Skip to main content
main-content

01.11.2019 | Künstliche Intelligenz | Im Fokus | Onlineartikel

Wie KI-Visionäre denken

Autor:
Michaela Paefgen-Laß

Die KI-Disruption ist in vollem Gange. Das zeigt eine weltweite Befragung von Projektmanagern. Nun gilt es, das Miteinander von Mensch und Maschine zu professionalisieren. Sonst galoppiert der Wettbewerb davon. Was fehlt, sind KI-Visionäre.

Das Solow-Paradox ist ein in der Literatur kontrovers diskutiertes Phänomen, das aus einer Äußerung des US-Ökonoms Robert Solow entstanden ist. Dieser behauptete 1987 zum Produktivitätsparadoxon: You can see the computer age everywhere but in the productivity statistics. Dreißig Jahre später werden Künstliche Intelligenz, Automatisierung und Robotik als Wegweiser in die Zukunft gehandelt. 

Die Potenziale der Künstlichen Intelligenz stehen hoch im Kurs, ihre Einsatzmöglichkeiten scheinen allumfassend. Sie zielen vor allem auf Produktivität, Entwicklung und KundenzufriedenheitAn der Umsetzung aber muss sich künftig die Wettbewerbs- und Innovationsfähigkeit von Unternehmen messen lassen. Schon jetzt beeinflussen KI-Technologien 81 Prozent der weltweit für den Report AI Innovators: Cracking the Code on Project Performance (2019) untersuchten Unternehmen. Das ergab eine Umfrage des Project Management Institute (PMI) unter 551 Berufspraktikern weltweit.

Empfehlung der Redaktion

2019 | OriginalPaper | Buchkapitel

KI-Challenge – wie Künstliche Intelligenz im Unternehmen zu verankern ist

KI-Anwendungsbeispiele zeigen über alle Branchen hinweg enorme strategische Entwicklungspotenziale. Hier steht – zeitlich befristet – ein spannendes strategisches Fenster zur Ausnutzung neuer Marktchancen offen. Dies gilt es zu nutzen, wenn man sich als etablierter Anbieter nicht von KI-Newcomern überraschen lassen möchte.

KI ist überall

Technologien, die sich messbar auf Unternehmensprozesse auswirken, gehören in die Bereiche Wissensbasierte Systeme, Maschinelles Lernen und Entscheidungsmanagement. In den kommenden drei Jahren weiter an Bedeutung gewinnen werden der Studie zufolge die KI-Technologien Expertensysteme, Deep Learning und Roboter-Prozessautomatisierung. Deutschland ist, einer Bewertung der Konrad Adenauer Stiftung zufolge, mit seiner KI-Förderung vergleichsweise spät dran und muss sich nun im internationalen Vergleich ranhalten. Trotzdem, das KI-Zeitalter ist überall zu sehen. Wie also wird es um die Arbeitsproduktivität bestellt sein? Ist ein modernes Produktivitätsparadoxon zu erwarten?

Das Wachstum der Arbeitsproduktivität in Deutschland ist in den Jahren 1992 bis 2010 (-1,55% pro Jahr) und von 2010 bis 2018 (-1,10% pro Jahr) aller Bemühungen um die digitale Transformation zum Trotz zurück gegangen. Das stellen die Springer-Autoren Robert Obermaier und Stefan Schweikl in ihren Buchkapitel über die empirische Evidenz von Solows Paradoxon und ihre Übertragbarkeit auf Digitalisierungsinvestitionen in einer Industrie 4.0 fest (Seite 529). Durch Vergleich und Analyse mikroökonomischer Studien versuchten die Autoren die Ursachen für das Entstehen des Paradoxons zu identifizieren und diese in Bezug zur Gegenwart zu setzen. 

Effekte durch Künstliche Intelligenz lassen auf sich warten

Zu Beginn des Computerzeitalters konnten über zwei Dekaden hinweg bezüglich der erhofften Produktivitätssteigerung durch IT Verzögerungseffekte festgestellt werden. Ab Ende der 1980-er Jahre bis zum Jahr 2006 aber überwiegen Studien mit positiven Ergebnissen. Neuere digitale Technologien, resümieren die Studienautoren, verfügten zwar über das Potenzial zur "Allzwecktechnologie" zu werden, sich zu verbessern und "komplementäre Innovationen" hervorzubringen (Seite 542).  Messbare Effekte können sich trotzdem verzögern. Als Gründe dafür nennen die Autoren (Seite 555):

  • Investitionen in nicht-messbares, immaterielles Kapitalvermögen (Wissen) und überschätzte Erwartungen an die Produktivität (wenn das Wissen wirkt) verursachen Messfehler 
  • akuter Mangel an komplementären Ressourcen wie gute ausgebildete KI-Experten, Führungs- und Fachkräfte mit digitalem Know-how
  • fehlende Managementfähigkeiten, um Digitalisierungsstrategien umzusetzen und gewonnene Daten zu monetarisieren
  • vorschnelle und falsche Investitionen in digitale Technologien
  • Mangel an qualifizierten Kräften für neue Aufgaben
  • Missverhältnisse zwischen Bildung und Ausbildung zu den Anforderungen der neuen Arbeit

Wie Unternehmen zu KI-Vorreitern werden

Die PMI-Studie unterscheidet zwischen KI-Innovatoren und KI-Nachzüglern. Innovatoren wenden den Untersuchungen zufolge fünf Schlüsselprinzipien für ihre KI-Investitionen an:

  • Mindset: Zu neuen Denkweisen ermutigen
  • Experimentation: Experimente zulassen
  • Leadership: Führungspersonal aktiv einbeziehen
  • Data: Verbindungen zwischen Daten und Strategie schaffen
  • Skills: neue Fähigkeiten entwickeln

Die MELDS-Prinzipien sollen Organisationen formen, die ihre Projekterfolge schneller als der Wettbewerb erzielen. Bessere Termintreue, höhere Realisierung von Vorteilen, höherer ROI, sind die Effekte. 

Die KI-Skepsis einkalkulieren

Technischerseits wird es Unternehmen immer einfacher gemacht, Künstliche Intelligenz einzusetzen. Viele etablierte Unternehmen sind nach Ansicht von Springer-Autor Justus Wolff ed al. aber noch zu starr, um die neuen Technologien zu kommerzialisieren und Wettbewerbsvorteile zu generieren. Die Autoren gliedern die Implementierung von KI in drei Phasen und sprechen für jede Phase Handlungsempfehlungen aus (ab Seite 517):

  • Phase 1 – Problemlösung: Optimierung einzelner Geschäftsprozesse durch Künstliche Intelligenz
  • Phase 2 –Entscheidungsfindung: Künstliche Intelligenz als Basis der Unternehmensstrategie
  • Phase 3 – Steuerung: Künstliche Intelligenz als Entscheider und Steuerer

KI hat sich in rasender Geschwindigkeit entwickelt. Das Führungskräfte, Mitarbeiter, Anleger und Kunden darauf zunächst mit Skepsis reagieren, kalkulieren die Autoren in ihre Empfehlungen ein. "Unternehmen sollten ein grundsätzliches Verständnis für KI sowie ein Leitbild der Innovation und Offenheit etablieren. Nur so können die nötigen Kernkompetenzen entwickelt werden, um das Potenzial der KI im konkreten Unternehmenskontext zu erkennen" (Seite 519).

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

Premium Partner

    Bildnachweise