Euphorie währt nur kurz: Manch eine Lösung ist technisch möglich, findet aber nicht den Weg in die Praxis. Projekte zu Künstlicher Intelligenz scheitern nach dem Proof-of-Concept. Der IT-Dienstleister adesso zeigt typische Fallen auf.
1. Fachbereich und IT-Spezialisten an einen Tisch setzen
IT-Projekte im Allgemeinen und besonders Projekte rund um Künstliche Intelligenz leben vom Austausch. Fachleute von der Anwender- und Entwicklerseite, Teilnehmer mit Technologie-, Daten- und Domänenwissen: Sie alle müssen miteinander reden, und zwar von Anfang an. Nur so findet das Projektteam die Balance zwischen technologisch Möglichem und wirtschaftlich Sinnvollem.
2. Überhaupt Daten haben
Ohne Daten keine Künstliche Intelligenz. Dieser Zusammenhang kann nicht genug betont werden. Das Team benötigt Daten, um Modelle zu entwickeln, Ergebnisse zu bewerten und Lernerfolge zu erzielen. Mangelt es an Daten, müssen die Beteiligten erst dieses Problem lösen, bevor sie sich einem anderen Thema im Projekt widmen.
3. Die Daten kennen
Das Auseinandersetzen mit den vorhandenen Daten ist das A und O des Projekterfolgs – und zwar bevor Ressourcen und Budgets in Modellierung, Know-how-Aufbau und Werkzeuge fließen. Zunächst muss Klarheit über Themen wie Verfügbarkeit, Struktur und Nutzbarkeit der Daten herrschen. Erst dann kann das Team die ersten Schritte beim Entwickeln einer intelligenten Lösung gehen.
4. Anwendungsfälle sorgfältig wählen
Von Chatbot bis Predictive Maintenance, von Bild- bis Betrugserkennung: Die Bandbreite intelligenter Anwendungen kennt keine Grenzen – ganz im Gegensatz zu Ressourcen und Budgets. Aus allen Optionen auf das richtige Szenario zu setzen, ist die entscheidende Aufgabe für die Verantwortlichen. Dazu gehört ein systematischer Auswahl- und Bewertungsprozess.
5. Techologiepotenzial realistisch abwägen
Die Verfahren der Künstlichen Intelligenz sind für viele Unternehmen neu. Es mangelt an Erfahrungswerten, auf denen Projekte aufbauen können. Bevor es an das Entwickeln geht, sollten sich die Beteiligten mit dem Potenzial der Technologien vertraut machen. Ob Anwendungsfälle aus der eigenen Branche oder der Blick über den Tellerrand hinaus: Es gilt, zunächst ein Gefühl für das Machbare zu entwickeln.
6. Das Top-Management einspannen
Die Auswirkungen Künstlicher Intelligenz gehen häufig über die eigentliche Aufgabenstellung im Projekt hinaus. Sie erfordern neue Kompetenzen, berühren organisatorische Aspekte und verschieben Verantwortlichkeiten. Die dafür notwendigen Veränderungen können Projektteams leichter anstoßen und durchsetzen, wenn das Topmanagement im Unternehmen von der Initiative überzeugt ist und ihnen den Rücken stärkt.
7. Entwickler nicht abschirmen
Intelligente Anwendungen sollten da gebaut werden, wo sie auch gebraucht werden: im Unternehmen. Mit den Menschen, die sie später auch nutzen. Hippe Entwicklungsstudios in angesagten Szene-Stadtteilen mögen für eine Berichterstattung in den Medien sorgen. Aber die Gefahr dabei ist groß, dass die Teams hier für den Showroom entwickeln und nicht für den echten Einsatz.
8. Den IT-Betrieb ernst nehmen
Künstliche Intelligenz ist keine Insel in der IT. Vielmehr erfüllen die Anwendungen definierte Aufgaben innerhalb geschäftlicher Prozesse. Dieses Zusammenspiel müssen die Entwickler von Anfang an im Blick haben. Ob Schnittstellen, Oberflächen oder Updates: Nur Lösungen, die eng integriert sind, leisten ihren Beitrag zum Geschäft. Einzelinitiativen dagegen verpuffen, ohne wirklich Spuren zu hinterlassen.
9. Verantwortungen klar definieren
Unternehmen erheben, verdichten und bearbeiten Daten, und erst dann arbeiten intelligente Anwendungen damit. Der Fluss der Daten orientiert sich dabei nicht an bestehenden Abteilungsgrenzen oder Berichtswegen. Dieser Tatsache müssen Organisationen Rechnung tragen – mit neuen Aufgabenbeschreibungen und angepassten finanziellen Anreizmodellen, die der Bedeutung von Daten gerecht werden.
10. Mut mitbringen
Ausprobieren, aufs falsche Pferd setzen, neue Lösungswege finden, vermeintlich gute Ideen begraben: Trotz aller Planung und Vorsicht gehören Misserfolge zum Entwickeln intelligenter Anwendungen dazu. Gerade größeren Organisationen fällt es schwer, mit dieser Unsicherheit umzugehen. Es bedarf Verantwortlicher, die Risiken eingehen, und Rahmenbedingungen, die dies fördern.
Projekte in Sachen Künstlicher Intelligenz sind zu vielfältig, um sie über einen Kamm zu scheren. Einen Punkt höre ich immer allerdings in Diskussionen wieder: Der Übergang von der Entwicklung zum Einsatz gelingt selbst vielversprechenden Anwendungen nicht. Das liegt nicht an der Komplexität der Technologie. Mit unseren zehn Tipps wollen wir die Verantwortlichen für die kritische Phase sensibilisieren: Organisatorische und zwischenmenschliche Aspekte entscheiden genauso über den Erfolg wie die Entwicklung des am besten für eine Anwendung passenden Algorithmus.
Der Autor
Prof. Dr. Volker Gruhn ist Gründer und Vorsitzender des Aufsichtsrats beim IT-Dienstleister adesso.
