AI Canvas: Das Rezept für erfolgreiche KI-Transformationen

Das Ziel ist klar: mit KI im eigenen Unternehmen Wert stiften. Der Weg dahin ist nicht ganz so klar. Der AI Canvas bietet als ganzheitliches Instrument klare Leitplanken und Schritte, die bei der Durchführung und Skalierung von KI-Projekten zum Erfolg führen. 

Künstliche Intelligenz: Adaption bleibt hinter Potenzialen zurück

In den letzten Jahren hat die Forschung im Bereich der künstlichen Intelligenz (KI, engl. AI) deutliche Fortschritte gemacht. Auch dass Unternehmen aus einer erfolgreichen KI-Transformation langfristige Wettbewerbsvorteile erzielen können, ist unumstritten. Dennoch haben laut einer CEO-Studie lediglich 65% der befragten Unternehmen eine umfassende KI-Strategie (Deloitte, 2019). Es herrscht also nach wie vor eine klaffende Diskrepanz zwischen Potenzial und Verbreitung von KI. Werfen wir einen Blick auf die Unternehmen im Bezug auf ihre KI-Reife, werden verschiedene Typen erkennbar. Viele Organisationen haben den Mehrwert der Technologie zwar erkannt, das Potenzial liegt aber immer noch brach:

Bild 1: Unterschiedliche KI-Reifegrade von Organisationen

Warum hinkt die Anwendung hinterher?

Die Hintergründe für diese Beobachtung sind vielschichtig und betreffen die folgenden drei Bereiche:

1. Businesslogik und Geschäftsmodell: Die Breite aller Unternehmen versteht KI als Mittel zum Zweck, um Prozesse effizienter zu gestalten oder repetitive Entscheidungsabläufe zu automatisieren. Die Erwartungshaltung an einen schnellen ROI ist demnach meist hoch. Welche Dynamiken jedoch mittelfristig für datengetriebene Geschäftsmodelle wichtig sind, können Firmen mit mangelnder Erfahrung oft nicht beurteilen. Deshalb fällt es den meisten schwer, die stärksten Cases zu identifizieren und ihre Ressourcen dementsprechend zu bündeln. 

2. Organisation: Aus organisatorischer Sicht mangelt es oftmals an der Synchronisation zwischen dezentral getriebenen Initiativen (Bottom-Up) und der übergeordneten Unternehmensstrategie (Top-down). Das Etablieren von Prozessen und Strukturen für eine entsprechende Ausrichtung fällt vielen Unternehmen schwer. 

3. Technologie: Mit Blick auf die technologische Hinterlegung von KI Vorhaben spielen neben Themen wie der Datenqualität auch sicherheitsrelevante und regulatorische Fragestellungen eine Rolle. Nur selten haben Organisationen darauf eine Antwort.

Die Notwendigkeit einer Methodologie für KI  

Um die Möglichkeiten von KI gewinnbringend auszuschöpfen, müssen strategische Planung und organisatorische Flexibilität aufeinandertreffen. Eine stringente Methodologie, die schnell laufende Prozesse an langfristigen Zielen ausrichtet, ist für die erfolgreiche Umsetzung und Skalierung von Anwendungsfällen notwendig.  KI-Projekte zeichnen sich durch ihre dynamische Natur sowie inhärente Unsicherheit aus. Interne und externe Anforderungen, Änderungen in den Daten oder der technologischen Infrastruktur haben große und oft unvorhersehbare Auswirkungen auf den Projekterfolg.

Es ist daher notwendig, ein Verständnis für all diese Faktoren zu entwickeln und sie in die strategische Planung auf hoher Ebene zu integrieren. Dataset Drifting, Veränderungen der Rahmenbedingungen und die schnelle Entwicklung von KI erfordern einen iterativen Ansatz zur Definition und Überwachung von KI-Produkten. Im Gegensatz zu konventionellen Technologien betrifft KI dabei nahezu jeden Teil einer Organisation. Die Schaffung von Transparenz und Verständnis ist dabei ebenso erforderlich wie eine koordinierte, ganzheitliche Herangehensweise für die Implementierung von KI.