3. In sieben Schritten zum KI-Profi

Den theoretischen Grundstein für den KI-Start habt ihr jetzt gelegt. Wie und wo könnt ihr nun tiefer eintauchen? In diesem Kapitel möchten wir euch Soforthilfe bieten, tiefgründige Fragen zur Diskussion in eurer Organisation aufwerfen und darüber hinaus die besten frei zugänglichen Plattformen zur Selbsthilfe mit euch teilen. So gelingt der Start ins KI-Abenteuer oder die Vertiefung eures Wissens auf jeden Fall!

Mit diesem Buch seid ihr bereits mittendrin, zum KI-Profi zu werden. Allerdings gilt das natürlich nicht für euer Team oder die ganze Organisation – es sei denn, alle haben ein Exemplar erhalten.

Wir gehen ab diesem Kapitel davon aus, dass ihr Teil eines Unternehmens oder einer öffentlichen Einrichtung seid (mit Ausnahme des 6. Kapitels, in dem wir eine Vision der Zukunft aufzeigen). Darin gibt es natürlich unterschiedliche Rollen, die unterschiedlich tief in die Materie eintauchen müssen. So ist es dann auch mit den sieben Schritten: Einige Schritte werden euch auf eine Reise außerhalb der Lektüre dieses Buchs schicken, denn die komplette Lernreise können wir in einem Buch natürlich nicht abbilden. Aber wir nennen euch gute Quellen und Fragestellungen, mit denen ihr weiterarbeiten könnt.

Auf geht’s!

1. Schritt: Grundverständnis aufbauen

Die Grundbegriffe künstlicher Intelligenz haben wir im ersten Kapitel bereits behandelt und in der Wortwolke eine kleine Übersicht bereitgestellt. Zur Vertiefung ist es hilfreich, wenn ihr euch die Wikipedia-Beiträge (am besten auf Englisch, die sind umfangreicher) über KI und maschinelles Lernen sorgsam durchlest.

Ja genau, jetzt!

Anschließend solltet ihr in der Lage sein, folgende Begriffe in das folgende Diagramm einzuordnen:

Image
Abb. 6: Übungsgrafik für KI-Grundbegriffe, eigene Darstellung

Und? Hat das gut funktioniert?

Hier ist die richtige Lösung:

Diese kleine Übung soll verdeutlichen, dass KI als ein Teilbereich der Informatik gesehen werden kann – doch da beginnt eure Reise erst. Denn damit ist noch kein Verständnis gegeben; stattdessen müssen diese Begriffe nun von euch selbst mit Inhalten verknüpft werden.

Wo ihr Wissen sammeln könnt

Hilfreich zum Wissen-Sammeln sind Online-Kurse wie Elements of AI (https://www.elementsofai.de), der in Finnland entwickelt und sogar von Google-CEO Sundar Pichai gelobt wurde. Der Kurs richtet sich an Neulinge und erfordert keine erweiterten Mathematik- oder Informatikkenntnisse, ist in 30 Sprachen verfügbar und kann sogar mit einem Zertifikat und ECTS-Hochschulpunkten absolviert werden. Im Dezember 2023 erschien außerdem ein Kurs von Microsoft (https://microsoft.github.io/AI-For-Beginners/), der in zwölf Wochen die Grundlagen von KI vermittelt – allerdings ohne Business Cases. Aber dafür habt ihr ja dieses Buch gekauft.

Alternativ empfehlen wir die kostenfreie Programmierschule 42 in Heilbronn (https://www.42heilbronn.de/de/). Das Konzept stammt aus Frankreich und ist dort seit 2013 und inzwischen in über 20 Ländern aktiv. Sie schließt die Lücke, die das viel zu langsame Bildungssystem nicht nur in Deutschland entstehen lassen hat, und wirbt damit, dass 100 Prozent der Absolvent:innen im Anschluss einen Job bekommen.

Fortgeschrittene können direkt in den Building AI-Kurs einsteigen (https://buildingai.elementsofai.com) – hier werdet ihr in die Lage versetzt, eigene KI-Ideen umzusetzen und zum Prototyp zu entwickeln. Das bedeutet: Grundkenntnisse in Programmierung sind hilfreich. Unserer Einschätzung nach können alle, die einigermaßen sicher mit Programmiersprachen wie HTML oder PHP umgehen können, problemlos die Coding-Kenntnisse für KI aufbauen. Das bedeutet für Personalverantwortliche: Wenn ihr ein KI-Team aufbauen sollt, fragt diese Kenntnisse mal in der Belegschaft ab.

Neben dem Programmieren und den IT-verwandten Bereichen ist KI aber natürlich noch viel mehr als das. Je nach eurer Rolle solltet ihr wissen, dass KI grundsätzlich interdisziplinär zu behandeln ist – ohne andere Abteilungen in Unternehmen nützt euch alles KI-Wissen wenig. Nicht ohne Grund stammt ein wesentlicher Teil der theoretischen Grundlagen aus der Kybernetik, die stark sozialwissenschaftlich geprägt ist und Auswirkungen und Funktionsweisen in technischen und biologischen Systemen erforscht. Wer mit KI hantiert, braucht schließlich immer auch einen Blick auf die potenziellen Folgen auf benachbarte Gebiete.

Außerdem gehört zum Grundverständnis ein grober Überblick über die wichtigsten Organisationen und Institutionen in dem Feld. Während wir dieses Buch schreiben, sind bereits über 200 KI-Professuren an deutschen Universitäten aktiv. Die Schwerpunkte der Forschung liegen sehr unterschiedlich verteilt und sind an Universitäten naturgemäß eher theoretisch veranlagt, bei Hochschulen eher angewandt. Hinzu kommen vor allem die Forschungseinrichtungen der angewandten Forschung und Grundlagenforschung, darunter vor allem verschiedene Fraunhofer-, Helmholtz- und Max-Planck-Institute, das Deutsche Zentrum für Luft- und Raumfahrt sowie das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI). Viele Unternehmen kooperieren bereits mit diesen Instituten, wenn sie beispiels weise mithilfe von sehr konkreten Projekten KI in ihre Maschinen implementieren möchten. Das geschieht oft durch Forschungsprojekte oder in Doktorarbeiten.

2. Schritt: Tools ausprobieren

Bestimmt habt ihr bereits mit KI-Tools wie ChatGPT, Luminous oder Midjourney experimentiert und mithilfe von KI-Systemen Texte, Grafik oder Videos generiert. Darüber hinaus gibt es inzwischen zigtausend weitere KI-Anwendungen für unterschiedliche Anwendungsfälle, wie Social Media-Automatisierung, Business Data Analytics oder KI-Transkriptionen.

An dieser Stelle möchten wir zwei Online-Verzeichnisse empfehlen, wenn ihr noch tiefer in den Kaninchenbau der KI-Tools eintauchen möchtet: Futurepedia (https://www.futurepedia.io) und There’s an AI for that (https://theresanaiforthat.com). Hier findet ihr jeweils Tausende Anwendungen, die teilweise geprüft, teilweise automatisch gelistet werden; einige sind kostenfrei, einige Freemium, wieder andere von Beginn an kostenpflichtig. Für den Zweck des Grundverständnisses sollte es ausreichen, die kostenlosen Anwendungen auszuprobieren und sich einen Überblick zu verschaffen, wozu KI-Tools in der Lage sind – doch Achtung: Nicht alles, was KI heißt, ist auch tatsächlich KI, wie wir bereits im ersten Kapitel erläutert haben.

Tipp: Nehmt euch bewusst eine Stunde am Tag, um ein neues Tool auszuprobieren. Wenn ihr das über einige Wochen einigermaßen konsequent durchzieht, gehört ihr in kurzer Zeit zur KI-Elite eurer Organisation!

Habt ihr bereits KI-Kompetenz an Bord? Super! Dann versammelt alle KI-Profis (Technik / Business / Anwendung / Recht) in einem (digitalen) Raum und lasst sie ein konkretes Problem bearbeiten. Solch ein Hackathon sollte mindestens 48 Stunden dauern, mit reichlich Pizza und Energydrinks begleitet und groß kommuniziert werden. Möglicherweise ist es auch sinnvoll, externe Partner aus der angewandten Forschung (beispielsweise ein nahegelegenes Fraunhofer-Institut oder das DFKI, das Deutsche Forschungszentrum für Künstliche Intelligenz) oder Studierende einer passenden Hochschule einzubinden. Das Ganze muss auch nicht immer gleich Millionen kosten – Hackathons leben von einer gewissen Einfachheit und sympathischem Chaos. Nur Mut!

Im schlimmsten Fall erreicht ihr bei diesen ersten Laufversuchen keine sinnvollen Ergebnisse. Im besten Fall entstehen neue, wertvolle Kooperationen, eure Arbeitgebermarke profitiert und vielleicht erarbeitet ihr schon erste Prototypen für KI-Produkte oder -Prozesse. Vielleicht legt ihr mit diesen Aktivitäten den Grundstein für eine neue Ära in eurer persönlichen und organisationalen Entwicklung.

3. Schritt: Ist-Zustand ermitteln

Wo steht ihr eigentlich genau beim Thema KI?

Was zunächst trivial klingt, kann sich bei Organisationen schnell als recht komplexe Fragestellung erweisen. Da es sich bei KI um ein Querschnittsthema handelt und nicht nur studierte Informatiker:innen und Mathematiker:innen KI-Kompetenz aufweisen, lohnt sich ein aufwendigerer Prozess, um eine Antwort auf diese Frage zu finden.

Unabhängig von Organisationsform und -größe empfehlen wir auf jedem Fall eine strukturierte Vorgehensweise. Letztlich spielt es auch noch eine Rolle, ob bereits ein ungefähres Ziel im KI-Umgang existiert – die häufigsten aktuellen Aufträge lauten etwa: »KI-Chancen identifizieren«, »KI-Strategie erstellen«, »Geschäftsprozesse automatisieren«, was in etwa mit »Kosten senken« gleichzusetzen ist, oder »eigene KI-Kompetenz aufbauen mit dem Ziel, den Kern des Geschäftsmodells weiterzuentwickeln«. Das ist dann schon Innovation.

Nun gibt es unterschiedliche Wege, um die eigene »AI Readiness«, also die KI-Tauglichkeit, herauszufinden. Online gibt es verschiedene Tests dafür, wir empfehlen den relativ simplen KI-Marktplatz (https://ki-marktplatz.com/ai-readiness-check-survey/) oder den detaillierteren AI-Check der Uni Graz und Leftshift One (https://aicheck.io/).

Zusätzlich zu diesen Tests ist es ratsam, eine eigene Befragung für die Angestellten zu entwickeln – und zwar über mehrere Abteilungen hinaus, am besten alle. Die Fragefelder werden in jeder Organisation unterschiedlich ausfallen, wir empfehlen einen gesunden Mix aus Kompaktheit und Umfang sowie viele Filterfragen. Mit gängigen Online-Befragungstools wie Surveymonkey, Microsoft oder Google Forms lassen sich im Handumdrehen smarte Umfragen erstellen.

Folgende Bereiche sollten in jedem Fall erfasst werden:

Jede Organisation ist anders, daher gilt es nun, am besten gemeinsam mit anderen Interessierten die ersten Schritte zu gehen. In vielen Unternehmen oder Behörden geschieht dies top-down, wird also von der Geschäftsführung, dem Vorstand oder der Amtsleitung initiiert. In öffentlichen Einrichtungen oder Kommunen sieht es ähnlich aus: Die obersten Dienst- oder Aufsichtsbehörden sind eigentlich in der Pflicht, die KI-Bewegung zu starten, jedoch schadet es auch nicht, wenn beispielsweise die Impulse direkt aus den kommunalen Ämtern oder Behörden nach oben gesendet werden.

Vor allem in kleineren Firmen fehlt ausgerechnet an der Unternehmensspitze das Know-how mangels Zeit und leider oft auch die Offenheit, sodass es vielmehr eine Graswurzelbewegung geben muss, wo die Belegschaft Impulse ins Management sendet.

Habt ihr Azubis oder Werkstudierende? Perfekt – die sind möglicherweise schon vertraut mit neuen Ansätzen für KI-Anwendungen. Außerdem verfügen sie oft noch über mehr Motivation zur Veränderung vorhandener Prozesse, erkennen diese besser als alteingesessene Profis. Dieses Potenzial solltet ihr unbedingt nutzen und auch in regelmäßige Austauschformate zwischen Nachwuchs und Elite überführen. Oft lohnt es sich eher, internes Personal für KI-Entwicklung fortzubilden, anstatt teure, externe Beratungen einzukaufen.

4. Schritt: Soll-Zustand erarbeiten

In den meisten Organisationen wird KI nicht einfach aus Interesse an der Technologie eingeführt, sondern aufgrund von äußerem Druck. Vor allem der Fachkräftemangel macht vielen Unternehmen und öffentlichen Einrichtungen zu schaffen, sodass sie Prozesse automatisieren oder die Produktivität erhöhen müssen, indem manuelle Tätigkeiten an Maschinen bzw. Software delegiert werden. Bei anderen sind es die Erwartungen der Zuliefererunternehmen oder Kunden, wodurch Schnittstellen und Datenflüsse neu strukturiert werden müssen. Eine weitere Gruppe – sie ist die kleinste – möchte innovativere Produkte oder Geschäftsmodelle probieren, was am besten ohne organisatorisches Erbe geht, weshalb dies meist Start-ups sind.

In jedem Fall steht am Anfang all dieser Entwicklungen die Notwendigkeit eines Fahrplans. KI ist weder Hammer noch Allzweckreiniger. Bevor ihr euch, auch mithilfe der späteren Kapitel in diesem Buch, auf die Suche nach passenden Modellen und konkreten Einsatzzwecken macht, empfehlen wir daher die Formulierung möglichst detaillierter Wunschzustände.

Ist euer Problem der Fachkräftemangel und eure vorhandenen Beschäftigten müssen entlastet werden, kann ein Weg zum Soll-Zustand ungefähr folgendermaßen ablaufen:

  1. Versammelt möglichst viele Betroffene entlang aller Bereiche und Hierarchiestufen in einem (digitalen) Raum für mindestens einen halben Tag. Ziel dieser Maßnahme wird es sein, eine KI-Vision für eure Organisation gemeinsam zu entwickeln.
  2. Holt euch Hilfe von außen für den Einstieg ins Thema. Alle müssen auf denselben Stand gebracht werden, welche Potenziale KI in eurem Umfeld heben kann und welche Probleme ihr damit lösen könntet. Keine Science-Fiction, eher ein Fachvortrag mit praxisnahen Anwendungsfällen. Achtet darauf, dass nicht der Eindruck entsteht, bestehende Arbeitsplätze sollen wegrationalisiert werden – es geht hier um den Erhalt der Organisation und die langfristige Verbesserung der Arbeitsbedingungen für alle.
  3. Verteilt dann die Teilnehmenden auf unterschiedliche Räume (Breakouts), beispielsweise nach den Kernfunktionen eurer Organisation. In jedem der Räume muss sowohl eine Moderation als auch ein:e KI-Profi anwesend sein. Folgende drei Zwischenziele verfolgt ihr hier: Nervige & repetitive Tätigkeiten auflisten, einfache KI-Anwendungsbereiche (low hanging fruits) überlegen, konkrete Vision der Organisation erarbeiten. Der letzte Punkt ist besonders wichtig: Wie würden Arbeitsabläufe aussehen, in denen die KI alles Unliebsame erledigt, beispielsweise schwere körperliche Tätigkeiten oder langweilige Dokumentationsaufgaben?
  4. Zurück im Plenum präsentiert ihr gegenseitig die Ergebnisse und nehmt euch ausreichend Zeit, um die unterschiedlichen Teilvisionen zu integrieren. Hier kann es hilfreich sein, den Zwischenstand durch ein Graphic Recording festhalten zu lassen. (Graphic Recording ist eine Art visuelles Protokoll, das von Fachleuten live bei Veranstaltungen angefertigt wird. So haben alle Teilnehmenden einen guten mentalen Anker der Zusammenarbeit und die Ergebnisse eignen sich auch eingerahmt gut zum Immer-wieder-Lesen an der Bürowand.)
  5. Je nach Anzahl der Teilnehmenden und Größe der Organisation variiert der nächste Schritt. Bei kleineren Teams macht es Sinn, direkt Aufgaben und nächste Schritte zu vereinbaren: Wer kümmert sich worum? Bei großen Einheiten wird feierlich das Management beauftragt, sich in einer angemessenen Frist um die Auswertung und Festlegung nächster Schritte zu kümmern. Obacht: Das positive Momentum dieser Zusammenarbeit sollte nicht zu lange in der Schwebe belassen werden. Seid transparent, seid ehrlich und bleibt partizipativ!
  6. Spätestens an diesem Punkt werdet ihr auch euer Organigramm kritisch überprüfen müssen, denn nicht jede Aufbauorganisation eignet sich für KI-unterstützte Prozesse oder KI-basierte Entscheidungen (siehe Kapitel 4). Leider gibt es kein Patentrezept für das richtige Organigramm – immerhin ist das auch abhängig von den Stakeholder-Beziehungen, der Kultur in der Organisation und historischen Pfadabhängigkeiten wie Verträgen oder Partnerbeziehungen. Schließlich hat oft der Betriebsrat ein Wörtchen mitzureden, wenn es um das Skelett der Organisation geht. Aus unseren Beobachtungen ist jedoch eins sicher: Um das volle Potenzial von KI entfalten zu können, hat eine klassische Linienaufbauorganisation mit starren Hierarchien und funktionalen Silos ausgedient. Das liegt schlicht daran, dass die Innovationszyklen schneller werden müssen, als dies die bewährten Organisationsmodelle abbilden können.

5. Schritt: Entscheiden – make, buy or partner?

Wann immer sich ein Unternehmen oder eine Behörde überlegt, ein Software-Produkt einzuführen, steht eine Frage im Raum: »Wo bekommen wir dieses Produkt her?« Klassischerweise lizensieren Wirtschaftsunternehmen ein Produkt aus Waldorf, Paderborn oder Darmstadt von einem der drei größten deutschen Softwareunternehmen. Deren Produktoberflächen sind nicht immer die modernsten und der Aufwand für die Individualisierung kostet viele Beratertage und damit bares Geld. Die Alternative ist, eine eigene Software zu entwickeln. Da dies sehr teuer und langwierig ist, entscheiden sich die meisten Organisationen dagegen. Hinzu kommt, dass eine eigene Software in der Regel nicht skalierbar wäre, sodass die Entwicklungskosten den zu erwartenden Mehrwert erst nach sehr langer Zeit rechtfertigen würden. Die dritte Option ist es, sich mit ähnlichen Organisationen zusammenzutun, beispielsweise in einer Kammer oder Innung, und gemeinsam einen Dienstleister zu beauftragen.

So viel zu Standard-Software.

Diese »Make, buy or partner«-Entscheidung wird beim KI-Produkt leider deutlich komplizierter. Natürlich kann man bei den großen Standard-Software-Anbietern inzwischen auch KI-Funktionen lizenzieren, immerhin ist deren Marketing genial und auch der eigene Imagenutzen (»Wir arbeiten mit Software ABC, weil wir es uns wert sind!«). Aktuell sind allerdings die KI-Funktionen der Großen in der Realität ernüchternd; das wird sich schon bald ändern, vielleicht sogar bereits, wenn dieses Buch erscheint. Hinzu kommt, dass die Evolution von Generativer KI wie ChatGPT und ähnlichen Lösungen ja gerade erst begonnen hat; sie werden sehr schnell Einzug finden in Standard-Softwarelösungen für Assistenzfunktionen (Mails schreiben und beantworten, Präsentationen erstellen, Recherchearbeit etc.) und weit verbreitete Anwendungsfälle im produzierenden Gewerbe erfüllen. Wer hier eigene Lösungen entwickelt und diese auch vertreibt, könnte einen Topf voll Gold auftun!

Wenn wir uns dann die kritischen Geschäftsprozesse anschauen, sind individuelle KI-Lösungen fast unumgänglich – Beispiele dafür schauen wir uns in Kapitel 4 an. Erst danach stellt sich die Frage, ob die eigenen Produkte oder Dienstleistungen um KI-Funktionen erweitert werden sollen, und spätestens hier ist es eine folgenreiche strategische Entscheidung, dies in Eigenentwicklung umzusetzen, einzukaufen oder im Netzwerk zu erstellen.

Es gibt also drei mögliche Lösungswege:

  1. Das KI-Produkt wird in einer Eigenentwicklung erstellt, gegebenenfalls mit externer Entwicklerunterstützung.
  2. Das KI-Produkt wird komplett durch externe Dienstleister erstellt.
  3. Das Unternehmen sucht sich einen oder mehrere Partner, um sich die Entwicklungskosten zu teilen.

Wie immer haben alle drei Möglichkeiten ihre Vor- und Nachteile und müssen entsprechend strategisch bewertet werden. Diese Arbeit können wir euch leider nicht abnehmen, aber hier ist eine kleine Checkliste mit Fragen, die ihr euch stellen solltet:

Checkliste: Make, buy or partner?

  • ❒ Haben wir durch das KI-Produkt einen Skaleneffekt? (ja = selbst machen, nein = auslagern, kaum = Netzwerk)
  • ❒ Wäre es wirtschaftlich bzw. wann amortisieren sich die Investitionen?
  • ❒ Haben wir das Investitionskapital dafür, gibt es Fördermittel oder geeignete Wagniskapitalgeber (Venture Capital)?
  • ❒ Steigert es die Effizienz oder erhöht die Erlöse?
  • ❒ Haben wir die Fachkräfte dafür? Oder: Welche brauchen wir perspektivisch dafür?
  • ❒ Dürfen wir das überhaupt? (Gesetzliche Vorgaben einiger Branchen, Datenschutz, EU AI Act, Betriebsrat, Gewerkschaft)
  • ❒ Sind wir uns sicher, dass noch niemand eine geeignete Basislösung entwickelt hat, die wir anpassen können? (Hier lohnt sich auch ein Blick in die Open-Source-Welt!)

6. Schritt: Den Ausführungsort der KI planen

Wir könnten ein ganzes Buch füllen, wo KI laufen kann oder sollte. Das liegt an mehreren Parametern und variiert von Anwendungsfall zu Anwendungsfall – inklusive verschiedener Vor- und Nachteile. Diese Entscheidung nimmt euch niemand ab, doch sie sollte in jedem Fall vor dem Start der tatsächlichen Entwicklung getroffen werden.

Im Wesentlichen gibt es drei Möglichkeiten:

  1. Cloud-Computing (»Datenwolke«)
  2. Lokale Rechenzentren beispielsweise in einem Werk, Logistikzentrum, Filiale, Bürogebäude etc. (»on premise«)
  3. Im Gerät der Datenentstehung (»on edge device«)

Jede dieser drei Arten ist eine Wissenschaft für sich.

Cloud-Computing

Cloud-Computing bringt vor allem Vorteile für weniger sensible Daten mit sich, da deren Verfügbarkeit durch gigantische, zentrale Rechenzentren mit hoher Rechenleistung und Latenz Informationen übers Internet jederzeit und überall auf der Welt bereitstellen kann. Viele digitale Geschäftsmodelle nach dem »X as a Service«-Prinzip könnten ohne Cloud nicht existieren. Der weltweit größte Anbieter für Clouddienste sind die Amazon Web Services (AWS), doch es gibt auch reihenweise europäische Anbieter, wie zum Beispiel STACKIT. Eine Alternative wäre eine »private cloud«, also eine geschlossene, ausschließlich für autorisierte Geräte entwickelte Datenwolke. Für Einsteiger wäre Letzteres auf keinen Fall ratsam.

XaaS (X as a Service)

Deutsch: X als Dienstleistung, wobei das X als Variable steht. Hierbei handelt es sich um einen Paradigmenwechsel von Geschäftsmodellen, die verstärkt auf die Dienstleistung fokussieren anstatt aufs Produkt. Ein weit verbreitetes Beispiel ist MaaS (Mobility as a Service, Mobilität als Dienstleistung), die vor allem von Softwareunternehmen wie Uber in der Vermittlung von Fahrdiensten vorangetrieben wird, ohne selbst die Fahrzeuge zu besitzen. Ähnliches gilt für die Vermietung von Ferienwohnungen durch Airbnb oder die Vermietung von Filmen durch Netflix.

Lokales Rechenzentrum

Die beste Kontrolle über die Datensicherheit habt ihr bei der zweiten Option, den lokalen Rechenzentren. Zudem sind die Latenz-Schwankungen geringer, doch bei jeglichen KI-Entwicklungen ist zu beachten, dass die Preise für ausreichende Rechenkapazitäten (insbesondere Grafikkarten – eignen sich besonders gut für KI) in den kommenden Jahren möglicherweise eher steigen als sinken – die Nachfrage boomt, die Produktion von CPUs und GPUs sowie fragile Lieferketten sind immer wieder ein Flaschenhals.

Im Gerät

»Direkt im Gerät« ist eine erst seit Kurzem verfügbare Option. Die Rechenleistung in vielen Geräten (Smartphones, Digitalkameras oder Maschinen in der Industrie oder Logistik) ist inzwischen so fortgeschritten, dass manche KI-Prozesse wie Computer Vision direkt von ihnen erledigt werden können – ganz ohne Zwischenschritt über Cloud oder Rechenzentrum. Der limitierende Faktor sind hier die Datenstrecken, also wie viele virtuelle Zwischenschritte die Bild- oder Sensordaten zurücklegen müssen, um schließlich aggregiert und berechnet zu werden. Das spart wiederum zentralisierte Rechenkapazitäten und Wartezeit bei der Berechnung. Dies zieht jedoch auch neue Herausforderungen mit sich wie unter anderem die automatische Aktualisierung der KI-Modelle, die Geräteverwaltung oder Informationssicherheitsaspekte.

Ihr seht: Die Frage ist sehr schnell sehr komplex. Aber wenn ihr sie beantwortet habt, seid ihr schon beim aufregendsten aller Schritte angelangt.

7. Schritt: Loslegen!

Jetzt fehlt euch nicht mehr viel, um loszulegen. Hier findet ihr die Checkliste mit den wichtigsten Teilen der oben dargestellten Schritte. Wenn ihr Fehler vermeiden wollt, die andere freundlicherweise für euch schon gemacht haben, schaut euch gern unsere Top-10-Stolpersteine im Anschluss daran an.

Checkliste

  • ❒ KI-Grundbegriffe eigenständig sortiert und abgegrenzt
  • ❒ Außenstehenden KI-Grundbegriffe erfolgreich erläutert (fachfremde Eltern, Großeltern oder Kinder ab 8 Jahren eignen sich gut!)
  • ❒ KI-Tools in mindestens fünf Feldern ausprobiert, zum Beispiel mithilfe von www.futurepedia.io oder www.theresanaiforthat.com
  • ❒ AI-Readiness-Test durchgeführt, zum Beispiel hier: https://ki-marktplatz.com/ai-readiness-check-survey oder hier: https://aicheck.io
  • ❒ Status quo der Organisation oder im Freundeskreis erfasst
  • ❒ KI-Umfrage für die Belegschaft durchgeführt
  • ❒ Nachwuchs stärker in Innovationsprozess eingebunden
  • ❒ Juristische Fallstricke dokumentiert
  • ❒ Workshop konzipiert und den Soll-Zustand erarbeitet
  • ❒ Hackathon veranstaltet
  • ❒ KI-Vision für alle Beteiligten gut sichtbar kommuniziert
  • ❒ Konkrete Utopien der einzelnen Bereiche integriert
  • ❒ Verbindliche nächste Schritte vereinbart
  • ❒ Wichtige Stakeholder über den KI-Prozess informiert
  • ❒ Stolpersteine geprüft und unbegründete Zweifel aufgelöst
  • ❒ Neue Rituale und Prozesse für Übergangsphase definiert
  • ❒ »Make, buy or partner« geklärt
  • ❒ »Cloud, on premise oder on device« geklärt

Wie euer Anwendungsfall in wenigen Phasen realisiert werden kann, lest ihr im nächsten Kapitel. Zur Inspiration der naheliegendsten Anwendungsfälle blättert ihr ein weiteres Kapitel weiter.

Vermeidbare Stolpersteine

Gehört ihr zu den Menschen, die lieber selbst auf die Nase fallen als die Theorie dazu zu pauken, um den Sturz zu vermeiden? Dann springt gern zum nächsten Kapitel. Vermutlich lest ihr aber doch hier weiter.

Zwar greift nahezu jedes Kind auf eine Herdplatte, um festzustellen, dass diese heiß ist, aber nicht jeder oder jede Erwachsene muss erst eine Bank ausrauben, um festzustellen, dass man das nicht tun sollte. Das heißt für uns: Nicht jede Organisation muss die Fehler bei den ersten KI-Schritten wiederholen, die andere schon gemacht haben. Immerhin seid ihr nicht die Ersten, die sich mit KI befassen – entsprechend gibt es schon Lerneffekte von anderen. Nicht jeder Fehler muss selbst erlebt werden. Deshalb lest ihr wohl auch dieses Buch.

Hier ist unsere Top-10-Hitliste von Mythen und Fehlern aus Sicht des Managements, die ihr bitte vermeidet. Über jede dieser Aussagen könnten wir ein Kapitel schreiben. Machen wir aber nicht – stattdessen zeigen wir euch im nächsten Kapitel lieber, wie ihr den 7. Schritt »Loslegen!« in die Tat umsetzt.

10 Denkfehler, die ihr nicht mehr machen müsst

  1. »Wir brauchen unbedingt eine Abteilung für KI!«
  2. »KI ist günstig und frei verfügbar seit ChatGPT!«
  3. »Dafür brauchen wir einfach einen Data Scientist und der macht das schon.«
  4. »Daten haben wir doch genug!«
  5. »Wir haben doch schon alles digitalisiert und automatisiert – warum jetzt noch KI?!«
  6. »Wir kopieren einfach den KI-Prozess des Wettbewerbers!«
  7. »Darum kümmern wir uns nach der aktuellen Krise.«
  8. »KI ist Spielerei und erhöht auf keinen Fall unsere Effizienz.«
  9. »Die Angestellten haben zu viel Angst vor KI.«
  10. »Es reicht, wenn sich die großen Tech-Firmen um KI kümmern.«
Image

Auf einen Blick

Dies ist eine Zusammenfassung des Kapitels, die ihr gern fotografieren und mit anderen teilen oder sie ausgedruckt ins Büro hängen könnt.

In diesem Kapitel richten wir uns vor allem an Unternehmen. Vieles davon gilt aber auch für Privatpersonen!

Die 10 Kernaussagen des Kapitels

  1. 1. Grundwissen über Künstliche Intelligenz braucht heute jeder Mensch, der aktiver Teil der Gesellschaft und Arbeitswelt ist. Wer die Checkliste in diesem Kapitel guten Gewissens abhaken kann, kann sich als KI-Profi bezeichnen.
  2. 2. Ohne ein KI-Grundverständnis ist es unmöglich, künftige Entwicklungen einordnen zu können – ganz zu schweigen davon, fundierte Entscheidungen im professionellen Kontext zu treffen.
  3. 3. Die nötigen Programmierkenntnisse für KI-Anwendungen sind erlernbar – beispielsweise von Web-Entwickler:innen, die schon eine sehr gute Grundlage dafür mitbringen.
  4. 4. Zur Vertiefung der Grundlagen empfehlen wir den kostenlosen Online-Kurs www.elementsofai.com oder die Programmierschule 42 Heilbronn. Für Fortgeschrittene empfehlen wir den Kurs www.buildingai.elementsofai.com.
  5. 5. Es gibt zigtausende, oft kostenlose, Online-Tools, um den Umgang und die Mechanik von KI in vielen Bereichen kennenzulernen. Die besten Online-Verzeichnisse dafür sind www.futurepedia.io und www.theresanaiforthat.com.
  6. 6. Um im Unternehmen oder der Behörde den Einsatz von KI anzugehen, sollte unbedingt ein Ist-Zustand erhoben werden. Welche Kompetenzen sind möglicherweise unbewusst schon an Bord? Welche Voraussetzungen habt ihr?
  7. 7. Anschließend oder auch parallel empfehlen wir, möglichst präzise Zielvorstellungen für den KI-Einsatz zu definieren. Möchtet ihr KI bei Produktivitätssoftware nutzen oder ein eigenes Produkt entwickeln?
  8. 8. Je nach Beantwortung der vorherigen Schritte müsst ihr euch entscheiden: Macht ihr es selbst, kauft ihr eine Lösung ein oder entwickelt ihr die Lösung gemeinsam mit anderen, die vor ähnlichen Herausforderungen stehen?
  9. 9. KI benötigt Daten – viele Daten. Daher ist eine sehr wichtige Entscheidung, die früh getroffen werden muss, wo diese Daten in der Zukunft gespeichert und verarbeitet werden sollen – vor Ort, in der Cloud oder auf den Geräten selbst?
  10. 10. Es gibt viele Stolpersteine, die ihr nicht selbst kennenlernen müsst. Dazu gehören einige Vorurteile und Fehleinschätzungen, die durch die Medien geistern – Verallgemeinerungen sind schwierig. Wir freuen uns über Ergänzungen.