Trendradar KI E-Book

Andreas Klug

• Herausgeber: Haufe Lexware
• Kategorie: Fachliteratur
• Serie: Haufe Fachbuch
• Sprache: Deutsch

Seitenzahl: 251

Veröffentlichungsjahr: 2022

Beschreibung

Künstliche Intelligenz ist die wichtigste technische Innovation des Digitalen Wandels. Andreas Klug und Jörg Besier erklären, was KI eigentlich ist, wie KI-Anwendungen funktionieren und wie KI erfolgreich in Unternehmen eingesetzt wird. Mit den Trendradaren haben sie ein dynamisches Instrument zur Früherkennung relevanter KI-Anwendungsfelder aus Sicht der Branchen und Unternehmensbereiche entwickelt. Ihr Buch bietet eine umfassende Sicht auf die Relevanz und den Reifegrad von insgesamt mehr als 50 KI-Anwendungsfällen. Eine unentbehrliche Orientierungshilfe für Führungskräfte in Unternehmen. Inhalte: - Die relevanten Basistechnologien - Das Periodensystem der Künstlichen Intelligenz - 20 KI-Hacks und was sie bedeuten - KI aus Sicht der Unternehmensbereiche: Kundenservice, Marketing, Vertrieb, IT, Buchhaltung - KI aus Sicht der Branchen: Banken, Versicherungen, Energieversorger, Gesundheit - KI erfolgreich einführen: Checklisten und EmpfehlungenMit digitalen Extras​: - Laufende Aktualisierung der Trendradare auf der Website

Leseprobe

[5]Inhaltsverzeichnis

Hinweis zum UrheberrechtImpressumVorwortWas Ihnen dieses Buch bietetTeil 1: KI – Basiswissen1 Was Künstliche Intelligenz ist – eine nützliche Definition2 Eine kurze Geschichte der Künstlichen Intelligenz3 Für Strategen: Warum KI die wichtigste technische Innovation des digitalen Wandels ist3.1 Relevanz: Was KI für Unternehmen bedeutet3.1.1 Kognitive Wertbeiträge durch KI verbessern oder ersetzen3.1.2 Informationen zum Stand in der deutschen Wirtschaft3.1.3 Was den Einsatz von KI in deutschen Unternehmen erschwert3.1.4 Welche Chancen wir uns durch die Zurückhaltung gegenüber KI nehmen3.2 Perspektiven: Wo KI einen Unterschied machen wird3.3 Voraussetzung: Daten und Vertrauen3.3.1 Daten sind der Treibstoff für KI-Systeme3.3.2 Datenquellen innerhalb des Unternehmens3.3.3 Qualität der internen Daten3.3.4 Datenquellen außerhalb des Unternehmens3.4 Auswirkungen: So verändert KI die Regeln3.4.1 Große Datenmengen geben Macht und Einfluss3.4.2 Qualitätsstandards für KI-Systeme: AI Act und Digital Services Act 3.4.3 Regulierung als Schutz der Marktposition begreifen3.5 Zukunft: So geht es mit KI (wahrscheinlich) weiter3.5.1 Versicherungen3.5.2 Banken3.5.3 Energieversorger und Netze3.5.4 Mobilität3.5.5 Kundenservice3.5.6 Medien und Journalismus3.5.7 Mögliche Entwicklungen erkennen mit der Szenariotechnik Teil 2: KI-Crashkurs4 KI-Crashkurs 1: Emotionaler und kognitiver Wertbeitrag4.1 Sind auch emotionale Wertbeiträge durch KI ersetzbar?4.2 Das Verhältnis von Mensch und KI 5 KI-Crashkurs 2: Das Periodensystem der KI5.1 Drei Elementegruppen: Assess, Infer und Respond 5.2 Beispiel: Wie KI arbeitet – und das Periodensystem der KI dabei hilft5.3 Gruppe 1 »Assess«: erfassen und auswerten5.4 Gruppe 2 »Infer«: verstehen, ableiten, lernen5.5 Gruppe 3 »Respond«: machen, kommunizieren, kontrollierenTeil 3: KI-Praxis6 20 KI-Hacks und was sie bedeuten6.1 KI entwickelt und konstruiert6.1.1 Hack #1: Trennwände für den A3206.1.2 Hack #2: Golfschläger virtuell testen6.2 KI erkennt und findet6.2.1 Hack #3: Bilderkennung für Bestellungen6.2.2 Hack #4: Betrugsversuche entdecken6.2.3 Hack #5: Kostenvoranschläge erstellen6.3 KI hilft und vereinfacht6.3.1 Hack #6: Serviceanfragen automatisieren6.3.2 Hack #7: Interaktiver Einkaufsführer6.3.3 Hack #8: Smarte Flugsuche 6.4 KI analysiert und optimiert6.4.1 Hack #9: Maschinenbetrieb optimieren6.4.2 Hack #10: Lagerlogistik optimieren6.4.3 Hack #11: Vorausschauende Wartung6.4.4 Hack #12: Sturzrisiko ermitteln6.5 KI vermeidet Fehler6.5.1 Hack #13: Produktionsfehler erkennen6.5.2 Hack #14: Anomalien vermeiden6.5.3 Hack #15: Geräte analysieren6.6 KI sagt die Zukunft voraus6.6.1 Hack #16: Krebsdiagnostik6.6.2 Hack #17: Prakinsondiagnostik 6.6.3 Hack #18: Hurrikans vorhersagen6.6.4 Hack #19: Produktionsanlagen warten6.6.5 Hack #20: Stillstände vermeiden7 KI aus Sicht der Unternehmensbereiche7.1 Das intelligente Unternehmen7.2 Wo und wie KI bereits eingesetzt wird7.3 KI und Mitarbeitende7.3.1 Herausforderung: Die drohende Substitution der Mitarbeitenden durch KI 7.3.2 Lösung: Mitarbeitende unterstützen statt ersetzen (Intelligence Augmentation)7.4 KI und die 4 Handlungsfelder der Unternehmensleitung7.4.1 Handlungsfeld 1: Strategie7.4.2 Handlungsfeld 2: Kosten7.4.3 Handlungsfeld 3: Mindset 7.4.4 Handlungsfeld 4: Personal7.5 KI in Betriebsorganisation und IT7.5.1 Anwendungsfälle im IT-Betrieb7.5.2 Anwendungsfälle in der IT-Security7.5.3 Anwendungsfälle in der Information Governance 7.5.4 Unsere Empfehlungen7.6 KI in Marketing und Vertrieb7.6.1 Anwendungsfälle in der Kundenanalyse7.6.2 Nutzen des KI-Einsatzes im Marketing7.6.3 Nutzen des KI-Einsatzes im Vertrieb7.6.4 Unsere Empfehlungen7.7 KI in Customer Service und Backoffice 7.7.1 KI und der kognitive Wertbeitrag im Kundenservice7.7.2 Menschen und der emotionale Wertbeitrags im Kundenservice7.7.3 Unsere Empfehlungen7.8 KI in Finance und Controlling 7.8.1 Potenzielle Anwendungsfälle7.8.2 Unsere Empfehlungen7.9 KI in der Personalabteilung (HR)7.9.1 Potenzielle Anwendungsfälle7.9.2 Unsere Empfehlungen7.10 KI in der Supply Chain 7.10.1 Potenzielle Anwendungsfälle7.10.2 Unsere Empfehlungen7.11 Key Takeaways8 KI aus Sicht der Branchen: Die Trendradare 8.1 Funktion und Methodik8.2 Impact: Welche KI-Anwendungsfälle sind wirklich relevant?8.3 Maturity: Wie ausgereift und einsatzfähig sind die Anwendungsfälle?8.4 In welchen Sektoren kommen die KI-Anwendungsfälle zum Einsatz?9 Trendradar KI: Banken und Finanzdienstleister9.1 Unsere Empfehlungen9.2 Sektor: Marketing und Produktmanagement9.2.1 (1) Customer Analytics9.2.2 (2) Robo Advisor9.2.3 (3) Algorithmic Trading9.2.4 (4) Sentiment Analysis9.2.5 (5) Digital Identity 9.2.6 (6) Hyper Personalization9.2.7 (7) Credit Scoring9.3 Sektor: Kundenservice und Vertrieb9.3.1 (1) Customer Service Automation9.3.2 (2) Conversational AI9.3.3 (3) Intelligent Document Processing (IDP)9.3.4 (4) Customer Analytics9.3.5 (5) Churn Prevention9.4 Sektor: Compliance und Risk-Management9.4.1 (1) Document Recognition und Cognitive Data Capture 9.4.2 (2) Fraud Detection9.4.3 (3) RegTech und Compliance (Meldewesen)9.4.4 (4) Data Quality / Datenqualität (sync. Datenhaltung und -integration)9.4.5 (5) Cyber Security9.4.6 (6) Risk-Management10 Trendradar KI: Versicherungen10.1 Unsere Empfehlungen10.2 Sektor: Vermarktung, Produktmanagement und Underwriting 10.2.1 (1) Behavioral Policy Pricing I Telematics 10.2.2 (2) Personalisation I Individuelle Konditionen und Produkte10.2.3 (3) Decisions Support for Underwriting I AI-based text mining and image recognition 10.2.4 (4) Customer Analytics I Analyse von Kundendaten10.2.5 (5) Robo Advisor I Kundenzentrierte Conversationen10.2.6 (6) Identification of cross-selling potential I Identifizieren von Verkaufspotentialen10.2.7 (7) Minimizing questions asked during application process by correlating answers 10.2.8 (8) Churn Prevention I Kündigerprävention10.3 Sektor: Verwaltung und Kundenservice10.3.1 (1) Next best action and recommendation for service agents I kontextbezogene Vorschlagssysteme10.3.2 (2) Baseline for Fraud Detection I Betrugsprävention10.3.3 (3) Intelligent Document Recognition und Cognitive Data Capture in Vertrags- und Risikomanagement 10.3.4 (4) Downsizing of existing policies to prevent termination 10.4 Sektor: Schadenmanagement 10.4.1 (1) Real-time question-and-answer service for first notice of loss 10.4.2 (2) Automated coverage check and claim creation10.4.3 (3) Automated repair cost estimation10.4.4 (4) Automatische Rückstellungsbildung10.4.5 (5) Fraud Detection I Betrugsprävention im Schadenfall 10.4.6 (6) Fully automated assessment of car damages based on AI for car claims settlement11 Trendradar KI: Gesundheit11.1 Unsere Empfehlungen11.2 Sektor: Prävention11.2.1 (1) Self monitoring (for personal health management)11.2.2 (2) Self reported medical history (and automated diagnostic tests)11.2.3 (3) Predictive Gene Sequencing (to predict health risk) 11.2.4 (4) Predictive personal health risk (from medical records)11.2.5 (5) Virtual Medical Assistant 11.3 Sektor: Diagnose und Screening 11.3.1 (1) Teleconsultation (Enhanced Teleconsultation) 11.3.2 (2) Medical Imaging11.3.3 (3) Lab diagnostics11.3.4 (4) Other Diagnostic Procedures 11.3.5 (5) Data Integration for Diagnostics11.4 Sektor: Therapie und Pflege11.4.1 (1) Personalized Therapy Planning 11.4.2 (2) Digital Therapeutics 11.4.3 (3) Smart Care Assistants11.4.4 (4) Robotic Surgery11.4.5 (5) Clinical Prognosis Prediction 12 Trendradar KI: Energieversorger13 KI erfolgreich einführen und nutzen13.1 Herausforderungen in KI-Projekten13.1.1 Die Make-or-Buy-Herausforderung13.1.2 Die Projekt-Herausforderung13.1.3 Warum KI-Projekte scheitern13.1.4 Die 8 häufigsten Fallstricke und Missverständnisse13.2 Key Takeaways13.2.1 Hinweise und Tipps für die Praxis13.2.2 Finanzierung von KI-InitiativenTeil 4: KI-Intensivkurs14 Blick in den Maschinenraum der Künstlichen Intelligenz14.1 Symbolische KI – menschliches Denken in Symbolen ausdrücken14.2 Expertensysteme – Auf der Suche nach Antworten in einer Wissensbasis14.3 Knowledge Graphs – mehrdimensional verknüpfte Wissensdomänen14.4 Machine Learning – Eine Erfolgsstory14.5 Überblick zu verschiedenen Arten des Lernens14.5.1 Supervised Learning14.5.2 Unsupervised Learning14.5.3 Self-Supervised Learning 14.5.4 Reinforcement Learning14.6 Nichtneuronale Lernverfahren14.6.1 Decision trees14.6.2 Naive Bayes Klassifikator14.7 Künstliche Neuronale Netze (KNN)14.7.1 Strukturelemente von neuronalen Netzen14.7.2 Wie neuronale Netze gestaltet werden können14.7.3 Wie die erforderliche Rechenleistung zur Verfügung gestellt werden kann14.7.4 Wie neuronale Netze trainiert werden14.8 Die 6 wichtigsten Architekturen und Lernverfahren für neuronale Netze14.8.1 Deep Learning14.8.2 Residual Networks (ResNet)14.8.3 Convolutional Neural Networks (CNN)14.8.4 Generative Adversarial Networks (GAN)14.8.5 Recurrent Neural Networks (RNN)14.8.6 Transformer StichwortverzeichnisDie AutorenDie Co-Autoren und Unterstützer

[1]

Hinweis zum Urheberrecht:

Alle Inhalte dieses eBooks sind urheberrechtlich geschützt.

Bitte respektieren Sie die Rechte der Autorinnen und Autoren, indem sie keine ungenehmigten Kopien in Umlauf bringen.

Dafür vielen Dank!

Haufe Lexware GmbH & Co KG

[4]Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de/ abrufbar.

Print:

ISBN 978-3-648-15801-2

Bestell-Nr. 10694-0001

ePub:

ISBN 978-3-648-15802-9

Bestell-Nr. 10694-0100

ePDF:

ISBN 978-3-648-15803-6

Bestell-Nr. 10694-0150

Andreas Klug, Jörg Besier

Trendradar KI

1. Auflage, August 2022

© 2022 Haufe-Lexware GmbH & Co. KG, Freiburg

haufe.de

[email protected]

Bildnachweis (Cover): © zirconicusso, Adobe Stock

Produktmanagement: Anne Rathgeber

Lektorat: Ulrich Leinz, Berlin

Dieses Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Alle Rechte, insbesondere die der Vervielfältigung, des auszugsweisen Nachdrucks, der Übersetzung und der Einspeicherung und Verarbeitung in elektronischen Systemen, vorbehalten. Alle Angaben/ Daten nach bestem Wissen, jedoch ohne Gewähr für Vollständigkeit und Richtigkeit.

Sofern diese Publikation ein ergänzendes Online-Angebot beinhaltet, stehen die Inhalte für 12 Monate nach Einstellen bzw. Abverkauf des Buches, mindestens aber für zwei Jahre nach Erscheinen des Buches, online zur Verfügung. Ein Anspruch auf Nutzung darüber hinaus besteht nicht.

Sollte dieses Buch bzw. das Online-Angebot Links auf Webseiten Dritter enthalten, so übernehmen wir für deren Inhalte und die Verfügbarkeit keine Haftung. Wir machen uns diese Inhalte nicht zu eigen und verweisen lediglich auf deren Stand zum Zeitpunkt der Erstveröffentlichung.

[11]Vorwort

Eine zentrale Frage lautet: Wird Künstliche Intelligenz alles verändern? Die einfache Antwort ist: Ja.

Künstliche Intelligenz (KI) kann uns Menschen helfen, uns auf jene Sequenzen der Wertschöpfung zu fokussieren, die uns nahe liegen: Kreativität, Einfühlungsvermögen, Verstand und Kommunikationsgeschick. KI wird viele Tätigkeiten in unserem Alltag und manche Berufsbilder überflüssig machen – aber nicht die Menschen, die sie heute ausüben. Denn wir können Mitarbeitende schulen und nahtlos in neue Rollen überführen, wenn ihre heutigen Rollen in unserer Ökonomie von dieser Substitution betroffen sind.

KI ist ein bedeutender Baustein in der vielleicht größten sozioökonomischen Transformation unserer Welt. Die meisten Branchen, Unternehmen, Mitarbeitende werden davon betroffen sein. Dennoch ist vieles über KI noch nicht allgemein bekannt:

Was ist KI und wie funktioniert sie?Welche Entwicklungen sind relevant?Wie wird KI unsere Ökonomie verändern?Wie und wo können wir KI in unseren Unternehmen einsetzen?

Um auf diese Fragen gute und aktuelle Antworten geben zu können, haben wir die Idee der KI-Trendradare entwickelt. Mit den Trendradaren haben wir ein Instrument zur Früherkennung relevanter KI-Anwendungsfälle aus Sicht der Branchen – also externer Perspektive – und aus Sicht der Organisationsbereiche – interne Perspektive – entwickelt.

Bewertung relevanter KI-Anwendungsfälle mit den KI-Trendradaren

Wir haben seit Sommer 2021 virtuelle Roundtables mit ausgewiesenen Branchenexpertinnen und -experten durchgeführt und dabei wichtige konkrete Anwendungsfälle von KI in Unternehmen bewertet im Hinblick auf ihren Reifegrad, ihr Nutzenpotential und die Marktdurchdringung.

Die aktuellen Ergebnisse und Ausblicke stellen wir Ihnen in diesem Buch in den Kapiteln 8 bis 12 vor. Damit haben Sie, liebe Leserinnen und Leser mit den Trendradaren KI hochaktuelle Informationen zur Einschätzung relevanter Handlungsfelder aus Sicht von Unternehmen in der Hand.

[12]Doch längst wissen wir auch: die Veränderungen, die durch die Digitalisierung unserer Ökonomie im Allgemeinen und KI im Speziellen ausgelöst werden, sind dynamisch. Deshalb haben wir uns dazu entschlossen, Ihnen Digitale Erweiterungen zu diesem Buch verfügbar zu machen. Unter …

www.trendradar-ki.de

erfahren Sie laufend mehr über weitere Branchen-Trendradare, erhalten Kontakte in relevante User Groups und Hinweise zu Podcasts und Videos. Mehr dazu erfahren Sie im folgenden Kapitel »Was Ihnen dieses Buch bietet«.

Und: Wenn Sie Fragen haben oder Unterstützung benötigen, damit Ihre Pläne zum Einsatz von KI Erfolg haben: Bitte zögern Sie nicht, und sprechen Sie uns gerne an.

Ihre Trendradar-Autoren

Andreas Klug und Jörg Besier

[13]Was Ihnen dieses Buch bietet

Die Trendradare KI basieren auf persönlichen Interviews und Experten-Workshops, die wir zwischen Mai 2021 und März 2022 durchgeführt haben. Uns Autoren verbindet neben großer Sympathie und ausreichend spannenden Themen eine ausgeprägte Begeisterung für KI und was KI aus Unternehmen macht. Dieses Themenfeld hat uns 2016 im Digitalverband Bitkom zusammengeführt, wo wir über Jahre den Vorstand des Arbeitskreises Artificial Intelligence leiteten. Wenn Sie mehr über unseren Wirkungskreis erfahren möchten, finden Sie am Schluss des Buchs weiterführende Informationen und Links zu unseren Co-Autoren, Unterstützern und natürlich zu uns.

Wir sind ebenso wie alle Expertinnen und Experten, die uns bei der Entwicklung der Trendradare KI unterstützen, überzeugt:

KI ist die wichtigste technische Innovation des digitalen Wandels.

Denn KI bietet Lösungen für viele Herausforderungen unserer modernen Welt: von der Modernisierung der Mobilität über die Medizin bis hin zum nachhaltigen Umgang mit Ressourcen und der Vereinfachung unserer Arbeitswelten.

Wir möchten Sie, liebe Leserinnen und Leser, mit dem Trendradaren KI keineswegs zu KI-Nerds machen. Unser Anspruch ist es aber, Ihnen ein Bild zu den persönlichen und beruflichen Perspektiven zu vermitteln – und das ganz konkret aus Ihrer beruflichen Blickrichtung.

Wir haben dieses Buch daher in 4 Abschnitte aufteilt. Und folgende Fragestellungen werden wir dabei berücksichtigen:

Teil 1: KI-Hintergrundwissen (Kapitel 1 bis 3)

Was KI eigentlich ist: Wir wollen versuchen, Ihnen die Sichtweisen und Besonderheiten auf einfache Weise näher zu bringen.Wie und in welchen Schritten KI unsere nahe Zukunft verändert: Über wahrscheinliche Szenarien für Geschäftsmodelle, Branchen und Mitarbeitende.

Wir wollen uns in diesem ersten Abschnitt mit der industriellen Dimension von KI auseinandersetzen. Wir ordnen relevante Technologien ein und ziehen dabei Rückschlüsse auf das Nachahmen menschlicher Fähigkeiten bei der Wissensarbeit: das Spüren, Hören und Lesen von Daten, die Fähigkeit der kognitiven Beurteilung (Denken und Lernen) sowie die Fähigkeit zur Entscheidung.

[14]Teil 2: KI-Crashkurs (Kapitel 4 und 5)

Was Sie über KI wissen sollten: Wir erläutern die Funktionsweise und Rolle der relevanten Basistechnologien und Gruppieren die KI-Elemente am Beispiel des Periodensystems der KI.

Wir werden in diesem Abschnitt aufzeigen: Alle relevanten KI-Anwendungsfälle lassen sich aus der Kombination der Elemente eines KI-Periodensystems beschreiben und realisieren.

Teil 3: KI-Praxis (Kapitel 6 bis 13)

Wie KI konkret zum Einsatz kommt: Ein Ausflug in zahlreiche kleine und große Anwendungsszenarien, die kleine und große Veränderungen herbeiführen.Wie relevant KI für die Unternehmensbereiche ist: Über unterschiedliche Perspektiven auf relevante Anwendungsfelder aus Sicht des Managements und der Mitarbeitenden in Kundenservice, Marketing, Vertrieb, IT oder Buchhaltung.Wie relevant KI aus Sicht unterschiedlicher Branchen ist: Über unterschiedliche Perspektiven auf relevante Anwendungsfelder aus Sicht von Banken, Versicherungen, Energieversorgern und der Gesundheitsbranche.Wie Unternehmen KI erfolgreich einführen: Wir schreiben über das Scheitern von Projekten, das Operationalisieren von Erfolgen und geben die entscheidenden Tipps für die Adaption von KI zum Wohle Ihrer Mitarbeitenden und Ihrer Organisationsziele.

In diesem dritten Abschnitt berichten wir von konkreten Anwendungsszenarien in der Praxis. Zunächst stellen wir in Kapitel 6 zahlreiche – zum Teil exotische – Anwendungsfälle und »Hacks« vor und beschreiben ihre Funktion anhand des Periodensystems der KI.

Mit den Kapiteln 7 bis 13 sind wir dann im Zentrum des Buches angelangt: Die Trendradare bieten Ihnen eine umfassende Sicht auf mehr als 50 KI-Anwendungsfälle. Und wir werden aufzeigen, dass in manchen Fällen sogar das Überleben von Unternehmen und Geschäftsmodellen davon abhängt, KI erfolgreich für die eigene Wertschöpfung zu adaptieren.

Der Impact von KI aus Sicht der relevanten Branchen (Kapitel 8 ff.) und Unternehmensbereiche (Kapitel 7) ist unterschiedlich. Wie stark ist Ihre Organisation betroffen? Welche Chancen sollten Sie ergreifen? Welche Auswirkungen auf Ihre Mitarbeitenden müssen Sie beachten? Wie kann es Ihnen gelingen, eine positive Perspektive zur Veränderung zu transportieren – eine Renaissance des Arbeitsumfelds zu begünstigen, die in Ihrem Unternehmen und in Ihrer Branche zu einem Benchmark taugt? Für Ihre Kolleginnen und Kollegen, Ihr Management und Ihre Kunden.

In Kapitel 13 geht es uns um nichts weniger als um Ihren Einstieg in eine erfolgreiche Adaption von KI in den kommenden 36 Monaten – und um eine schmerzvolle Erkenntnis: wir wissen von vielen KI-Projekten, die gescheitert sind. Und wir haben die Ursa[15]chen intensiv untersucht. Daher gehen wir auf die Hemmnisse bei der erfolgreichen Skalierung von KI-Anwendungen ein, die augenscheinlich erfolgreich, aber nicht immer kompatibel mit der operativen Praxis sind.

Teil 4: Extra KI-Intensivkurs: Ein Blick in den Maschinenraum

Was Sie über KI wissen können: Ein Überblick über die wichtigsten Technologien und Schlagworte in der KI.

Für diejenigen unter Ihnen, die es noch genauer wissen wollen, erklären wir zum Abschluss des Buches im Kapitel 14 die wichtigsten Technologien der KI. Aber Achtung. Jetzt wird es etwas technischer. Wir blicken in den Maschinenraum.

Wo Sie die digitale Erweiterungen zu diesem Buch finden

Die Trendradare sind lebendig. Und KI-Lösungen entwickeln sich in einer atemberaubenden Geschwindigkeit. Wir haben heute Prozessoren, Plattformen und Datenmengen, die das Potential der Algorithmen in der Praxis tatsächlich abrufen können. Das beschleunigt die KI-Entwicklung und lässt kognitive Software erschwinglich werden. Wir sprechen in diesem Kontext gerne von der »Demokratisierung der KI«.

Durch diese Dynamik ändern sich laufend die Perspektiven und Trends. Uns ist daher klar, dass die Trendradare KI in diesem Buch als »Momentaufnahmen« gedacht sind. Die Relevanz und Marktreife ausgewählter Anwendungsfelder kann sich binnen Jahresfrist verändern. Daher haben wir ein Portal geschaffen, auf dem Sie sich laufend über Aktualisierungen der Trendradare informieren können:

www.trendradar-ki.de

Hier werden wir den nächsten Trendradar KI »Energieversorger« veröffentlichen, der das Kapitel 12 dieses Buches in Kürze vervollständigen wird. Wir empfehlen Ihnen daher, sich für den Trendradar-Newsletter einzutragen und unserer Trendradar Gruppe auf LinkedIn zu folgen.

Starten wir nun mit einer Einführung in KI und dem Versuch einer Definition.

[17]Teil 1: KI – Basiswissen

[19]1Was Künstliche Intelligenz ist – eine nützliche Definition

Sie werden es geahnt haben: Es gibt selbstverständlich keine einheitliche Definition von KI. Das liegt allein schon daran, dass es keine einheitliche Definition von »Intelligenz« gibt. Und die Diskussion dazu ist älter als die KI und wird bis heute sehr engagiert geführt.

Dennoch versuchen wir im Folgenden eine Definition, da wir verstehen wollen, wie KI in einem Unternehmen zur Wertstiftung eingesetzt werden kann. Unsere Definition hat also eine klare Maßgabe, sie soll für unsere Zwecke nützlich sein.

Nützliche Definition von KI

Definition, Teil 1: Eine Künstliche Intelligenz (KI) ist eine Maschine, die Aufgaben übernehmen kann, die bisher nur der Mensch übernehmen konnte.Definition, Teil 2: Eine Künstliche Intelligenz kann zielgerichtet in einer Umgebung operieren, über die kein vollständiges Wissen vorliegt.1

Im ersten Teil dieser Definition machen wir bewusst den Menschen zum Maßstab, was gerade auch für den Einsatz von KI in Unternehmen relevant ist. Die Frage lautet: Welche Aufgaben, die bisher im Unternehmen von Menschen übernommen wurden, können in Zukunft von Maschinen ausgeführt werden?

Der zweite Teil der Definition öffnet zusätzlich die Tür für »übermenschliche« Aufgaben. Hier stellt sich die Frage: Welche Fähigkeiten kann eine KI ins Unternehmen einbringen, die selbst Menschen nicht haben?

Die »Maschine« aus unserer Definition ist in den allermeisten Fällen eine Software. Sie läuft vorzugsweise in der Cloud, manchmal auch auf ihrem Handy oder Laptop. Und immer häufiger ist sie auch Teil eines Gerätes, das kein Computer ist. Das kann z. B. ein Fahrzeug sein oder ein Haushaltsroboter. Sie werden sich jetzt vielleicht fragen: »Übernimmt eine Software nicht immer Aufgaben, die bisher ein Mensch übernommen hat? Was ist der Unterschied zwischen einer künstlichen Intelligenz und normaler Software?«

[20]Bei der Beantwortung dieser Fragen, hilft der zweite Teil unserer Definition:

Herkömmliche Software basiert auf Anforderungen, die zuvor klar umrissen wurden. Erreicht nun eine Anforderung die Software, trifft sie entsprechend der Vorgaben eine Entscheidung. Diese Entscheidung lautet immer schwarz oder weiß, 0 oder 1. Ist eine Situation nicht in den vordefinierten Regeln enthalten, kann die Software keine Entscheidung treffen.

Bei KI ist das anders. KI kann mit Ungewissheit umgehen. Für eine KI ist nicht jede Entscheidung 0 oder 1, bzw. schwarz oder weiß. KI kann ebenso Grautöne verarbeiten.

Beispiel: Während bei einem Tabellenkalkulationsprogramm alle ausführbaren Berechnungen während der Programmierung festgelegt werden, kann man für einen Chatbot nicht alle Fragesituationen vorab beschreiben, in denen der Bot sinnvolle (und richtige) Antworten geben soll. Stattdessen kennt der Chatbot die Regeln einer Sprache und verfügt über ein großes Reservoir an Begriffen, über die er Bescheid weiß. Zusätzlich lernt er anhand von Beispielen zu erkennen, welche Absicht ein Mensch haben könnte (Intent Prediction), wenn er die ersten Worte mit dem Chatbot wechselt.

An keiner Stelle findet sich in seinem Programm aber eine Liste aller möglichen Fragen und dafür vorgegebene Antworten. Das wären Tausende. Und wenn doch, dann hätte dieser Chatbot mit KI rein gar nichts gemein: Denn der Bot würde auf traditioneller, regelbasierter Programmierung basieren.

1 Vgl. Wang, Pei: On Defining Artificial Intelligence, in: Journal of Artificial General Intelligence, Bd. 10, Nr. 2, 2019, doi:10.2478/jagi-2019-0002.

[21]2Eine kurze Geschichte der Künstlichen Intelligenz

Schon seit der Erfindung der ersten Rechenmaschinen beschäftigten sich die Menschen mit der Frage, ob Maschinen menschliche Denkmuster nachbilden können. Alan Turing hat dazu 1947 auf einem Symposium in Manchester die Frage formuliert: »Können Maschinen denken?« Dazu veröffentlichte er 1950 ein Paper1 in dem er über »Learning Machines« und das »Imitation Game« berichtete. Er begründete damit ein Verfahren, das heute unter dem Begriff »Turing Test« bekannt ist. Turing war davon überzeugt, dass eine menschenähnliche Intelligenz viel zu komplex sei, als dass ein Mensch sie direkt programmieren könne. Daher schlug er vor, eine »Child Machine« zu bauen und ihr einfache Regeln mitzugeben. Aus dieser Maschine könne sich durch Lernen erwachsene Intelligenz entwickeln.

Der richtige Startschuss kam aber vom Informatiker John McCarthy. McCarthy veranstaltete 1956 das legendäre »Dartmouth Summer Research Project on Artificial Intelligence«. Hier wurde das erste Mal der Begriff verwendet, der sich bis heute so eindringlich gehalten hat: Artificial Intelligence, Künstliche Intelligenz.

Mit folgenden Worten hat McCarthy das Vorhaben für seine Geldgeber in der Rockefeller Foundation beschrieben: »Die Studie geht von der Vermutung aus, dass jeder Aspekt des Lernens oder jedes andere Merkmal der Intelligenz im Prinzip so genau beschrieben werden kann, dass eine Maschine in die Lage versetzt werden kann, ihn zu simulieren. Es wird versucht, herauszufinden, wie man Maschinen dazu bringen kann, Sprache zu benutzen, Abstraktionen und Konzepte zu bilden, die Arten von Problemen zu lösen, die heute dem Menschen vorbehalten sind, und sich selbst zu verbessern.«2

McCarthy und seine Mitstreiter, Marvin Minsky, Nathaniel Rochester und Claude Shannon hofften damals, dass sie im Sommer 1956 mit zehn sorgfältig ausgewählten Wissenschaftlern innerhalb von zwei Monaten wesentliche Fortschritte machen würden. Es dauerte aber länger. Sehr viel länger. Künstliche Intelligenz hat seitdem eine spannende Geschichte mit etlichen Höhen und Tiefen hinter sich, die in vielen Veröffentlichungen nachgelesen werden kann.

[22]Heute – 66 Jahre sind seitdem vergangen – arbeiten viele tausend Wissenschaftler:innen in den Bereichen Forschung und Entwicklung von KI und erzielen dabei fast täglich erstaunliche Erfolge. In vielen Bereichen hat die KI menschliche Fähigkeiten längst erreicht oder sogar übertroffen. Aber in mindestens genauso vielen Bereichen gibt es noch jede Menge offene Fragen und drängende Probleme. Deutschland hat sich erst sehr viel später in die Diskussion eingeschaltet. Hierzulande wurde erst 19 Jahre später (nämlich 1975) die erste Konferenz zu KI abgehalten.3 Seitdem spielen deutsche Wissenschaftler aber auf globalem Spitzenniveau und waren an vielen wichtigen Entdeckungen beteiligt.

1 A. M. TURING, I.—COMPUTING MACHINERY AND INTELLIGENCE, Mind, Volume LIX, Issue 236, October 1950, Pages 433–460, https://doi.org/10.1093/mind/LIX.236.433

2 Vgl: McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12. https://doi.org/10.1609/aimag.v27i4.1904

3 Konrad, E. (1998). Zur Geschichte der Künstlichen Intelligenz in der Bundesrepublik Deutschland. In: Siefkes, D., Eulenhöfer, P., Stach, H., Städtler, K. (eds) Sozialgeschichte der Informatik. Studien zur Wissenschafts- und Technikforschung. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-08954-4_17

[23]3Für Strategen: Warum KI die wichtigste technische Innovation des digitalen Wandels ist

Schon heute können wir behaupten, dass die Durchdringung unserer Ökonomie mit Künstlicher Intelligenz die Phase der Digitalisierung zu Beginn des 21. Jahrhunderts maßgeblich bestimmt. Keine Entwicklung unserer modernen Gesellschaft wird einen so deutlichen Abdruck hinterlassen wie KI.

3.1Relevanz: Was KI für Unternehmen bedeutet

Warum kann sich kein Unternehmen dem Einfluss von KI entziehen? Der Grund ist einfach: KI kann unglaublich große Mengen von Eindrücken – damit sind alle Arten von Daten gemeint – innerhalb kürzester Zeit in Bezug auf komplexe Fragestellungen analysieren und bewerten.

Sicher: Auch viele andere bedeutsame Entwicklungen treiben die Digitalisierung voran. Nehmen wir das Internet der Dinge (Internet-of-things oder IoT) als Beispiel: IoT ermöglicht die Verschmelzung der physischen mit der digitalen Welt. IoT wird uns helfen, Wertschöpfungsketten sichtbar, planbar und steuerbar zu machen. Und so werden wir Lieferketten optimieren, Produkte verbessern und drängenden Herausforderungen wie dem Klimawandel oder unserer Mobilität begegnen können.

Aber: Letzten Endes liefert auch IoT »nur« Daten.

Erst KI macht Sinn aus Daten

Daher ist KI für alle Unternehmen relevant. Erst durch den Einsatz von KI werden aus den Daten verwertbare Informationen. Erst KI macht Sinn aus Daten, kann Entscheidungen treffen, Wahrscheinlichkeiten schätzen und Risiken minimieren.

Wie schon in Kapitel 1 erwähnt, sind all das Aufgaben, die bisher in Unternehmen von Menschen übernommen werden und die in Zukunft von Maschinen erledigt werden können. Daher haben wir uns genauer angeschaut, welche Wertbeiträge der Mitarbeitenden in einem Unternehmen denn genau von KI ersetzt werden können. Dabei stellte sich schnell heraus, dass wir diese Wertbeträge in zwei Gruppen einteilen können:

kognitive Wertbeiträge, in denen Menschen primär ihre kognitiven Fähigkeiten (z. B. Analyse von Informationen und Treffen von Entscheidungen) einsetzen[24]emotionale Wertbeiträge, in denen Menschen primär ihre emotionalen, sozialen und kreativen Fähigkeiten (z. B. Führung von Teams und das Generieren von neuartigen Ideen) einsetzen

Unsere Hypothese für dieses Buch ist, dass KI in der näheren Zukunft alle kognitiven Wertbeiträge von Menschen in Unternehmen potenziell wird ersetzen können, während die meisten emotionalen Wertbeiträge auch in Zukunft weiterhin von Menschen geliefert werden.1

3.1.1Kognitive Wertbeiträge durch KI verbessern oder ersetzen

Was bedeutet es für Ihr Unternehmen, wenn alle kognitiven Wertbeiträge von Mitarbeitenden durch KI verbessert oder ersetzt werden?

Um diese Fragestellung zu bewerten, müssen wir einschätzen, wie wichtig der emotionale Wertbeitrag für unsere Arbeit, das Unternehmen und die Branche ist.

Ist der emotionale Wertbeitrag unwichtig, dann sind Sie und Ihr Umfeld stark betroffen.Ist er wichtig, dann haben sie noch etwas Zeit. Da Sie aber am Ende auch betroffen sein werden, sollten Sie sich dem Thema – mit weniger Zeitdruck – ebenfalls nähern.

Branchen mit niedrigem und hohem emotionalen Wertbeitrag

Branchen, in denen der emotionale Wertbeitrag eine entscheidende Rolle spielt, sind z. B.: Unterhaltung, Kunst und Musik, Gastronomie, Touristik, Sport, Mode, Handel. Branchen, in denen Tätigkeiten mit kognitiven Wertbeitrag im Vordergrund stehen, sind z. B.: Automobilindustrie, Maschinenbau, Chemie und Pharmazie, Nahrungsmittel, Elektronik.

Und zu dieser zweiten Gruppe gehören die 5 größten Branchen in Deutschland: Fast 1,2 Billionen EUR Umsatz haben deutsche Unternehmen im Jahr 2019 in diesen Branchen gemacht2. Das sind mehr als 30 Prozent der Gesamtwirtschaftsleistung in Deutschland.

[25]Dazu kommen die Dienstleistungsbereiche mit hohem kognitivem Wertbeitrag: IT, Unternehmensdienstleister, Grundstücks- und Wohnungswesen, Finanzdienstleister. Das sind noch einmal ca. 30 Prozent. Das führt uns zu der Annahme:

Deutsche Unternehmen sind besonders betroffen, wenn es um die Technisierung des »Alltagskönnens« ihrer Mitarbeitenden geht.

3.1.2Informationen zum Stand in der deutschen Wirtschaft

Vor diesem Hintergrund verwundert es, dass sich nur so wenige Unternehmen um KI kümmern. Denn 6 von 10 Unternehmen setzen sich nicht mit den möglichen Auswirkungen des KI-Einsatzes in Ihrer Organisation und Branche auseinander. Dies schlussfolgern wir aus der repräsentativen Umfrage des Bitkom.

Seit 2018 befragt der Digitalverband jedes Jahr 600 Unternehmen mit mehr als 20 Mitarbeitern nach der Planung bzw. Nutzung von KI-Lösungen innerhalb ihrer Organisation. Zwar geben mehr als 60 Prozent der Unternehmen dabei an, dass Sie KI als »wichtige Zukunftstechnologie« sehen. Aber lediglich 8 Prozent der befragten Unternehmen melden zurück, dass bereits KI-Anwendungen eingesetzt werden. Und nur 30 Prozent der Unternehmen planen den Einsatz von KI-Anwendungen.

Abb. 1: Einsatz von KI-Lösungen in deutschen Unternehmen3

[26]3.1.3Was den Einsatz von KI in deutschen Unternehmen erschwert

Auf den ersten Blick scheint die geringe Beschäftigung mit KI als Zukunftstechnologie eher pragmatische Ursachen zu haben. Denn die 354 Unternehmen, die sich derzeit nicht mit KI-Anwendungsfeldern auseinandersetzen, nennen in erster Linie fehlende personelle, finanzielle und zeitliche Ressourcen als Hinderungsgründe.

Abb. 2: Gründe, warum Unternehmen sich noch nicht mit KI beschäftigen4

Auf den zweiten Blick wird jedoch erkennbar, dass die zaghafte Beschäftigung mit KI vor allen Dingen politische und kulturelle Ursachen hat.

Das wird zum einen deutlich an dem hohen Anteil jener Unternehmen, die abwarten, »wo der KI-Einsatz sinnvoll erscheint«. Diese Zurückhaltung mag aus Sicht kleinerer Unternehmen gerechtfertigt sein. Aus Sicht größerer Unternehmen können aber auch mangelnde Sachkenntnis und fehlende »Neugier« das Hemmnis sein.

Aber auch in anscheinend technologiefernen Bereichen wie beispielweise Pflege, Baustoffhandel und produzierendem Gewerbe wird KI und der Umgang mit datengetriebenen Entscheidungen schon in wenigen Jahren wirtschaftliche Vorteile bringen, die entscheidend für die Wettbewerbsfähigkeit sein können.

[27]Zum anderen scheitern Unternehmen in der Praxis an der Operationalisierung von KI. So gelingt es in vielen Fällen zwar, erfolgreiche Pilotanwendungen zu entwickeln. Dann scheitern Unternehmen aber dabei, diese Anwendungen im laufenden Betrieb erfolgreich zum Einsatz zu bringen. In Kapitel 13.1.3 »Warum KI-Projekte scheitern« werden wir uns mit diesem Phänomen noch eingehender beschäftigen. Wir sprechen dabei von der »fehlenden Skalierung« erfolgreicher Ansätze.

Wir Autoren haben zudem den Eindruck gewonnen, dass die wahren Gründe für die Zurückhaltung häufig noch woanders liegen. Neben dem Fachkräftemangel fehlt es in vielen Unternehmen am Verständnis für die Potentiale der Technologie – und häufig schlicht an der unternehmerischen Priorität. An den fehlenden Fachkräften können wir nichts tun. Aber mit diesem Buch wollen wir einen Beitrag zum besseren Verständnis relevanter KI-Einsatzfelder leisten und hoffen damit auch die unternehmerische Priorität des Themas zu forcieren.