Künstliche Intelligenz - Vom Hype zur Realität - kategorietitel - KPS
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
k ategorietitel
Ausgabe 5/2020
Schwerpunkt
Künstliche
Intelligenz
Künstliche Intelligenz
Vom Hype zur Realität
lünendonk magazin 5/2020 3k ategorietitel 4 lünendonk magazin 5/2020
editorial
Mario Zillmann
Partner
Lünendonk &
Hossenfelder
Vorab:
Ein Wort an die Leser
unseres neuen
Themenmagazins
Sehr geehrte Damen und Herren,
liebe Leser,
KÜ N S T L I C H E I N T E L L I G E N Z ( K I ) I S T und Konzerne mit dem Thema KI auseinandersetzen
E I N E S D E R T H E M E N , Ü B E R DA S D E R - und in einzelnen Bereichen entsprechende Anwen-
ZEIT BEI UNS AM INTENSIVSTEN UND dungen implementiert haben. Vor allem mit Machine
E M OT I O NA L S T E N D I S KU T I E RT W I R D, Learning arbeiten bereits sehr viele Unternehmen,
wenn es um die Digitalisierung und die mit ihr ver- um große Datenmassen verarbeiten und Muster in
bundenen Auswirkungen auf die Gesellschaft sowie ihnen erkennen zu können.
auf die Arbeit geht. Zweifelsohne: KI polarisiert. Das neue Magazin aus dem Hause Lünendonk
Unbestritten haben Unternehmen und Organisa- betrachtet das Thema „Künstliche Intelligenz“ in
tionen die Möglichkeit, mithilfe von KI-Technolo- seiner ganzen Breite. Den Autoren war es wichtig,
gien neue Geschäftsfelder zu erschließen, Kunden zunächst ein klares Bild über den Themenkomplex
besser und zielgerichteter anzusprechen sowie ihre der Künstlichen Intelligenz zu zeichnen und dazu
Prozesse besser zu steuern. Und auch im privaten Um- beizutragen, ihn umfassend zu verstehen – denn die
feld nutzen wir bereits in vielen Bereichen unseres eine KI gibt es nicht, stattdessen gibt es eine Vielzahl
täglichen Lebens Künstliche Intelligenz – oft sogar, an unterschiedlichen Technologien und Ansätzen.
ohne ein KI-basiertes Feature als solches wahrzuneh- Daneben beschäftigen sich die Artikel und Interviews
men. So nutzen mittlerweile sehr viele Menschen mit der Bedeutung der Datenqualität als „Futter“ für
ganz selbstverständlich digitale Sprachassistenten, KI-Systeme, mit organisatorischen Aspekten einer
Staubsaugerroboter, Fitnessapps, Streamingdienste Data-driven-Company und geben Empfehlungen für
mit individuellen Vorschlägen für Serien und Filme, den praxistauglichen Einsatz in Unternehmen und
E-Commerce-Plattformen mit individualisierten Organisationen.
Produktvorschlägen und so weiter.
Dass KI in Deutschland und der Europäischen
Union noch nicht so intensiv angewendet wird wie
in anderen Volkwirtschaften, hängt zum einen mit
der zu Recht geführten Diskussion um Datenhoheit,
Datenschutz und Ethik zusammen. Zum anderen sind
die Investitionen von Unternehmen in KI hierzulande
deutlich geringer als im internationalen Vergleich. Mario Zillmann,
Aber es tut sich etwas. Als Marktanalysten beobach- Partner
ten wir, dass sich nahezu alle großen Unternehmen Lünendonk & Hossenfelder GmbH
lünendonk magazin 5/2020 3Inhalt
schwerpunkt Welchen Wert haben Daten? vorgehensmodelle & methoden
Data Ownership
Das neue Technologiezeitalter 6 in Business Ecosystems Künstliche Intelligenz:
Interview mit Dr. Volker Rieger Ohne Angst und ohne Hype
status quo & ziele und Steffen Kuhn, Interview mit
Detecon International 32 Prof. Dr. Peter Buxmann,
Mehrwert ohne Panik: TU-Darmstadt 50
KI richtig anpacken daten & technologie
Interview mit Stefan Voss Intelligente ERP-Systeme
und Alexander Broj, Wie datengesteuerte – oder: Wie mathematische Modelle
Cognizant Technology Solutions 12 Unternehmen Wettbewerbs- bei Entscheidungen helfen
vorsprünge erzielen Von Dr. Daniel Gburek,
Kundendaten intelligent Von Pramod Muralidharan, COSMO CONSULT Gruppe 56
zusammenführen Cognizant Technology Solutions 36
Von Andreas Frary, KPS AG 14 Personalisierung und Automatisierung
Data Thinking: von Marketinginhalten
Künstliche Intelligenz Daten schnell produktiv mit Künstlicher Intelligenz
ist das neue Strategieelement 18 nutzen können Interview mit Dr. Lucas Calmbach,
Von Dr. Igor Schnakenburg KPS AG 60
o rg a n i s at i o n & k u lt u r und Steffen Kuhn,
Detecon International 42 resümee
KI braucht Organisation:
Wie Künstliche Intelligenz Daten, Hardware, Public Cloud: Künstliche Intelligenz
mit den richtigen Maßnahmen Technische Voraussetzungen erobert Alltag und Unternehmen 64
zum Erfolg wird für die Anwendung
Interview mit Niels Pothmann von Künstlicher Intelligenz s tan dar d s
und Martin Weitzel, Von Niels Pothmann
Arvato Systems 24 und Andreas Tamm, Editorial 3
Arvato Systems 46 Autorenprofile, Interviewerprofile
Wir müssen ein Vorbild und Unternehmensprofile 68
für unsere Kunden sein Impressum 79
Interview mit Uwe Bergmann,
COSMO CONSULT Gruppe 28
4 lünendonk magazin 5/2020Schwerpunkt
KI
14 24 36
Kundendaten intelligent KI braucht Organisation: Wie datengesteuerte
zusammenführen Wie Künstliche Intelligenz Unternehmen Wettbewerbs-
mit den richtigen Maßnahmen vorsprünge erzielen
zum Erfolg wird
42 56
Data Thinking: Intelligente ERP-Systeme –
Daten schnell produktiv oder: Wie mathematische Modelle
nutzen können bei Entscheidungen helfen
lünendonk magazin 5/2020 5schwerpunkt
A B B. 1.1: D I F F E R E N Z I E R U N G Z W I S C H E N K Ü N S T L I C H E R I N T E L L I G E N Z, M AC H I N E L E A R N I N G
UND DEEP LEARNING IM ZEITSTRAHL
1950er 1980er 2010er
Künstliche Machine Deep
Intelligenz Learning Learning
Oberbegriff für alle Forschungs- Algorithmen mit der Fähigkeit, Eine besonders effiziente
felder, die sich mit der (durch Erfahrung) zu lernen Methode des Machine Learnings,
Erbringung menschlicher beziehungsweise sich zu bei dem sich mehrschichtige
Intelligenzleistungen durch verbessern, ohne explizit neuronale Netze neuen Inhalten
Maschinen/Programme programmiert zu werden, anpassen und aus riesigen
beschäftigen. indem sie mit der Zeit Datenmengen lernen.
mehr Daten ausgesetzt sind.
6 lünendonk magazin 5/2020schwerpunkt
Das neue
Technologiezeitalter
Um kaum ein anderes Technologiethema gab es in den letzten Jahren
einen so großen Hype, aber auch gleichzeitig so intensive und kontroverse
Diskussionen wie um Künstliche Intelligenz. Dabei sorgt der Begriff der
Künstlichen Intelligenz (KI) oft für Verwirrung und falsche Erwartungen.
Das liegt zu einem großen Teil auch an einer unrealistischen oder, besser
gesagt, an einer überzogenen Erwartungshaltung an KI – wozu Spielfilme
wie Odyssee mit dem fiktiven Computer HAL 9000, Matrix, Terminator
oder natürlich Blade Runner maßgeblich beigetragen haben. Die dort dar-
gestellten Mensch-Maschine-Interaktionen und KI-Roboterwesen wecken
bei vielen Menschen – durchaus zu Recht – oft Ängste. Das ist aber noch
für lange Zeit eine Fiktion.
KI – eine Begriffserklärung Forschungsfelder ist, welche sich damit beschäftigen,
wie Maschinen menschliche Intelligenzleistungen
Wenn wir heute von KI sprechen, dann geht es gar ersetzen können. Unter Machine Learning werden
nicht um menschenähnliche Roboter, die den von Algorithmen verstanden, die die Fähigkeit haben,
Hollywood inszenierten Angriff auf die Menschheit (durch Erfahrung) zu lernen beziehungsweise sich zu
planen, oder um Software, die das Verhalten von verbessern, ohne explizit programmiert zu werden.
Menschen imitiert und sie ersetzen kann. Es geht Dies geschieht, indem sie mit der Zeit mit immer mehr
vielmehr um intelligente Softwarelösungen, die Un- Daten gefüttert werden, die für eine immer größere
ternehmen und Menschen sinnvoll bei der Erledigung Treffgenauigkeit sorgen. Bei Deep Learning, einer
von Aufgaben unterstützen und zunehmend kogni- Unterkategorie und besonders effizienten Methode
tive Fähigkeiten haben. Im Gegensatz zu bisherigen des Machine Learnings, passen sich mehrschichtige
Automatisierungstools setzen sie Intelligenz ein, die neuronale Netze neuen Inhalten an und lernen aus
sie aus der Analyse von Daten gewinnen (Machine riesigen Datenmengen.
Learning, Deep Learning). Machine Learning und Um zu verstehen, warum sich KI derzeit so erfolg-
Deep Learning sind Teilgebiete der Künstlichen In- reich durchsetzt, lohnt ein Blick in die jüngere Tech-
telligenz, die ihrerseits wieder ein Oberbegriff für alle nologiehistorie.
lünendonk magazin 5/2020 7schwerpunkt
Entwicklung der Rechenleistung von 1997 bis 2019
1997 2005
ASCI Red PlayStation 3 (Sony)
mit 1,8 Teraflops mit 1,8 Teraflops
A B B. 1.2: R E C H E N L E I S T U N G V O N 1997 B I S 2019 I N D E V I C E S
Ohne KI ist die Datenexplosion nicht zu Teraflop. Der ASCI Red bestand aus etwa 100 Schrän-
bewältigen ken, die eine Fläche von 150 Quadratmetern bean-
spruchten. 2005 brachte Sony die PlayStation 3 auf
Aufgrund der exponentiellen Technologieentwick- den Markt – mit einer Rechenleistung von mehr als
lung, wie sie Moore´s Law beschreibt, verdoppelt sich 1,8 Teraflop, während Apple mit dem deutlich klei-
die Rechenleistung etwa alle 18 Monate. In der Folge neren iPhone XS im Jahr 2018 bereits auf 5 Teraflops
wird Rechenleistung stetig günstiger und häufiger kam. Generell hat sich im Zuge der Digitalisierung
zur Analyse immer größerer Datenmengen einge- die Zahl der digital vorhandenen Informationen
setzt. Durch günstige Hardware und die sich stetig massiv erhöht, beispielsweise weil Papierdokumente
steigernde Rechenleistung war es in den letzten Jah- digitalisiert oder Kaufentscheidungsprozesse und
ren Entwicklern möglich, völlig neue Mini-Devices große Teile der Kommunikation von analog auf das
zu entwickeln, die das Internet in unseren Alltag in- Internet verlagert wurden. Bis zum Jahr 2025 soll
tegrieren und mit einer Fülle an Sensoren, Top-Ka- die weltweit produzierte Datenmenge 175 Zettabyte
meras, Sprachassistenten und zahlreichen Apps betragen. Aktuell befinden wir uns bei knapp 40
ausgestattet sind. Während ihrer Nutzung sammeln Zettabyte, was einer Verdopplung gegenüber dem
sie permanent Daten über das Onlineverhalten ihrer Jahr 2017 entspricht. Somit wird Moore´s Law des
Nutzer, analysieren diese Informationen in so ho- exponentiellen Wachstums der Rechenperformance
her Geschwindigkeit, dass nahezu in Echtzeit Muster auf die weltweit produzierte Datenmenge übertra-
erkannt und Folgeaktionen wie das Einspielen von gen. Der entscheidende Grund für das exponentielle
zielgerichteter Werbung möglich sind. Datenwachstum sind mobile Endgeräte und die mit
Zum Vergleich: Der schnellste Computer im Jahr ihnen verbundene Verlagerung von Kommunikation
1997 war der ASCI Red mit einer Leistung von 1,8 und Geschäftsmodellen ins Internet.
8 lünendonk magazin 5/2020schwerpunkt
2018 2019
iPhone XS IBM Summit
mit 5 Teraflops mit 148,6 Petaflops
Mehr als drei Milliarden Menschen nutzen weltweit kennung notwendig. In der digitalen Welt entwickelt
Smartphones und sorgen durch den Gebrauch zahl- sich die Wirtschaft zur Plattformökonomie, bei der
reicher Apps für eine explodierende Datenmenge. alles miteinander vernetzt ist (Fahrzeuge, Maschi-
Allein bei Google laufen pro Tag über drei Milliarden nen, Apps, Haushaltsgeräte, E-Commerce-Systeme
Suchanfragen auf – ein riesiger Datenschatz, den das etc.) und stetig Daten produziert werden. Daten sind
Unternehmen monetarisiert, indem es das Verhalten das Öl für digitale Geschäftsmodelle und die globale
seiner Nutzer im Internet so genau analysiert, dass Vermarktung von Produkten und Services. In einer
es mittlerweile in der Lage ist, Profile der Nutzer zu digitalen Welt und der Plattformökonomie bietet
erstellen und so zielgerichtet Werbung zu verkaufen. KI den Unternehmen die nie dagewesene Möglich-
Ein ähnliches Geschäftsmodell verfolgt Facebook, das keit, nahezu unbegrenzt zu skalieren, weil regionale
mit der Facebook-Plattform sowie WhatsApp und Ins- Einschränkungen durch das Internet wegfallen und
tagram gläserne Kunden erzeugt und vor allem mit Kunden sehr individuell mit auf ihre eigenen Bedürf-
Onlinewerbung Geld verdient. Dasselbe gilt für di- nisse zugeschnittenen Marketing- und Kommunika-
verse chinesische Plattformen wie Alibaba oder Ten- tionsmaßnahmen angesprochen werden können. Je
cent. Im modernen Marketing und Vertrieb gelten mehr Unternehmen über das Verhalten ihrer Kunden
mittlerweile neue Gesetze: Je besser die Algorithmen und die Performance ihrer eigenen Prozesse wissen,
durch immer schnellere Rechenoperationen werden, umso besser können sie ihre Strategie entwickeln und
umso geringer die Streuverluste und umso höher der zielgenau umsetzen. Ohne die Möglichkeiten von KI
Werbeerfolg. Werbeplätze werden in der digitalen beziehungsweise von Machine Learning (ML), riesige
Welt in Echtzeit versteigert, beispielsweise in dem Datenmengen wie Social-Media-Daten, Sensordaten
Moment, in dem der Kunde eine bestimmte Webseite oder Textdaten in sehr kurzer Zeit zu analysieren, um
besucht. Damit Algorithmen ihre Berechnungen in Muster in ihnen zu erkennen, lässt sich das exponen-
Echtzeit leisten können, sind vor allem Rechenpower tielle Wachstum der Daten nicht bewältigen.
und Machine Learning zur automatischen Musterer-
lünendonk magazin 5/2020 9schwerpunkt
Die KI wird immer intelligenter programmiert werden müssen, besitzen bereits
enormes Potenzial, um Prozesse zu automatisieren
Im Jahr 2017 gab es infolge der exponentiellen Tech- – selbst, wenn diese komplex und mehrstufig sind
nologiesprünge einen wichtigen technologischen und damit individuelle Entscheidungsanforderungen
Meilenstein in der KI-Forschung: Die KI AlphaGo der bedingen. Der Turbo für diesen Quantensprung war
Google-Tochter DeepMind hat zum zweiten Mal einen vor allem die Beschleunigung in der Rechenleistung
Champion im japanischen Brettspiel Go geschlagen. durch den von Google eigens als Neuronale-Netze-
Das Team von AlphaGo hatte 2015 die KI basierend Beschleuniger entwickelten Spezialchip TPU (Tensor
auf über 30 Millionen Spielzügen entwickelt, die zum Processing Unit). Die nächste Evolutionsstufe in der
einen aus den Spielregeln abgeleitet wurden und zum KI-Forschung wird das Thema Quantum Computing
anderen aus früheren Partien von Go-Meistern stam- sein. Auch hier ist Google aktuell tonangebend. Den
men. Die KI nutzt also menschliche Erfahrungsdaten, Durchbruch schaffte Google nach eigenen Angaben
um sich durch unzählige Wiederholungen ständig laut einem Artikel im Fachmagazin Nature im Jahr
selbst zu optimieren. 2019.
Der eigentliche Durchbruch erfolgte aber ein Der Google-Quantencomputer soll laut dem
Jahr später: Während die neuronalen Netze der er- Fachartikel in der Lage sein, in nur drei Minuten rund
sten drei Versionen von AlphaGo von Entwicklern eine Million Random Number Strings zu generieren,
mit Millionen von Spielzügen aus Partien zwischen wofür bisherige Supercomputer Monate oder Jahre
Go-Meistern trainiert wurden, hat die 2017er-Version benötigen. Der echte Praxistest steht zwar noch aus,
AlphaGo Zero das Spiel von Grund auf selbst gelernt, allerdings zeigen die technischen Daten das Poten-
nur durch die Eingabe der Spielregeln. Innerhalb von zial, sehr komplexe Berechnungen von unvorstellbar
nur drei Tagen erreichte die Version AlphaGoZero großen Datenmengen in Millisekunden durchzu-
Profistärke und besiegte seine Vorgänger AlphaGo führen, selbstständig zu lernen und damit vollkom-
mit 100:0. Dies zeigt: Selbstlernende Systeme, die men selbstständig Entscheidungen zu treffen.
nicht in jedem Detail vom Menschen trainiert und
Technologiesprünge treiben KI-Entwicklung onen und die daraus gewonnene Erkenntnisverarbei-
tung in noch kürzerer Zeit aufgrund höherer Rechen-
Es waren also vor allem die Technologiesprünge bei power möglich werden. Je schneller die Rechner,
Servern und Speicherchips, die in der letzten Dekade Moore’s Laws folgend, werden, umso mehr parallele
dazu geführt haben, dass Rechenleistung immer Rechenoperationen können durchgeführt werden.
besser und auch günstiger wurde. Durch die heute Die Verarbeitung von Daten in neuronalen Netzen,
vorhandenen Möglichkeiten der Datenverarbeitung die die Grundlage von Deep Learning bilden, wird
erhöht sich die Rechenleistung exponentiell und so weiter massiv beschleunigt. Deep Learning ist die
Berechnungen und Simulationen können entspre- nächste Evolutionsstufe von Machine Learning und
chend schneller durchgeführt werden. Diese Ent- ermöglicht das Erkennen von Zusammenhängen in
wicklung ermöglicht neue Lernverfahren, wie das deutlich kürzerer Zeit, als es die bisherigen eindimen-
unüberwachte Lernen, bei denen das System selbst- sionalen Möglichkeiten des maschinellen Lernens
ständig Daten nach Mustern und Anomalien ana- erlauben.
lysiert, ohne dass ein Mensch eine Vorgabe für den
gewünschten Output macht. Auch die nächste Stufe,
das Belohnungslernen, wird möglich, weil Simulati-
10 lünendonk magazin 5/2020schwerpunkt
Quantencomputer
wichtige potenzielle Anwendungen
und deren erforderliche Rechenleistung
5
UNBEKANNTE
PROBLEME
100.000+ Qubits CHEMIE
100–200 Qubits
WERKSTOFFKUNDE
4 1
100s–1.000s Qubits
3 2
O P T IM IE R U N G
100s–1.000s Qubits
M A S C H IN E L L E S
LERNEN
100–1.000s Qubits
A B B. 1.3: D E R Q UA N T E N CO M P U T E R A L S D I E N Ä C H S T E E V O LU T I O N S S T U F E I N D E R K I-F O R S C H U N G
Quelle: Gartner, 2019
Ein weiterer enorm wichtiger Beschleuniger der entwickeln können. Die Cloud-Provider stellen darü-
KI-Entwicklung ist die Cloud, vor allem die Public ber hinaus auch agile Tools wie DevOps und Low-Co-
Cloud. Sie ermöglicht es, IT-Ressourcen wie Server ding-Plattformen zur Verfügung, mit denen sich
und Storage schneller, flexibler und günstiger be- die Time-to-Market-Zyklen bei der Entwicklung von
reitzustellen. In den letzten Jahren haben die mei- Softwareprodukten massiv verkürzen lassen, unter
sten großen Unternehmen und Konzerne aus diesem anderem, weil sie einen hohen Automatisierungs-
Grund immer mehr Teile ihrer Softwareanwendungen grad haben und deutlich weniger Programmiercode
und IT-Infrastrukturen in die Cloud verschoben. Vor notwendig ist.
allem Fachbereiche profitieren davon, dass sie fle- Die Entwicklungen der letzten Jahre haben somit
xibel IT-Ressourcen beschaffen können, um Proto- KI aus den Maschinenräumen der IT und Datenana-
typen und erste Minimal Viable Products für digitale lysten auch für Fachbereiche nutzbar gemacht, was
Produkte zu entwickeln. Cloud-Infrastrukturplatt- sich in einer stetig wachsenden Zahl an KI-basierten
formen wie Azure von Microsoft, Amazon Web Ser- Funktionalitäten in digitalen Geschäftsmodellen und
vices oder Google Cloud haben Entwickler-Toolkits bei der Automatisierung von Geschäfts- und IT-Pro-
integriert, mit denen Fachanwender auch ohne tiefe zessen widerspiegelt.
Programmierkenntnisse KI-basierte digitale Produkte
lünendonk magazin 5/2020 11status quo & ziele
Mehrwert ohne Panik:
KI richtig anpacken
Interview mit Stefan Voss, Digital Sales & Solution Lead, Cognizant
und Alexander Broj, Head of Cognizant Consulting Germany, Cognizant
Der Mehrwert, den Künstliche Intelligenz (KI) Unternehmen bieten kann,
ist heute bereits unbestritten. Als kompliziert erweist sich allerdings die
richtige Annäherung an das komplexe Thema.
Künstliche Intelligenz wird häufig als Heilsbringer für eine „die“ KI, so wie es auch nicht nur ein Werkzeug gibt. Da lohnt
moderne Zukunft gesehen. Können Sie das aus Ihrer Erfahrung sich schon ein genauerer Blick auf das Ziel, das man erreichen
bestätigen? will, die Methode und das Ergebnis.
Stefan Voss: KI ist zweifelsohne eines der am häufigsten ver- Was empfehlen Sie denn Unternehmen? Wie starte ich denn ein
wendeten Buzzwords der digitalen und gesellschaftlichen De- KI-Projekt?
batte; und damit fast unvermeidlich oft auch falsch verstanden,
überhöht oder dogmatisch missbraucht – neben all den berech- Alexander Broj: Letztlich gibt es zwei grundlegende Möglich-
tigten Hoffnungen, Sorgen und Ambitionen, die im Kontext keiten, sich dem Thema zu nähern. Einerseits kann ich mich
geäußert werden. experimentell mit der Technologie vertraut machen und über
Prototypen lernen und Erfahrung sammeln. Andererseits nä-
Alexander Broj: Künstliche Intelligenz ist ja weder künstlich hern sich viele Unternehmen von der Seite der Digitalisierung.
noch intelligent. Natürlich handelt es sich um von Menschen- Was wird die Digitalisierung mit unserem Geschäftsmodell
hand erstellte Algorithmen. Aber Software gibt es ja schon machen? Welche Fähigkeiten müssen erworben werden, um
lange. Intelligenz ist sicherlich auch eine irreführende Be- fit für die Zukunft zu sein?
schreibung für eine auf Regeln basierende, lernende Lösung. KI ist aber immer nur dann sinnvoll, wenn ich eine passende
KI ist also nicht magisch. Problemstellung habe. Was nützt mir die aus Douglas Adams
Dennoch ist unzweifelhaft, dass es zunehmend mehr Lö- Roman stammende „42“, wenn man die Frage nicht kennt? Im
sungen gibt, die aufgrund ihrer Konzeption schneller als ein Roman und Science-Fiction-Klassiker „Per Anhalter durch die
Mensch komplexe Zusammenhänge erkennen können und Galaxis“ ist „42“ die von einem Supercomputer nach einigen
Lösungsvorschläge daraus ableiten. Wir sollten dabei nicht Millionen Jahren Rechenzeit gegebene Antwort auf die Frage
außer Acht lassen, dass der Lehrer für eine solche Maschine „nach dem Leben, dem Universum und dem ganzen Rest“, mit
immer noch der Mensch ist. der die Protagonisten letztlich nichts anfangen können, weil
die Frage zu vage gestellt war.
Was bedeutet das für das Hier und Jetzt? Gibt es denn schon
interessante Einsatzgebiete für KI? Also ist das ein „Henne-Ei-Problem“?
Stefan Voss: In vielen Produkten und Services spielt KI heute Stefan Voss: Eine typische Anforderung an selbstlernende
bereits eine wichtige Rolle bei Entwicklung oder Experience, Systeme ist ja die Lösung von Optimierungsproblemen. Hier
ohne dass dies immer offensichtlich ist – sei es die Bildoptimie- besteht die Herausforderung weniger in der Zielsetzung als
rung in modernen Smartphones oder Kameras oder die Suche in der Berücksichtigung der Nebenbedingungen. Bei einer
nach neuen Wirkstoffen in Life Science. Allerdings gibt es nicht Über-Simplizifierung ohne ausreichende Berücksichtigung
12 lünendonk magazin 5/2020status quo & ziele
von Komplexität und Interdependenzen kommt es zu uner- Wie sehen Sie die weitere Entwicklung?
wünschten oder sogar potenziell gefährlichen Ergebnissen. Ein
gutes Beispiel dafür ist der selbstlernende Social-Media-Bot, Alexander Broj: Unzweifelhaft wird es mehr KI-Anwendungen
der seinen „Erfolg“ im Sinne von Views, Likes und Shares uner- geben. Wir sehen heute viele Verbindungen von datengetrie-
freulicherweise durch zunehmend radikale Inhalte „optimiert“ benen Lösungen und regelbasierten Systemen, die miteinander
hat und schließlich abgeschaltet werden musste. Das Ziel hat verknüpft eine Prozessverbesserung oder Entlastung für den
die KI hervorragend erreicht, allerdings unter Verletzung einer Menschen bieten.
in diesem Fall ethischen Nebenbedingung. Nehmen sie das Beispiel von Grundfos. Der Pumpenherstel-
ler stattet seine Pumpen nun mit Sensorik aus und sammelt
Alexander Broj: Soll ein Staubsaugerroboter einen kleinen Daten. Diese Daten können für unterschiedliche Anwendungs-
Käfer umfahren? Soll ein autonomes Fahrzeug im Notfall ein fälle verwendet werden. Zum Beispiel, um eine nachhaltige
älteres Ehepaar überfahren anstelle einer Kindergartengruppe? Smart City zu steuern und dabei die Wassernutzung zu opti-
Das setzt auch Grenzen. Daher spielen in KI-Lösungen Zufalls- mieren. Das heißt, wenn erstmal Daten vorliegen, kann man
entscheidungen eine Rolle. in komplexen Gebilden wie einer Stadt anfangen, Lösungen
zu finden. Hier sind KI-Anwendungen natürlich von großem
Menschen machen Fehler und lernen daraus. Wie zeigt sich das Nutzen.
bei der KI?
Stefan Voss: Ein weiteres wichtiges Anwendungsfeld sehe ich
Stefan Voss: In der Tat sind Fehler eine herausragende Quelle in der zunehmend personalisierten Marketingkommunikation.
für Erkenntnisgewinn und damit für lernende Systeme sowie Menschen sind sehr komplexe Wesen, insbesondere in ihrem
deren Optimierungen. Eine regelbasierte Automatisierung Kaufverhalten. Die unüberschaubare Vielfalt von Touchpoints
macht keine Fehler, lernt aber auch nicht. Bei der Entwicklung kombiniert mit höchst individuellen Bedürfnissen und Cha-
solcher Systeme muss also ein gezielter Regelbruch berück- rakteren verlangt geradezu nach einer maschinengestützten
sichtigt werden. Entscheidend ist die Frage, wieviel Regelbruch Optimierung der Markenkommunikation über Inhalte, Kanäle
sein muss und an welcher Stelle er stattfinden soll, um ein und Anlässe hinweg, die die menschlichen Fähigkeiten weit
System erfolgreicher zu machen, als dies eine sture Regelbe- überschreitet und damit die nach wie vor sehr holzschnittar-
folgung täte. tigen Muster von Zielgruppensegmenten, Mediakanälen und
A/B-Tests überwindet.
Alexander Broj: In jedem Fall sollte man als Unternehmens-
lenker nicht nervös werden, nur weil das eigene Unterneh-
men noch keine KI-Lösungen im großen Umfang einsetzt.
Die High-Level-Botschaften helfen hier nicht weiter. Vielmehr
sollten KI-Kompetenzen aufgebaut werden. Diese werden si-
cherlich früher oder später in jedem Unternehmen gebraucht
werden. KI hilft keinem Unternehmen, das seine Daten und
Prozesse nicht im Griff hat.
Damit KI funktioniert, braucht es daher nicht nur Techno-
logiewissen, sondern auch moderne Prozess- und Datenstruk-
turen. Unserer Erfahrung nach sind daher KI-Projekte nur mit
interdisziplinären Teams zu bewältigen.
lünendonk magazin 5/2020 13s t ak taut es gqouroi e &
t i tzei le l e
A B B . 3 . 1 : F Ü R E I N E E I N H E I T L I C H E U N D U M FA S S E N D E
C U S TO M E R E X P E R I E N C E M Ü S S E N D AT E N I M U N T E R N E H M E N
INTELLIGENT VERKNÜPFT WERDEN.
14 lünendonk magazin 5/2020s t ak taut es gqouroi e &
t i tzei le l e
Kundendaten
intelligent
zusammenführen
Von Andreas Frary, Partner, KPS AG
Um Kunden effektiv anzusprechen und langfristig zu binden, bedarf
es einer durchgängigen Customer Experience. Eine solche ist jedoch in
den wenigsten Fällen tatsächlich gegeben. Zu unterschiedlich sind die
jeweiligen Prozesse, Systeme, Schnittstellen und menschlichen Gewohn-
heiten. Wertvolle Unterstützung kann hier eine Digital Experience
Platform, die mit Künstlicher Intelligenz angereichert ist, bieten. Darauf
lassen sich Kundendaten aus unterschiedlichsten Quellen, Kanälen
und Touchpoints intelligent zusammenführen, auswerten und für eine
hervorragende Customer Experience nutzbar machen. Die Kunden
profitieren von professionellen, punktgenau personalisierten Services.
Eine durchgängige Customer Experience scheiterte unternehmen nutzt für seine Kundenansprache
bisher an verschiedenen Faktoren: Zum einen sind einen Newsletter. Die Werbeabteilung ist für den
die technischen Systeme und Prozesse entlang der Versand und die Inhalte zuständig. Obwohl Kun-
Customer Journey zu heterogen, um ein einheitliches den im Rahmen eines Loyalty-Programms mittels
Kundenerlebnis zu ermöglichen. So fehlen wichtige einer Treuekarte im stationären Geschäft einkaufen,
Schnittstellen und standardisierte Normen für in- fließen die Informationen über das Einkaufsverhal-
tegrierte End-to-End-Prozessketten. Zum anderen ten nicht in den Newsletter und in dessen Personali-
liefert häufig der Kunde selbst mit seinen Gewohn- sierung ein. Dies scheitert zum einen bereits an der
heiten und Vorlieben die Gründe für fehlende Durch- Technologie, mit der sich die Daten nicht system-
gängigkeit. Kunden handeln gern nach gewohnten übergreifend über Schnittstellen austauschen und
Mustern und interagieren über verschiedenste Ka- anreichern lassen. Zum anderen liegt die Ursache
näle und Touchpoints mit dem Unternehmen. Dazu in der Organisationsstruktur: Für die Kundenkarte
zählen beispielsweise Telefon, E-Mail, Point-of-Sale, ist die Loyalty-Abteilung zuständig. Diese ist aber
Webshop, Onlinemarktplatz, Newsletter, Chatbots, nicht in die Erstellung der Newsletterkampagnen
Alexa oder Social-Media-Plattformen. So entstehen eingebunden und hat auch keinen Zugriff auf ent-
Informationen an vielen verschiedenen Stellen im sprechende Systeme und Daten. Umgekehrt finden
Unternehmen. Die Daten werden häufig in isolierten die Erkenntnisse aus dem E-Mail-Marketing keinen
Silos verwaltet und lassen sich nur schwer auf eine Weg in das Loyalty-Programm und können nicht
einheitliche Basis stellen. Zudem sind Prozesse oft zur Optimierung des Kundenbindungsprogramms
nicht abteilungsübergreifend organisiert. verwendet werden. Somit bleiben wertvolle Kunden-
Wie die bestehenden Strukturen eine durchgän- informationen ungenutzt und der Kunde erhält im
gige Customer Experience behindern können, zeigt Newsletter weiterhin allgemeine, nicht personali-
folgendes Beispiel-Szenario: Ein Einzelhandels- sierte Inhalte.
lünendonk magazin 5/2020 15status quo & ziele
Daten zusammenführen und wechselseitig DXP bricht Silostrukturen auf
austauschen
Eine Lösung kann hier eine Digital Experience Plat-
Die technologische Herausforderung besteht nun da- form (DXP) bieten. Sie stellt die notwendige Verbin-
rin, diese Hürden zu überwinden, Daten konsequent dung zwischen den Silos her und verknüpft sämtliche
zusammenzuführen und wechselseitig auszutau- Daten zugunsten einer durchgängigen Customer Ex-
schen. Dies setzt die Fähigkeit voraus, mit großen perience. Die Plattform wird dabei zum Kristallisati-
Datenmengen umgehen und daraus einen konkreten onspunkt, wenn es um den Umgang mit Kundendaten
Mehrwert für den Kunden ableiten zu können. Hier- und Interaktionen geht. Sie bildet ein ganzheitliches
für bedarf es einer konsistenten Strategie und kla- Ökosystem, das Content, Commerce und Community
rer Leitlinien für die Prozessorganisation und das mit Werkzeugen zur Automatisierung und Persona-
Datenmanagement. Dabei ist nicht nur das Wissen lisierung vereint. Darüber hinaus verfügt eine DXP
über die Kunden entscheidend, sondern auch über über einen Feedback-Loop: Basierend auf den Inter-
die eigenen Prozesse und Systeme im Unterneh- aktionen mit den Usern kann die Plattform sofort
men. Außerdem müssen Compliance-Vorschriften reagieren und personalisierte Inhalte in Echtzeit zur
wie die Europäische Datenschutz-Grundverordnung Verfügung stellen. Dabei ist die DXP keine isolierte
(DSGVO) verlässlich eingehalten werden. Daher ist Einzellösung, sondern bildet die Basis für ein kom-
eine klare Data Governance erforderlich. Aus dieser plexes, kundenzentriertes Gesamtsystem. Unterneh-
muss stets ersichtlich sein, welche Informationen men können damit ihre Klientel besser kennenlernen,
über den Kunden konkret genutzt werden dürfen zielgenau auf dessen Bedürfnisse eingehen und maß-
und wie mit diesen Daten im Einzelfall rechtssicher geschneiderte Angebote erstellen.
umzugehen ist. Um eine durchgängige Customer Experience zu
Dazu kommt: Eine saubere und konsistente Daten- gewährleisten, müssen auch alteingesessene und be-
grundlage ist unabdingbar, um daraus wichtige Er- währte Organisationsstrukturen grundlegend über-
kenntnisse über kundenspezifische Verhaltensweisen dacht werden. Ein Erfolgsfaktor bei der Einführung
zu ziehen. Denn nur so lässt sich die Transparenz er- einer DXP-Lösung ist die Optimierung der eigenen
höhen und eine 360-Grad-Sicht auf die Gewohnheiten Prozesse. Denn eine durchgängige End-to-End-
und Vorlieben der Kunden erreichen. In vielen Unter- Experience reicht vom Kunden bis in die firmenin-
nehmen stehen jedoch Datensilos, veraltete Systeme ternen Abläufe und Systeme. Dabei unterstützt eine
und verteilte Verantwortlichkeiten einer ganzheit- DXP, die Daten- und Organisationssilos in Unterneh-
lichen Datenstrategie und damit einer durchgängigen men erfolgreich aufzulösen und eine ganzheitliche
Customer Experience im Wege. Datenstrategie zu implementieren.
Traditionelle
Customer Journey
16 lünendonk magazin 5/2020s t ak taut es gqouroi e &
t i tzei le l e
Künstliche Intelligenz
führt durch eine
reibungslose
Customer Journey
A B B . 3 . 2 : K Ü N S T L I C H E I N T E L L I G E N Z K A N N E I N E R E I B U N G S L O S E C U S TO M E R J O U R N E Y
B E S C H L E U N I G E N U N D U N T E R S T Ü T Z E N , M U S S A B E R T R A N S PA R E N T E I N G E S E T Z T W E R D E N .
Künstliche Intelligenz transparent einsetzen Wie die Ergebnisse der Studie zeigen, führt der Ein-
satz von KI bei vielen Kunden zu Verunsicherung.
Ein weiterer Beschleuniger für die Umsetzung einer Daher hat es oberste Priorität, ihr Vertrauen zu ge-
durchgängigen Customer Experience ist Künstliche winnen und langfristig zu sichern. Eine stimmige
Intelligenz (KI). Ihr Einsatz wird jedoch von vielen Datenstrategie kann hier den Rahmen vorgeben, wie
Kunden kritisch gesehen. Um gesetzliche Daten- ein Unternehmen mit den Daten in einem DXP-Öko-
schutzvorgaben einzuhalten, ist die Einwilligung system vertrauenswürdig umgeht. Zudem braucht
der Kunden für personalisierte Angebote zwingend das Marketing klare Vorgaben, nach welchen Regeln
notwendig. Denn Menschen haben gerne die volle sich Kampagnen personalisieren und mithilfe einer
Kontrolle über ihre Daten und erwarten gerade beim DXP umsetzen lassen. Dazu gehört auch der profes-
Einsatz von KI-Technologien eine hohe Transparenz. sionelle Umgang mit den Kundendaten entlang aller
Laut einer repräsentativen Studie von Statista aus relevanten Touchpoints.
dem Jahr 2019 fordern 77 Prozent der Deutschen,
dass KI-Anwendungen als solche identifizierbar Fazit
sind. Auch die automatische Erstellung von Texten
führt zur Verunsicherung bei den Bundesbürgern: Eine durchgängige Customer Experience ist essenziell
Während 43 Prozent KI-Nachrichten für glaubwürdig für die langfristige Bindung zufriedener Kunden. Die
halten, hegen 57 Prozent Zweifel. 54 Prozent befürch- richtige Datenstrategie und der Einsatz einer Digital
ten sogar, dass Entwickler die KI für eigene Zwecke Experience Platform helfen dabei, diesem Ziel einen
missbrauchen könnten. entscheidenden Schritt näherzukommen. Zudem
bildet die DXP die ideale Basis für die Integration
vielfältiger KI-Lösungen, was die Interaktion mit den
Kunden noch effizienter macht.
lünendonk magazin 5/2020 17status quo & ziele
Künstliche Intelligenz
ist das neue
Strategieelement
Bei vielen neuen Technologietrends ist oft die Rede von „Das ist doch nur
alter Wein in neuen Schläuchen …“ oder „Das gab es früher auch schon,
hieß nur anders …“. Auch beim Thema Künstliche Intelligenz sind solche
und ähnliche Aussagen oft zu hören. Manchmal sind sie auch gar nicht
so falsch, denn was häufig als KI bezeichnet wird, ist bei genauem
Hinsehen eher Data Analytics auf Basis von guten Prognosemodellen und
Algorithmen oder die einfache, nicht-intelligente Automatisierung von
Routineaufgaben (Robotic Process Automation, RPA).
Automatisierung ist Top-Thema denservice (beispielsweise Chatbots, Beantwortung
von Unternehmen einfacher Kundenanfragen) gibt es hohes Potenzial.
Ein Anwendungsbeispiel aus der IT ist der Einsatz von
Egal, in welchen Bereich eines Unternehmens hi- Bots zur Lösung von häufig auftretenden Incidents
neingeleuchtet wird: Es sind sehr häufig Automati- im First-Level-Support. Auch im Asset- und Configu-
sierungsthemen, die derzeit geplant und umgesetzt ration-Management können durch Automatisierung
werden – sei es zur Automatisierung von manuel- hohe Effizienzvorteile erzielt werden.
len und zeitraubenden Verwaltungstätigkeiten oder Wenn komplexere Prozesse, die kognitive Anforde-
um Prozessketten wie Supply Chain und Produktion rungen stellen, automatisiert werden sollen, stoßen
durch schnellere Durchlaufzeiten schlanker zu ge- einfache und nicht-intelligente Tools wie Robotic
stalten. Laut der Lünendonk®-Studie 2019 „Der Markt Process Automation (RPA) schnell an ihre Grenzen.
für IT-Dienstleistungen in Deutschland“ ist die Auto- Erst durch die Kombination von RPA mit Machine
matisierung von Geschäfts- und IT-Prozessen eines Learning und KI wird die Automatisierung von kom-
der Top-Investitionsthemen der befragten CIOs, CDOs plexen Prozessen ermöglicht. Typische Beispiele sind
und CFOs für die kommenden Jahre. So gaben mehr die Verarbeitung von unstrukturierten Daten (etwa
als jeder zweite Studienteilnehmer an, 2020 einen Social-Media-Daten, Bild- und Videodateien) oder die
Investitionsfokus auf Automatisierungsvorhaben zu automatisierte Beantwortung von Kundenanfragen in
legen, um die fachlichen Kernprozesse zu optimie- Customer Service Centern.
ren. Aber nicht nur bei den Fachprozessen besteht Laut einer aktuellen Lünendonk®-Studie „Robot
Optimierungspotenzial, sondern auch bei den IT-Pro- Process Automation“ aus dem Jahr 2019 setzen zwar
zessen. 58 Prozent der befragten großen Unternehmen und
Use Cases für Automatisierungspotenziale finden Konzerne RPA ein oder planten zum Zeitpunkt der
sich in nahezu allen Funktionsbereichen, vor allem Erhebung den entsprechenden Tool-Einsatz. Aller-
im Bereich von Verwaltungstätigkeiten wie dem dings haben die für diese Studie befragten CIOs, CDOs
Rechnungswesen, der Auftragsbearbeitung, dem und CFOs die Grenzen von RPA bereits durchaus
Bestellwesen, Bewerbermanagement oder im Risk- erkannt und sind der Auffassung, dass nur durch die
und Compliance-Bereich bei der Identifikation von Kombination von RPA mit KI-Technologien ein weit-
Abweichungen oder Anomalien. Aber auch im Mar- aus größerer Teil der Prozesse automatisiert werden
keting (etwa Kampagnenmanagement) oder im Kun- kann als ohne den Einsatz von Künstlicher Intelligenz.
18 lünendonk magazin 5/2020s t ak taut es gqouroi e &
t i tzei le l e
1
2
3
64 %
Rollout von neuen
Businessanwendungen
59 %
Automatisierung
der fachlichen Kernprozesse
50 %
Automatisierung
der IT-Prozesse
Top-Drei-
Investitionsschwerpunkte
der Unternehmen
A B B . 4.1: I N V E S T I T I O N S T H E M E N D E R A N W E N D E R U N T E R N E H M E N
Quelle: Lünendonk®-Studie 2019 „Der Markt für IT-Dienstleistungen in Deutschland“
Demnach sind die befragten Manager der Auffassung, Das größte Potenzial für künftige Einsatzbereiche
dass sich durch die intelligente Automatisierung sehen die befragten Führungskräfte im Kundenser-
knapp 30 Prozent (28 %) der Prozesse automatisieren vice und in den After-Sales-Services. Drei von vier
lassen. Ohne KI reicht das Potenzial von RPA „nur“ zur Befragten (76 %) sehen hier sehr viel Potenzial, um
Automatisierung von 15 Prozent aller Prozesse. Verbesserungen mittels KI-Anwendungen zu erzie-
len. Danach folgen mit 65 Prozent die Produktion, die
Status von KI in deutschen Unternehmen Logistik/Supply Chain (63 %) sowie Forschung und
Entwicklung (63 %), der Vertrieb (61 %) und Marke-
Aufgrund der technologischen Voraussetzungen ha- ting (54 %). Die größten Zuwächse zwischen heutigen
ben sich immer mehr Unternehmen mit den Möglich- Anwendungsfällen und zukünftigen Potenzialen zei-
keiten des Einsatzes von KI-Tools beschäftigt. Die Lü- gen sich in den Bereichen Human Resources und
nendonk®-Studie 2019 „Künstliche Intelligenz – Eine Einkauf, wobei das Potenzial immer noch deutlich
Studie zum Status quo in deutschen Unternehmen hinter dem anderer Bereiche liegt. Denn auch in den
und zu zukünftigen Anwendungsfällen“ zeigt zwar, anderen Unternehmenseinheiten gehen die Studien-
dass KI derzeit noch ein Feld für Experimente ist. Dies teilnehmer von deutlichen Zuwächsen aus.
wird an der Zahl der produktiven KI-Projekte deutlich.
Weniger als die Hälfte der KI-Projekte (41 %), die in der Algorithmen werden intelligent
Vergangenheit angestoßen wurden, sind heute im
Produktivbetrieb. Oftmals handelt es sich um isolierte Im Grunde ist KI die konsequente Weiterentwick-
Projektinitiativen in einzelnen Fachbereichen. Vor lung von Predictive Analytics, weil nicht nur Algo-
allem in den Bereichen Kundenservice (etwa Chat- rithmen zur Datenanalyse und Prognose genutzt
bots) und After Sales (beispielsweise schnellere Ser- werden können, sondern die intelligente Software
viceprozesse 24/7), aber auch im Vertrieb (individua- durch Machine Learning in der Lage ist, selbstständig
lisierte Angebote), der Logistik und Supply Chain, im Muster in großen Datenmengen zu erkennen und
Marketing (etwa Customer Profiling, Churn Analytics) somit komplette Prozesse beziehungsweise Routi-
und in der Produktion (beispielsweise Qualitätsma- neaufgaben selbstständig durchzuführen. In Kom-
nagement, Predictive Maintenance, Betrugserken- bination mit Robotics-Technologien entstehen somit
nung) gibt es unzählige Anwendungsfälle. intelligente Systeme, die bestimmte Aufgaben für den
lünendonk magazin 5/2020 19s t ak taut es gqouroi e &
t i tzei le l e
Von der einfachen Massen-
bearbeitung zum selbstlernenden,
intelligenten System
4
3
2
1
Einsatz Künstlicher Intelligenz
AUTONOMOUS
Prozesskomplexität
AGENTS
D IG I T A L Komplexe Software-
A S S IS T A N T S
systeme, die unter
C O G N I T IV E Einsatz von Deep
Softwaroboter mit Learning selbstständig
A U T O M A T IO N
sprach- und Entscheidungen
R O B O T IC P R O C E S S textbasierten treffen und Prozesse
Automation kom- Nutzer-Interfaces
A U T O M A T IO N ( R P A ) initiieren und damit
plexerer Prozesse (Chatbots) unter
unter Verwendung Schlüsselfunktionen
Softwareroboter Einsatz von Natural automatisieren
unstrukturierter Language Processing
zur Automation Daten und unter können
repetitiver und Einsatz von Machine
regelbasierter Learning
Prozesse unter
Verwendung
strukturierter Daten
Automationsgrad
A B B . 4.2: D A S V I E R - S T U F E N - M O D E L L Z U R I N T E L L I G E N T E N P R O Z E S S A U TO M AT I O N
Quelle: Horváth & Partners
20 lünendonk magazin 5/2020status quo & ziele
KI-Anwendungen und Potenziale
Heutige Anwendungsfälle Zukünftige Potenziale Zunahme
Marketing 23 % 23 % 46 % 54 % 32 % 86 % +40
Vertrieb 27 % 18 % 45 % 61 % 36 % 97 % +52
Kundenservice/After Sales 25 % 42 % 67 % 76 % 17 % 93 % +26
Forschung & Entwicklung 17 % 28 % 45 % 63 % 21 % 84 % +39
Produktion 22 % 33 % 55 % 65 % 17 % 82 % +27
Logistik, Supply Chain 38 % 13 % 51 % 63 % 26 % 89 % +38
Einkauf 10 % 15 % 19 % 38 % 57 % +42
Finance & Controlling 9 % 14 % 23 % 15 % 31 % 46 % +23
Geschäftsleitung 10 % 10 % 18 % 9% 27 % +17
Human Resources 5% 8 % 24 % 32 % +27
sehr viele Anwendungsfälle/sehr viel Potenzial viele Anwendungsfälle/viel Potenzial
A B B . 4 . 3 : H E U T I G E A N W E N D U N G S FÄ L L E
U N D Z U K Ü N F T I G E P OT E N Z I A L E
Quelle: Lünendonk®-Studie 2019 „Künstliche Intelligenz“ in Zusammenarbeit
mit Ginkgo Management Consulting und Ginkgo Analytics
Menschen übernehmen können. Aus diesem Grund spricht bare Aufgaben übernehmen. Ein Beispiel ist Text Mining, also
man auch oft von intelligenter Automatisierung, wenn vom das Durchsuchen von Dokumenten nach Schlagworten. Durch
Einsatz von KI zusammen mit RPA oder Robotern zur Opti- Text Mining können beispielsweise Compliance-Verstöße oder
mierung von Geschäfts- und IT-Prozessen in Unternehmen die Betrugsfälle besser und schneller aufgedeckt werden. Ebenso
Rede ist. So setzen in letzter Zeit immer mehr Unternehmen zur lassen sich Eingangsdokumente automatisch den richtigen
Identifizierung weiterer Prozessoptimierungspotenziale auf Sachbearbeitern zuordnen. In einigen Bereichen beantwor-
Technologien wie Process Mining, um damit Ineffizienzen wie ten KI-basierte Dokumentenmanagementsysteme auch autark
Doppelarbeiten oder lange Durchlaufzeiten in ihren Prozessen einfache Kundenanfragen und geben beispielsweise Eingangs-
zu identifizieren. Nach einer solchen Analyse setzen Unter- bestätigungen, übernehmen Änderungen in den Stammdaten-
nehmen immer häufiger intelligente Bots ein, die zunächst sätzen (Adress- und Namensänderungen, Kontodaten etc.) oder
vergleichsweise einfache Routinearbeiten für standardisier- legen Bestellungen automatisch in den IT-Systemen an.
lünendonk magazin 5/2020 21k ategorietitel
KI als disruptive Kraft
– Auswirkungen von KI auf
unterschiedliche Funktionen
Kunden 94 %
Backoffice-Prozesse 72 %
Produktion 63 %
A B B . 4 . 4 : D A S D I S R U P T I V E P OT E N Z I A L V O N
KÜNSTLICHER INTELLIGENZ UND DIE AUS-
(Kundenzentrische) Prozesse 53 % WIRKUNGEN VON KI AUF UNTERSCHIEDLICHE
FUNKTIONEN
Produkte & Services 47 % Quelle: Lünendonk®-Studie 2019 „Künstliche Intelligenz“ in Zusammenarbeit
mit Ginkgo Management Consulting und Ginkgo Analytics
Mitarbeiter 34 %
KI hat disruptives Potenzial Der Mensch wird weiter im Mittelpunkt
stehen
Die Beispiele in diesem Artikel zeigen: KI wird in fast allen
Branchen zu disruptiven Veränderungen führen und die di- Laut der eben zitierten Lünendonk®-Studie 2019 wird es aus
gitale Transformation ermöglichen. Mehrwerte durch den Sicht der Studienteilnehmer zukünftig so gut wie keine voll-
Einsatz von KI erwarten die in der Lünendonk®-Studie 2019 autonomen KI-Systeme geben, sondern KI wird auch weiter-
„Künstliche Intelligenz – Eine Studie zum Status quo in deut- hin unter Aufsicht von Mitarbeitern eingesetzt werden. Zwei
schen Unternehmen und zu zukünftigen Anwendungsfällen“ Drittel der derzeit eingesetzten KI-Lösungen in den befragten
befragten Unternehmen im Wesentlichen auf den Gebieten Unternehmen im deutschsprachigen Raum arbeiten weitestge-
Analyse des Kundenverhaltens, intelligente Touchpoints, hend teilautonom und sollen das größtenteils auch zukünftig
Dokumentenabgleich, Risiko- und Kreditbewertung, Prozess- tun. Allenfalls bei stark standardisierbaren Prozessen wie dem
automatisierung, Schaffung neuer Services, Kostenoptimie- automatischen Ausspielen von Werbung auf Webseiten, bei
rung und Qualitätssteigerung. Daher geben zwei von drei der automatischen Produktvorschlägen oder ähnlich unkritischen
befragten Manager an, dass KI in den kommenden fünf Jahren Aufgaben halten die befragten Führungskräfte vollautonome
sehr große oder große Auswirkungen auf die Prozesse und das Lösungen derzeit für sinnvoll und richtig.
Geschäftsmodell ihres Unternehmens haben wird. Unter der Prämisse „Human in the loop“ setzen die meisten
Problematisch ist jedoch, dass oft kein unternehmensweites Unternehmen KI-Werkzeuge zur Unterstützung der Mitarbeiter
Verständnis darüber besteht, was unter Künstlicher Intelligenz und Kunden im Alltag ein. So unterstützt KI beispielsweise die
zu verstehen ist. In den meisten von Lünendonk befragten Entwicklungsabteilung bei der Verifizierung und beim Test
Unternehmen (76 %) gibt es noch keine einheitliche und von Konstruktionen oder die Qualitätsabteilung mittels Bil-
bereichsübergreifende Definition und Konkretisierung dieses derkennung beim Aufdecken von Produktfehlern. Aber auch
Begriffs. Und selbst dort, wo sie vorhanden ist, existiert kein im Backoffice soll KI mehr und mehr zum Einsatz kommen.
einheitliches Verständnis von KI und ihrem Benefit für das Die automatische Verbuchung kleiner Rechnungsbeträge oder
Unternehmen. Darüber hinaus ist ein großer Behinderungsfak- die Vervollständigung von Buchungstexten sollen Sachbear-
tor die schlechte Datenqualität. Folglich werden KI-Methoden beiter entlasten, sodass Zeit für großvolumige und kritische
derzeit hauptsächlich bei Einzelprojekten in Randbereichen Rechnungen mit großem Impact bleibt. Auch an dieser Stelle
oder vereinzelten Wertschöpfungsschritten angewendet und der Gespräche wurde stets deutlich, dass KI nicht dazu führen
noch nicht in der Breite. soll, Beschäftigte freizusetzen und Personalkosten zu sparen.
Allerdings entwickeln sich die einzelnen regionalen Märkte in
Bezug auf Ethik und Forschungsgeschwindigkeit sehr unter-
schiedlich. So wird der Einsatz von KI in den USA und China
zur Analyse von menschlichem Verhalten komplett anders
bewertet als in Europa.
22 lünendonk magazin 5/2020status quo & ziele
Experten glauben,
dass KI in den
kommenden 5
Jahren große oder
sehr große Auswir-
kungen auf die
Prozesse und das
Geschäftsmodell
ihres Unternehmens
haben wird.
DIGITAL
Trotz der disruptiven DISRUPTION
Kraft der KI steht
der Mensch weiter im
81
Mittelpunkt
%
glauben, dass KI in ihrer
Branche disruptive
Veränderungen anstoßen kann.
Hauptbereiche disruptiver Veränderungen
Intelligente
Planungs- Predictive
systeme Pricing
Autonomes
Fahren
Intelligente Unterstützung
Kunden- bei Entwicklung
ansprache
lünendonk magazin 5/2020 23o rg a n i s at i o n & k u lt u r 24 lünendonk magazin 5/2020
o r g aknaitseagtoi or n
i e t&i tkeul l t u r
KI braucht Organisation:
Wie Künstliche Intelligenz
mit den richtigen Maßnahmen
zum Erfolg wird
Interview mit Niels Pothmann, Head of AI, Arvato Systems
und Martin Weitzel, Innovation Lead, Arvato Systems
Die richtige Organisation von KI-Projekten gilt als Grundvoraussetzung
für den erfolgreichen KI-Einsatz in Unternehmen. Welche KI-
Kompetenzen aufgebaut und welche Voraussetzungen im Unternehmen
geschaffen werden sollten, erklären die Experten von Arvato Systems,
Niels Pothmann, Head of AI, und Martin Weitzel, Innovation Lead.
KI-Projekte umzusetzen und KI zu nutzen berührt viele Welche Voraussetzungen müssen Unternehmen schaf-
Unternehmensbereiche. Welche KI-Kompetenzen und fen, um KI erfolgreich einzusetzen?
-Rollen sind nötig?
Martin Weitzel: Die zentrale Voraussetzung für er-
Niels Pothmann: Im Wesentlichen kann zwischen folgreiche KI-Projekte ist die bereichsübergreifende
technischen und fachlichen Spezialisierungen unter- Kollaboration. Mitarbeiter müssen zusammenar-
schieden werden. Auf technischer Seite braucht es ei- beiten können, wollen und dürfen. Unternehmen
nen Data Engineer bzw. Data Architect, der die Daten müssen – auch heutzutage noch – oftmals erst die
erfasst und konsolidiert. Damit schafft er die Basis für technischen, prozessualen und kulturellen Voraus-
den Machine Learning Engineer oder Data Scientist, setzungen schaffen, bevor die für die KI-Adoption
der technische Kompetenz und fachliche Ausrichtung notwendigen Mitarbeiter gezielt zueinander finden
verbindet. Er überführt die Aufgabenstellung mit Ma- können. Um all das umzusetzen, braucht es eine klare
chine Learning und KI in automatisierte Verfahren. und greifbare Vision, an der alle gemeinsam arbeiten.
Auf fachlicher Ebene zeigt ein KI-Botschafter die Vor- Und ja, das kostet Zeit und Geld.
teile einer KI-Lösung auf und ein Product Owner treibt
das Thema voran. Zusammen mit Experten aus der
Fachabteilung wird die funktionale Ausrichtung der
Lösung vorgegeben.
lünendonk magazin 5/2020 25o rg a n i s at i o n & k u lt u r
Wie lässt sich ein optimales Zusammenspiel organisa-
torisch sicherstellen?
Martin Weitzel: Das hängt vom Status quo ab. Wer
in Sachen KI am Anfang steht und noch die rich-
tigen Ideen sucht, kann beispielsweise zunächst mit
einer strukturierten Innovationskampagne starten.
Denn wenn die Inhalte unklar sind, hilft es, den Pro-
zess umso klarer zu gestalten. Wer bereits Ideen hat,
der setzt eher ein Programm auf, in dem Strategie,
Steuerung und Coaching der KI-Umsetzungen gere-
gelt sind. Das Wie hängt dabei stark von der Inno-
vations-DNA eines Unternehmens ab. Für die einen
liegt die Antwort zum Beispiel in einem dezentralen
KI-Transformationsprogramm, für andere wiederum
möglicherweise in einem zentralen Innovation Lab.
Bei Arvato Systems haben wir ein interdisziplinäres
Artificial Intelligence Competence Cluster, das heißt
ein standortübergreifendes Netzwerk mit rund 120
Experten, das dezentral in verschiedenen Geschäfts-
bereichen verankert ist. Einige Punkte sind aber
grundsätzlich immer zu beachten:
1. Klare Verantwortlichkeiten:
Gerade in einem integrativen Ansatz
muss geregelt sein, wer was verantwortet.
2. Ambitionen festlegen:
Es braucht Businesspläne mit Hypothesen,
die im Verlauf der Zeit validiert werden können.
3. Agilität, Flexibilität und DevOps:
Kurze Entscheidungswege, Kollaboration
und Experimentierfreude erlauben, produktive
KI-Services schnell zu entwickeln.
4. Rahmenbedingungen:
Klare Leitplanken, etwa bezüglich Budget
und Datenschutz, sind Pflicht.
5. Spielregeln:
Ein Top-Management-Pate gibt Regeln vor,
die gegebenenfalls von den sonst üblichen
Regeln abweichen können: Vielleicht sind zum
Start beispielsweise gute Storys wichtiger als
Umsatz oder Kostenersparnisse.
6. Übersetzer:
Es braucht Rollen, die technische Aspekte
fachlich verständlich – und umgekehrt
– vermitteln können.
26 lünendonk magazin 5/2020o rg a n i s at i o n & k u lt u r
Wie bleiben die Beteiligten im dynamischen KI-Umfeld Nicht jedes Unternehmen kann die notwendigen Kom-
fachlich up to date? petenzen aufbauen. Was zeichnet einen guten Dienst-
leister aus?
Niels Pothmann: KI ist nicht neu, doch viele Lö-
sungen sind erst heute praktisch umsetzbar. Es fehl- Niels Pothmann: Hier gibt es keine pauschale Ant-
ten Daten und Rechenkapazitäten. Die Herausforde- wort. Einige Unternehmen müssen beispielsweise
rung besteht nicht nur darin, KI umzusetzen, sondern noch den passenden Use Case finden. Da können wir
insbesondere mit der Entwicklung Schritt zu halten. etwa mithilfe unserer Methode der AI Journey unter-
Darum müssen Firmen ihr KI-Team weiterbilden. stützen: Wir identifizieren sinnvolle Use Cases, pilo-
Zum einen lohnt der Blick auf Hyperscaler, die ihre tieren sie, implementieren einen produktionsreifen
Cloud-Portfolios sukzessive ausbauen, indem sie Be- Prototyp und überführen die KI-Lösung in den Re-
triebs- und Anwendungsumgebungen für KI integrie- gelbetrieb. Dieses Vorgehensmodell haben wir auch
ren. Zum anderen ist es ratsam, sich die Erkenntnisse ausführlich im Arvato-Systems-E-Book „Wie Unter-
von Universitäten und Forschungseinrichtungen zu- nehmen von Künstlicher Intelligenz profitieren. Vo-
nutze zu machen. Viele geben Open-Source-Projekte raussetzungen, Einsatzszenarien und Realisierungs-
an ihre Community weiter. Damit werden neue KI- wege für KI-Projekte“ beschrieben.
und Machine-Learning-Methoden rasch einsetzbar.
Arvato Systems und der Bertelsmann Konzern setzen Martin Weitzel: Individuelle Beratung und Umset-
auf kontinuierliches Lernen: Mitarbeiter sollen sich zungskompetenz sind also wichtig. Um Kernprozesse
mit sinnvollen Technologien vertraut machen. Und zu optimieren, setzen viele bereits Pilotprojekte um
nichts geht über Learning by Doing. Das theoretische und integrieren produktive KI-Services. Dabei stellt
Wissen anzuwenden, ist unverzichtbar. sich oft die Frage: Standard- oder Individuallösung?
Ein Medienunternehmen, das junge Künstler unter
Vertrag nehmen will, oder ein Finanzdienstleister,
der in lukrative Start-ups investieren möchte, braucht
keine Standardlösung. Um besser als der Marktdurch-
schnitt zu sein, benötigen solche Firmen ein einzigar-
tiges Tool. Es muss dennoch keine Individuallösung
sein. Sie zu entwickeln, ist nämlich zeit- und kos-
tenintensiv. Es hat sich bewährt, Standardlösungen
individuell anzupassen, um Performancevorteile zu
erzielen und sich vom Wettbewerb abzuheben.
Niels Pothmann: Ein guter Dienstleister geht des-
halb auf die individuellen Anforderungen des Un-
ternehmens ein. Er passt die Datenlandschaft sowie
Geschäftsabläufe an und ergänzt sie um weitere
Prozesse, Plattformen, Daten und Technologien. Zu-
dem stellt er KI-Microservices für die Fachbereiche
bereit. Bei der praktischen Umsetzung vernetzt er
die Datenquellen zwischen den Fachbereichen und
bringt sein Know-how für Machine Learning und Data
Science ein. Wer einen Anbieter wählt, der in diesen
Punkten überzeugt, macht nichts falsch. Und da sich
KI-Lösungen permanent weiterentwickeln, ist eine
längerfristige Zusammenarbeit ratsam.
27Sie können auch lesen
