KI-Einsatz im Unternehmen

Reifegrad verbessern und Akzeptanz erhöhen

26.11.2021
Von 
Martin Bayer ist Chefredakteur von COMPUTERWOCHE, CIO und CSO. Spezialgebiet Business-Software: Business Intelligence, Big Data, CRM, ECM und ERP.
Die entscheidende Runde im Rennen um den Einsatz künstlicher Intelligenz hat begonnen. Die Unternehmen müssen jetzt die Experimentierphase hinter sich lassen und den Mehrwert von KI- und Machine-Learning(ML)-Lösungen nutzen.
Die Zeit der Experimente mit KI sollte zu Ende gehen, jetzt müssten die Unternehmen konkrete Use Cases angehen, um Geschäftsergebnisse mit KI zu erzielen.
Die Zeit der Experimente mit KI sollte zu Ende gehen, jetzt müssten die Unternehmen konkrete Use Cases angehen, um Geschäftsergebnisse mit KI zu erzielen.
Foto: shutterstock - Kiselev Andrey Valerevich

Der Einsatz von Techniken rund um künstliche Intelligenz (KI) und Machine Learning (ML) erreicht eine neue Stufe. Die Verantwortlichen in den Anwenderunternehmen haben verstanden, dass KI und ML ein Schlüssel dafür sein könnten, das eigene Geschäft besser aufzustellen und die künftige Wettbewerbsfähigkeit zu verbessern. Dabei geht es nicht mehr nur darum, vorhandene Abläufe effizienter zu gestalten. Vielmehr eröffnen KI- und ML-Techniken die Chance, weit darüber hinaus zu denken. Es geht darum, Prozesse von Grund auf neu zu designen und intelligent zu automatisieren. Ebenso geht es um die Entstehung neuer Produkte und Services, deren Entwicklung und Herstellung bis dato schlicht nicht möglich waren. Jetzt geht‘s in vielen Unternehmen also ans Eingemachte.

"Der Markt für KI-Software nimmt an Fahrt auf", stellt Alys Woodward, Senior Research Director bei Gartner, fest. Laut einer aktuellen Prognose des Research- und Beratungshauses wird der weltweite Umsatz mit KI-Software im Jahr 2022 voraussichtlich 62,5 Milliarden Dollar betragen. Das bedeutet einen Anstieg von 21,3 Prozent gegenüber dem Vorjahr. Trotz des rasanten Wachstumstempos werde der KI-Markt kein Selbst­läufer sein, warnt die Analystin. "Seine langfristige Entwicklung wird davon abhängen, ob es den Unternehmen gelingt, ihren Reifegrad in Sachen KI zu verbessern", so Woodward.

In der Unternehmensrealität ist der KI-Einsatz derzeit noch begrenzt, bilanziert Gartner. Laut einer aktuellen Marktanalyse würden Betriebe zwar durchaus mit KI experimentieren, sich aber schwer damit tun, die Technologie in ihre Standardabläufe zu integrieren. Die Analysten prognostizieren, dass es bis zum Jahr 2025 dauern wird, ehe auch nur die Hälfte der Unternehmen weltweit das erreicht hat, was Gartner in seinem KI-Reifegradmodell als "Stabilisierungsphase" beschreibt.

Use Cases sorgfältig auswählen

Die Nachfrage nach KI-Technologien und das damit verbundene Marktwachstum sind Woodward zufolge eng mit dem Reifegrad von KI in den Unternehmen verbunden. "Erfolg­reiche KI-Geschäftsergebnisse werden von der sorgfältigen Auswahl der Anwendungsfälle abhängen", so die Analystin. Entscheidend seien Use Cases, die einen signifikanten Geschäftswert lieferten und gleichzeitig skaliert werden könnten, um die Investition zu rechtfertigen. Nur so lasse sich der Mehrwert von KI-Investitionen demonstrieren.

Bevor es gelingt, diesen Mehrwert zu belegen, müssen die Unternehmen aber erst einmal in KI investieren. Doch das scheint vielen noch schwerzufallen. Zwei Drittel der Betriebe hierzulande sehen in den hohen Investitionen für KI eine entscheidende Hürde für die Einführung und Umsetzung entsprechender Systeme. Das hat eine von Tata Consultancy Services (TCS) beauftragte Studie ergeben, für die rund 950 Firmen befragt wurden. Damit wächst der Anteil der Firmen, die im finanziellen Aufwand ein Problem für die KI-Einführung sehen. Ein Jahr zuvor hatten 60 Prozent der Befragten hohe Investitionen als größtes Hindernis bezeichnet.

Neben dem Geld bereiten den Verantwortlichen auch der Datenschutz, das fehlende Know-how und die Komplexität der Techno­logie Kopfzerbrechen. Rund die Hälfte nannte diese Punkte als Herausforderungen bei der Einführung und dem Betrieb von KI-Lösungen. Diese Einwände will TCS-Manager Kay Müller-Jones allerdings nicht gelten lassen. Die Unternehmen könnten heute auf ein wachsendes Portfolio von KI-Anwendungen aus der Public Cloud zugreifen. "Damit lassen sich aufschlussreiche Erfahrungen in den Anwendungs­möglich­keiten von künstlicher Intelligenz sammeln, ohne große Risiken einzugehen oder hohe initiale Investitionen zu tätigen", sagt Müller-Jones.

Neben technischen Aspekten und Fragen der Skills müssen die Verantwortlichen beim Thema KI auch die Akzeptanz der Beteiligten im Auge behalten. Laut der TCS-Umfrage fehlt in mehr als jedem vierten Unternehmen die nötige KI-Akzeptanz in der Belegschaft (28 Prozent). Ebenfalls ein gutes Viertel der Betriebe (26 Prozent) berichtet von Vorbehalten in Reihen der eigenen Kunden. Gerade die KI-Vorbehalte der Kunden würden in den Unternehmen immer stärker diskutiert. Diese Herausforderung wachse sogar – im Vergleich zur Umfrage aus dem vorangegangenen Jahr um immerhin zehn Prozent.

Der KI-Erfolg hängt von der Akzeptanz ab

"Der Erfolg von künstlicher Intelligenz hängt immer auch von der Akzeptanz der Menschen ab, die sie nutzen", stellt Frank Karcher fest, Personalchef bei TCS in Zentraleuropa. "Unternehmen müssen daher die zunehmenden Sorgen gegenüber der Schlüsseltechnologie seitens der Anwenderinnen und Anwender innerhalb und außerhalb ihres Unternehmens ernst nehmen."

Vorbehalte gibt es nach wie vor viele. Das Marktforschungsunternehmens Statista hat im Auftrag des TÜV im August 1.000 Personen ab 16 Jahren in Deutschland zum Thema KI befragt. Demzufolge haben zwei Drittel der Befragten Angst vor Hackerangriffen, die mit Hilfe von KI automatisiert oder personalisiert werden. Es folgen die Sorge vor Massenüberwachung (62 Prozent) oder dass KI genutzt werde, um Menschen zu manipulieren, beispielsweise durch das Verbreiten von Fake News oder durch Filterblaseneffekte in sozialen Netzwerken.

Weitere Befürchtungen be­treffen Arbeitsplatzverluste durch den KI-Einsatz (57 Prozent) und die Diskriminierung von Menschen, etwa in der Personalauswahl oder der automatisierten Vergabe von Krediten (41 Prozent). Sehr deutlich wird die Skepsis ­gegenüber KI, wenn es um deren Einsatz in ­einem sicherheitskritischen Umfeld geht, ­beispielsweise beim autonomen Fahren. Erst 39 Prozent würden laut TÜV-Umfrage in einem vollautomatisierten Fahrzeug mitfahren. 33 Prozent lehnen das ab. Weitere 29 ­Prozent sind unsicher und antworten mit „weiß nicht“.

KI mit TÜV-Plakette

"Immer dann, wenn Produkte oder Anwendungen mit künstlicher Intelligenz die Gesundheit von Menschen oder ihre elementaren Grundrechte wie Privatsphäre oder Gleichbehandlung gefährden, brauchen wir eine gesetzliche Regelung", kommentiert Dirk Stenkamp, Präsident des TÜV-Verbands, die Ergebnisse der Umfrage. "Die Gesetzgebung für eine europäische KI-Verordnung muss jetzt zügig voran­getrieben und Verbesserungen eingearbeitet werden."

"Die Gesetzgebung für eine europäische KI-Verordnung muss jetzt zügig voran­getrieben und Verbesserungen eingearbeitet werden", fordert Dirk Stenkamp, Präsident des TÜV-Verbands.
"Die Gesetzgebung für eine europäische KI-Verordnung muss jetzt zügig voran­getrieben und Verbesserungen eingearbeitet werden", fordert Dirk Stenkamp, Präsident des TÜV-Verbands.
Foto: TÜV Nord

Stenkamp plädiert für einen risikobasierten Ansatz bei der KI-Regulierung. Ein E-Mail-Spam-Filter müsse anders behandelt werden als ein Fahrzeug oder ein Medizinprodukt. Allerdings besteht hier aus Sicht des TÜV-Verbands noch Nachbesserungsbedarf. "Bisher fehlt eine klare Herleitung und Definition der Risikoklassen, was zu rechtlichen Unsicherheiten führen kann", sagt Stenkamp. Die Zuordnung zu den vier Risikoklassen sollte nicht durch einen festen Technologiekatalog geregelt werden. Stattdessen sollten Schutzziele wie Gefahr für Leib und Leben und die Einschränkung von Grundrechten die Maxime für jede KI-Anwendung sein.

Stenkamp zufolge sollte die EU-Kommission bei der KI-Gesetz­gebung aus den Erfahrungen der Datenschutzgrundverordnung (DSGVO) lernen. Deren Anwendung erweise sich in der Praxis häufig als zu kompliziert. "Wir dürfen nicht nur eine KI-Regulierung entwickeln, sondern müssen gleichzeitig deren praktische Umsetzung vorantreiben", fordert der TÜV-Chef.