Künstliche Intelligenz wird Unternehmen dramatisch verändern

26.04.2023

Autor: Andreas Seufert

Wir erleben ein goldenes Zeitalter der Daten und der Technologie – und es gibt keine Anzeichen dafür, dass der Prozess sich verlangsamt. Ganz im Gegenteil. Die Technologie der künstlichen Intelligenz (KI) wird immer leistungsfähiger, und die Unternehmen müssen sich darauf einstellen.

Warum der Einsatz von KI für die Unternehmen erfolgskritisch wird

Wie nie zuvor müssen sich Unternehmen aktuell betriebswirtschaftlich und technologisch völlig neu aufstellen. Geschäftsmodelle, Prozesse und Produkte müssen in immer schnellerem Tempo an die neue, digitale Welt angepasst werden.

Wir erleben ein goldenes Zeitalter der Daten und der Technologie – und es gibt keine Anzeichen dafür, dass es sich verlangsamt. Ganz im Gegenteil. Die Technologie der künstlichen Intelligenz (KI) wird immer leistungsfähiger.

Modelle des maschinellen Lernens (ML) verarbeiten Billionen von Datenzeilen, die Fortschritte bei der Verarbeitung natürlicher Sprache (NLP) gehen in Richtung des Verständnisses menschlicher Absichten, und die Algorithmen werden immer leistungsfähiger.

In der Folge können immer mehr sich wiederholende Aufgaben vollständig automatisiert werden.

Was dies für die Unternehmen bedeutet

Viele Führungskräfte sind davon überzeugt, dass der richtige Umgang mit Daten und Analytics für das künftige Überleben ihres Unternehmens entscheidend ist.

Der langfristige Erfolg und die Nachhaltigkeit, insbesondere von KI-Lösungen, hängen jedoch von vielen Faktoren ab, unter anderem:

• Wachsende Datenmengen
• Kosten für die Wartung dieser Technologie
• Schwierigkeiten bei der Besetzung hochspezialisierter Positionen
• Skalierung von KI-Pilotprojekten für eine breite Akzeptanz

Unternehmen haben erkannt, dass sie mehr tun müssen, um innovativ zu sein und ihre Kunden besser bedienen zu können. KI eröffnet zwar völlig neue Möglichkeiten, aber die meisten Investitionen müssen ihren wirtschaftlichen Nutzen erst noch beweisen.

Aber: Wir werden bei der Leistungsfähigkeit von KI-Technologien völlig neue Durchbrüche erleben, die unmittelbar die erforderliche zukünftige Qualifikation von Mitarbeitern und Mitarbeiterinnen tangieren:

Dies führt zu Fragen wie zum Beispiel:

Welche Aufgaben werden durch KI-Technologie vollständig automatisiert werden können?

Beispiele für die Automatisierung, die Menschen entlasten, damit sie sich auf anspruchsvollere Aufgaben konzentrieren können: Einfache Sprachübersetzung und Bildbearbeitung. Anstatt Stunden damit zu verbringen, ein Foto manuell zu bearbeiten, um den Hintergrund zu ändern, kann die Bearbeitung mit einer Standard-Bildbearbeitungstechnologie erfolgen, die KI zur Handhabung von Beleuchtungs- und Überblendtechniken einbezieht. Diese automatisierten Werkzeuge ermöglichen eine neue Ebene der Kreativität.

Welche Aufgaben werden halbautomatisch sein und menschliche Beteiligung und Interpretation erfordern?

Beispiele für KI, die nützliche Muster und Einsichten destilliert, um Menschen in die Lage zu versetzen, datengestützte Entscheidungen im Kontext zu treffen: -> Zur genaueren Gewichtung von Klima- und Pandemiemodellen werden ML-Techniken angewandt, die Forschern helfen, Trends, Auswirkungen und Muster zu verstehen, um politische Entscheidungen zu unterstützen. -> Maschinen können Sprachdaten (beispielsweise Kundenanrufe) mithilfe von NLP- und ML-Algorithmen untersuchen, um die Absichten der Nutzer besser zu verstehen und relevante Kategorien und Merkmale hinzuzufügen. Auf diese Weise können KI-Systeme Mitarbeiter und Mitarbeiterinnen darüber informieren, was als Nächstes zu tun ist.

Was dies für die Mitarbeiter·innen bedeutet

Entsprechende Kenntnisse im Umgang mit Daten und Analytics erleichtern die Skalierung von KI-Lösungen und unterstützen eine nachhaltige Umsetzung und Innovation.

In einem aktuellen Bericht stellte Gartner fest „lack of skills was cited as the No. 1 challenge to the adoption of artificial intelligence and machine learning“ [Pid 21] Entscheidend für den Erfolg ist allerdings, dass Investitionen in die Entwicklung der Mitarbeiter und KI-Techniken als kontinuierliche Prozesse verstanden werden, die sich mit der Technologie ständig weiterentwickeln müssen.

Erfolgskritisch wird dabei sein, dass es den Unternehmen gelingt, einerseits Daten- und KI-Strategien voranzutreiben und gleichzeitig im geschäftlichen Kontext zu verankern.

Um signifkante Wettbewerbsvorteile aus KI-Technologien ziehen zu können, müssen sie sinnvoll mit der Unternehmensstrategie und den Unternehmenszielen verknüpft sein.

Fazit

• KI wird immer schneller immer leistungsfähiger.
• Dank Cloud-Computing ist KI aber auch erschwinglicher und zugänglicher geworden.
• Dies kann zu schnelleren und tiefgreifenderen Innovationen in verschiedenen Bereichen/Branchen und zu entsprechenden Wettbewerbsvorteilen führen.
• Unternehmen müssen neue Technologien jedoch kreativ einsetzen, um die Organisation in die Lage zu versetzen, die Digitalisierung schnell zu skalieren.
• Um die Unternehmen fit für die Zukunft zu machen, ist der Aufbau entsprechender Daten- und Methodenkompetenz (Data-Literacy) bei Mitarbeiterinnen und Mitarbeitern unumgänglich.

Weiterführende Literatur

[Ama 21] Ammanath et al.: Becoming an AI-fueled organization Deloitte’s State of AI in the Enterprise, 4th Edition, 2021, https://www2.deloitte.com/content/dam/insights/articles/US144384_CIR-State-of… (Zugriff: 24.04.2023)

[Goa 21] Goasduff: The 4 Trends That Prevail on the Gartner Hype Cycle for AI, 2021, https://www.gartner.com/en/articles/the-4-trends-that-prevail-on-the-gartner-hype-cycle-for-ai-2021, September 22, 2021, (Zugriff: 24.04.2023)

[Gop 21] Gopa: How Data Culture Fuels Business Value in Data-Driven Organizations, May 2021

[Gro 21]: Groombridge et. al: Top Strategic Technology Trends for 2022, https://www.gartner.com/en/documents/4006913, 18 October 2021, (Zugriff: 24.04.2023)

[KPM 20] KPMG: Living in an AI World. Achievements and challenges in artificial intelligence across five industries, 2020, https://advisory.kpmg.us/content/dam/advisory/en/pdfs/2020/living-in-ai-world.pdf (Zugriff: 24.04.2023)

[McK 21] McKendrick: AI Adoption Skyrocketed Over the Last 18 Months, https://hbr.org/2021/09/ai-adoption-skyrocketed-over-the-last-18-months (Zugriff: 24.04.2023)

[NVP 21] NVP – New Ventage Partners: Big Data and AI Executive Survey 2021, Executive Summary of Findings, https://www.newvantage.com/_files/ugd/e5361a_d59b4629443945a0b0661d494abb5233.pdf (Zugriff: 24.04.2023)

[Pid 21] Pidsley/ Idoine: Maximize the Value of Your Data Science Efforts by Empowering Citizen Data Scientists, December 2021

[Rei 2019] Reilly et. al: Scaling to new heights of competitiveness, Research Report Accenture, https://www.accenture.com/us-en/insights/artificial-intelligence/ai-investments (Zugriff: 24.04.2023)

[Set 2022] Setlur et. al: Data Trends 2022,https://www.tableau.com/reports/data-trends, February 2022, (Zugriff: 24.04.2023)