Gartner geht davon aus, dass dank künstlicher Intelligenz (KI) bis 2025 zwei Millionen neue Arbeitsplätze geschaffen werden. KI und Machine Learning sind in vielen Unternehmen bereits heute wichtiger Bestandteil von Geschäftsprozessen und Unternehmensbereichen. Sie erleichtern den Arbeitsalltag, optimieren die Interaktion mit Kunden, sagen den Ausfall einer Maschine zuverlässig vorher oder unterstützen die Versorgung vernetzter Patienten.

Soweit so gut. Die Erwartungen, was KI noch leisten kann, sind praktisch grenzenlos –, decken sich jedoch nicht immer mit der Realität: Bei vielen Terminen, die meine Kollegen und ich in den letzten Monaten mit Kunden und Interessenten hatten, haben wir Spannendes, Überraschendes und Wegweisendes gesehen – aber auch nicht selten sehr überzogene Erwartungen wahrgenommen. Zeit also für eine kleine Bestandsaufnahme in neun Hypothesen.

#KünstlicheIntelligenz im Reality-Check: Zeit für eine kleine Bestandsaufnahme in 9 Hypothesen. #MachineLearning #KI Click To Tweet

1. KI kann die Frage nach dem zukunftsweisenden Geschäftsmodell nicht beantworten

Falsche Heilsversprechen, wie etwa das Missverständnis rund um sogenannte „selbstlernende Systeme“, haben übertriebene Erwartungen geweckt, die vielfach enttäuscht wurden. Die Technologie ist keine Science-Fiction. Es handelt sich schlicht und einfach um Mathematik, die der Steuerung und Verbesserung von betrieblichen Prozessen dient. Das Geschäftsmodell müssen Unternehmen immer noch selbst liefern.

2. Maschinelles Lernen ist keine Wunderwaffe. An der Kultur faktenbasierter Entscheidungen müssen Unternehmen hart arbeiten.

Methoden wie maschinelles Lernen sind eine konsequente Fortentwicklung etablierter analytischer Verfahren. Mystische „Black-Box-Effekte“ gibt es nicht. Wer Analytics und die zugehörigen Entwicklungs- und Entscheidungsprozesse bislang nicht auf die Kette bekommen hat, wird mit maschinellem Lernen nicht erfolgreicher sein.

3. Die erfolgreiche Etablierung von datengetriebenen Geschäftsprozessen hängt nicht von der Anzahl hoch qualifizierter Data Scientists ab

Um mit Daten kreativ zu arbeiten, müssen Mitarbeiter in viel größerer Breite bewusst und informiert sozusagen das kleine statistische Einmaleins beherrschen. Andererseits sollten Unternehmen ihre Mathematiker auch nicht in einen Elfenbeinturm stecken. Nur die Zusammenarbeit von Experten und Fachbereichen bringt das Potenzial für erfolgreiche datenbasierte Entscheidungen und Geschäftsmodelle. Andernfalls werden Unternehmen aus KI keinen echten Wettbewerbsvorteil ziehen können.

4. Modernisierungsrückstand kann auch KI nicht ausgleichen

Durch die Implementierung von KI lassen sich Geschäftsprozesse, die bisher nicht optimal waren, nicht verbessern. Im Gegenteil: Manchmal treten Probleme noch stärker hervor. Prozesse müssen ständig weiterentwickelt werden, damit KI zu Innovation führt.

5. Die beste Unternehmenskultur für KI: eine, in der es sich schnell und „erfolgreich“ scheitern lässt

„Trial and error“ sorgt dafür, dass sich schnell erkennen lässt, welche Entwicklung in die falsche Richtung läuft – und so kann schnell gegengesteuert werden. Auch wenn ein Misserfolg den anderen jagt, sollten Mitarbeiter und Führungsetage nie ihre Motivation verlieren. Dieses Durchhaltevermögen ist letztlich ein Teil des Geheimrezepts für echten Erfolg. Unternehmen brauchen Strukturen, die neue Ideen zulassen und schnelle Entscheidungen für oder gegen deren Umsetzung fördern.

6. Die größte technologische Herausforderung: mangelnde Governance. Denn: Nicht der neueste und beste Algorithmus ist entscheidend

Qualitätssicherung für analytische Modelle ist unverzichtbar. Die meisten Unternehmen erfahren Performance-Einbußen oft durch systembedingte Engpässe, schlechte Schnittstellen oder das Fehlen eindeutiger Verantwortlichkeiten.

7. Künstliche Intelligenz braucht eine neue Plattform-Ökonomie, in der sich Governance und Offenheit nicht widersprechen

Zeitgemäße analytische Umgebungen sind längst nicht mehr homogen. Deshalb können sie inzwischen auch nur noch über offene Plattformen, steuerbare APIs und eine ganzheitliche Metadatenkontrolle gesteuert werden.

8. Datenschutz wird neu verhandelt

Die DSGVO wird momentan oft als Barometer dafür gesehen, was konsistentes Datenmanagement leisten kann. Künftig wird das Modell „Daten gegen Leistung“ zunehmend in individuellen Geschäftsbeziehungen verhandelt werden.

9. Ethik und Regulierung orientieren sich an neuen Gegebenheiten

In Zukunft müssen wir alle besser verstehen, wie Algorithmen im Prinzip funktionieren. Vor allem ist es wichtig zu verstehen, wie sie zuverlässig ethische, moralische und andere Prinzipien umsetzen können. Die Transparenz eines festen Regelwerks wird dagegen immer unwichtiger. Interpretierbarkeit ist das, was zählt.

KI und Machine Learning sind auf dem besten Weg, den Hype-Status zugunsten der Geschäftsrealität zu verlieren. Die Technologien können in Unternehmen dazu eingesetzt werden, Geschäftsprozesse zu optimieren, Kundenzufriedenheit und Service-Qualität zu steigern oder die Produktivität zu verbessern. Dazu wird vor allem eine leistungsstarke analytische Plattform benötigt, auf der man mit vielen Daten hantieren, sie ausprobieren und erfahren vergleichen kann. Dennoch darf KI nicht als Allheilmittel für sämtliche Unternehmensprobleme in den Himmel gehoben werden.

Wie KI erfolgreich mit Geschäftsprozessen verzahnt wird, zeigt das SAS Forum Deutschland am 20./21. Juni 2018 in Bonn.

Wie sehen Sie das Potenzial von KI? Lassen Sie mich Ihre Meinung wissen und schreiben Sie mir gerne einen Kommentar unter diesen Blogbeitrag.

Twitter: @becks_andreas @Sglavo @AndiGoedde #AIManifesto