So kommen KI-Projekte erfolgreich ans ZielZehn Gebote führen aus der „Proof-of-Concept-Hölle“

13. April 2021

Eine Evaluation in Form eines Proof of Concept (PoC) verdeutlicht, was möglich ist und wird schnell zu einem Zustand, in dem viele KI-Initiativen auf Ewigkeit verharren: Sie stecken in der PoC-Hölle fest. Das Projekt scheitert beim Schritt von „das ist möglich“ zu „das ist produktiv und verdient Geld“. Wer die grundlegenden Erfolgsparameter kennt, kann das vermeiden.

Am Anfang ist die Euphorie – und die ist meistens groß. Vor dem Start eines KI-Projektes erreichen die Erwartungen ungeahnte Höhen, nach einigen Wochen oder Monaten folgt dann die Ernüchterung. Am Ende steht nicht die erhoffte revolutionäre Verbesserung der eigenen Prozesse oder die zündende neue Serviceidee, sondern ein Proof of Concept (PoC).

Anzeige
magic x optb

Doch oftmals liegt es nicht daran, dass die erarbeitete KI-Lösung nicht funktioniert, sondern weil die Verantwortlichen einigen KI-typischen Besonderheiten und Herausforderungen zu wenig Beachtung geschenkt haben. Um eine „PoC-Hölle“ zu vermeiden, sollten Unternehmen speziell auf zehn Punkte achten:

  • Von Anfang an Fachbereich und KI-Fachleute an einen Tisch setzen: IT-Projekte im Allgemeinen und KI-Projekte im Besonderen leben vom Austausch. Fachleute von Anwender- und Entwicklerseite, Teilnehmende mit Technologie-, Daten- und Domänenwissen: Sie alle müssen – von Anfang an – miteinander reden. Nur so findet das Projektteam die Balance zwischen technologisch Möglichem und wirtschaftlich Sinnvollem.
  • Überhaupt Daten haben: Ohne Daten keine KI. 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 anderen Themen im Projekt widmen können.
  • Die Daten kennen: Das Auseinandersetzen mit den vorhandenen Daten ist das A und O des KI-Erfolgs – und zwar bevor Ressourcen und Budgets in Modellierung, Know-how-Aufbau und Werkzeuge fließen. Erst muss Klarheit über Themen wie Verfügbarkeit, Struktur oder Nutzbarkeit herrschen. Dann kann das Team die ersten Schritte in Richtung KI-Entwicklung gehen.
  • Anwendungsfälle bewusst wählen: Von Chatbot bis Predictive Maintenance, von Bild- bis Betrugserkennung: Die Bandbreite von KI-Anwendungen kennt keine Grenzen – 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.
  • Ein Bild der KI-Möglichkeiten machen: KI-Verfahren 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 den Potenzialen 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.
  • Das Top-Management einspannen: Die Auswirkungen von KI-Projekten gehen häufig über die eigentliche Aufgabenstellung hinaus. Sie erfordern neue Kompetenzen, berühren organisatorische Aspekte und verschieben Verantwortlichkeiten. Mit einem Management im Rücken, das von KI-Initiativen überzeugt ist, können Projektteams notwendige Veränderungen leichter anstoßen und durchsetzen.
  • Nicht in ein Entwicklungs-Loft ziehen: KI-Anwendungen sollten da gebaut werden, wo sie auch gebraucht werden: im Unternehmen. Mit den Menschen, die sie auch nutzen werden. Hippe Entwicklungsstudios in angesagten Szene-Stadtteilen mögen für eine Berichterstattung in den Medien sorgen. Aber die Gefahr ist groß, dass die Teams hier für den Showroom entwickeln – und nicht für den echten Einsatz.
  • Den IT-Betrieb ernst nehmen: KI ist keine Insel in der IT, innerhalb geschäftlicher Prozesse erfüllen die Anwendungen definierte Aufgaben. Dieses Zusammenspiel müssen die Entwicklerinnen und Entwickler von Anfang an berücksichtigen. Ob Schnittstellen, Oberflächen oder Updates: Nur Lösungen, die nahtlos eingebunden sind, leisten ihren Beitrag zum Geschäft. Einzelinitiativen dagegen verpuffen, ohne wirklich Spuren zu hinterlassen.
  • Verantwortungen klar definieren: Unternehmen erheben, verdichten und bearbeiten Daten, dann arbeiten KI-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.
  • Mut mitbringen: Ausprobieren, aufs falsche Pferd setzen, neue Lösungswege finden, vermeintlich gute Ideen begraben: Trotz aller Planung – und auch aller Gebote – gehört das zum Entwickeln von KI-Anwendungen dazu. Gerade größeren Organisationen fällt es schwer, mit dieser Unsicherheit umzugehen. Es bedarf Verantwortlicher, die Risiken eingehen, und Rahmenbedingungen, die dies fördern.

„KI-Projekte sind zu vielfältig, um sie über einen Kamm zu scheren“, erläutert Prof. Dr. Volker Gruhn, Gründer und Vorsitzender des Aufsichtsrats der adesso SE. „Aber in Diskussionen höre ich immer wieder einen Punkt: Der Übergang von der Entwicklung zum Einsatz gelingt selbst vielversprechenden KI-Anwendungen nicht. Und das liegt nicht an der Komplexität der Technologie. Mit unseren zehn Punkten wollen wir die Verantwortlichen für die kritische Phase sensibilisieren: Organisatorische und zwischenmenschliche Aspekte entscheiden über den Erfolg genauso wie die Auswahl des richtigen KI-Verfahrens.“ (rhh)

Adesso SE

Lesen Sie auch