Wann der Einsatz von KI sinnvoll ist

Noch immer herrscht vielerorts Unklarheit darüber, welchen fachlichen Nutzen Künstliche Intelligenz heute tatsächlich bereithält. Klar ist allerdings: Zu hohe Erwartungen und eine unpräzise Herangehensweise können Unternehmen teuer zu stehen kommen. Stattdessen ist es entscheidend, mögliche Anwendungsfälle genau zu bewerten – und gegebenenfalls andere Lösungswege zu wählen.

Die Euphorie schien lange keine Grenzen zu kennen: Seit Jahren lockt das Thema Künstliche Intelligenz zahllose Akteure auf die Bildfläche – fast alle mit dem Ziel, sich bestmöglich zu positionieren, Lösungen zu vermarkten oder einfach dabei zu sein. Die Nachrichten überschlagen sich und täglich verschwinden klangvolle Ankündigungen im stetigen Rauschen der nächsten großen Neuigkeiten. Bei alledem stehen Unternehmen zwar Unmengen an Informationen zur Verfügung, doch deren Einordnung sowie die konstruktive Bewertung neuester KI-Innovationen wurden zunehmend erschwert. Allein aus der Summe der Aussagen konnte der falsche Eindruck entstehen, es handele sich bei KI um eine nahezu omnipotente Technologie – eine Art Allzweckwerkzeug. 

Zugleich sahen viele Unternehmen sich Investoren gegenüber, die den bloßen Einsatz von KI als Qualitätsmerkmal betrachten. Dabei ist dieser nur in bestimmten Fällen betriebswirtschaftlich sinnvoll. Zuletzt legte eine Analyse von Goldman Sachs nahe, dass ein großer Teil der Investitionen übertrieben, also nicht durch entsprechende Wertschöpfung oder Einsparungen gerechtfertigt sei. Selten war es wichtiger, den konkreten fachlichen Nutzen einer Technologie in verschiedenen Anwendungsszenarien präzise einzuschätzen. Zurecht betont die Aufregung um KI die Möglichkeiten der Automatisierung an allen Ecken und Enden. Doch es darf nicht vergessen werden, dass geeignete Technologien oft schon lange zur Verfügung stehen.

Algorithmen für grundlegende Automatisierung

Um entscheiden zu können, ob der Einsatz von KI in bestimmten Fällen zielführend ist, bietet sich der Blick auf einfachere Möglichkeiten und deren Grenzen an: Für viele Aufgaben kommen klassische, deterministische Algorithmen infrage, die klar definierte, eindeutige Arbeitsschritte erledigen. Jeder Zwischenstand lässt sich exakt reproduzieren und auf die gleiche Eingabe folgt immer das gleiche Ergebnis. Es werden also keine automatisierten Entscheidungen erwartet und es handelt sich damit nicht um KI. Und doch hat der Ansatz erhebliche Vorteile, darunter eine hohe Präzision, während weder große Datenmengen noch eine erhebliche Rechenleistung notwendig sind. Entstandene Fehler gehen immer auf die menschlichen Vorgaben zurück, sodass sie nachvollziehbar zu beheben sind.

Deterministische Algorithmen sind folglich bei repetitiven Prozessen vorzuziehen, die wenig Spielraum für Unvorhergesehenes lassen. Das betrifft zum Beispiel die Validierung von Daten, Einzelschritte in der Fertigung oder mathematische Berechnungen. Ein Taschenrechner braucht keine KI. Diese arbeitet hingegen meist mit statistischen Analysen im Rahmen von Machine Learning. Die Modelle lernen aus anthropogen Daten, um Vorhersagen zu treffen oder Entscheidungen zu unterstützen. Dabei greift man auf technologische Grundlagen zurück, die bereits seit den 1950er Jahren existieren. Erst die jüngsten Fortschritte im Bereich der Rechenleistung, insbesondere durch leistungsfähigere Hardware, haben es ermöglicht, diese Technologien zu optimieren und effizienter anzuwenden. Ein konkreter Nutzen entsteht jedoch nur unter bestimmten Voraussetzungen, wenn der deterministische Ansatz seine Anwendbarkeit verliert.

Spezifische KI für spezifische Aufgaben

Bei manchen Geschäftsprozessen wird ersichtlich, dass sie anhand von Erfahrungen aus der Vergangenheit optimiert werden können. Das ist besonders dann der Fall, wenn messbare exogene Faktoren eine Rolle spielen, sich die Situationen also verändern. Eine allgemeine deterministische Lösung ist folglich nicht mehr möglich oder sie lässt sich nicht mit der verkürzten wirtschaftlichen Nutzungsdauer in Einklang bringen. Erst dann wird eine statistische Automatisierung durch KI erwägenswert. Mit dieser Erkenntnis ist es jedoch nicht getan, es kommt auf den Proof of Concept anhand einer konkreten Technologie an. Sie alle sind heute von hochspezialisierter Beschaffenheit. Obwohl zum Beispiel ChatGPT oft als Allrounder gefeiert wird, finden spezifische statistische Berechnungen der Sprach- oder Bildverarbeitung statt. Für medizinische Analysen oder Risikomanagement ist die Anwendung schlichtweg ungeeignet.

Die größtmögliche Wirksamkeit entsteht erst, wenn Unternehmen ihre konkret definierten Aufgaben mit KI-Systemen oder -Modellen behandeln, die für diesen eng umgrenzten Bereich konzipiert und trainiert wurden. Auf diese Weise sind heute bereits erstaunliche Verbesserungen möglich: Im Vertrieb oder Marketing kann man zum Beispiel historische Verkaufsdaten nutzen, um vorherzusagen, wann wie viel von einem Produkt nachgefragt wird. In der Industrie lässt sich hingegen der optimale Zeitpunkt für die Wartung von Maschinen unter Abwägung von Wartungsaufwand und Ausfallzeiten bestimmen. In Banken und Versicherungen wird spezifische KI genutzt, um rechtliche Risiken in Verträgen zu identifizieren. Diese Anwendungen bieten einen hohen Nutzen, weil sie die Mitarbeitenden innerhalb der klar definierten Fachprozesse entlasten. Durch diese Spezialisierung sind jedoch auch die technischen Grenzen klar erkennbar.

Synergien von Mensch und Maschine

Wann immer sich Situationen in Geschäftsprozessen sehr deutlich verändern oder kein messbarer Zugriff auf Veränderungen vorliegt, ist auf absehbare Zeit keine vollumfängliche Automatisierung durch KI möglich. Gleiches gilt, wenn Reaktionen erforderlich sind, die eine gänzlich andere Tätigkeit beinhalten. Die heutigen KI-Systeme sind auf die verwendete Datenbasis und damit auf initial vorgesehene Funktionen beschränkt. Bei der sogenannten “starken” oder allgemeinen KI handelt es sich nach wie vor um einen technologisch entfernten Wunschtraum. Menschliche Intelligenz und Erfahrung bleiben daher unerlässlich: für kontextübergreifende Entscheidungen, mehrdimensionale Tätigkeiten und natürlich für die Kontrolle von KI-Prozessen. 

Damit Unternehmen Wettbewerbsvorteile erlangen, ist der kombinierte und zielgerichtete Einsatz dieser verschiedenen Möglichkeiten inzwischen unerlässlich. Vieles lässt sich immer noch mit deterministischen Algorithmen lösen oder bleibt Menschen vorbehalten. Dennoch: Heute bereits Künstliche Intelligenz in das Geschäftsmodell zu integrieren, ist trotz der technischen Unzulänglichkeiten kein Modetrend. Spezifische KI schafft in unzähligen Bereichen bereits substanzielle Verbesserungen, die konkret messbar sind. Bislang finden jedoch nur wenige Wettbewerber die richtigen Stellschrauben für die Automatisierung und setzen dann auch noch das richtige Werkzeug an. Von dieser Fähigkeit hängt der künftige geschäftliche Erfolg ab, was zeigt, dass auch strategisches, menschliches Denken weiterhin unersetzbar bleibt.