Künstliche Intelligenz: Hindernisse und Hürden für Unternehmen

Bei der Integration Künstlicher Intelligenz stoßen Unternehmen immer wieder auf Hürden. Doch welchen Hindernissen sehen sie sich in den verschiedenen Phasen gegenüber und welche Faktoren hindern Unternehmen, die Möglichkeiten und das Potential von Künstlicher Intelligenz zu nutzen?

Dieser Artikel soll die häufigsten Hürden bei der Implementierung von Künstlicher Intelligenz aufzeigen, wie z.B. eine unklare Mitarbeiter- und Unternehmensführung, ein Problem damit, die richtigen Fragen zur richtigen Zeit zu adressieren, oder fehlender Zugang zu notwendigen Fähigkeiten.

 

1. Hürde bei der Einführung Künstlicher Intelligenz: Die Rolle und Vorgaben der Unternehmensführung sind unklar

Das Problem ist hier häufig nicht, dass es zu wenige Leader in Unternehmen gibt, sondern im Gegenteil zu viele. Dies ist ergänzend oft verbunden mit unklaren und überlappenden Verantwortlichkeiten. Das heißt: Niemand im Unternehmen fühlt sich eigentlich verantwortlich für die Einführung von Künstlicher Intelligenz im Unternehmen.

Studien haben gezeigt, dass die Ausgaben für neue Technologien in Unternehmen zunehmend wachsen – von rund 30 Prozent auf bis zu 68 Prozent, wie neueste Zahlen zeigen. Dabei gibt es keinen einzelnen herausragenden Technologieführer im Unternehmen. Jeder Funktionsbereich investiert heute in Technologie: Marketing, Finanzen, das Produktteam, der Verkauf etc. Neue Rollen im C-Level, also der obersten Hierarchieebene, lassen die Grenzen weiter verschwimmen, zum Beispiel wenn die Aufgaben des CDOs sich mit Aufgaben des CIOs überschneiden. Diese Konflikte auf Führungsebene behindern dann häufig die Investitionen des Unternehmens in neue Technologien.

Verzögerungen gibt es vor allem deshalb, weil einige Abteilungen sehr viel in neue Technologien investieren und vorausstürmen und dabei andere abhängen, oder weil Organisationseinheiten sich zu langsam anpassen. Diese Prozesse müssen aber halbwegs synchron sein – durch Datenzugriff und -management, Cybersecurity, regulatorische Compliance und andere Aspekte.

Gerade in Unternehmen mit vielen, volletablierten Daten- und Analyseteams braucht es jemanden auf der Führungsebene, der die unterschiedlichen KI-Bemühungen zusammenbringt und koordiniert, sodass der Einführung Künstlicher Intelligenz keine Hindernisse gegenüberstehen.

2. Hürde bei der Einführung Künstlicher Intelligenz: Die falschen, statt die dringlichen Probleme lösen

Eine überwiegende Zahl der Business-Verantwortlichen sieht großes Potential in der Automatisierung. Auch glauben sie, dass Künstliche Intelligenz Hürden und Hindernisse ausräumen kann, sodass Menschen dabei unterstützt werden, sich besser auf tatsächliche Probleme und Aufgaben zu konzentrieren und sinnvolle Arbeiten zu verrichten. Unternehmen und Organisationen wollen daher Spitzentechnologie und höhere Effizienz – und beides können intelligente IT-Lösungen liefern.

Das bedeutet aber auch, dass Teams häufig an vielen kleinen Projekten arbeiten, die sich am Rande des Kerngeschäfts bewegen, zeitgleich aber keine Arbeiten verrichten, die tatsächlich das Unternehmen insgesamt vorwärts bewegen würden. Die Pilotprojekte mögen tatsächlich bis an die Grenze von Machine Learning gehen, schaffen es aber dennoch nicht, die Aufmerksamkeit der obersten Führungsebene zu gewinnen.

Projekte sollten also nicht danach ausgewählt werden, welche Unternehmenseinheit gerade nach Hilfe mit KI fragt, oder danach, welchen Algorithmus das Team kennt. Sie sollten vielmehr grundsätzliche Fragen und Prioritäten im Business adressieren:

  1. Welcher Teil des Unternehmens generiert einen hohen Umsatz, hat aber eine wider Erwarten geringe Gewinnspanne (und kann daher von einer Automatisierung profitieren)?
  2. Welche unbeliebten Aufgaben verrichten Mitarbeiter?
  3. Wo liegt die höchste Fehlerquote in der Arbeit der Mitarbeiter?

Diesen Fragen nachzugehen und dies mit einem daten- und technologiegetriebenen Ansatz zu verbinden, wird in einem viel engagierteren Business und vielleicht auch einer wirkungsvolleren Anwendung von KI enden.

3. Hürde bei der Einführung Künstlicher Intelligenz: Die vorhandenen Skills reichen nicht aus

In vielen Unternehmen ist eine der größten Hürden für Projekte mit Künstlicher Intelligenz, dass Mitarbeiter gar nicht das notwendige Fachwissen und die notwendigen Fähigkeiten haben, um derartige Projekte umzusetzen. So hat eine Umfrage unter Unternehmensverantwortlichen ergeben, dass 20 Prozent von ihnen davon ausgehen, dass ihre Organisation nicht die notwendigen Fähigkeiten hat, um mit KI erfolgreich zu sein.

Unternehmen mit verschiedenen Analytics Teams – verteilt über verschiedene Unternehmenseinheiten – sehen häufig, dass diese Teams sich stark unterscheiden: in Größe, Fähigkeiten und Qualifikationsniveau. Einige sind eifrig dabei, KI umzusetzen und zu nutzen, andere nicht. Oft genug befinden sich diejenigen mit Erfahrung mit Machine Learning in einem Team, auch wenn das Bedürfnis nach derartigen Fähigkeiten im gesamten Unternehmen rapide anwächst.

Hat ein Unternehmen eine Führungsperson, die sich auch tatsächlich für KI verantwortlich fühlt, dann ist es deren Aufgabe, den Teams zu helfen, stärker zusammenzuarbeiten, voneinander zu lernen und Wissen auszutauschen. Es liegt zudem in ihrer Verantwortung neue KI-Fähigkeiten zum Talentpool hinzuzufügen. Manchmal heißt das, neue Teammitglieder anzuheuern. In anderen Fällen kann es bedeuten, Ressourcen von außerhalb des Unternehmens anzuheuern, zum Beispiel universitäre Einrichtungen. Auch lassen sich ggf. Hackathons veranstalten oder es ist sinnvoll, mit der Open Source Community zusammenzuarbeiten.

Durch Kommunikation bestehende Hindernisse durch den Einsatz von Künstlicher Intelligenz beseitigen

Für Experten ist der spannende Teil meist der Datensatz oder die Anwendung. Um KI aber unternehmensweit zu implementieren, ist es häufig vor allem notwendig über Automatisierung zu sprechen. Kurz: Darüber, wie sich der Job von Angestellten vereinfachen lässt. Kommunikation ist der Schlüssel!

Unternehmen sollten sich also darüber im Klaren sein, wie sie folgende Aspekte handhaben:

  1. Leadership/ Führungspositionen: Es geht darum engagierte Personen innerhalb der Organisation zu finden, die die nötige Begeisterung mitbringen, ein Budget zur Verfügung haben und bereit sind, sich des Themas KI vollkommen anzunehmen.
  2. Probleme: Die ausgewählten und zu lösenden Probleme sollten nicht nur einzelne Geschäftseinheiten betreffen, sondern ihre Lösung sollte dem gesamten Unternehmen dienlich sein.
  3. Sourcing: Ideen sind innerhalb des Unternehmens ebenso zu generieren, wie Talente von Außerhalb hinzuzuziehen sind, um die entsprechende Expertise zu gewinnen.
  4. Kommunikation: Es ist wichtig, dass Unternehmen und ihre Mitarbeiter lernen, nicht nur über KI nachzudenken, sondern auch miteinander darüber zu sprechen und Ideen zu teilen.

Zusammenfassend lässt sich also sagen: Es ist Zeit über kleine Pilotprojekte hinauszugehen und Projekte zu entwickeln, hinter denen das ganze Unternehmen stehen kann.

Übersicht Artikelserie

1) Künstliche Intelligenz: Machine Learning vs. Deep Learning – wo ist der Unterschied?
2) Künstliche Intelligenz als Erfolgsfaktor für die Digitalisierung
3) Künstliche Intelligenz: Hindernisse und Hürden für Unternehmen (aktiv)
4) Künstliche Intelligenz und Machine Learning für Unternehmen

Kostenloser Download: Digitalisierungs-Report

Ist Ihr Unternehmen auf die Stolpersteine und Herausforderungen der Digitalisierung vorbereitet? Erfahren Sie im kostenlosen Analyse-Report von Crisp Research, worauf geachtet werden sollte und welche Technologien dabei zum Einsatz kommen können.

Tragen Sie einfach Ihre Daten ein und Sie werden automatisch zum Download weitergeleitet: