KI als Wettbewerbsfaktor Die optimale KI-Strategie für KMU

Anbieter zum Thema

COSMO CONSULT Gruppe

NTT DATA Deutschland SE

PSI Software SE | Business Unit Discrete Manufacturing

BE-terna GmbH

Lieber mitgestalten, als zu spät starten: Obwohl viele KMU noch Berührungsängste mit KI haben, wird das Thema spätestens jetzt zum Wettbewerbsfaktor. Durch Generative KI wie ChatGPT lassen sich viele Aufgaben beschleunigen und Innovation voranbringen. Es braucht aber klare Regeln und eine KI-Strategie. 

An KI, derzeit vor allem generativer KI (Gen AI) mit Large Language Models wie ChatGPT, gibt es praktisch keinen Weg vorbei. Durch KI-Assistenten auf Basis solcher LLM lassen sich viele Prozesse automatisieren und beschleunigen, etwa bei der Fehlersuche und -behebung an der Maschine. Dafür durchsucht die KI zum Beispiel alte Reparaturberichte, um schneller auf die Ursache eines Defekts zu schließen, und gleich einen Vorschlag zur Fehlerbeseitigung zu liefern. Einer der wichtigsten Faktoren ist die Innovationskraft, die Gen AI beiträgt, zum Beispiel wenn es darum geht, Produkt- oder Prozessverbesserungen zu identifizieren.

Eine aktuelle KI-Studie 2024 von Deloitte zu Generative AI zeigt: 79 Prozent der 2.800 befragten Führungskräfte meinen, dass die Technologie in weniger als drei Jahren zu signifikanten Veränderungen in ihren Unternehmen führt. Viele gehen sogar von ein oder zwei Jahren aus. Neben der Begeisterung über die Möglichkeiten gibt es auch viel Verunsicherung. Weniger als die Hälfte ist der Meinung, bereits eine hohe Kompetenz mit Blick auf Gen AI zu haben.

KI ist ein Business- und Organisationsthema. Es geht also vor allem darum, die Mitarbeitenden zu befähigen und durch Beispiele und Trainings an Bord zu holen.

KI-Strategie statt Schnellschuss

Bisher lag gerade in der Produktion der Fokus von KI und Machine Learning auf Themen wie Predictive Maintenance, Bilderkennung in der Qualitätssicherung, der Optimierung von Lagerbeständen oder Beschaffung. Viele KMU haben noch gezögert. In der Praxis ist deutlich festzustellen, dass der Hype rund um ChatGPT die Unternehmen dazu gebracht hat, weit mehr über das Thema KI nachzudenken und den Austausch mit Beratungspartnern zu suchen. Der Druck ist groß, dennoch sind Schnellschüsse keine gute Idee: Es braucht eine vernünftige KI-Strategie und den Blick aufs große Ganze.

Eine übergeordnete Strategie und Roadmap ist nicht zuletzt für Datenschutz, Datensicherheit und das Ausschöpfen von Synergien wichtig. Dennoch geht es vielfach darum, Dinge nach dem Prinzip „Learning by Doing“ auszuprobieren, Stichwort Fehlerkultur, und die Strategie kontinuierlich zu evaluieren. Anstatt zuerst über Daten nachzudenken, ist es zielführender, von den Anwendungsfällen her zu starten und zu schauen, welche Daten zusätzlich oder in anderer Qualität erhoben werden müssen. Mit Large Language Models kommen vor allem un- oder teilstrukturierte Daten ins Spiel, wie Sprachaufnahmen, E-Mails oder zum Beispiel PDF-Dateien mit Bedienungsanleitungen oder Arbeitsanweisungen. Hier ist eine neue Perspektive wichtig, um alle potenziell hilfreichen Daten einzubeziehen.

Klare Guidelines aufstellen und für Transparenz sorgen

Der erste Schritt besteht darin, sich über die Potenziale für die spezifischen Geschäftsziele klarzuwerden. Die Use Cases können nur aus den eigenen Themen und Pain Points abgeleitet werden. Zudem ist eine Analyse wichtig, wie der Reifegrad im Unternehmen bezüglich der verschiedenen KI-Technologien aussieht. Das Thema Datenqualität ist entscheidend, wenn zum Beispiel LLM auf die eigenen Daten angesetzt werden, um dann in Form von KI-Assistenten Handlungsempfehlungen zu geben. Viele Menschen im Unternehmen beschäftigen sich bereits privat mit den Möglichkeiten von ChatGPT. Doch die Nutzung sollte nicht einfach auf das berufliche Umfeld übertragen werden. Schnell können in ungeschützten Szenarien sensible Daten nach außen gelangen.

Der Autor Max Heppel ist der Meinung, dass es gerade bei Gen AI Ideen aus den einzelnen Fachbereichen und aus den jeweiligen Arbeitsabläufen heraus braucht, wo die KI die Prozesse verbessern könnte.

KI-Strategie: Datenschutz und zentrale Steuerung für Unternehmen

ChatGPT von Open AI nutzt im Standard alle Informationen, die bei einem Prompt (einer Fragestellung) eingegeben werden, als Trainingsmaterial. So könnte intellektuelles Eigentum zum Beispiel zu Produktionsprozessen zum Allgemeingut werden. Eine Steuerung ist daher unabdingbar, um potenzielle Datenschutzprobleme zu vermeiden. Darüber sollte klar kommuniziert und geschützte Umfelder geschaffen werden. In der Regel wird es zudem KI-Szenarien in verschiedenen Bereichen der Organisation geben. Die Herausforderung besteht darin, dass die unterschiedlichen Initiativen, die im Unternehmen laufen, steuerbar bleiben und zentral gemanagt werden. Auch Data Governance ist ein zentrales Thema: Dazu gehört unter anderem, Verantwortliche für die Daten zu etablieren.

Für die Mitarbeitenden stellen KI-Lösungen oft eine Erleichterung dar, weil monotone und mühevolle Aufgaben wegfallen. Zudem wird oft als großer Pluspunkt wahrgenommen, dass die KI die eigenen Skills erweitert, etwa in Richtung Programmierung.

KI-Strategie: Genau hinschauen bei der Technologie

Generell gilt bei KI: Statt im Schnellschuss auf der grünen Wiese zu starten, sollte gründlich der Markt sondiert werden. In den Cloud-Umgebungen der großen Anbieter wie AWS, Google Cloud oder Microsoft Azure stehen viele vorgefertigte KI-Services bereit. Die Innovationsgeschwindigkeit ist hoch, und es kommen ständig neue Lösungen auf den Markt. Viele Themen, mit denen sich Unternehmen rund um ChatGPT beschäftigt haben, sind beispielsweise bereits in der KI-Assistenztechnologie Copilot von Microsoft integriert. Damit steht Gen AI integriert und sicher im Standard von Office- und ERP-Anwendungen zur Verfügung. Für Themen wie Security und Datenschutz ist dabei schon von vornherein gesorgt.

Vor allem nimmt damit die Komplexität von KI-Use Cases immer weiter ab. Ein Quantensprung entsteht derzeit, weil Copilot zusammen mit Low-Code-Plattformen wie der Power Platform genutzt wird, um Anweisungen in natürlicher Sprache in Programmier-Code umzusetzen. Low-Code vereinfacht bereits viele Arbeiten mittels Drag and Drop und intuitiven, visuellen Benutzeroberflächen – durch KI wird es jetzt noch einfacher. Damit werden weniger IT- und Datenexperten benötigt, um KI und Data Analytics in die Praxis zu bringen.

Für Motivation zu sorgen und Ängste zu nehmen ist ein wesentlicher Aspekt einer KI-Strategie. Es hilft, wenn der Nutzen klar zu erleben ist.

Den Markt navigieren und passende Services identifizieren

Aber auch im Open-Source-Umfeld tut sich viel. Der Markt ist nicht nur besonders umfangreich, sondern auch dynamisch. Es hilft also, sich Beratungsexpertise an die Seite zu holen, um diesen Markt zu navigieren und die passenden Services zu identifizieren. Die Cloud ist schon allein aufgrund der benötigten Rechenressourcen die zentrale Technologie für eine KI-Strategie. Ein wichtiger Vorteil von Cloud-Umgebungen besteht darin, dass sich die Ergebnisse aus der KI-Funktionalität wieder in bestehende (operative) Lösungen zurückspielen lassen: So kann beispielsweise die KI-Absatzprognose direkt ins ERP fließen.

KI und Data Analytics: Chancen und Herausforderungen für Unternehmen

Mit neuen Plattformen wie Microsoft Fabric stehen jetzt auch KI und Data Analytics as a Service zur Verfügung. Derzeit stellt die oft fehlende Data-Expertise einen echten Flaschenhals dar. Je mehr datengetriebene Use Cases im Unternehmen umgesetzt werden, desto schwieriger wird es zudem, Themen wie Datenerfassung, Datenqualität, Datenschutz, Datensicherheit und Systemintegration zu skalieren. Beim As-a-Service-Prinzip fallen viele Aufgaben weg, etwa das Provisionieren und die Integration von Services oder das Managen der Dateninfrastruktur.