Im DACH-Raum (Deutschland, Österreich und Schweiz) hat sich die Künstliche Intelligenz (KI) in den letzten Jahren wie überall auf der Welt rasant entwickelt. Unternehmen haben begonnen, KI-Technologien in verschiedenen Bereichen zu integrieren, von der Automatisierung über die Datenanalyse bis hin zur Verbesserung der Kundeninteraktion.
Doch wo stehen die Unternehmen? Was gelingt? Wo sind die grössten Herausforderungen? Was ist das wichtigste Learning? Ein Beitrag von unserem AI-Experten Robert Schumacher zum aktuellen Status der künstlichen Intelligenz.
Erfolgsbeispiele
Von den hinlänglich bekannten Use Cases sehen wir aktuell nach wie vor viele KI und Gen AI-Anwendungen in internen Prozessen – und noch selten wirklich vollautomatisiert an der Kundenschnittstelle. Denn: Sobald Kunden ins Spiel kommen, beobachten wir nach wie vor jeweils ein Eingreifen des Menschen. Entweder als «Human-lead» Prozess, also der Mensch ist im Lead und beauftragt die KI, etwa auszuführen und zu kreieren. Oder dann als «KI-Lead», mit einem menschlichen Eingreifen, um bspw. eine Kreditvergabe oder ein Bild einer Marketingkampagne auf CI/CD Plausibilität zu überprüfen.
Mehr und mehr gibt es jedoch AI und Gen AI im Einsatz direkt an der Kundenschnittstelle, vor allem mit Chatbots! Hier gibt es inzwischen sehr erfolgreiche Bots, die Aufgaben übernehmen, sei dies im Kundendienst (Service), oder in der Beratung (Sales). Die erfolgreichsten Anwendungen von ChatBots sind dabei im Kundenservice zu finden: Dort unterstützt KI einerseits die Agents und entlasten sie gleichzeitig mit Self-Service Prozessen beim Kunden. Das Potenzial von Bots ist enorm. Gesamte Prozesse können voll-autonom, «end-to-end» intelligent, personalisiert und automatisiert werden, von Bewerbungsprozessen, Kreditkartenanträgen, usw. Hier werden sich erfolgreiche Unternehmen, die gut aufgestellt sind, zunehmend von anderen Unternehmen unterscheiden. Es gilt hier also dringendst, sich als Unternehmen mit den Möglichkeiten und Potenzialen von AI und Gen Ai auseinanderzusetzen.
Bei den internen Prozessen ist weitaus der interne Chat Bot mit Zugriff auf interne Daten der am weitverbreitetste und am erfolgreichsten umgesetzte Use Case. Mit nachweisbaren Effizienzsteigerungen, um an die relevanten und richtigen Informationen zu gelangen und um Wissen innerhalb eines Unternehmens allen Mitarbeitenden gleichermassen zugänglich zu machen. Aber auch dieser Use Case hat es genau auch deshalb in sich, gilt es doch einige Fragen zu lösen: Fragen von Governance, Berechtigungen und Zugriffen, Datenqualität, Modellqualität und Angleichung, Verantwortung und Qualität der Antworten etc etc. Aus guten Gründen setzten sich hier proprietäre KI-Lösungen durch, die mit separater Lizenz laufen und in sicheren Umgebungen mit geschützten, unternehmensspezifischen Daten trainiert werden können.
Herausforderungen
Trotz der nachweislichen Erfolge stehen Unternehmen vor erheblichen Herausforderungen.
Der trägste Faktor bei technologischen Innovationen ist ja bekanntlich nach wie vor der Mensch. Vielmehr sollen sich alle Mitarbeitenden befähigen, mit KI Mehrwert zu schaffen. Dies beginnt wie so oft auf Managementebene. Das Up-Skilling muss also nicht nur vom Management ausgehen, sondern um dies anzustossen, muss sich das Management zuerst selbst mit der neuen Technologie auseinandersetzen. Den Menschen mitzunehmen, ist einer der zentralen Punkte – und wird bei vielen Unternehmen nach wie vor zu wenig berücksichtigt.
Durchaus auch nicht zu unterschätzen ist das Problem des Mangels an qualifizierten Fachkräften. Viele Unternehmen haben Schwierigkeiten, die nötigen Talente zu finden, um ihre KI-Projekte voranzutreiben. Soviel zum Thema Reduktion der Workforces: Definitiv werden gewisse Profile ersetzt und verschwinden. Aber es gibt bereits eine ganze Reihe neuer Jobprofile, die sehr spezialisiert sind, «Prompt Engineer» dabei nur eines von vielen.
Darüber hinaus gibt es Bedenken hinsichtlich der Datensicherheit und des Datenschutzes, die in der Westeuropäischen Region besonders streng geregelt sind und höchste Aufmerksamkeit der Konsumenten geniesst. Data-Governance ist hier das zentrale Stichwort, denn nur wenn der Umgang mit Daten definiert und kontrolliert ist, kann Datenschutz überhaupt gewährleistet werden.
Und zu guter Letzt die Herausforderung der Einbettung von KI in bestehende Unternehmensstrukturen. Dies erweist sich oft als komplexer, zeitintensiver und durchaus auch kostspieliger als ursprünglich gedacht. D.h. unter anderem auch die Kultur entsprechend anzupassen – ausbalanciert zwischen dezentraler Freiheit (um Innovationen zuzulassen) und zentraler Kontrolle (um einerseits Governance sicherstellen zu können und die positiven Effekte skalieren zu können). Denn die Weiterentwicklung, das Einbetten in die Unternehmensstrukturen ist keine technische Frage und keine Frage eines kleinen Ausschusses.
Wichtigste Learnings
Aus den bisherigen Erfahrungen lassen sich wichtige Learnings ableiten:
Erstens ist die kontinuierliche Weiterbildung der Mitarbeiter entscheidend. Unternehmen, die diesbezüglich in Mitarbeitende investieren – sei es auch nur mit dedizierter Zeit, um Cases mit Gen AI auszuprobieren, sind besser auf die Herausforderungen der KI vorbereitet.
Zweitens zeigt sich, dass ein schrittweises Vorgehen oft effektiver ist als radikale Veränderungen. Pilotprojekte und Testläufe ermöglichen es, KI-Anwendungen unter realen Bedingungen zu erproben und anzupassen.
Drittens – und das ist der wichtigste Punkt: Unternehmen müssen sich damit auseinandersetzen – jetzt! Auch wenn dann auch eine Schlussfolgerung sein kann, dass AI / Gen AI momentan keine grossen Verbesserungen für das Unternehmen bringt, dann hat man jedoch eine Antwort, indem man sich damit auseinandergesetzt hat. Viel öfters wird man jedoch zum Schluss kommen, dass sich einiges an (schlummernden) Potential im Unternehmen versteckt, welches einerseits Effizienz steigern kann (bislang die meisten Cases) aber auch die Effektivität erhöhen kann (viel grösseres Potenzial).
"Gen AI ist nicht gekommen, um zu bleiben, sondern um sich weiterzuentwickeln."
Robert Schumacher, Director & AI Consultant
Fazit
Die KI hat einen erheblichen Innovationsschub ausgelöst, doch wir stehen erst ganz am Anfang. Erfolgreiche Beispiele aus verschiedenen Anwendungen und Branchen zeigen das enorme Potenzial der Technologie. Dennoch müssen Unternehmen einige Herausforderungen lösen. Für die einzelnen Unternehmen gilt es deshalb, sich unbedingt mit der Technologie auseinanderzusetzen: Use Cases finden, evtl. mit einem Lean-Business Case unterlegen, Infrastruktur, Prozesse und People – das Fundament legen, Governance und Daten-Issues definieren und dann Test – Learn – Optimize, in kurzen Iterationen mit interdisziplinären Teams Cases umsetzen.
Robert ist ein Pionier des datengetriebenen Marketings in der Schweiz. Mit über 20 Jahren Erfahrung im Direktmarketing und als Dozent für digitales Marketing unterstützt er Unternehmen dabei, ihre Kundenbeziehungen durch intelligente Datennutzung zu optimieren. Seit 2015 leitet er bei gateB die Geschäftsentwicklung im Bereich Intelligent Customer Engagement und hilft Unternehmen, Kundenerlebnisse zu verbessern und ihre Profitabilität zu steigern.
Robert ist ein Pionier des datengetriebenen Marketings in der Schweiz. Mit über 20 Jahren Erfahrung im Direktmarketing und als Dozent für digitales Marketing unterstützt er Unternehmen dabei, ihre Kundenbeziehungen durch intelligente Datennutzung zu optimieren. Seit 2015 leitet er bei gateB die Geschäftsentwicklung im Bereich Intelligent Customer Engagement und hilft Unternehmen, Kundenerlebnisse zu verbessern und ihre Profitabilität zu steigern.
Wir unterstützen Unternehmen dabei, durch Daten, Technologie & AI ihre Kundenbeziehungen zu festigen. Besuchen Sie uns auf der OMR24 und erfahren Sie, wie wir dasselbe für Sie erreichen können.
