KI, oder künstliche Intelligenz, hat in den letzten Jahren stark an Bedeutung gewonnen und wird von vielen Unternehmen als ein vielversprechendes Werkzeug angesehen, um ihre Geschäftsprozesse zu optimieren und Wettbewerbsvorteile zu erzielen. Allerdings haben viele Unternehmen Schwierigkeiten, durch den Einsatz von KI einen greifbaren Geschäftswert zu schaffen. Eine umfassende Studie, durchgeführt von Forschenden der Copenhagen Business School, der Universitäten Bamberg und Paderborn sowie der IT University of Copenhagen, zeigt jedoch auf, wie Unternehmen mithilfe von ML-Anwendungen nachhaltigen Wert generieren können.
Die Forschenden analysierten über vier Jahre hinweg 56 operative ML-Anwendungen in 29 Unternehmen. Sie führten 40 Interviews mit Data Scientists und Führungskräften durch, die an der Entwicklung dieser Anwendungen beteiligt waren. Dabei stellten sie fest, dass ML in Unternehmen auf drei grundlegende Weisen einen Wertbeitrag leisten kann:
1. Schaffung von Wissen:
Ein Mechanismus, den die Forschenden identifizierten, ist die Nutzung von ML zur Wissensgenerierung. Unternehmen setzen Algorithmen ein, um Muster in Daten zu erkennen und dadurch neue Erkenntnisse über ihr Geschäftsfeld oder Kundenverhalten zu gewinnen. Dies ermöglicht es Unternehmen, ihre Entscheidungsprozesse zu optimieren und fundiertere strategische Entscheidungen zu treffen. Für die Umsetzung dieses Mechanismus sind datenwissenschaftliche Fähigkeiten und Domänenkenntnisse von entscheidender Bedeutung.
2. Unterstützung von Menschen bei der Entscheidungsfindung:
Ein weiterer Weg, wie Unternehmen Wert aus ML ziehen können, besteht darin, ML einzusetzen, um Menschen bei der Ausführung von Aufgaben zu unterstützen oder anzuleiten. Das reicht von einfachen Erweiterungen bestehender Softwareprogramme bis hin zu spezialisierten Systemen, die Entscheidungen unterstützen oder spezifische Handlungsempfehlungen geben. Eine gute Dateninfrastruktur und Expertise in der Gestaltung von Nutzerinterfaces sind hierbei essenziell, um den Mitarbeitern eine reibungslose Zusammenarbeit mit den ML-Systemen zu ermöglichen.
3. Autonome Agenten:
Die dritte Art der Wertschöpfung besteht darin, ML direkt in neue Produkte oder Dienstleistungen zu integrieren, die dem Endkunden zur Verfügung gestellt werden, oder Teile von Geschäftsprozessen von der KI selbst ausführen zu lassen. Unternehmen müssen dabei auf eine reibungslose Integration von ML-Anwendungen in ihre betrieblichen Prozesse und IT-Systeme achten. Ein stabiles Geschäftsumfeld und das Fehlen rechtlicher und ethischer Probleme mit den ML-Anwendungen sind ebenfalls wichtige Voraussetzungen, um diese Art der Wertschöpfung erfolgreich umzusetzen.
Ein interessanter Aspekt, den die Forschenden während ihrer Analyse feststellten, ist, dass sich die Wertschöpfungsmechanismen von ML-Projekten im Laufe der Zeit ändern können. Ein Beispiel hierfür ist ein Schmuckeinzelhändler, der zu Beginn der Covid-19-Pandemie seine vollautomatische Anzeigenschaltung in Online-Medien aufgrund schlechter Werbeleistung einstellen musste. Das Unternehmen kehrte zu menschlichen Entscheidungen über Anzeigenplatzierung zurück und begann anschließend ML einzusetzen, um Wissen über die neue Situation zu sammeln. Mit den gewonnenen Erkenntnissen wurden dann automatisierte Dashboards erstellt, um die routinemäßige menschliche Entscheidungsfindung zu unterstützen. Schließlich trainierte das Unternehmen neue Vorhersagemodelle, die auf die Pandemiesituation zugeschnitten waren, und kehrte zum alten Modus der ML-basierten Prozessautomatisierung zurück.
Diese Erkenntnis hat wichtige Implikationen für Unternehmen, die KI-Initiativen umsetzen wollen. Es zeigt, dass es wichtig ist, einen langfristigen Blick auf die Projekte zu werfen und die Möglichkeit einer Entwicklung über die Zeit zu berücksichtigen. Wenn ein Projekt nicht den erwarteten Wert liefert, sollten Unternehmen die Möglichkeit in Betracht ziehen, die Initiative weiterzuentwickeln und zu optimieren, anstatt es vorzeitig als gescheitert anzusehen.
Eine entscheidende Rolle bei all diesen Prozessen spielen die Data Scientists. Sie sind von Anfang bis Ende in die ML-Initiativen involviert und spielen eine wichtige Rolle bei der Aufklärung von Managern über die Fähigkeiten und Limitationen der Technologie. Zudem übernehmen sie oft auch selbst Führungsaufgaben in den Projekten, um den erfolgreichen Einsatz von ML im Unternehmen sicherzustellen.
Die Studie verdeutlicht, dass Unternehmen, die gezielt und strategisch KI-Initiativen planen und überwachen, nachhaltig von den Vorteilen von ML-Anwendungen profitieren können. Die identifizierten Wertschöpfungsmechanismen dienen als Leitfaden, um den Wertbeitrag von KI im Unternehmen zu maximieren und langfristige Erfolge zu erzielen. Mit einer klaren Vision, einer starken Dateninfrastruktur und engagierten Data Scientists können Unternehmen die volle Kraft von KI nutzen und ihre Wettbewerbsposition stärken.
Nähere Infos zu der Studie finden Sie unter https://www.sciencedirect.com/science/article/pii/S0963868722000300?via%3Dihub
Aufmerksam machen möchten wir Sie in diesem Zusammenhang auch auf unseren nächsten Expertenzirkel mit FMCG-Markenartiklern zur „Einführung von ChatGPT & Co in die Unternehmensprozesse“ unter https://www.braintrust-group.de/expertenzirkel/chatgpt/