Startklar für KI

Sind Sie startklar für KI? Für viele Unternehmen birgt diese Frage große Unsicherheiten:

• Können wir das überhaupt?
• Bringt uns das überhaupt irgendetwas?

Die Antwort auf beide Fragen steht und fällt mit der Unternehmenskultur. In der digitalisierten und schnelllebigen Welt werden insbesondere diejenigen Unternehmen in Probleme geraten, die sich die Menge an entstehenden Daten nicht für eigene Entscheidungsprozesse zu Nutze machen.

Die 5 Stufen der datengetriebenen Unternehmenskultur

Eine sogenannte “Datengetriebene Unternehmenskultur” ist das Idealbild eines Unternehmens in der heutigen Zeit. Die Evolution zu dieser Kultur lässt sich im Allgemeinen über fünf Stufen beschreiben.

Wo würden Sie sich einordnen?

Nur wenige Unternehmen, insbesondere im Bereich KMU, sind bereits in Stufe 5 angekommen. Dies ist jedoch kein Hindernis, KI-Anwendungen zu testen. Das KI-Potential im Unternehmen lässt sich schon in frühen Phasen und daher auch in KMU rechtzeitig heben. Schon ab Stufe 2 und 3 sind durch die Sammlung von Daten erste Schritte möglich. Viele KI-Anwendungen werden besonders zur Unterstützung in Entscheidungsprozessen, wie in Stufe 4 vorgesehen, konzipiert.

Kompetenzen und Fähigkeiten

Die Entwicklung zum datengetriebenen Unternehmen ist nur dann möglich, wenn im Unternehmen gleichzeitig Kompetenzen im Umgang mit Daten aufgebaut werden. Dies ist essentiell für eine erfolgreiche Implementierung von KI. Der Zusammenhang ist eindeutig: schlechte Daten zum Trainieren eines Modells führen zu schlechten Prognoseergebnissen (siehe auch Lessons Learned). Der Aufbau von Datenkompetenz im Unternehmen sollte sich auf insgesamt sechs verschiedene Kompetenzfelder verteilen. Diese sollten parallel zueinander entwickelt werden, um die Herausforderungen einer datengetriebenen Unternehmenskultur zu meistern.

Die Etablierung einer Datenkultur zielt auf die Kompetenzen ab, Bereiche für mögliche Datenanwendungen zu erkennen und Projekte zur Umsetzung zu koordinieren. Die Sammlung der Daten umfasst ein Konzept zur Datenerfassung (Welche Daten?) und zur Datenspeicherung (etwa die Auswahl und Konzipierung einer geeigneten Datenbankstruktur). Zudem sollte das Konzept auch Fragen des Datenschutzes, Zugangsrechten und Regeln für die Strukturierung der Daten (Normalisierung) enthalten. Zur Auswertung der Daten sind Kompetenzen zur Datenanalyse und Visualisierung erforderlich. Zudem muss eine eindeutige Kommunikation etabliert werden. Aus der Datenanalyse werden sogenannte Datenprodukte, wie etwa Statistiken oder Prognosemodelle, erzeugt. Bei der Interpretation der Datenprodukte sind Kompetenzen erforderlich, um Zusammenhänge abzuleiten, die in spätere Entscheidungsprozesse einfließen. Die Aggregation dieser Datenprodukte verschleiert jedoch mögliche Fehler in den zugrundeliegenden Daten. Durch den Aufbau von Kompetenzen im Bereich der Interpretation der Daten lässt sich die Beschaffenheit der Rohdaten und deren Integrität beurteilen und so Besonderheiten, wie etwa Transformationen, erkennen. Dies ermöglicht entsprechende Korrekturmaßnahmen. Die Datenanwendung umfasst letztlich die Kompetenz zum Ableiten und Umsetzen von Handlungsempfehlungen basierend auf aus Daten gewonnenen Erkenntnissen.

Für die operative Umsetzung der Datenkompetenzen sind wiederum mitarbeiterbezogene und vorwiegend technische Kompetenzen zu berücksichtigen, die in der nachfolgenden Grafik beispielhaft skizziert sind. Die Darstellung umfasst die wesentlichen Bausteine zur Implementierung einer KI-Anwendung.

Die Kompetenzen können dabei innerhalb des Unternehmens verteilt sein. So muss etwa ein Produktionsleiter mit viel Fachwissen im Bereich der Produktion kein Experte im Bereich Data Science sein. Vielmehr ist es förderlich, wenn die Kompetenzen im Unternehmen verteilt sind und KI-Anwendungen in Projektteams aus Experten bearbeitet werden.