und unterstütze Sie gern bei der Suche nach geeigneten KI-gestützten Methoden und Werkzeugen für Ihren spezifischen Bedarf. Ihre Anfrage ist stets willkommen.