Zum Auswahlprozess für Aufgabengebiete, die sich potenziell durch KI ersetzen lassen, gibt es einen systematischen Ansatz, der Elemente aus verschiedenen ingenieurwissenschaftlichen und Informatik-Disziplinen kombiniert. Dieses Vorgehensmodell kann insbesondere für die Identifizierung und Umsetzung von KI-gestützten Prozessen in Unternehmen nützlich sein.
Das Vorgehensmodell, oft auch als KI-Engineering bezeichnet, folgt im Allgemeinen diesen Schritten:
- Analyse des Ist-Zustandes: Zuerst wird eine gründliche Analyse der bestehenden Arbeitsprozesse vorgenommen, um die Abläufe zu verstehen, die potenziell durch KI-Systeme ersetzt oder verbessert werden können.
- Bewertung des KI-Potenzials: Im nächsten Schritt wird die Eignung der identifizierten Prozesse für KI-Anwendungen bewertet. Hierbei wird untersucht, welche Prozesse standardisierbar und routinierbar sind und in welchem Maße Daten verfügbar sind, um effektives KI-Training und -Integration zu gewährleisten.
- Modellierung der SOLL-Prozesse: Basierend auf der vorangegangenen Bewertung werden die gewünschten Soll-Prozesse modelliert. Diese Phase beinhaltet die Gestaltung der KI-gestützten Prozesse, indem festgelegt wird, wie diese Prozesse idealerweise ablaufen sollten.
- Auswahl der KI-Technologie: Nachdem die Soll-Prozesse definiert sind, folgt die Auswahl geeigneter KI-Technologien und -Produkte, die zur Implementierung dieser Prozesse erforderlich sind. Dies umfasst die Evaluation verschiedener KI-Modelle und -Tools, die spezifisch auf die Bedürfnisse des Unternehmens zugeschnitten sind.
- Implementierung und Test: Die ausgewählten KI-Lösungen werden implementiert und in einer Testumgebung erprobt, um sicherzustellen, dass sie wie beabsichtigt funktionieren und die erwarteten Verbesserungen liefern.
- Überprüfung und Optimierung: Nach der Implementierung erfolgt eine fortlaufende Überprüfung und Feinabstimmung der KI-Systeme, um ihre Effizienz und Wirksamkeit sicherzustellen und kontinuierlich zu verbessern.
Dieses Vorgehensmodell erfordert eine interdisziplinäre Zusammenarbeit von Experten aus der Informatik, Datenwissenschaft und den entsprechenden Fachbereichen des Unternehmens. Durch die systematische Anwendung dieses Modells können Unternehmen fundierte Entscheidungen darüber treffen, welche Aufgabenbereiche effizient durch KI ersetzt oder unterstützt werden können. Nach meinen persönlichen Erfahrungen aus über 30 Jahren Digitalisierung sind also KI-Projekte noch vielschichtiger und erfordern noch mehr Bereitschaft, Verständnis zu entwickeln und andere Menschen mitzunehmen, als bisherige Projekte.
Quellen: Fraunhofer Institut, Hannover-Messe, eigenes Know How