Künstliche Intelligenz (engl.: Artificial Intelligence, AI) ist eine der bedeutendsten Technologien der heutigen Zeit. Beim Einsatz der Technologie stehen in der Regel Umsatz- und Effizienzsteigerung, Kostensenkung und die Sicherung von Wettbewerbsvorteilen im Vordergrund. Wissenschaftliche Bestätigung der Effekte auf Unternehmensebene gibt es hingegen kaum. Die wenigen Forschungsarbeiten auf diesem Gebiet stellen positive Auswirkungen, wie die Verbesserung von Produkten, monetäre Einsparungen durch optimiertes Ressourcenmanagement und einen Anstieg der allgemeinen Unternehmensperformance fest. Außen vor bleibt allerdings der Rückschluss auf den individuellen Beitrag spezifischer Anwendungen. Dieses Wissen wird für strategische Entscheidungen bezüglich der Implementierung von KI jedoch dringend benötigt, beispielsweise um den Return on Investment von solcher Projekten einschätzen zu können. Fehlt es, verzögert dies Entscheidungen auf Unternehmensseite und bremst die Implementierung von AI-Technologien im großen Stil aus.
KI-Partnersuche
Im Rahmen des Verbundforschungsprojekts ‚What can AI do for me?‘ entwickelt das Institute for Applied Artificial Intelligence (IAAI) der Hochschule der Medien in Kooperation mit ThingsThinking und Kenbun IT eine KI-basierte Plattform, die es Unternehmen ermöglichen soll, geeignete Anwendungsmöglichkeiten und AI-Dienstleistungsunternehmen für ihr Business zu finden. Ausgehend von der Beschreibung der Problemstellungen ihres Business Case werden über ein semantisches Matching-Verfahren passende Anwendungsfälle vorgeschlagen. Des Weiteren zeigt die Plattform das geschätzte Wertschöpfungspotenzial des Anwendungsfalls auf Basis einer Expertenmeinung an, welches als eine erste Orientierung für eine Bewertung des AI-Vorhabens herangezogen werden kann. Gefördert wurde das Projekt über 12 Monate hinweg im Zuge des KI-Innovationswettbewerbs vom Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg. Im Oktober startete die Beta-Version der Matching-Plattform und steht seitdem für die Verwendung unter whatcanaidoforme.com kostenfrei zur Verfügung. Grundlage dafür ist die im Projekt entstandene AI Value Creation-Studie des IAAI der Hochschule der Medien. In diesem Zusammenhang ermittelte das Forschungsteam in über 40 qualitativen Experteninterviews mit KI-Anwender- und AI-Dienstleistungsunternehmen mehr als 90 Use Cases. Auf Anwendungsfallebene wurden dann die wertschöpfenden Potenziale – insbesondere im Hinblick auf eine mögliche Umsatz- und Unternehmenswertsteigerung sowie Kostensenkung – genauer untersucht. Zusätzlich wurden aktuelle Hindernisse bei der KI-Implementierung ermittelt. Darauf aufbauend wurde zudem eine quantitative Untersuchung unter mehr als 50 Branchenexperten durchgeführt, um einige der Ergebnisse aus der initialen qualitativen Forschung zu evaluieren. Für eine bessere Vergleichbarkeit wurden die Use Cases in Cluster, basierend auf den von der AI ausgeführten Aufgaben, eingeteilt. Diese Cluster wurden anschließend Unternehmensfunktionen zugeordnet. Im Rahmen der Studie wurden besonders viele Use Cases in Produktion und Supply Chain, Marketing und Sales und im Kundenservice identifiziert. Ebenfalls verbreitet sind Use Cases, die funktionsübergreifend zum Einsatz kommen können, wie etwa die KI-gestützte Bearbeitung von Dokumenten. Trotz der vergleichsweise großen Zahl an Interviews, bilden die erhobenen Use Cases aber nicht die Menge an möglichen Anwendungsszenarien vollständig ab.
Potenzial variiert
Die spezifischen Wertschöpfungspotenziale variieren je nach Unternehmensbereich und der konkreten Aufgabe, die die KI erledigen soll. Die Wertschöpfungspotenziale für die in der Studie erhobenen Use Cases im Bereich Produktion und Lieferkette zeichnen sich primär durch eine Kostenreduktion und der Umsetzung einer effizienteren und unterbrechungsfreien Produktionskette aus. Wenn es stattdessen um die Vereinfachung von kundennahen Prozessen geht, wie die Personalisierung der Kommunikation oder die automatisierte Bepreisung von Produkten, treten vor allem die Potenziale für das Umsatzwachstum und die Unternehmenswertsteigerung hervor. Bei crossfunktionalen AI-Anwendungen ist das Wertschöpfungspotenzial sehr divers und die Einschätzung abhängig vom individuellen Anwendungsbereich. Neben diesen Erkenntnissen wurden in den Interviews Aspekte der AI-Anwendungen genannt, die sich abseits von Kosten, Umsatz und Unternehmenswert begünstigend auf die Wertschöpfung auswirken und als weitere Ziele des AI-Einsatzes gelten. Dazu zählen etwa die Prozessoptimierung, die Förderung der ökologischen und ökonomischen Nachhaltigkeit, die Steigerung der Mitarbeiterzufriedenheit, ein verbessertes Unternehmensimage durch die Assoziation mit Innovation und Fortschritt sowie eine damit verbundene Steigerung der Unternehmensattraktivität.
Viele Herausforderungen
Neben einer mangelhafter Dateninfrastruktur und der damit verbundenen zeitaufwändigen Datenaufbereitung, gehören etwa fehlende finanzielle Mittel und Fachkompetenzen, ein hohes finanzielles Risiko, eine fehlende Strategie und inkompatible Systemlandschaften zu den Herausforderungen von Unternehmen bei der Implementierung von künstlicher Intelligenz. Hindernisse, bei denen Wissen – sei es zur Funktionsweise, der technologischen Umsetzung oder zu agilen Arbeitsmethoden – helfen könnte. Die Ausbildung von Fachpersonal ist unabdingbar, aber auch Mitarbeiter, das Management und Budgetverantwortliche sollten mit Grundkenntnissen vertraut gemacht werden, um in Unternehmen ein positives Mindset gegenüber den neuen Technologien aufzubauen. Eine geeignete Haltung und Kompetenz bedeutet hier nicht nur Macht im Sinne von Marktmacht, sondern kann sich wiederum positiv auf das Vertrauen und die Investitionsbereitschaft aller beteiligter Stake- und Shareholder auswirken.