UdZPraxis 2/2020

UdZPraxis 2-2020 / 7 Wir helfen Ihnen, die nötige Datenkompetenz aufzubauen Künstliche Intelligenz sinnvoll anwenden 1 s. McKinsey & Company 2017, S. 15 2 s. Seifert et al. 2018, S. 5 3 s. McKinsey & Company 2017, S. 24 ff. 4 s. Jyoti u. Shirer 2019 5 s. Fleming et al. 2018 6 s. Seifert et al. 2018, S. 30 K ünstliche Intelligenz, kurz KI, ist längst von der Scien- ce-Fiction und „vom Reißbrett“ in die Wirklichkeit ge- langt: Unternehmen bietet sich mit dem Einsatz von KI-Technologien eine große Bandbreite unterschied- lichster Anwendungsfälle mit großen wirtschaftlichen Poten- zialen – dies gilt vor allem für produzierende Unternehmen 1 . Bislang wird jedoch in Deutschland nur ein geringer Teil dieses Potenzials ausgeschöpft: Im Rahmen einer Studie gaben ge- rade einmal 25 Prozent der Großunternehmen und 15 Prozent der KMU an, je nach Wertschöpfungsstufe bis zu einem gewis- sen Grad KI-Technologien einzusetzen². Wo überall kann KI unterstützen, Potenziale zu heben? Laut McKinsey liegen Anwendungsfälle zum einen auf der überge- ordnetenEbene vonübergreifendenUnternehmensprozessen, zum Beispiel bei der Optimierung des Supply-Chain-Manage- ments, bei Forschung und Entwicklung sowie der Automati- sierung von unterstützenden Prozessen. Zum anderen bieten Prozesse in der Produktion vielfältige KI-Anwendungsmöglich- keiten, beispielsweise in der prädiktiven Wartung, im Einsatz von kollaborativer und kontextbewusster Robotik, zur Ertrags- steigerung durch Verringerung der Ausschussraten und Test- kosten sowie in automatisierten Qualitätskontrollen.³ Sie möchten KI nutzen? Bauen Sie neue Kompetenzen auf! Vielfältig sind also die Möglichkeiten der Nutzung, jedoch weicht die Freude über neue Möglichkeiten oft der Ernüch- terung: KI erweist sich als doch nicht so unkompliziertes All- heilmittel auf dem Weg zur Digitalisierung. Viele KI-Projekte scheitern – laut einer Studie sind bei einem Teil der befragten Unternehmen bis zu 50 Prozent zu vermelden 4 . Die Umsetzung von KI-Anwendungsfällen stellt Unternehmen vor große und unbekannte Herausforderungen und verlangt nach neuen, häufig noch nicht vorhandenen Kompetenzen. Dadurch werden viele Ressourcen vergeblich in Projekte inves- tiert, die von vornherein durch Schwachstellen und fehlende Kompetenzen zum Scheitern verurteilt sind. Ein Lichtblick aus der steigenden Zahl gescheiterter Projekte ist jedoch die daraus gewonnene Erfahrung: Hieraus lassen sich Rückschlüsse ziehen, die, als Warnzeichen rechtzeitig in- terpretiert, bereits im Vorfeld auf ein Scheitern des Projekts hinweisen können 5 . Zusätzlich zu den konkreten neuen Herausforderungen herrscht eine Diskrepanz zwischen der Wahrnehmung der Anwender und der Wahrnehmung der Anbieter, inwieweit Organisationen überhaupt auf den Einsatz und die Umset- zung von KI-Technologien vorbereitet sind. Anwender sind in diesem Fall Unternehmen und Anbieter Dienstleistungs- oder Beratungsunternehmen, die sich mit der Durchführung und Umsetzung von KI-Anwendungsfällen befassen. Seifert et al. 6 zeigen, dass Anwender sich selbst mehr Aufgeschlossenheit und Kompetenz hinsichtlich des Einsatzes von KI-Technologi- en zusprechen, als dies von Seiten der Anbieter eingeschätzt wird. Während über 80 Prozent der Anbieter angeben, dass Kompetenzen und Fachkräfte in den Unternehmen fehlen, um KI-Technologien effizient zu nutzen, stimmen gerade mal 60 Prozent der Anwender dieser Aussage zu. Noch ausgepräg- ter ist die Differenz bei der Einschätzung, ob Ängste und Vor- urteile der Mitarbeiter den effizienten Einsatz von KI-Techno- logien beschränken – nur 17 Prozent der Anwender stimmen dieser Einschätzung zu, während fast die Hälfte der Anbieter diese Ansicht teilt. Ein ähnliches Ergebnis zeigt sich bezüglich der Frage, ob die Führungskräfte dem Einsatz aufgeschlossen gegenüberstehen: Über die Hälfte der Anwender urteilen die-