IT-Manager wetten

KI – eine Aufgabe für das ganze Unternehmen

Nils Urbach ist Professor für Wirtschaftsinformatik und Strategisches IT-Management an der Universität Bayreuth.
Universität Bayreuth
Universität Bayreuth

Eben dieses fehlende Verständnis der Unterschiede zwischen einer schwachen und einer starken KI könnte der Ursprung für eine neue Welle der Enttäuschung sein und damit zu einem neuen KI-Winter führen. Wenngleich die Entwicklungen zur Erfüllung der starken KI-These überschätzt werden, sollte das wirtschaftliche Potenzial der bereits existierenden Anwendungen einer schwachen KI nicht unterschätzt werden. Die schwache KI ist kein Laborexperiment mehr, sondern hat ihren Weg in die Kommerzialisierung gefunden.

Durch den anhaltenden digitalen Wandel stehen immer mehr Daten in Unternehmen zur Verfügung. Zudem wurden in den vergangenen Jahren vor allem durch Deep-Learning-Algorithmen wesentliche Performance-Zuwächse erzielt. Dabei ist die Anwendung von KI nicht mehr nur ausgewählten Experten vorbehalten. Während die Anwendung von Open-Source-Frameworks wie Keras oder PyTorch bereits weit verbreitet ist, werden die Barrieren zur Anwendung von KI im Unternehmen durch Cloud-Dienste und KI-Plattformen immer weiter ­ab­gebaut. Die Anwendung von KI ist keine ­Raketenwissenschaft mehr.

Trotz der technischen Durchbrüche in der KI-Forschung setzen noch wenige etablierte Unternehmen auf KI. Die Fülle an bestehenden und potenziellen Anwendungsfällen stellt Unternehmen vor die Herausforderung, bewerten zu müssen, an welcher Stelle und in welcher Form KI einen Mehrwert in der Wertschöpfung liefern kann. Selbst wenn ein erfolgversprechender Prototyp entwickelt wurde, gilt es eine weitere Hürde zu überwinden: die Verankerung im Unternehmen.

Welche Einflüsse haben KI-Anwendungen auf Produkte, Services, Prozesse und Unternehmensstrukturen? Wie sollten Unternehmen mit der Blackbox-Problematik des Machine Learning umgehen? Wie lässt sich die Interaktion zwischen Menschen und KI gestalten? Wie können ethische, rechtliche und moralische Fragestellungen gelöst werden? Welche organisationalen Fähigkeiten werden benötigt und wie lassen sich diese entwickeln?

Organisatorische Hürden

Obwohl die Liste möglicher Fragestellungen noch fortgesetzt werden könnte, zeigt sich bereits, dass neben den technischen vor allem die organisationalen Herausforderungen nicht unterschätzt werden sollten. Neue organisationale Fähigkeiten und Kompetenzen werden notwendig und sind Basis für strategische Wettbewerbsvorteile. Neben den am Markt äußerst gefragten KI-Experten bedarf es zudem auf allen Führungsebenen eines grundlegenden und erwartungsgerechten Verständnisses von KI und dessen Anwendung im Unternehmen.

KI-Anwendungen ticken anders

Hierbei ist im Besonderen auch der Paradigmen­wechsel in der Anwendungsentwicklung hervor­zuheben. Im Gegensatz zu regelbasierten Funktionen rückt bei KI-Anwendungen das Training, Testen und Anwenden von Machine-Learning-Modellen in den Vordergrund. Hierbei stellt die intransparente Funktionsweise der KI aufgrund fehlender Erklärbarkeit in vielen Fällen eine Black­box dar. Die Performance des Machine-Learning-Modells hängt dabei von der Art des Modells, dessen Parametrisierung, des zu verarbeitenden Datensatzes sowie der zu lösenden Auf­gabe ab. Daten rücken ins Zentrum der Entwicklung und werden so zur essenziellen und stra­tegischen Ressource für die Anwendung von KI.

Zur Startseite