Künstliche Intelligenz bewegt sich an die Spitze der Innovationsagenda. Können Sie sich vorstellen, dass ein Algorithmus ihr nächstes Produkt entwickelt?
Weshalb? Es ist an der Zeit.
Vorreiter in der Pharmaindustrie erkennen mit Hilfe von künstlicher Intelligenz bisher unbeachtete biologische Zusammenhänge, um innovative Therapiemöglichkeiten zu finden. Die Musterauswertung sorgt dafür, schnell zu erkennen, welche Medikamente anschlagen und welche nicht. So können Innovationsressourcen an relevanten Stellen eingesetzt werden. Meeresforscher nutzen künstliche Intelligenz, um neue Erkenntnisse über Veränderungen im Meer zu sammeln und innovative Mittel der Gefahrenprävention rechtzeitig zu entwickeln. In den Materialwissenschaften sorgen neue Prognosemodelle dafür, dass Funktionswerkstoffe viel schneller entwickelt werden können, um Probleme aus der Praxis zu lösen. Banken hilft künstliche Intelligenz dabei, weniger voreingenommene (und damit innovativere) Entscheidungen und damit bessere Anlageentscheidungen zu treffen, die gleichzeitig zu einer besseren Customer Experience führen.
Was muss man beachten, um die Möglichkeiten der KI für Innovation zu nutzen und Business Value zu generieren? Zuallererst muss allen Beteiligten klar sein, was KI (Machine Learning) eigentlich ist und was sie leisten kann.
Grundsätzlich geht es darum, Computer mit Algorithmen einzusetzen, die über die Zeit lernen und sich verbessern.
Anschliessend ist eine Zielbestimmung bzw. Problemanalyse unabdingbar: geht es darum, Produktionsprozesse zu verbessern? Wollen wir mögliches Optimierungspotential aufdecken oder klären welche Trends am Markt vorhanden sind? Nur Technologien, die an der richtigen Stelle eingesetzt werden, können auch einen Nutzen stiften.
Eine massgebliche Rolle für den Erfolg spielt zudem, ob Erwartungen an das Resultat realistisch eingeschätzt und gemanagt werden. Erste Machbarkeit überprüfen: eine erste Prüfung der Durchführbarkeit sollte basierend auf den angestellten Annahmen und Anforderungen erfolgen, um einzuschätzen, ob bestimmte Algorithmen funktionieren könnten. Was die Anforderungen angeht, sind nicht nur Anforderungen an Daten und Modell zu beachten, sondern ebenso juristische Vorgaben und diejenigen, die eine Integration der KI in vorhandene Unternehmensprozesse betreffen.
Sofern die Machbarkeit bestätigt wird, gilt es das Projekt in Subprojekte mit klaren Deliverables und Timing einzuteilen und damit in Sprints einzelne Features zu entwickeln. So kann das Risiko von Fehlentwicklungen stark reduziert werden.
Ferner gilt es, Daten vorausschauend zu bewirtschaften. Das bedeutet, immer wieder zu bewerten, welche Daten nötig sind, um Sinn zu stiften.
Eine langfristig angelegte KI Strategie hilft dabei, heute schon zu überlegen, welche Daten in Zukunft relevant sein werden und mit deren Sammlung zu beginnen.
Abschliessend muss beachtet werden, dass die Begleitung der KI Entwicklung durch ein entsprechendes Change Management im Unternehmen erfolgsentscheidend sein kann.
