KI für Menschen und Unternehmen

Kapitel 1. Erfolg mit KI

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Dieses Buch ist für dich, wenn du als Führungskraft oder Manager daran interessiert bist, KI in deinem Unternehmen einzusetzen. Dieses Buch ist für dich, wenn du genau verstehen willst, was KI ist, warum KI deinem Unternehmen und den Menschen, die mit ihm interagieren, einen Mehrwert bieten kann, wie du KI-Chancen erkennst und wie du eine erfolgreiche KI-Vision und -Strategie entwickeln und umsetzen kannst.

Die Lektüre dieses Buches soll dazu beitragen, die oft nebulöse und mysteriöse Wahrnehmung von KI aufzulösen und dir die richtigen Bewertungsinstrumente, Prozesse und Anleitungen an die Hand zu geben, damit du und dein Unternehmen das erforderliche, angemessene Verständnis erlangen und noch heute mit der Nutzung von KI beginnen können. Dieses Buch ist auch für Daten- und Analysefachleute (z. B. Data Scientists) und alle anderen, die mehr über KI aus einer strategischen, geschäftlichen Perspektive erfahren möchten, von Nutzen.

Dieses Buch und das darin vorgestellte AIPB-Framework werden dir hoffentlich helfen, deine KI-Fragen zu beantworten und dich auf deinem Weg zum Erfolg mit KI zu begleiten.

Auf dem Weg zum Geschäftserfolg

Wie ich bereits im Vorwort erwähnt habe, ist das ultimative Ziel im amerikanischen Profi-Motorsport der Sieg bei den Indianapolis 500. Und bei dieser Veranstaltung, bei der alles passieren kann, macht die rechtzeitige, fortschrittliche Analyse von Daten - einschließlich historischer Ereignisse, Sensordaten, Telemetrie, Computersimulationen, Fahrerfeedback und mehr - den Unterschied aus. Seitdem ich von meiner Arbeit als IndyCar-Ingenieur und Rennstratege für verschiedene Teams in den technischen Bereich gewechselt bin, habe ich festgestellt, dass das Gleiche auch für die Wirtschaft gilt. Im Zeitalter von Big Data und fortschrittlicher Analytik ist die Entwicklung und Umsetzung einer Vision und Strategie, um die Daten deines Unternehmens in Spitzenergebnisse umzuwandeln, vielleicht der einzige Weg, um zu gewinnen.

Entscheidungen und Maßnahmen, die ausschließlich auf historischen Präzedenzfällen, einfachen Analysen und dem Bauchgefühl beruhen, sind nicht mehr zielführend - ebenso wenig wie die Verfolgung kurzsichtiger Ziele oder standardisierter Technologien. Und doch verharren zu viele Unternehmen im Status quo. Immer mehr sind diejenigen erfolgreich, die Analytik effektiv einsetzen, d.h. die Informationen wie Muster, Trends und Erkenntnisse aus Daten gewinnen, um Entscheidungen zu treffen, Maßnahmen zu ergreifen und Ergebnisse zu erzielen. Dazu gehören sowohl die traditionelle als auch die erweiterte Analytik, die sich gegenseitig ergänzen.

Ich verwende den Oberbegriff Advanced Analytics in Anlehnung an eine Definition von Gartner: "Advanced Analytics ist die autonome oder halbautonome Untersuchung von Daten oder Inhalten mit ausgefeilten Techniken und Werkzeugen, die in der Regel über die der traditionellen Business Intelligence (BI) hinausgehen, um tiefere Einblicke zu gewinnen, Vorhersagen zu treffen oder Empfehlungen zu geben." Zu den fortgeschrittenen Analysetechniken gehören die Techniken, die mit KI, maschinellem Lernen und anderen in diesem Buch behandelten Verfahren verbunden sind.

Daten sind ein entscheidender Vorteil, wenn - und nur wenn - du weißt, wie du sie nutzen kannst. Alle Unternehmen sollten anfangen, sich als Daten- und Analyseunternehmen zu sehen, unabhängig davon, was ihr Kernangebot ist. Solange Daten im Spiel sind, ist dies ein entscheidender Schritt, um der Konkurrenz einen Schritt voraus zu sein und gleichzeitig große Vorteile für Menschen und Unternehmen zu erzielen.

Viele Unternehmen sind sich dessen bewusst und wollen ihre Daten- und Analysewelt umgestalten, tun sich aber schwer damit, reale KI-Möglichkeiten, Anwendungsfälle und Anwendungen zu identifizieren und eine Vision und Strategie dafür zu entwickeln.

Die Umsetzung einer KI-Idee in einen tatsächlichen Nutzen für Menschen und Unternehmen ist schwierig und erfordert die richtigen Ziele, Führungsqualitäten, Fachkenntnisse und Ansätze. Es erfordert auch die Zustimmung und Abstimmung auf der C-Ebene. All das nenne ich angewandte KI-Transformation; darum geht es in diesem Buch und insbesondere in dem darin vorgestellten Rahmenwerk. Beachte, dass ich es angewandte KI-Transformation und nicht digitale Transformation nenne. Ich halte diese Unterscheidung für wichtig und werde kurz erklären, warum.

Mit Begriffen wie Innovation, Transformation und Disruption wird ständig um sich geworfen, und zwar meist in einem breiten Kontext. Der Begriff der digitalen Transformation ist ebenso weit gefasst und seine Bedeutung ist nicht unbedingt klar. Versteh mich nicht falsch - der Begriff und seine Bedeutung haben ihren Wert, und es gibt viele Unternehmen, die unbedingt eine digitale Transformation durchlaufen müssen, und je früher, desto besser. Aber die bloße Feststellung, dass eine digitale Transformation notwendig ist, kann mehr Fragen aufwerfen als Antworten geben. Einige dieser Fragen lauten: Was bedeutet digitale Transformation genau? Welche spezifischen Technologien oder Technologiesysteme (z. B. KI, Blockchain, Internet der Dinge [IoT]) sollten wir einsetzen und welche sollten wir zuerst wählen? Wie können wir Prioritäten zwischen verschiedenen digitalen Zielen und Initiativen setzen? Wie und in welchem Umfang wird die digitale Transformation unsere Ziele erreichen? Wie viel wird sie kosten und wie hoch ist der potenzielle ROI? Wann werden wir diesen ROI realisieren?

Alle drei Wörter des Begriffs "angewandte KI-Transformation" haben eine bestimmte und beabsichtigte Bedeutung. Da die KI noch in den Kinderschuhen steckt und (bisher) nur in begrenztem Umfang in der Praxis eingesetzt wird, wird sie weithin als weitgehend theoretisch angesehen. Der Begriff "angewandt" soll zwischen theoretischer KI und KI, die auf reale Anwendungsfälle angewandt wird, unterscheiden, und das ist etwas, was wir jetzt in großem Umfang und auf vielfältige Weise erleben. Der Begriff Transformation bedeutet, wie erwartet, im Fall von KI, dass man sich KI zunutze macht, um bestimmte Vorteile oder Ergebnisse zu erzielen, die mit anderen Methoden nicht erreichbar sind, oder in anderen Fällen, um hochwirksame Ergebnisse viel effizienter (in Bezug auf Zeit und Kosten) und mit größerem Wert zu erzielen. In diesem Zusammenhang lässt der Begriff "angewandte KI-Transformation" keinen Raum für Zweideutigkeiten - er bedeutet die Anwendung bestehender und neuer KI-Techniken, um reale Lösungen zu entwickeln, die Unternehmen und das Leben der Menschen verändern können. Ob digitale Transformation oder angewandte KI-Transformation, beide erfordern eine Vision und eine Strategie. Bei der angewandten KI-Transformation hilft das AIPB bei der Umsetzung.

Warum schlagen KI-Initiativen fehl?

Es gibt viele Gründe, warum KI-Initiativen fehlschlagen können. Ein Grund ist, dass KI im Allgemeinen immer noch nicht gut verstanden wird. Nur wenige Führungskräfte und Manager wissen wirklich, was KI ist, wie der aktuelle Stand der KI und ihre Möglichkeiten aussehen, welchen Wert sie hat, was für den Erfolg von KI erforderlich ist, was der Unterschied zwischen dem Hype um KI und der Realität ist, welche Unterschiede und einzigartigen Vorteile KI im Vergleich zu anderen Formen der Analytik bietet, was der Unterschied zwischen KI und maschinellem Lernen ist und vieles mehr. KI kann Unternehmen, Kunden, Nutzern und/oder Mitarbeitern enorme Vorteile bringen, aber es ist nicht immer klar, wie und welche Daten, Techniken, Zeit, Kosten und Kompromisse erforderlich sind. Es ist auch nicht immer klar, wie man den Erfolg von KI-Lösungen messen kann, nachdem man sie entwickelt hat.

Es kann auch sein, dass Unternehmen nicht die "richtige" Führung, Organisationsstruktur oder das richtige Talent für Daten und Advanced Analytics haben. KI ist ein extrem technisches Thema und erfordert Übersetzer/innen zwischen dem Management und den Advanced-Analytics-Expert/innen, eine Aufgabe, die im Zusammenhang mit Software normalerweise von Business-Analyst/innen und Produktmanager/innen übernommen wird. Wie ihre Kollegen in der Geschäftsleitung verstehen auch die wenigsten von ihnen etwas von KI, so dass neue, datenzentrierte Versionen dieser Funktionen entstanden sind (z. B. Datenproduktmanager), obwohl diese relativ neu sind und es an Talenten mangelt. Da die Datenorganisation in den Unternehmen noch in den Kinderschuhen steckt, sind die Strukturen der Datenorganisation (z. B. Führung, Berichtswesen, funktionale Ausrichtung) in der Praxis sehr unterschiedlich. Das Wichtigste ist, dass diese Datenorganisationsstrukturen nicht unbedingt dafür optimiert sind, die interne Akzeptanz, Abstimmung und das Verständnis für KI-Initiativen zu fördern und KI-Initiativen erfolgreich umzusetzen (z. B. Rollen, Verantwortlichkeiten, Ressourcen).

Wenn Führungskräfte über Investitionen in Technologien nachdenken, machen sie sich zu Recht Gedanken über das Endergebnis, die Kosten, die Zeit bis zur Wertschöpfung, den ROI, die Risikominderung und das Risikomanagement (z. B. Verzerrungen, mangelnde Einbeziehung, mangelndes Vertrauen der Verbraucher, Datenschutz und -sicherheit) und die Frage, ob sie bauen oder kaufen sollen. Im Gegensatz zu traditionellen Technologieinvestitionen, die mit der digitalen Transformation einhergehen - wie z. B. der Entwicklung einer mobilen App oder eines Data Warehouse - ist KI eher als wissenschaftliche Innovation zu bezeichnen, ein Konzept, das ähnlich wie Forschung und Entwicklung ein gewisses Maß an Unsicherheit mit sich bringt.

KI ist ein Bereich, der auf Statistik und Wahrscheinlichkeit basiert und sich sowohl in Bezug auf den Stand der Technik als auch auf mögliche Anwendungen schnell weiterentwickelt. Ein gewisses Maß an Unsicherheit lässt sich bei KI wohl nicht vermeiden. Dies nicht zu verstehen oder falsche Erwartungen zu haben, ist eine weitere mögliche Ursache für Misserfolge. Das Gleiche gilt, wenn man KI nicht auf agile und schlanke Weise verfolgt und den explorativen und experimentellen Charakter von KI nicht angemessen respektiert. Geeignete Bewertungen sollten als Teil eines umfassenderen Ansatzes durchgeführt werden, der speziell auf die einzigartigen Merkmale und potenziellen Herausforderungen von KI zugeschnitten ist. Das AIPB Framework soll Unternehmen dabei helfen, potenzielle Fehlerquellen zu vermeiden und ihre Erfolgschancen mit KI zu maximieren.

Um erfolgreiche KI-Lösungen zu entwickeln, die nicht nur den Menschen, sondern auch den Unternehmen zugutekommen, muss man verstehen, was die Menschen brauchen und wollen, und was die Zutaten für großartige Produkte und Nutzererlebnisse sind, denn viele dieser Zutaten gelten auch für großartige KI-Lösungen. Grundsätzlich nutzen Menschen Produkte und Dienstleistungen, die nützlich sind, die besser sind als die Alternativen, die Spaß machen und die ein gutes Erlebnis bieten. KI-Lösungen, die all diese Punkte erfüllen, werden erfolgreich sein, während solche, die nur einen dieser Punkte verfehlen, fehlschlagen können.

Warum sind KI-Initiativen erfolgreich?

KI-Initiativen (und eine angewandte KI-Transformation) sind erfolgreich, wenn Entscheidungsträger wie du versuchen, KI besser zu verstehen, einschließlich ihrer Vorteile, Möglichkeiten, potenziellen Anwendungen und Herausforderungen. KI-Initiativen sind auch dann erfolgreich, wenn das Warum dahinter klar und konkret festgelegt ist, mit den Zielen für die Menschen und das Unternehmen übereinstimmt und als Nordstern dient, der alles andere leitet.

Außerdem sind KI-Initiativen nur dann erfolgreich, wenn die entsprechende Daten- und Analyseorganisation priorisiert und aufgebaut wird (einige Empfehlungen dazu behandeln wir in diesem Buch). Dazu gehören die Führung, die Organisationsstruktur und die Talente, die die strategisch angemessenen analytischen Rollen und Verantwortlichkeiten ausfüllen. Eine solche Organisation ist in der Lage, Folgendes zu tun:

• Identifiziere und priorisiere die KI-Möglichkeiten.

• Hilf dabei, unternehmensweite Investitionen in KI zu priorisieren.

• KI-Einführung und -Anpassung fördern.

• Setze die Erwartungen an KI-Initiativen richtig fest.

• Erarbeite eine gemeinsame Vision und Strategie für KI.

• Hilf dabei, Silos aufzubrechen.

• Demokratisiere Daten und Analysen.

• Hilf dabei, die Daten- und Analysekompetenz der Organisation kontinuierlich zu verbessern.

• Fördern Sie den kulturellen Wandel von einer auf Bauchgefühl, historischen Präzedenzfällen und einfachen Analysen basierenden Organisation zu einer datengesteuerten und/oder dateninformierten Organisation.

• Entwickle, liefere und optimiere erfolgreiche KI-Lösungen.

Darüber hinaus sind erfolgreiche Daten- und Analyseunternehmen in der Lage, ihre KI-Bereitschaft und ihren Reifegrad richtig einzuschätzen, Lücken zu identifizieren und eine nach Prioritäten geordnete Strategie zu entwickeln, um diese Lücken zu schließen. Sie sind auch in der Lage, spezifische Schlüsselaspekte und damit verbundene Kompromisse für jede einzelne Initiative zu analysieren, Lücken zu identifizieren und Prioritäten zu setzen, um sie zu schließen, und während des gesamten Lebenszyklus der Initiative die richtigen Entscheidungen zu treffen.

Die Mitglieder der Daten- und Analyseorganisation müssen in der Lage sein, funktionsübergreifend und nach Bedarf mit Experten aus allen Funktionsbereichen einer Organisation strategisch zusammenzuarbeiten. Das AIPB definiert eine Reihe von funktionsübergreifenden Experten, die in bestimmten Phasen von KI-Initiativen zusammenarbeiten müssen, um erfolgreiche Ergebnisse zu erzielen.

Die Erstellung eines realen Produkts, das den beabsichtigten Nutzen erbringt, erfordert eine effektive Abfolge von iterativen Phasen, die das AIPB-Framework im Kontext von KI eindeutig definiert. Für jede dieser Phasen gibt es ein entsprechendes Ergebnis, das ebenfalls von AIPB definiert wird und das ein wichtiger Bestandteil erfolgreicher KI-Lösungen ist. Das Verständnis von Konzepten, die wir diskutieren, wie z. B. wissenschaftliche Innovation, insbesondere im Zusammenhang mit KI, trägt ebenfalls zum Erfolg bei.

Die Macht der KI für den Sieg nutzen

Um die Fragen zu beantworten und die bisher besprochenen Ziele zu erreichen, stellt dieses Buch das AIPB Framework vor, das ich auf der Grundlage meiner fast 20-jährigen Innovationserfahrung und -expertise entwickelt habe. Es ist eine Formalisierung der Strategien, Ansätze und Techniken aus der Praxis, die ich im Laufe meiner beruflichen Laufbahn mit Unternehmen aus vielen Branchen - von IndyCar-Rennteams über Startups in der Frühphase bis hin zu Großunternehmen - erfolgreich angewendet habe. In diesem Buch habe ich mein Fachwissen, mein Erfahrungswissen und meine Erfahrungen in den Bereichen Geschäfts-, Analyse- und Produktmanagement sowie bei der Verfolgung von Innovationen im Allgemeinen zusammengefasst.

Ich nenne es AI for People and Business (AIPB), weil es sich speziell darauf konzentriert, erfolgreiche KI-Lösungen für bessere menschliche Erfahrungen und geschäftlichen Erfolg zu schaffen. AIPB hilft Führungskräften und Managern durch seinen einzigartigen und speziell entwickelten Nordstern, seine Vorteile, seine Struktur und seinen Ansatz. Es ist ein durchgängiges Rahmenwerk für KI-Initiativen, das von der Durchführung geeigneter Bewertungen über die Entwicklung einer KI-Vision und -Strategie bis hin zur Entwicklung, Bereitstellung und Optimierung von KI-Lösungen in der Produktion reicht.

Mit diesem Buch soll nicht gesagt werden, dass AIPB das endgültige Framework ist, das alles andere ersetzen sollte. Wie wir gleich sehen werden, ist AIPB vielmehr ein hochrangiges und modulares System. Das bedeutet, dass dein Team für deine Initiative oder dein Projekt die Subframeworks verwenden sollte, die es für am besten geeignet hält (oder die ich empfehle, wenn du das möchtest).

Mit der Erläuterung des von mir entwickelten Rahmens möchte ich dazu beitragen, dein Denken auf einer hohen Ebene zu leiten, um die Verwirrung zu beseitigen, die mit dem Versuch einhergeht, mit KI Innovationen zu schaffen. Unabhängig davon, ob dieses Rahmenwerk umgesetzt wird oder nicht, denke ich, dass die Diskussion über AIPB und andere in diesem Buch behandelte Themen eine konzeptionelle Denkweise für den erfolgreichen Einsatz von KI in einem Unternehmen bieten wird.

In den nächsten Kapiteln wird das umfassende, durchgängige AIPB-Framework im Detail vorgestellt. Der Rest des Buches behandelt fast alles, was eine Führungskraft oder ein Manager auf der entsprechenden Ebene über KI verstehen sollte, wobei der Schwerpunkt auf der Entwicklung einer KI-Vision und -Strategie liegt. Meiner Erfahrung nach ist die Entwicklung einer KI-Vision und -Strategie das, womit die Zielgruppe dieses Buches am meisten zu kämpfen hat.

Dieser Fokus soll Entscheidungsträgern dabei helfen, KI besser zu verstehen und sicherer Entscheidungen und Investitionen rund um KI-Initiativen zu treffen. Wenn Führungskräfte und Manager durch ein einfaches Verständnis der vom AIPB vorgestellten Konzepte und des Inhalts dieses Buches in der Lage sind, mit fortschrittlicher Analytik weiter voranzukommen, als sie es heute sind, ist das ein Gewinn.

Die neuesten Informationen und Ressourcen sowie die Möglichkeit, sich in die AIPB-Mailingliste einzutragen, findest du unter https://aipbbook.com.