Um die Effizienz und damit die Profitabilität in Unternehmen zu steigern sowie Arbeitsplätze zu sichern, leisten KI und datengetriebene Geschäftsmodelle wesentliche Beiträge. Besonders dem Sammeln und Einpflegen von korrekten Daten kommt heute eine steigende Bedeutung zur Konzeption und Analyse der Geschäftsfelder zu. Trotz Chancen und Möglichkeiten, birgt die KI auch Risiken. Mehr Sensibilisierung ist daher künftig zwingend notwendig.
KI in Unternehmen – Situation in Österreich
Durch die hohen Lohnnebenkosten in Österreich kommt der Effizienzsteigerung im Unternehmen enorme Bedeutung zu. Eine Möglichkeit ist durch den Einsatz von KI gegeben. Laut aktueller Studie, bei der 532 Unternehmen im DACH-Raum befragt wurden, ist die Verwendung von KI über die Branchen hinweg bei rund 80 bis 90 Prozent erlaubt bzw. teilweise erlaubt. Besonders hoch ist der Prozentsatz im produzierenden Gewerbe sowie im Sektor Banken/Finanzen. Die öffentliche Verwaltung liegt signifikant unter dem Schnitt. Für 9,8 Prozent der Unternehmen ist der Einsatz von KI bisher noch nicht geregelt. Im Vergleich zu USA und Asien bildet Europa derzeit noch das Schlusslicht. Die Vorteile der KI werden noch (zu) wenig genutzt, obwohl sich knapp zwei Drittel der befragten Unternehmen im deutschsprachigen Raum von generativer KI einen mittelhohen bis sehr hohen Mehrwert erwarten. Das Potential wird besonders in der IT/EDV am höchsten eingeschätzt, gefolgt von internen Prozessen und dem Kundenservice.
Was gibt es zu beachten?
Wenn ein Unternehmen KI implementieren möchte, braucht es in erster Linie eine AI-Strategie, bei der der Vorstand und die Geschäftsführung miteingebunden sind. An nächster Stelle stehen die Benefit Analyse sowie konkrete Use- und Business Cases. Zu beachten sind des Weiteren die regulatorischen Gegebenheiten (z.B. EU AI-Act). Klare Architektur und Testszenarien führen schließlich zur technischen Umsetzung. Derzeit gibt es eine Vielzahl an KI-Tools am Markt z.B. für Bilder, Video und Musik, Text, Automation und Vorhersagen.
KI-Prozess – von der Vorbereitung bis zum Betrieb
In der Vorbereitung geht es unter anderem um ein generelles KI-Verständnis (welche KI-Tools gibt es?), eine KI-Strategie (welchen Nutzen erwarte ich mir?) und Vision (inwieweit sollen KI-Tools in Zukunft in die Geschäftsprozesse eingebunden werden?). Im nächsten Schritt steht die Ideenfindung an: was macht Sinn? Wie bereite ich Mitarbeiter darauf vor? Was sind mögliche Business Cases? Nach der Priorisierung geht es an die Umsetzung inkl. Auswahl der Modelle und Algorithmen für die Umsetzung des Projektes sowie die Wartung, um Modelle aktuell zu halten.
Beispiele zum Einsatz von KI
In mehreren Projekten hat sich der Einsatz von KI bereits bewährt z.B. bei der Bewertung von Rechtsgutachten, Analyse von Stellenanzeigen, Optimierung von Einkaufverträgen, HR-Chatboots, als greenwashing detector oder Kindergeld Assistent.
(Fachlicher Input von Gerhard Krennmair, Beiratsmitglied Leitbetriebe Austria; Head of Business Unit Manufacturing msg Plaut Austria GmbH)
Datensammlung und -aufbereitung im Datawarehouse
Damit ein KI-Modell lernen kann, benötigt es sehr viele Daten: Je mehr Daten gesammelt und eingespeist werden, desto genauere Voraussagen sind möglich. Grundvorrausetzung ist der Wille, eine solide Struktur aufzubauen und die richtige Strategie zu finden.
Beim primären Check wird identifiziert, welches Projekt umgesetzt wird (Use Case). Im zweiten Schritt wird begutachtet, welche Daten vorhanden sind. Nur wenn eine gute Daten-Analytics Umgebung vorhanden ist, kann KI funktionieren. 80 bis 90 Prozent eines Projektes fallen in die Vorbereitung und Datenaufbearbeitung und – aufbereitung. Ziel ist es, ein „sauberes“ Warehouse aufzubauen. Es empfiehlt sich daher, möglichst früh mit der Datensammlung zu beginnen. Sie sind das „Grundfutter“ für die KI.
Da KI auch mit viel Aufwand verbunden ist, ist es besonders wichtig zu überlegen, ob der gewünschte Nutzen mit KI erreicht wird und falls ja, sollte dieser Schritt mit Hilfe von Experten professionell und strukturiert aufgesetzt werden. NAVAX bietet die Möglichkeit, gemeinsam eine KI-Strategie für das Unternehmen zu entwickeln. In einem unverbindlichen Beratungsgespräch nehmen Experten die individuellen Herausforderungen unter die Lupe und zeigen, wie Künstliche Intelligenz die Prozesse verbessern kann. Weitere Informationen unter www.navax.com
(Fachlicher Input von Finn Brinckmann, Senior Consultant NAVAX Unternehmensgruppe)
Risiken der KI
KI-Modelle zu trainieren ist mit großem Aufwand verbunden. Die Aussagekraft des Modells ist immer abhängig von den Trainingsdaten, die je nach Anwendung mit zeitintensivem Training verbunden sind. Zudem birgt das System auch Unsicherheiten, die man vor dem Einsatz klären soll:
- Fehleranfälligkeit: ist das Modell mit Falschem trainiert worden, kann es unrichtige Ergebnisse liefern; die Daten spiegeln die subjektive Sicht des Trainers (vor allem bei kamerabasierten Systemen)
- Unsicherheiten: die Zusammenarbeit von Produktionsleuten mit Datenexperten ist daher besonders wichtig, um z.B. Fehler zu identifizieren;
- Intransparenz: manche Vorhersagen sind nicht nachvollziehbar – wie hat das Modell Entscheidungen getroffen?
- Testen: Komplexe Modelle lassen sich mit herkömmlichen Testmethoden nicht testen;
- Modelle altern: Daten können sich ändern, daher müssen Modelle ständig trainiert werden;
- Autonomie: wieviel Autonomie ist angemessen (z.B. autonomes Fahren)
- Verlässlichkeit: Fehlerhafte Eingaben stellen die Verlässlichkeit in Frage;
- Sicherheit: Manipulationen von außen sind möglich;
- Datenschutz: wie kann Urhaberschutz gewährleistet werden, wie schütze ich Daten?
Im Linz Center of Mechatronic (LCM) wird KI in unterschiedlichen Bereichen intensiv und erfolgreich angewandt. Erfolgreiche Projekte bei Kunden gibt es beispielsweise in der Fehlerfrüherkennung bei Anlagen und Maschinen, Condition Monitoring, Optimierung von Maschinen und Geräten und Optimierung von Produktionsprozessen hinsichtlich Reduktion von Emissionen und Ressourcenverbrauch.
(Fachlicher Input von Gerald Schatz, Geschäftsführer Linz Center of Mechatronics (LCM)
