Identifikation von Anwendungen Künstlicher Intelligenz in Unternehmen

Um den Einfluss von Automatisierung und Künstliche Intelligenz auf Ihr Unternehmen einschätzen zu können, müssen Sie passende Anwendungsfälle erkennen. Basierend auf meinen praktischen Erfahrungen, erfahren Sie in diesem Beitrag welche Hinweise Sie beachten können. Dazu liste ich wichtige Punkte auf und beschreibe das Vorgehen an einem konkreten Beispiel.

Zur Identifikation von technisch und wirtschaftlich sinnvollen Anwendungsfällen ist eine systematische Analyse der Prozesse notwendig.

In meinem letzten Beitrag habe ich über das CRISP-DM geschrieben, dem Industriestandard für Data Science Projekte. Dabei stellt sich häufig die Frage, wie man Chancen zur Automatisierung und speziell Anwendungsfälle für Künstliche Intelligenz (KI) erkennt. Der erste Schritt des CRIPS-DM, “Geschäftsverständnis”, ist dabei entscheidend für den Erfolg von Projekten zur Datennutzung in Unternehmen. Hierbei geht es vor allem darum, die Geschäftsprozesse zu verstehen, d.h. die Aufgaben und Arbeitsschritte zu identifizieren, welche durch Datennutzung verbessert, erweitert oder effizienter und zuverlässiger ausgeführt werden können. Werkzeuge zur Modellierung wie die Business Process Modeling Notation 2.0 (BPMN 2.0) sind hilfreich, um Prozesse abzubilden und ein gemeinsames Verständnis zu entwickeln. Obwohl BPMN 2.0 eine große Anzahl von Elementen enthält, reichen meist schon ein Handvoll an Standardelementen aus, um das Verständnis für Prozesse signifikant zu verbessern.

Bei der Identifikation und Auswahl von Use Cases (Anwendungsfällen) steht dabei auch die Wirtschaftlichkeit im Vordergrund. Eine systematische Analyse ermöglicht eine Bewertung der Business Cases vorab und spart so unnötige Kosten / reduziert die Kosten auf Fälle mit einem hinreichenden ROI. Sobald das Prozessverständnis ausreichend etabliert ist, weisen aus meiner Erfahrung die folgenden Indizien auf Bereiche hin, die eine hohes Potential für intensivierte Datennutzung und/oder die Anwendung Künstlicher Intelligenz bieten:

  1. Hohes Volumen
    Naturgemäß bieten Aufgaben, die häufiger durchgeführt werden einen größeren Hebel für Verbesserungen. So können auch kleine Zeiteinsparungen oder Qualitätsverbesserungen ein belastbares Business Case für die Entwicklung von Automatisierungslösungen liefern.
  2. Wichtige Entscheidungen
    Ähnlich ist mit Entscheidungen zu verfahren, die einen großen Einfluss auf die Geschäftsentwicklung haben. Dies sind gute Kandidaten für intensivierte Datennutzung. Denn der zusätzlichen Aufwand um die richtige Entscheidung zu treffen ist meist gerechtfertigt.
  3. Medienbrüche
    Trotz zunehmendem Bestreben nach Digitalisierung enthalten viele Prozess noch immer  Medienbrüche, z.B. Drucken von Dokumenten oder Formularen, Wechsel von Online Formularen zu Telefon oder E-mail. Manchmal ist dies offensichtlich nicht vermeidbar, z.B. wenn die ein Hardware Produkt zum Endkunden senden. Zwischenschritte, allerdings, die zwischen digitalen und analogen Arbeitsschritten wechseln, sind gute Kandidaten für die Anwendung von Automatisierung.
  4. Zeitraubende Aufgaben
    Ein Stärk von KI-Methoden ist es, große Datenmengen schnell und fehlerfrei zu verarbeiten. Dies ist häufig komplementär zu den menschlichen Fähigkeiten und kann zu großen Zeiteinsparungen und Qualitätsverbesserungen führen. Daher ist es wert, die aufwendigen und mühsamen Aufgaben zu untersuchen.
  5. Bottlenecks
    Die Restrukturierung von Prozessen um Engstellen, sogenannte Bottlenecks, kann die Gesamteffizienz deutlich erhöhen. Eine Lösung kann dabei sein, Einzelaufgaben zu parallelisieren und von einer Maschine im Hintergrund ausführen zu lassen.

Wie mit jedem neuen Produkt oder Dienstleistung ist es wichtig eine kundenzentrierte Mentalität einzunehmen und die Lösung von dieser Sichtweise zu entwickeln. In den Fällen hier ist der “Kunde” oft ein Interner. Am Beispiel eines meiner Projekte möchte ich die Herangehensweise veranschaulichen:

Bei einem Kunden analysierte ich die internen Prozesse des Vertriebsbereichs. Dabei stellte sich heraus, das ein Planungsschritt einen halben Arbeitstag einnahm und regelmäßig durchgeführt wurde. Die Organisation war substantiell am Wachsen, so dass die Prozesse überarbeitet und für bessere Skalierbarkeit erneuert werden mussten. In einem Workshop modellierte ich gemeinsam mit dem Kunden den Ist-Zustand der Prozesse und analysierte Möglichkeiten, diese zu restrukturieren und Daten automatisiert zu verarbeiten. Durch die vollständige Digitalisierung des Planungsschrittes in einer Web-Applikation konnten Medienbrüche eliminiert werden. Große Teile der Daten werden nun automatisiert erfasst und verarbeitet. Ingesamt konnten so Zeiteinsparungen von bis zu 80% realisiert werden. Dazu erhöhte sich die Qualität und Transparenz des Prozesses.

Wie immer freue ich mich über Kommentare, Feedback, Fragen und Diskussion: Nehmen Sie hier Kontakt zu mir auf!


Anmerkung: Eine ausführliche englische Version zu diesem Thema ist im Journal of Business Chemistry erschienen und hier zugänglich.