Mit KI erfolgreich im Unternehmen zaubern
Man muss gar nicht programmieren können, um bei Künstlicher Intelligenz im Unternehmen eine aktive Rolle zu spielen. Es ist an der Zeit, dass das «Business» sich die nötigen Skills aneignet und bei KI-Themen auf Augenhöhe mit Data Science Teams und IT zusammenarbeitet, schreibt unser Autor.
“In God we trust, all others must bring data.” Die Daten sind zur wertvollsten Ressource des digitalen Zeitalters avanciert. Wenn man jedoch die Führungskräfte etwas genauer fragt, wie genau sie den Nutzen aus den Daten ziehen möchten, wird es oft ganz still oder es folgen vage Aussagen wie: «Wir haben kürzlich einen Data Scientist eingestellt” oder “Zuerst müssen wir unseren neuen Data Lake zum Laufen bringen” – das sind erste Warnsignale, dass der Führung Verständnis für das Thema Künstliche Intelligenz (KI) fehlt und eine klare Vision für eine KI-Initiative fehlen könnte[1].
Warum bringen die Detailfragen über konkrete Anwendungsfälle der KI in ihrem Verantwortungsbereich viele Führungskräfte in Verlegenheit? Die Antwort liegt auf der Hand: Von aussen gesehen erscheint die Einstiegshürde in das Thema sehr hoch zu sein, vor allem für Führungskräfte und Fachexpert*innen ohne technische Kenntnisse. Es besteht in vielen Unternehmen eine weit verbreitete Vorstellung, dass man das Thema künstliche Intelligenz nur verstehen kann, wenn man programmieren kann (bspw. R oder Python müssten es schon sein) und dazu noch fortgeschrittene Kenntnisse der Mathematik und Statistik besitzt (siehe Abbildung).
Abb.: Wie die verschiedenen Aspekte von Data Science zusammenhängen. (Quelle: https://blogs.gartner.com/christi-eubanks/three-lessons-crossfit-taught-data-science/ )
Diese Meinung wird häufig von einer «lauten Minderheit» der Data Science Community, die ein romantisches Bild von «Data Science Superheros» öffentlich zelebriert, zusätzlich Auftrieb verliehen. Die Thematik wird als kompliziert und nur für KI Fachexpert*innen verständlich dargestellt. Dies führt oft dazu, dass Führungskräfte sich ein Notfall-Vokabular an KI-Schlagwörtern aneignen, das ganze Thema an die IT und Data Analytics Teams auslagern und sich aber ansonsten in die eigene Komfortzone zurückziehen, im festen Glauben, dass das «Business», also die Fachkräfte im Marketing, im Supply Management, in der Produktion, Risk und Data Scientists sich untereinander verstehen werden und die richtigen Probleme mit KI lösen werden. Doch IT wird in der Betriebswirtschaft als «enabler» verstanden. Ohne klare Ziele und eine konkrete Anwendungsorientierung der Führungskräfte auf wirtschaftliche Fragestellungen bietet die KI keinen Mehrwert. Sie ist ein Instrument, dass es zu nutzen gilt und kein Selbstzweck.
KI ja, aber das Richtige damit machen
Carl Hillier, ein Technology Evangelist sagt: “Man macht sein Unternehmen nicht erfolgreich, indem man einen Eimer KI kauft. Es geht nicht darum, einen KI-Zauberstab zu schwenken – das generiert keinen eigentlichen Wert an sich. Es geht darum, das Richtige mit der KI zu machen.” Und die Evidenz ist da, dass bisher noch viel zu viel mit dem Zauberstab geschwenkt wird. Gemäss einer Studie von Dimensional Research scheitern 8 von 10 KI-Projekten bevor sie die Einführungsphase erreichen, ein Drittel aller Projekte scheitern bereits in der Proof-of-Concept-Phase.[2]
Nur, wie schafft man es mit KI das Richtige zu machen? Diese Frage kann aus der Perspektive einer Führungskraft viel einfacher beantwortet werden, wenn einmal Klarheit besteht, was KI ist, wie sie funktioniert, was sie kann und unter welchen Voraussetzungen sie gute Resultate liefert. Es gibt keinen Grund, Berührungsängste mit KI-Technologie zu haben. Die heutigen KI-Tools erlauben den Anwender*innen ohne Programmierkenntnisse die Daten zu manipulieren, mit ihnen zu experimentieren und prädiktive Modelle zu erstellen. Das Ziel beim Umgang mit solchen Tools ist nicht, ein Data Scientist zu werden, sondern ein besseres Verständnis für die Arbeitsabläufe und die häufigsten Probleme von KI-Teams zu gewinnen. Begriffe wie «Model Accuracy», «Precision, Recall» oder «Lost Function» sollten schon heute in das Einmaleins jeder Führungskraft gehören. Und nicht nur als Vokabular, sondern als anwendungsorientiertes Verständnis sowie Fachkompetenz.
Generalist*innen dolmetschen zwischen internen Stakeholdern
Eines der ersten Anzeichen, dass das Problem auf der Führungsebene erkannt wurde und die Lücke zwischen dem «Business» und den «Data Science Teams» geschlossen wird ist die Entstehung der Rolle «Analytics Translator». Analytics Translator ist eine Generalistenrolle, die gleichermassen in Data Analytics wie in den Businessthemen zuhause ist. Sie übersetzt zwischen den beiden Bereichen ähnlich der Rolle der/des Wirtschaftsinformatiker*in. Dank der Unterstützung vom «Analytics Translator» identifizieren und priorisieren Führungskräfte die Geschäftsprobleme mit höchster positiver Wirkung für das Unternehmen, welche mit Daten gelöst werden können.[3]
Gleichwohl ist ein «Analytics Translator» nur eine Zwischenetappe auf dem Weg zur «Organisation der Zukunft», in welcher jede Führungskraft KI-Grundkompetenzen aufweist und es keine Übersetzer braucht, um das Maximum aus der KI zu gewinnen. Idealer Weise haben Führungskräfte diese Fähigkeiten:
- Sie kennen das Potenzial verschiedener KI/ML-Techniken für die Geschäftsprozessoptimierung in unterschiedlichen Unternehmensbereichen.
- Sie verstehen es, einen eigenen KI-Use-Case auf der Basis der Methoden wie des «ML Canvas» zu beschreiben und ein KI-Projekt zu initiieren.
- Sie haben ein weitreichendes Verständnis für verschiedene Rollen innerhalb eines KI-Teams und wissen, wie solche heterogenen Teams aus Wirtschaft und Technik aufgebaut werden und wie mit ihnen zielorientiert gearbeitet wird.
- Sie verstehen regulatorische und ethische Herausforderungen der KI-Technologien und können diese für Ihr Unternehmen abschätzen.
- Sie sind in der Lage, künftige Veränderungen im Geschäftsumfeld durch KI-Technologien vorherzusehen, adäquat darauf zu reagieren und diese entsprechend zu nutzen.
Gemäss einer Studie von PWC werden die grössten positiven Effekte von KI auf die Unternehmen in folgenden Bereichen erwartet:
- Geschäftsprozessautomatisierung,
- Produktivitätserhöhung und
- Steigerung der Nachfrage durch KI-unterstützte Angebotspersonalisierung.
PWC schätzt, dass in den nächsten zehn Jahren der Beitrag der KI am globalen Bruttosozialprodukt auf 14% oder fast 16 Trillionen Dollar anwachsen wird.[4] Die Transition in das KI-Zeitalter und die Realisierung diesen immensen Potentials kann nur mit KI-kompetenten Führungskräften und Fachexpert*innen erfolgen. Deshalb ist es nun an der Zeit, die KI-Zauberstäbe abzulegen. KI ist kein Zauberstab, sondern ein Werkzeug, ein mächtiges Werkzeug, dass nur in geübten Händen seine Kraft entfalten kann.
KI in der Weiterbildung der BFH Wirtschaft
Die BFH Wirtschaft bietet ab dem kommenden Jahr den CAS Artificial Intelligence for Business an. Dabei werden die Teilnehmenden dank der ausgewogenen Mischung aus erprobten theoretischen und anwendungsbezogenen Konzepten, Systemen sowie Instrumenten (Frameworks), aktiven, praxisbezogenen ML-Übungen und aktuellen KI-Case-Studies befähigt, auf der gleichen Augenhöhe mit Data Scientist in ihrer Organisation mitdiskutieren zu können, aktiv KI Initiativen und Projekte zu initiieren und zu führen und das potentielle Nutzen der Daten für ihre Organisation zu maximieren. Sie werden verhandlungssicher in der Sprache der Data Scientists und der KI-Infrastrukturverantwortlichen und können somit die vitalen Interessen ihres Geschäftsbereichs vertreten und vorantreiben. Weitere Informationen zum CAS finden Sie hier.
Referenzen
- [1] Ten red flags signaling your analytics program will fail – McKinsey & Company (2018)
- [2] “Artificial Intelligence and Machine Learning Projects Obstructed by Data Issues” Dimensional Research (2019)
- [3] “Analytics translator: The new must-have role” HBR (2018)
- [4] Sizing the prize What’s the real value of AI for your business and how can you capitalise? PWC (2017)
Dein Kommentar
An Diskussion beteiligen?Hinterlasse uns Deinen Kommentar!