Die Begeisterung für generative KI in Unternehmen ist ungebrochen. Von Start-ups über den Mittelstand bis hin zu etablierten Corporates – (fast) alle Unternehmen testen KI-Tools. Die erhofften Vorteile: Automatisierung und Effizienz.
Tatsächlich zeigen Erfahrungswerte, dass KI-gestützte Tools und Prozesse einen enormen Effizienzgewinn bringen können. „Einfach mal machen“ ist für den Anfang sicher ein guter Ansatz, um Initiativen zu starten. Für langfristigen Erfolg empfehlen wir jedoch einen konkreten Plan zu verfolgen. Wichtig dabei: Dieser muss die strategische, technologisch und organisatorische Ebene bedenken. Denn KI ist ein sensibles Thema.
In diesem Text haben wir 12 Handlungsempfehlungen zusammengestellt. Sie helfen Unternehmen dabei, generative KI in Unternehmen nachhaltig einzuführen und damit spürbaren Impact zu generieren.
Strategische Verankerung und Wertorientierung
Grundsätzlich gilt: Daten- und KI-Initiativen unterscheiden sich maßgeblich von anderen Informationstechnologieprojekten: Die Zeitspanne zwischen den beträchtlichen Vorabinvestitionen und dem messbaren ROI ist viel länger. Es braucht also einen langen Atem. Ein Beispiel: Ein Chatbot, der für das interne Onboarding entwickelt wurde, verbessert in erster Linie die Effizienz des jeweiligen Teams. Das ist gut und wichtig. Es ist jedoch schwierig, den Wert des Tools konkret zu messen.
Wer die Vorteile der Technologie nutzen möchte, sollte folgende Punkte befolgen:
- Klarheit in der Wertgenerierung: Für generative KI-Projekte brauchen Unternehmen eine klare Vorstellung davon, wie sie mit dem Projekt Wert generieren. Unternehmen sollten Hypothesen über den Return on Investment (ROI) aufstellen, um die langfristige Wertschöpfung zu messen. Denn: Die Vorteile zeigen sich erst auf lange Sicht.
- Fokussierte Umsetzung auf Use-Case-Ebene: Wie effektiv ist die Technologie und wie hoch der direkte Nutzen? Diese Fragen lassen sich für Unternehmen am besten prüfen und beantworten, wenn sie generative KI auf der Ebene konkreter Anwendungsfälle umsetzen und weiterentwickeln. Hier gilt: Lieber einen Ansatz von Anfang bis Ende testen und Learnings gewinnen, als viele Ansätze parallel. Denn die beste Technologie bringt nichts, wenn sie nicht hilft, ein Problem zu lösen.
- Lernen aus Rückkopplungsschleifen: Ein agiler Ansatz mit Rückkopplungsschleifen ist unverzichtbar. Denn: Umwälzende Entwicklungen wie die generative KI vollziehen sich im Maßstab von Wochen und Monaten, nicht von Jahren. Unternehmen sollten kontinuierlich aus jeder Iteration lernen, um die Strategie dynamisch anzupassen und die Wertgenerierung zu optimieren.
Technik und Architektur
Wie bei anderen Projekten gilt auch hier: Die technische Gestaltung und Architektur sind Schlüsselkomponenten, um den reibungslosen Einsatz von generativer KI zu gewährleisten. In einer idealen Welt arbeiten Daten- und KI-Teams losgelöst von der Unternehmens-IT. Der Grund: Historisch gewachsene Systemlandschaften können die Produktivität der Entwickler beeinträchtigen, die Datenqualität mindern und die Daten-Pipelines undurchsichtig machen. Das ist jedoch selten möglich. Durch gezielte Maßnahmen kann die Integration in die vorhandene Infrastruktur reibungslos erfolgen.
- Integration in die IT-Infrastruktur: Um Wert zu schaffen, sollten Daten- und KI-Teams sinnvoll mit der IT-Infrastruktur verbunden sein. Die Integration ermöglicht, dass KI-Initiativen später im gesamten Unternehmen ausgerollt werden können und nicht an internen IT-Vorgaben scheitern. Weiterhin kann sich in den eigenen Daten ein beträchtlicher Wettbewerbsvorteil verbergen.
- Ableitung von Grundlagen aus konkreten Anwendungsfällen: Statt sich in der Vielzahl von Anwendungsfeldern zu verzetteln, sollten Unternehmen Wertgenerierung und Machbarkeit aus einem konkreten Anwendungsfall ableiten. Diese Grundlagen bilden die Basis für den Erfolg in verschiedenen Szenarien.
- In Produkten denken: Es ist sinnvoll, Arbeiten an KI-Initiativen produkt- und nicht projektbezogen zu betrachten. Die Vorteile: Unternehmen können so den gesamten Produktlebenszyklus verfolgen und Auswirkungen klarer messen. Auf diese Weise lassen sich mehrere KI-Aktivitäten gleichzeitig im Unternehmen durchführen – da Auswirkungen klar verfolgbar und messbar sind.
- Modularität und Wiederverwendbarkeit: KI-Arbeiten sollten nicht als isolierte Pilotprojekte betrachtet werden. Stattdessen sollten sie modular gestaltet sein, damit Unternehmen sie wiederverwenden können. So steigern sie Effizienz und Skalierbarkeit.
Betrieb, Kultur und Talent
Gerade in technolgiezentrierten Projekten wird er oft vergessen: der Faktor Mensch. Aber auch bei Daten und KI ist er einer der entscheidenden Faktoren, die über Erfolg oder Misserfolg eines Projekts entscheiden. Ein Unternehmen, dass KI-Tools oder Prozesse erfolgreich einführt, nimmt die gesamte Organisation mit, befähigt Mitarbeitende und geht auch auf etwaige Unsicherheiten ein. Wer die folgenden Punkte befolgt, stellt die Weichen für ein erfolgreiches Projekt:
- Die richtigen Talente finden: Das Berufsfeld KI ist noch jung und erfordert Skills, die in traditionellen Unternehmen bisher eher fehlen. Multiplikatoren die eine Firma datengetrieben ausrichten können sind POs mit Innovationsgeist, hochqualifizierte Datenexperten, oder auch anpassungsfähige Quereinsteiger. Aber auch interessiere Mitarbeitende sollten befähigt werden, mit Daten umzugehen und kreative Ideen zu entwickeln.
- Kollaborative Teams für Innovation: Es ist durch viele Studien bewiesen: Cross-funktionale Teams fördern die Innovation durch vielfältige Blickwinkel und Erfahrungen. Dank der Domänenvielfalt verhindern diese Teams isolierte Denkweisen.
- Flexibles Organisationsdesign: Die Anpassung der technischen Mitarbeitendenstruktur an die Unternehmenskultur ist entscheidend. Es gibt keine Einheitslösung – ob ein Center of Excellence oder ein Data Mesh –, es muss zur Unternehmensrealität passen.
- Transparenz und Aufklärung: Die Organisation benötigt ein umfassendes Verständnis für den Nutzen aber auch die Grenzen und Risiken von Daten und KI. Dateninitiativen starten häufig im Kleinen. Durch Fortbildungsinitiativen wie die Förderung von Citizen Data Scientists kann ein Unternehmen dazu beitragen, eine datengetriebene Kultur zu etablieren.
- Aufbau von Vertrauen und Datenschutz: Unternehmen müssen sicherstellen, dass den KI-Systemen Vertrauen entgegengebracht – von Seiten der Mitarbeitenden als auch der Kund:innen. Ein effektiver Datenschutz ist dafür von zentraler Bedeutung, genau wie die Einhaltung rechtlicher und ethischer Anforderungen. Unternehmen sollten Mitarbeitende rechtzeitig und umfassend aufklären, was der Einsatz von KI für sie bedeutet. Denn die Ängste sind nachvollziehbar, wenn das eigene Wirken schlagartig von einer Maschine abgelöst werden kann.
Zusammenfassung
Künstliche Intelligenz bietet Potenziale, die Unternehmen dringend ausschöpfen sollten. An erster Stelle steht für viele der Effizienzgewinn. Aber auch neue, innovative Geschäftsmodelle lassen sich durch KI realisieren und können zu einem signifikanten Wettbewerbsvorteil führen. Jetzt heißt es: Grundlagen dafür schaffen, dass die Potenziale und Vorteile ausgenutzt werden können.
Dabei ist es von essentieller Bedeutung strategische, technologische und organisatorische Aspekte gemeinsam zu betrachten. Das beste Tool bringt nichts, wenn es die Probleme der Mitarbeitenden nicht löst oder sie ihm nicht vertrauen und es nicht nutzen.
Deswegen: Eine gründliche und dennoch lernende Strategie setzt den Nordstern; der Fokus auf die Arbeit mit Produkten statt mit Projekten treibt die Technologie voran, und eine datengetriebene Kultur ermöglicht eine erfolgreiche Umsetzung und eine breite Akzeptanz.