Welche Fragen sollten sich Unternehmen bei der Einführung von KI stellen?
Andreas Liebl: Zunächst gilt es zu überlegen: Was will ich mit der Technologie eigentlich machen? Künstliche Intelligenz ist erst mal ein neues Werkzeug und die Frage ist: Wie will ich es einsetzen? Mit welchen Anwendungsfällen will ich arbeiten? Will ich neue Produkte herstellen oder meine Prozesse verbessern? Dann stellt sich die Frage, wie weit ich vorangehen will: Setze ich KI als Standard-Tool ein, wie es meine Wettbewerber vermutlich auch tun? Oder will ich mich von der Konkurrenz abheben – sei es, um mir Wettbewerbsvorteile zu verschaffen oder meine Position zu halten?
Was unterscheidet KI von anderen IT-Werkzeugen?
Andreas Liebl: KI ist ein lernendes System. Es geht dabei nicht darum, 10.000 Zeilen Code als Anforderung zu schreiben, diese zu programmieren, zu übergeben und fertig. Die Einführung von KI erfolgt viel experimenteller. Ganz wesentlich sind Daten – folglich muss ich zentrale Daten-Pools aufbauen. Dann probiere ich aus und komme bei meiner Anwendung vielleicht auf 70 oder 80 Prozent Genauigkeit – und irgendwann auf mehr. Das muss ich akzeptieren. Die Einführung von KI erfolgt nicht deterministisch, sondern probabilistisch. Das heißt, ich muss mit Unsicherheit und Wahrscheinlichkeiten umgehen lernen. Und ich muss Daten so sammeln, dass ich mit diesen Daten auch lernen kann. Zudem muss klar sein: Es gibt aktuell viel zu wenig KI-Fachkräfte. Es gilt also, die wenigen Ressourcen möglichst effizient einzusetzen. Wenn jede Abteilung anfängt, eine kleine Anwendung zu bauen, dann werde ich nie über Prototypen hinauskommen – und die Spezialistinnen und Spezialisten werden auch relativ schnell wieder mein Unternehmen verlassen.
Wo liegen klassische Stolpersteine bei der Einführung von KI?
Andreas Liebl: Ganz klassisch: Es gibt viele Prototypen, die es nie in die Anwendung schaffen. Die Technologie für KI-Systeme ist vorhanden. Oft gelangt das Unternehmen nach einiger Zeit auch an relevante Daten. Dann wird ein neuronales Netz trainiert und der Prototyp ist fertig – und bleibt ein Prototyp, weil das Projekt von Anfang als solcher aufgesetzt wurde. Für eine erfolgreiche Einführung muss ich KI aber von Anfang an als Produkt denken, das langfristig umgesetzt wird. Das heißt: Statt historischer Daten muss ich Echtzeit-Daten verwenden – auch wenn diese mal falsch sein können. Und: Statt einer fest-designten Lösung brauche ich ein stabiles System, das sich verlässlich einsetzen und warten lässt.
Das Interview ist für eine redaktionelle Verwendung freigegeben (bei Nennung der Quelle © Plattform Lernende Systeme).