tetrel Logo tetrel Logo

Einkaufstipps für Künstliche Intelligenz – Teil 3

02.05.2021 von Johannes Humbert (LinkedIn | Twitter)

Das Einmaleins der Programmgestaltung für KI-basierte Softwareentwicklung. Bauen Sie keine weißen Elefanten!

Was man für einen erfolgreicheren Einkauf machen kann, hat uns in Teil 2 beschäftigt. Jetzt geht es darum, worauf zu achten ist, damit KI-Projekte erfolgreich umgesetzt werden.

Die wirksamsten KI-Projekte haben wissenschaftlichen Charakter. Mit dieser Hypothese aus Teil 1 lässt sich erklären, warum es auch heute noch so ist, dass viele KI-Projekte (laut IBM angeblich rund 80%) nicht über den Proof of Concept (POC) hinauskommen.

Dabei lassen sich vor allem zwei Dinge machen, damit ein KI-Programm nicht an “Jugend forscht” erinnert, sondern den Aufbau einer Lösung unter Zuhilfenahme einer der relevantesten Technologien unserer Zeit verkörpert.

Machen Sie nicht den Use Case-Fehler

Use Cases sind Vehikel für Berater und Vertriebler, eine Technologie an Menschen zu verkaufen, die nichts oder nicht genug von dieser Technologie verstehen.

Ein guter Use Case ist jedoch keine Geschichte auf einer Folie, die gut klingt, sondern ein stimmiges Zusammenspiel aus individuellem Lösungsbedarf, technologischer Architektur und guter Passung für den Zielprozess.

Was bei einem anderen Unternehmen gut funktioniert hat, muss nicht zwingend genauso wieder funktionieren. Und auch wenn das der Fall wäre, ist nicht gesagt, dass eine andere Lösung nicht einen höheren ROI mit sich gebracht hätte.

Werfen Sie also einen Blick hinter den Vorhang!

Am einfachsten ist es, wenn Sie Ihre Bereichs- oder Unternehmensziele definieren und in einer Machbarkeitsanalyse über Ihre vorhandenen Daten legen. Dazu bedarf es konkreter Erfahrung im Aufbau von KI-Lösungen. Die Fragen, die beantwortet werden müssen, sind: “Welche Use Cases zahlen maximal auf Ihre Ziele ein?”, “Mit welchen Algorithmen lassen sich diese realisieren?”. Am Ende erhalten Sie eine ROI-getriebene Bewertung von Use Cases und können fundiert priorisieren.

Darüber hinaus lassen sich auf diesem Wege konkrete Erwartungswerte und Benchmarks ableiten. Ein Umstand, der später im Projektverlauf von entscheidender Bedeutung sein wird, wenn es darum geht, festzustellen, was erfolgreich ist und was nicht.

Zum anderen bekommen Sie aus einer Bottom Up-getriebenen Machbarkeitsanalyse Ihrer Daten ein klares Bild, welche KI-Anwendungen maximal auf Ihre Ziele einzahlen.

Im Ergebnis wird sich vielleicht der eine oder andere Use Case als weniger einfach machbar oder wirkmächtig erweisen, während andere, weniger naheliegend erscheinende Applikationen einen deutlichen Mehrwert mit überschaubarem Aufwand versprechen.

Es lohnt sich in jedem Fall, die Ratio der Fachbereiche zu hinterfragen und in diesem relativ kostengünstigen Analyseschritt sicherzustellen, was die wirklichen Treiber hinter Ihrem Geschäft sind und wie ein wirksames KI-Programm gestaltet sein könnte.

Kaufen Sie nicht die Katze im Sack

Jedes KI-Projekt beinhaltet fachliche Risiken.

Daten müssen verfügbar sein, über eine gewisse Qualität verfügen, Use Cases richtig gewählt sein, Annahmen aus Vorabanalysen sich bestätigen, Informationen zurück in die Altsysteme integriert und Prozesse angepasst werden. Zudem müssen Mitarbeiter bereit sein, mit den neuen Systemen zu interagieren.

Das sind nur einige Punkte und diese lassen sich nicht wegdiskutieren. Allerdings lassen sie sich recht unkompliziert handhaben.

Definieren Sie Projektphasen mit entsprechenden Ergebniserwartungen und kaufen Sie diese als einzelne Bausteine nacheinander ein, zum Beispiel:

Vorabanalyse -> Proof of Concept -> Implementation -> Betrieb

Dies erfordert zwingend, dass jeder Use Case mit einem entsprechenden Business Case und einer fachlichen Beurteilung im Sinne einer Vorabanalyse unterfüttert ist. Es ist verlockend, einmal angefangene Projekte laufen zu lassen. Gerade im Hinblick auf eine möglicherweise nicht ausgeprägte Fehlerkultur im Unternehmen, die jeden gut begründbaren Projektabbruch mit Scheitern gleichsetzt.

Es ist also nicht nur im Hinblick auf das Ergebnis, sondern auch für die schonende Verwendung politischen Kapitals und für die Akzeptanz im Unternehmen wichtig, dass vorab ein transparentes Verständnis in harten Zahlen dafür geschaffen wird, was erreicht werden soll und was passiert, wenn diese Benchmarks nicht eingehalten werden.

Auf diesem Wege eliminieren Sie das Risiko sowohl für Ihr Unternehmen als auch für Ihre Position und kreieren einen Anreiz für Ihren Dienstleister, nur Dinge zu tun und Projektstränge zu verfolgen, die tatsächlich auf den Projekterfolg einzahlen.

Fazit

Viele Projekte straucheln im Verlauf, weil sie zu Beginn nicht ordentlich aufgesetzt wurden. Durch eine saubere Zieldefinition und Machbarkeitsanalyse, das Verteilen von Risiko und ein schrittweises kommerzielles Vorgehen, lassen sich mit Zukunftstechnologien wie Künstlicher Intelligenz Erfolgsgeschichten schreiben.