Das operative Tagesgeschäft verstellt vielen Mittelständlern den Blick für strategische Fragen. Bei den Themen Digitalisierung und KI wird schnell eine Kosten-Nutzen-Rechnung aufgestellt, bei der vor allem kurzfristige Resultate zählen. Für mittel- bis langfristigen Erfolg in einer zunehmend digitalisierten Wirtschaft braucht es jedoch eine Zukunftsvision – und ein kritisches Hinterfragen des eigenen Geschäftsmodells.

Viele Unternehmen implementieren KI, ohne zu reflektieren: Passt ein bestimmter Anwendungsfall zu den Zielen der Organisation? Ist der angenommene potenzielle Mehrwert realistisch? KI ist kein Selbstzweck. Wichtig: Klar herausarbeiten, wie KI-Lösungen einen Mehrwert erzeugen oder neue Geschäftsmodelle ermöglichen.

KI-Pilotprojekte erfolgreich zu skalieren scheitert oft an der Datenverwaltung, die teilweise in der Pilotphase gänzlich fehlt. Im Labor werden Modelle oft nur mit Daten aus einer Quelle trainiert, während die Datenbasis in der realen Welt kontinuierlich aktualisiert, gepflegt und optimiert werden sollte. Neue KI-basierte Geschäftsmodelle müssen daher auf einer soliden digitalen Infrastruktur aufgebaut werden.

Bei vielen Mittelständlern sind die erfassten Daten lückenhaft, weil etwa Produktionsstraßen noch nicht durchgängig mit Sensoren ausgestattet sind. KI-Systeme können aber nur mit Hilfe einer ausreichenden Datenbasis trainiert werden. Hierzu existieren bereits einige Lösungskonzepte: Durch Rotieren, Verschieben und Skalieren kann die Menge vorhandener Daten künstlich erhöht werden (Data Augmentation), probabilistische Verfahren unterstützen, wenn die Datenmenge nicht repräsentativ ist.

Unternehmen mangelt es häufig an Talenten und der nötigen Infrastruktur, um Anwendungsfälle intern zu entwickeln – und Potenziale für neue Geschäftsmodelle zu heben. Problematisch auch: in KI-Dateninfrastruktur investieren, ohne die exakten Anforderungen oder Eignung neuer Hardwarekomponenten für bestimmte Anwendungsfälle zu kennen. Investieren Unternehmen zu wenig, finden sie möglicherweise keine erfahrenen Programmiererinnen und Programmierer. Für diese sind leistungsfähige GPUs (Graphical Processing Units) meist entscheidend für die Attraktivität eines Arbeitgebers. Die Folge: Es werden Personen mit falschen Kompetenzprofilen eingestellt, die nicht in der Lage sind, eine systematische KI-Strategie aufzubauen.

Wie, wir nutzen jetzt auch Künstliche Intelligenz? Der Einsatz von KI im Betrieb wirft in der Belegschaft Fragen auf: Wie wird mit (personenbezogenen) Daten umgegangen? Verändert sich mein Arbeitsplatz? Ist er womöglich in Gefahr? Um Ängste zu nehmen und Akzeptanz für neue Technologien zu schaffen, ist es wichtig, die Beschäftigten und ihre Interessenvertretungen frühzeitig einzubeziehen. Und zu vermitteln: KI kann die Beschäftigten von eintönigen oder gesundheitsschädigenden (Routine-)Aufgaben entlasten und nimmt ihnen nichts von ihrer Selbstbestimmung. Wichtig auch: Die Belegschaft über entsprechende Weiterbildungsangebote für den Umgang mit KI-Systemen befähigen.  

Hohe Investitionen in die Infrastruktur sind indessen auch kein Allheilmittel. Nicht nur die Hardware muss sich eignen, sondern auch die damit verbundene Organisation und Prozesse müssen stimmen, um KI-Geschäftsmodellinnovationen erfolgreich umzusetzen.

Mittelständler sehen in anderen Unternehmen oft in erster Linie Konkurrenten. In der datengetriebenen Wirtschaft empfiehlt sich aber Kooperation. Im Austausch mit Start-ups und anderen KMU wird schneller klar, welche Potenziale KI-Technologien bergen und wie sie sich im eigenen Betrieb nutzen lassen. Beim Trainieren von KI-Algorithmen mit relevanten Daten können Kooperationen mit Großkonzernen, Forschungseinrichtungen und Start-ups eine Lösung sein.

KI-Projektteams starten die Entwicklung in der Regel mit einem vorläufigen Datensatz, erstellen erste Modelle und evaluieren die Resultate. Je nach Ergebnis wiederholen sie den Prozess. Laufende Anpassungen und Aktualisierungen sind auch nötig, wenn das Modell schon in der Produktion ist – weil sich etwa das Kundenverhalten ändert. Für ein KI-basiertes Geschäftsmodell gilt: Es muss laufend gepflegt und weiterentwickelt werden, da die Qualität von KI-Anwendungen über die Zeit degradieren kann.