Kommentar von Thomas Sengotta, CGI Deutschland Die Eckpfeiler einer KI-Strategie

Anbieter zum Thema

CGI Deutschland GmbH

G DATA CyberDefense AG

WatchGuard Technologies GmbH

mibeca GmbH – Mike Bergmann Akademie

Branchenübergreifend starten Unternehmen derzeit KI-Initiativen und -Projekte – vielfach ohne KI-Strategie und -Vision. Allerdings gewährleistet nur ein ganzheitlicher Ansatz, der Aspekte wie Datenmanagement, Sicherheit und Ethik berücksichtigt, einen ergebnisorientierten und verantwortungsvollen Umgang mit KI.

Künstliche Intelligenz (KI) verspricht viele Vorteile und das mögliche Einsatzspektrum ist weitreichend. Mit KI können Unternehmen Prozesse optimieren, die Kosten senken und vor allem auch Innovationen vorantreiben, die das Wachstum fördern und ihnen einen Wettbewerbsvorteil verschaffen. So gewinnen sie durch die KI-basierte Auswertung ihrer Daten permanent neue Erkenntnisse, die für die Weiterentwicklung von Produkten, Services und Arbeitsabläufen nutzbar sind. Der KI-Einsatz trägt auch zu einer Entlastung der Mitarbeiterinnen und Mitarbeiter von Routineaufgaben bei, sodass die Zufriedenheit gesteigert wird. Die Mitarbeiter erhalten zudem Freiräume für höherwertige Aufgaben.

Konkret führt KI zum Beispiel zu einer Optimierung der Customer Interaction. Chatbots und virtuelle Assistenten verbessern den Kundenservice rund um die Uhr, indem häufig gestellte Fragen schnell beantwortet werden. KI kann unter anderem auch Echtzeit-Analysen von Kundenanfragen durchführen und personalisierte Empfehlungen abgeben. Zu den weiteren möglichen Einsatzfeldern gehören das Risikomanagement oder prädiktive Analysen im Bereich Manufacturing.

Die vielen Vorteile dürfen aber nicht darüber hinwegtäuschen, dass auch Gefahren lauern. Viel zitierte Beispiele betreffen etwa Chatbots, die die eigene Firma und Kunden beschimpfen oder die Autos für einen Dollar verkaufen. Auch die Bias-Problematik ist offensichtlich. Beim KI-Einsatz dominieren momentan Large Language Models (LLMs) wie OpenAI, die auf große Datenmengen trainiert sind und damit ein breites Spektrum an Allgemeinwissen abdecken. LLMs kommen jedoch an ihre Grenzen, wenn sie Antworten auf Fragen generieren sollen, für die sie in ihren Trainingsdaten keine Informationen haben. Die Folge können verzerrte Ergebnisse oder auch objektiv falsche KI-Antworten sein, sogenannte Halluzinationen.

KI bietet also Vorteile und Risiken. Ausschließlich das große Performance- und Einsparpotenzial in den Vordergrund zu stellen, ist somit nicht zielführend. Zum einen hat die KI auch Auswirkungen auf die Business-Logik eines Unternehmens, also auf die Prozesse und Workflows. Folglich sollte sie bezüglich ihrer Resultate eindeutig sein. Zum anderen müssen gerade die nicht deterministischen Ergebnisse generativer KI-Systeme kontrollierbar bleiben.

Das Strategie-Framework im Überblick

Aufgrund dieser potenziellen Auswirkungen und der damit verbundenen Herausforderungen sollten Unternehmen KI-Initiativen immer auf Basis eines KI-Strategie-Frameworks starten. Die Definition einer umfassenden und ganzheitlichen KI-Strategie muss eine Schlüsselrolle einnehmen. Doch was sind nun ihre Eckpfeiler? Ein adäquates Framework sollte als Basis die folgenden zwölf Komponenten beinhalten.

1. Bedarfsanalyse

In einem ersten Schritt geht es um die Bedarfsanalyse, die etwa im Rahmen eines umfassenden Assessments durchgeführt werden kann. Es zielt ab auf die Definition und die Analyse der gegebenen und benötigten Rahmenbedingungen und Voraussetzungen. Hierbei existieren je nach Anwender spezifische Anforderungen und Herausforderungen. Wichtig ist in dieser ersten Phase die Ermittlung von Use Cases, die einen Business Case nach sich ziehen müssen, das heißt, es ist auch eine Abwägung von Nutzen, Risiken und Kosten erforderlich.

Im Assessment sollte abhängig von den gewählten Use Cases dann auch die Auswahl der jeweils richtigen KI-Anwendung erfolgen. Schließlich ist KI nicht gleich KI. Für die Erstellung von Prognosen im Zahlenbereich etwa, die historische und aktuelle Daten sowie eine Mustererkennung nutzen, reicht eine Machine-Learning-Lösung. Geht es aber um umfassende Reportings, die Informationen aus unterschiedlichen Systemen aggregieren, ist hingegen eine Anwendung im Bereich der generativen KI vonnöten.

2. Strategische Ausrichtung

Der Einsatz von KI sollte immer im Einklang mit der übergeordneten und langfristigen Unternehmensstrategie stehen. Unternehmen müssen definieren, wie und wo KI zum Erfolg beitragen kann und soll. Dabei geht es um die Umsetzung konkreter Geschäftsziele, etwa wenn ein Unternehmen die Produktivität steigern, Prozesse optimieren oder Kundeninteraktionen verbessern will.

3. Risikoanalyse und -reduzierung

Unverzichtbar ist die Durchführung einer umfassenden Risikoanalyse. Dabei müssen insbesondere die potenziellen rechtlichen, ethischen und betrieblichen Gefahren im Zusammenhang mit der KI-Implementierung ins Blickfeld rücken. Darauf aufbauend sollten Unternehmen dann konkrete Strategien zur Minderung identifizierter Risiken und Herausforderungen entwickeln.

4. Data Governance

Ein essenzielles Element ist eine Data-Governance-Strategie. Das A und O einer erfolgreichen Umsetzung von KI sind schließlich die Daten. Sie müssen in ausreichender Quantität und Qualität vorliegen. Gerade vertikal aufgestellte Unternehmen mit einer Silostruktur und verteilten Datentöpfen stehen hier oft vor einer Herausforderung. Wenn Daten über mehrere Abteilungen hinweg zentral abgelegt sind, besteht eine größere Chance für eine hohe Datenqualität. Prinzipiell sollten Unternehmen immer klare Richtlinien für das Management der Daten festlegen, vor allem im Hinblick auf die Datenerfassung, -speicherung und -verfügbarkeit sowie die Qualitätssicherung. Nicht zuletzt beinhaltet ein Governance-Modell auch die Etablierung eines Benutzermanagements mit der unternehmensweiten Verwaltung von Rollen und Rechten im KI-Kontext.

5. Regulatorik und Ethik

Die regulatorische Konformität und die Einhaltung von Ethikrichtlinien sind ein Muss. Hierbei müssen Unternehmen alle einschlägigen rechtlichen Vorgaben und Branchenbestimmungen berücksichtigen, etwa die DSGVO oder das Rahmenwerk des kommenden AI Act der EU. Für stark regulierte Branchen wie den Finanzdienstleistungssektor sind zusätzliche Richtlinien relevant, hier etwa die MaRisk (Mindestanforderungen an das Risikomanagement) oder die BAIT (Bankaufsichtliche Anforderungen an die IT) der BaFin. Alle Vorgaben zielen letztlich auf die Gewährleistung einer maximalen Transparenz, Nachvollziehbarkeit und Überwachbarkeit sowie Fairness beim Einsatz von KI-Modellen ab. Darüber hinaus müssen Unternehmen Vorgaben für den verantwortungsvollen Einsatz von KI innerhalb ihrer Organisation machen, insbesondere wenn eine Anwendung der generativen KI allen Mitarbeitern zur Verfügung steht.

6. Technologieintegration

Ein entscheidender Punkt betrifft auch die Technologieintegration. Sie beinhaltet zunächst die Analyse der vorhandenen IT-Infrastruktur und Systeme. Darauf aufbauend können Veränderungen beziehungsweise Optimierungen erforderlich werden, um eine nahtlose Integration mit KI-Technologien zu gewährleisten.

7. Change Management

Unerlässlich ist die Entwicklung eines Change-Management-Plans, um die Einführung von KI zu unterstützen. Schließlich beeinflusst der KI-Einsatz auch die Unternehmensprozesse und die Arbeitsweise der Mitarbeiter. Beim Aufbau einer KI-Umgebung müssen Unternehmen deshalb immer die prozessualen und kulturellen Aspekte ins Blickfeld rücken. Um den Mitarbeitern einen effizienten Umgang mit den KI-Systemen zu ermöglichen, sind überdies oft Schulungen und Qualifizierungsmaßnahmen erforderlich.

8. Leistungskennzahlen

Wie bei anderen IT-Projekten auch sollten Unternehmen Leistungskennzahlen (Key Performance Indicators – KPIs) und Metriken zur Messung des Erfolgs und der Auswirkungen der KI-Implementierung definieren. Ebenso ist wichtig ist dann eine kontinuierliche Überwachung und Bewertung der Leistung.

9. Kooperation und Kommunikation

Eine reibungslose KI-Implementierung erfordert eine Definition von Kommunikationskanälen und Mechanismen für die Zusammenarbeit der verschiedenen Stakeholder. Konkret betrifft dies die IT, Applikationsentwickler, Data Scientists und die verschiedenen Geschäftsbereiche mit den betroffenen Fachabteilungen.

10. Sicherheitsmaßnahmen

Ohne robuste Sicherheitsmaßnahmen kann der Einsatz von KI mit Risiken verbunden sein. Es führt kein Weg daran vorbei, KI-Systeme immer konsequent vor Cyberbedrohungen zu schützen und Infrastruktur, Modelle sowie Daten zuverlässig zu sichern. Die Schutzmaßnahmen reichen dabei von einer Feinjustierung der Benutzerrechte bis hin zu einem kontinuierlichen Monitoring.

11. Dokumentation und Wissenstransfer

Wichtiger Bestandteil einer KI-Strategie ist zudem die Erstellung umfassender Dokumentationen für den KI-Rahmen; dazu gehören etwa konkrete Umsetzungsrichtlinien und Best Practices. Die Dokumentationen erleichtern den Wissenstransfer und stellen sicher, dass Anwender KI-Systeme effizient verwalten, warten und nutzen können.

12. Langfristiger Fahrplan

Die KI-Entwicklung kennzeichnet ein permanenter Wandel. Gerade im Bereich der generativen KI ist eine globale Marktdynamik vorhanden, die die Festlegung eines einmaligen KI-Zielzustandes unmöglich macht. Die Erstellung eines Fahrplans für die langfristige Entwicklung des KI-Rahmens ist somit immer empfehlenswert. Dieser Rahmen sollte flexibel ausgelegt sein, sodass Unternehmen aufkommende Branchentrends und Technologien künftig berücksichtigen beziehungsweise integrieren können.

Viele Unternehmen befinden sich derzeit bei der KI-Nutzung noch in einer Experimentierphase oder haben erste Proof-of-Concepts gestartet. „Klein anfangen und groß denken“ ist sicher der richtige Weg. Aber dabei sollte von Anfang an klar sein, dass nur eine fundierte KI-Strategie einen maximalen Erfolg sichert, und zwar ohne potenziell negative Auswirkungen. Ein externer Berater, der über das entsprechende IT-und KI-Know-how verfügt, kann hier einem Unternehmen gerade bei den ersten KI-Schritten eine entscheidende Unterstützung bieten.

(ID:50208696)