Foto: Roman3dArt - shutterstock.com
Vom Praktikanten bis zur Geschäftsführung: Der Einsatz von KI soll alltägliche Prozesse erleichtern. Es sind jedoch einige Punkte zu beachten, damit die Produktivität durch den KI-Assistenten tatsächlich steigt. Zudem ist zu klären, was der Rollout konkret im Arbeitsalltag bedeutet und wie Mitarbeitende auf den künstlichen Kollegen vorbereitet werden.
Aufgrund immer kürzerer Innovationszyklen kommen viele Unternehmen heute kaum noch hinterher, die neuen Technologien in bestehende Arbeitsweisen einzubauen. Das betrifft nicht nur die Mitarbeitenden, sondern auch die strategischen und betriebstechnischen Themen rund um den digitalen Arbeitsplatz. Mit dem Einsatz von KI verschärft sich die Situation zusätzlich. Denn neben einer durchdachten Strategie für den digitalen Arbeitsplatz, ist spätestens jetzt auch eine umfassende KI- und Datenstrategie nötig.
Large-Language-Models (LLMs), auf denen Dienste wie ChatGPT oder Copilot basieren, benötigen eine hohe Datenqualität. Eine begleitende Datenstrategie muss hierfür die technische Readiness gewährleisten, also dass die Daten in einheitlichen oder miteinander kompatiblen Systemen abgelegt sind sowie die notwendigen Dienste und Lizenzen bereitstehen. Bei Bedarf sind entsprechende Datenstrukturen und Schnittstellen aufzubauen. Denn die Antworten der KI sind immer nur so gut, wie es die Daten zulassen.
Tipp 1: KI-Strategie am Geschäftswert ausrichten
Welche Daten hierfür nötig sind, lässt sich anhand der KI-Strategie bestimmen. Diese sollte auch die Frage nach dem Business Value beantworten, also welchen geschäftlichen Mehrwert ein KI-Tool effektiv erzielt. Denn die Lizenzpreise wirken auf den ersten Blick durchaus recht hoch, vor allem wenn die gesamte Belegschaft mit einbezogen werden soll. Eine erste Antwort liefert die strategische Ausrichtung. Während zu Corona-Zeiten die Digital-Workplace-Strategie entscheidend für die Wettbewerbsfähigkeit war, ist es heutzutage eine klare KI-Strategie.
In der Praxis besitzen bisher die wenigsten Unternehmen eine solche KI-Strategie. Dabei würde sie helfen, die Einführung eines Tools wie Copilot wesentlich zu erleichtern. Zum einen liefert sie die Grundlage für die gewünschten Ziele und den Weg dorthin, zum anderen stellt sie sicher, dass das Unternehmen langfristig richtig aufgestellt ist. Dazu gehören sowohl die effiziente Einführung der KI-Tools als auch die Gewährleistung ihres reibungslosen Betriebs.
Lesen Sie mehr zum Thema KI-Strategien:
Die klare Empfehlung lautet dabei, dass Unternehmen sich bewusst ausreichend Zeit für eine KI-Strategie nehmen sollten. Andernfalls finden sie sich schnell in einem reaktiven statt proaktiven Arbeitsmodus wieder. Das proaktive Handeln besitzt den großen Vorteil, dass Unternehmen gezielt auf Basis der Strategie geleitet werden und nicht von sich ständig verändernden Hypes. Entsprechend haben sie den klaren Business Value immer vor Augen und können KI-Tools viel zielgerichteter und effizienter nutzen. Denn eine KI-Strategie stellt auch sicher, dass für die jeweiligen Anwendungsfälle das richtige Tool zum Einsatz kommt.
Tipp 2: KI-Fähigkeiten entwickeln und verbreiten
Allerdings sind es bis dato nur wenige Mitarbeiterinnen und Mitarbeiter in den Unternehmen gewohnt, sich im Arbeitsalltag mit einer Maschine auszutauschen. Entsprechend müssen die Verantwortlichen in den Betrieben daran arbeiten, ihre Belegschaften breitflächig für die notwendigen Fähigkeiten zu schulen. Dazu sind die meisten bereit, wie aktuelle Studien zeigen.
Laut Stepstone setzt fast die Hälfte (49 Prozent) der Befragten in Deutschland schon künstliche Intelligenz im Arbeitsumfeld ein. Der Work Trend Index von Microsoft spricht dabei von einer Mensch-KI-Allianz. Fast zwei Drittel (63 Prozent) der Beschäftigten kann sich demzufolge vorstellen, die eigene Arbeit beziehungsweise Teile davon an eine KI delegieren. Mit anderen Worten: Weite Teile der arbeitenden Bevölkerung hierzulande beginnen, sich mit KI zu verbünden, um ihre Arbeitsbelastung zu verringern.
KI-Skills - hier lesen Sie mehr darüber:
Die Studien zeigen aber auch, dass dazu neue Skills nötig sind. Das reicht vom Prompting bis hin zur Neukonzeption von ganzen Arbeitsabläufen mit KI. Beim Prompting geht es darum, mit Hilfe der Eingabeaufforderung - englisch Prompt - der KI klare Anweisungen zu erteilen. Denn nur mit eindeutigen Angaben liefert der KI-Assistent eine zutreffende Antwort. Dabei müssen die User im Vergleich zu den üblichen Methoden bei Suchmaschinen umdenken.
Abfragen bei Google erfordern zum Beispiel sollten möglichst kompakt mit wenigen Schlagwörtern formuliert sein. Bei generativen KI-Tools wie Copilot oder ChatGPT funktioniert diese Strategie jedoch nicht. Hier ist das Resultat umso präziser und treffender, je mehr Informationen im Prompt eingegeben werden. Dazu zählt etwa das klare Formulieren von Absicht, Länge, Schreibstil, Format und Rolle. Mit diesen Kontextinformationen kann sich ein guter Prompt durchaus über mehrere Zeilen erstrecken. Das verdeutlicht den fundamental anderen Ansatz eines KI-Bots im Vergleich zu Suchmaschinen.
Tipp 3: Mit KI kommunizieren
Ein konkretes Beispiel: Es soll eine Präsentation zum Thema Blockchain erstellt werden. Wenig erfahrene Anwenderinnen oder Anwender würden wahrscheinlich zunächst einen Prompt eingeben wie "Chancen und Risiken von Blockchain". Entsprechend könnte die KI einen 10.000 Zeichen langen allgemeinen Hintergrundartikel ausgeben, der zwar die Anfrage beantwortet, aber für eine Präsentation ungeeignet ist.
Besser wäre: "Bitte stelle die Chancen und Risiken bei der Einführung von Blockchain-Technologien im Unternehmen in einer Tabelle dar, jeweils mit maximal fünf Punkten. Passe die Formulierung für eine nicht-technische Zielgruppe an." Dieser Prompt enthält die Intention, das Zielformat, die Länge und Formulierungsart. So wird die Antwort näher am gewünschten Ziel liegen.
Foto: Campana Schott
Der erste Prompt muss dabei nicht perfekt sein. Wer zehn Minuten benötigt, um eine Eingabe zu formulieren, spart oft schon keine Zeit mehr ein. Eine bessere Strategie ist es, mit der KI zu kommunizieren. Nachdem die KI ein erstes Ergebnis auf Basis eines schnellen Prompts erzeugt hat, lassen sich weitere Zusatzinformationen eingeben, um das Ergebnis laufend zu verfeinern. Zum Beispiel kann ein Folge-Prompt lauten: "Formuliere den Aspekt Effizienz etwas ausführlicher und in bildlicher Sprache". In so einem iterativen Prozess erhält man über mehrere Schritte in der Regel ein immer besseres Ergebnis. Diese Vorgehensweise gilt es, mit Hilfe von Trainings und praktischer Übung zu erlernen.
Tipp 4: KI braucht Zeit und Raum für Experimente
Diese Beispiele verdeutlichen, dass sich der gewünschte Produktivitätsgewinn, aber auch eine hohe Akzeptanz für KI nur dann erreichen lassen, wenn die Fähigkeit der Mit-arbeitenden zur effizienten Interaktion mit KI mit Bedacht aufgebaut wird. Dies erfordert auch die Bereitschaft, gewohnte Arbeitsweisen anzupassen - und somit eine gewisse Überwindung.
Zudem werden die mit KI Beschäftigten in den ersten Wochen eher weniger produktiv sein. Denn die neue Arbeitsweise muss erst erlernt werden, bevor die Produktivität steigt. Entsprechend ist durchaus auch mit Frustration zu rechnen, wenn sich die Belegschaft schon in den ersten Tagen viele Vorteile erhofft.
Generative AI: 4 Gründe, warum KI-Projekte in Schönheit sterben
Genau hier muss ein begleitendes Change Management ansetzen und die beteiligten Mitarbeiterinnen und Mitarbeiter dort abholen, wo sie sich mit ihrem digitalen Reifegrad befindet. Anschließend gilt es, die Menschen auf dem Weg bis zum Erreichen des neuen Skills aktiv zu unterstützen. Dazu bilden Schulungen einen wichtigen, aber nicht den einzigen Baustein.
Tipp 5: Envisionings, Communities und Prompt-Bibliotheken helfen
Vielmehr sollten rollenspezifisch sogenannte Envisionings angeboten werden, um den verschiedenen Teams spezifische Inspirationen und Impulse zu liefern, wie sich KI in ihrem Arbeitsalltag nutzen lässt. Dies ist von einem Data Literacy Training zu begleiten, das die Möglichkeiten und Grenzen verschiedener KI-Tools in der Praxis aufzeigt, um die jeweiligen Ergebnisse korrekt einordnen zu können.
Darüber hinaus legen viele Unternehmen Prompt-Bibliotheken an. Es handelt sich um Listen, in denen Anwenderinnen und Anwender ihre im Alltag bewährten Use Cases und Prompts für alle Kolleginnen und Kollegen im Unternehmen dokumentieren, so dass sie sich gegenseitig wertvolle Anregungen holen können. Ebenso sollten Unternehmen rollenbasierte User Communities fördern, damit Nutzerinnen und Nutzer ihre Use Cases und Best Practices miteinander teilen.
Ein Bot als kleiner Helfer: So nutzt Walmart Generative AI
Eine weitere Möglichkeit, KI stärker und tiefer im Arbeitsalltag zu verankern, ist die Bildung einer Champions Community. Sie besteht aus Usern, die als Multiplikatoren fungieren und ihre Kolleginnen und Kollegen bei der Nutzung der KI-Tools unterstützen. Eine solche Community kann den Wissensaustausch, die Motivation und das Vertrauen in die KI erhöhen.
Damit wird klar, dass Schulungen nur einen kleinen Teil der Change-Maßnahmen für Mitarbeitende ausmachen. Flankierende Beratungs- und Unterstützungsangebote für Anwenderinnen und Anwender zu Beginn der Einführung spielen meist eine noch bedeutendere Rolle.
Tipp 6: KI und Strategie kontinuierlich weiterentwickeln
Grundsätzlich ist zu beachten, dass sich KI-Technologien sehr schnell weiterentwickeln. Die KI lernt etwa selbstständig, wie einzelne User arbeiten, schreiben, agieren und was sie benötigen. Die Technik kommt somit künftig auch mit weniger expliziten Kontextinformationen aus. Neue Funktionen werden in immer kürzeren Zyklen ergänzt. Somit gilt es, diesen stetigen und schnellen Wandel im Rahmen eines kontinuierlichen Change Managements zu berücksichtigen und zu etablieren.
Aus diesem Grund ist die Einführung von Copilot oder eines anderen KI-Assistenten kein einmaliges IT-Projekt, für dessen Nutzung ein Mausklick reicht. Es bedarf zusätzlich eines ganzheitlichen und ausführlichen Change Managements. Dabei ist neben der Fähigkeit des Promptings vor allem auch das Verständnis der Anwendungsfälle elementar, also wann sich der Einsatz eines solchen Tools lohnt - und wann nicht.
Tipp 7: Best Practices nutzen - wie Unternehmen KI-Assistenten einsetzen
Zum Beispiel nutzen Forscherinnen und Forscher eines globalen Konzerns Microsofts Copilot. Damit können sie relevante Studien und Vorhersagemodelle, die sie für ihre Forschungsarbeiten benötigen, schneller auffinden. Basierend auf Eingaben in natürlicher Sprache identifiziert die KI nicht nur die relevanten Quellen aus der Sammlung von tausenden Studien, sondern auch die zugehörigen Ansprechpartner und Experten. Insgesamt lassen sich dadurch die Laborprozesse und die Produktentwicklung beschleunigen.
Im Bereich Life Science verwendet eine Abteilung für Geschäftsentwicklung externe Datenbanken, um Studien zu analysieren und mögliche Studienpartner zu finden. Wöchentlich werden mehr als 1.000 Studien eingespeist, eine manuelle Durchsicht ist angesichts der Datenmenge unmöglich. Die KI übernimmt an dieser Stelle die Vorverarbeitung und zeigt auf Basis des Inputs, also der in natürlicher Sprache formulierten Zielsetzung, welche Partner geeignet sein könnten.
Zudem wird KI bereits erfolgreich im Projektmanagement eingesetzt. Campana & Schott hat auf Basis von Azure OpenAI eine KI-Assistenz entwickelt und in ein Projektmanagement-Tool integriert. Aufgaben wie das Erstellen eines Projektstrukturplans oder das Verfassen von Projektbeschreibungen lassen sich damit weitgehend automatisiert in kürzester Zeit erledigen. Projektverantwortliche werden dadurch von repetitiven, zeitraubenden Aufgaben entlastet und erhalten mehr Zeit für strategische Überlegungen, die Steuerung der Projekte sowie Kommunikation und Austausch in den Projektteams.
Fazit: 7 Schritte zum KI-Erfolg
Unternehmen sollten folgende sieben Schritte umsetzen, damit die Einführung von KI-Assistenten zum Erfolg führt:
Entwicklung einer klaren KI-Strategie;
Erreichen der technischen Readiness anhand der KI- und Datenstrategie;
Pilotierung inklusive Evaluierung und Business Value;
Entscheidung zu weiterem Rollout, für welche Zielgruppen und Use Cases;
Schrittweise Einführung, begleitet durch Change Management;
Kontinuierliche Integration künftiger Entwicklungen wie neue KI-Tools und Use Cases;
Regelmäßige Erfolgsmessung anhand von KPIs.
Die Nutzung von KI im Arbeitsalltag steht erst am Anfang. Doch schon jetzt ist klar, dass KI-Funktionen immer weiter Einzug in Anwendungen und Prozesse halten werden. Eine Befragung der Copilot User der ersten Stunde zeigt, dass 70 Prozent einen Produktivitätsgewinn spüren. Zwei Drittel gaben an, nun mehr Zeit zu haben, sich auf die wesentlichen Aufgaben zu konzentrieren.
Voraussetzung dafür ist aber, dass Unternehmen ihre Hausaufgaben erledigen und nicht ins Blaue mit KI-Tools starten. Nur mit einer fundierten KI- und Datenstrategie, praktischen Use Cases sowie umfassendem und kontinuierlichem Change Management werden sie auch einen deutlichen Mehrwert für ihr Geschäft erzielen. (ba)