Ein Standardvorgehen von KI Projekten im KMU Umfeld

Folgender Blogbeitrag wurde von Michael Hausmann im Rahmen der Zertifikatsarbeit “Implementation von KI im KMU Umfeld” im CAS-Studiengang AI Management verfasst und enthält subjektive Färbungen.

In der heutigen Zeit stehen vor allem kleine und mittlere Unternehmen vor der Herausforderung die Methoden der künstlichen Intelligenz (KI) zu nutzen, um die Wertschöpfung steigern zu können. In der Vergangenheit waren die Umsetzung und auch der Betrieb von KI zu wenig wirtschaftlich. Wie sieht die Situation heute aus? 

Aller Anfang ist schwer

Gerade für KMUs ist es schwer den Einstieg zur künstlichen Intelligenz zu finden. Die Vielzahl von KI getriebenen Diensten und Spezialitäten macht eine Auswahl, gerade für fachfremde, sehr schwer. Spezialisierte Fachkräfte sind auf dem Arbeitsmarkt rar und falls jemand gefunden wird, ist die Ressource entsprechend teuer. Als eine der grössten Herausforderungen wird in Unternehmen aus diesem Grund der Fachkräftemangel genannt. Weiter werden auch das Managen von KI-Risiken, Datenprobleme und das fehlende Commitment des Managements genannt. Interessant ist die Studie, welche Bitkom Research aufgrund einer Befragung bei 600 unterschiedlichen Unternehmen in Deutschland getätigt hat. 

Gemäss dieser Studie setzen erst 8 Prozent der befragten Firmen künstliche Intelligenz im eigenen Betrieb ein. Bei den Firmen bis 500 Mitarbeitende möchten rund 23 Firmen in den nächsten zwei Jahren in eine Lösung basierend auf künstlicher Intelligenz investieren. 

Wo sind im KMU sinnvolle Einsatzgebiete?

Die rund 55 Prozent der Firmen bis 500 Mitarbeitende, welche noch nie in KI investiert haben, werden sich fragen, wo KI in ihrem Unternehmen überhaupt zum Einsatz kommen kann. Nachfolgend zwei Beispiele von möglichen Anwendungsfällen. 

Kundenkontakt:
Täglich erreichen Unternehmen Anfragen per E-Mail, Telefon oder über andere Kanäle, deren Bearbeitung viel Zeit und Ressourcen in Anspruch nimmt. Mit Hilfe der Technologien aus dem Bereich der künstlichen Intelligenz («natural language processing»(NLP)) können wiederkehrende Unternehmensprozesse (z.B. Supportanfragen), besser strukturiert und damit schneller bearbeitet werden. Durch solche Automatisierungen kann ein Servicedesk deutlich entlastet und die Kunden schneller bedient werden, wodurch ein klarer Mehrwert erzeugt wird. 

Bildverarbeitung:
Die Bildverarbeitung, meist «Computer Vision» (dt.: computerbasiertes Sehen) genannt, ist ein weiterer Bereich der künstlichen Intelligenz. So werden Systeme bezeichnet, die Objekte in digitalem Stand- und Bewegtbildmaterial erkennen, analysieren und verarbeiten. Nebst der Dokumentenverarbeitung wird die Technologie in den Bereichen Objekterkennung, Mustererkennung, Qualitätsprüfung an Fertigungsmaschinen, sowie Echtzeit-Video-Analysen beim autonomen Fahren eingesetzt. Im KMU wird die Computer Vision jedoch am häufigsten bei wiederkehrenden Arbeiten, wie bei der automatisierten Ablage von Dokumenten verwendet. 

Dies sind zwei Beispiele, bei welchen sich die Umsetzung schon heute direkt auf die Wertschöpfung der Firma auswirken kann. Der Return of Invest wird je nach Anwendungsfall mit ca. ein bis maximal zwei Jahren beziffert. 

Wie setze ich erfolgreich ein KI-Projekt um? 

Mangelnde Datenbasis, keine Akzeptanz der Lösung im Betrieb, falsche Erwartungen, kein Support vom Management -all das sind Aussagen, die beschreiben, warum über 50% aller KI-Projekte nicht erfolgreich umgesetzt werden können. 
Im Rahmen meiner Weiterbildung habe ich mir zur Aufgabe gemacht, zu analysieren wie die Erfolgsquote bei der Umsetzung von KI-Projekten, vor allem im KMU Bereich, erhöht werden kann. Die Wahl für das Vorgehen fiel auf die KI-Projektumsetzung in den vier Schritten:  

1. Business Understanding 
2. Data Understanding  
3. Modelling Prototyping  
4. Monitoring  

Diese bewährte Methode wurde schon vielfach bei grösseren Unternehmen eingesetzt. Daher ging es bei der Analyse und Recherche darum, die Projektumsetzung “KMU-tauglich” zu machen. Dies wurde zunächst auf der theoretischen Basis durchgeführt und anschliessend praktisch umgesetzt. Nachfolgend die wesentlichen Erkenntnisse dazu:

Die Verantwortlichkeit des Projektes sollte nach Möglichkeit auf ein ganzes Team übertragen werden und weniger auf einzelnen Personen lasten. Die breitgefächerten Kompetenzen können kaum von einer Person abgedeckt werden. KI-Projekte sind meistens ein kleiner Teil eines grösseren Projektes. Es ist auch wichtig sicherzustellen, dass die Personen im Projekt die Skills und Erfahrung haben, um die Lösung zu implementieren. Sonst kann es zu erheblichen Verzögerungen kommen, welche sogar zu einem Abbruch des Projekts führen können.

Das Projektteam muss bei der Umsetzung mit verschiedenen Rollen belegt sein. In einem Grossunternehmen werden bei solchen Projekten jeweils folgenden Rollen benötigt:

• Business Owner (Step 1-4)
• Delivery Manager (Step 1-4)
• Analytics Translator (Step 1-4)
• Visualization Analyst (Step 2, Step 3)
• Data Scientist (Step 1 – 4)
• Data Analyst (Step 1-4)
• Data Engineer (Step 1-4)
• Machine Learning Engineer (Step 2-4)
• Data Strategist (Step 2-4)
• KI Evangelist (Step 1-4)

Ein KMU kann es sich kaum leisten, so viele Spezialisten zu engagieren. Um die Projektumsetzung KMU-tauglich zu machen, ist es unumgänglich, dass Projektmitarbeitende mehrere Rollen belegen müssen. Dank dem strukturierten Vorgehen mit der «Projektumsetzung in vier Schritten» konnte das Projekt bei der praktischen Anwendung mit drei Personen umgesetzt werden. Folglich kann das Vorgehen somit definitiv als KMU-tauglich bezeichnet, respektive empfohlen werden.

Ein Lichtstreifen am Horizont?

Amazon, Google, Microsoft, IBM aber auch Firmen wie SAP drängen immer mehr mit Machine-Learning-as-a-Service Lösungen auf den Markt. Das heisst die Provider bieten standardisierte KI-Lösungen an, welche man als Firma mieten und für die eigenen Bedürfnisse trainieren kann. Somit sind die Kosten für die Umsetzung und auch den Betrieb für KMUs erschwinglich und attraktiv.

In naher Zukunft werden auch branchenfremde Personen solche KI-Services von den Providern mieten können. Letztendlich aber basiert der Erfolg auf einer gelungenen KI-Projekt-Umsetzung. Trotz der neuen Möglichkeiten müssen Kernelemente wie die Risiken, die KI-Strategie und vieles mehr im Rahmen der Umsetzung, zumindest vorerst, selbst erarbeitet werden.