Moritz Schröder, Merantix Labs Quick Wins werden zu longterm Disappointment

Das Machen ist von der tatsächlichen Wertschöpfung losgelöst. Nutzen hingegen geht mit Verstehen einher. Und dabei geht es nicht um ein Verständnis komplexer Algorithmen. Das ist der Kern der Differenzierung zwischen Machen und Nutzen. Es muss zunächst priorisiert und an der richtigen Stelle angesetzt werden.

Neben großen Unternehmen betrifft dies auch Start-ups und Mittelständler. Es ist auf allen Ebenen entscheidend, ziel- und nutzenorientiert heranzugehen, wenn der eigene Geschäftswert vorangetrieben werden soll. Hier greift eine einfache Regel: erst der Geschäftswert, dann die Daten, dann die KI. Ein schlechter Geschäftsprozess mit KI optimiert, ist immer noch ein schlechter Geschäftsprozess – im Zweifel wird er noch schlechter. Das heißt, dass zunächst der Mehrwert erkannt werden muss. Anschließend lassen sich die Daten herleiten. Diese Daten machen die Anwendung erst sinnvoll und sind der Schlüssel für eine gute KI-Strategie. Erst im letzten Schritt zeigt sich, an welcher Stelle sich die künstliche Intelligenz dann sinnvoll einsetzen lässt. Der Unterschied zwischen der Schaufenstermethodik und der strategischen Methodik, der sogenannten Low Hanging Fruits, ist der Mehrwert. Diese Low Hanging Fruits sind schnell umzusetzende und direkt nützliche Anwendungen. Aber sie zeichnen sich vor allem durch einen zu Grunde liegenden Business Case aus. Welcher das ist, ist zunächst nicht von Bedeutung. Es könnte beispielsweise die Optimierung von bestimmten Prozessen sein. Die wichtigste Frage ist: Rechtfertigt der Business Case die Investition in KI?

Zu Beginn sollte erst einmal geklärt werden, ob dieses Werkzeug tatsächlich die richtige Lösung für das Problem ist. Hier nehme ich vorweg: Oftmals ist KI das nicht. Wird in dem Prozess Zuverlässigkeit benötigt, ist KI nicht die geeignete Lösung. Sinnvoller ist der Einsatz bei repetitiven und strukturierten Aufgaben. Und ist dieser Mehrwert ermittelt, müssen wir zur Betrachtung der Daten übergehen. Dies ist ein Bereich, in dem es häufig zu eklatanten Fehleinschätzungen kommt, denn Daten sind nicht gleich Daten. Es gibt zahlreiche Dimensionen, die dabei abgedeckt werden müssen. Der richtige Datensatz ist eine Frage des Aufwands. Wieder die Frage: Rechtfertigt der Business Case diesen Aufwand? Weitere Schritte sollten erst eingeleitet werden, wenn die Frage mit einem klaren „ja“ beantwortet werden kann. Der Algorithmus, mit dem gearbeitet werden soll, muss zunächst verstanden und dann im nächsten Schritt präzise an den angedachten Prozess angepasst werden. Denn ein einziger Algorithmus kann nicht jedes beliebige Problem lösen. Dazu ist es wichtig, dass das Management ein Verständnis davon entwickelt, damit neue Möglichkeiten entstehen können. Dieses Verständnis legt das Fundament für weitere Schritte, denn nur so kann nachhaltig damit gearbeitet werden.

Für eine geeignete Strategie ist es wichtig, dass sie mit der allgemeinen Unternehmensstrategie einhergeht, sie unterstützt und keinen Selbstzweck darstellt. Die wichtigen KPIs des Unternehmens soll es als Werkzeug unterstützen und berücksichtigen, ohne dabei selbst im Zentrum zu stehen. Für die Entwicklung muss klar sein, wo der aktuelle Reifegrad des Unternehmens entlang dieser verschiedenen Dimensionen liegt. Die wesentlichen Bereiche, die bei dieser Strategie mitgedacht werden müssen, sind einerseits Struktur und Organisation und andererseits das sogenannte Operating Model, also die Innovationspipeline und die tatsächliche Umsetzung von KI-Projekten. Auch spielt Fachwissen eine wichtige Rolle. Langfristig wird dieser ganzheitliche Ansatz in der Anwendung erfolgreicher sein.