Erfolgsfaktoren für die Skalierung von KI Projekten

Autorin/Redakteur: Rachel Boskovitch, Leiterin des Zentraleuropa-Teams bei der Enterprise-AI Plattform Dataiku/gg

Mit Hilfe Künstlicher Intelligenz schaffen Unternehmen bereits vielseitig neue Werte. Nach erfolgreichen Pilotprojekten stellt die Skalierung von KI-Projekten Unternehmen vor neue Herausforderungen und Fragestellungen. Die richtige Strategie, eine ganzheitliche KI-Kultur und passgenaue technische Voraussetzungen ebnen den Weg hin zum erfolgreichen datengesteuerten Unternehmen.

Bild: Dataiku

Jede KI-Journey muss irgendwo beginnen und so setzen eine Vielzahl an Unternehmen bei der Implementierung zunächst auf kurzfristige Ziele, die wissenschaftlich nicht komplex sind, dem Unternehmen aber einen deutlichen Mehrwert bieten – etwa im Sinne einer Kosteneinsparung oder Effizienz- und Qualitätssteigerung. Die Zielsetzung liegt sinnvollerweise darin, aus wenigen anfänglichen Anwendungsfällen einen greifbaren Mehrwert zu schaffen. Um auch über diese ersten Anwendungsfälle hinaus profitabel mit KI zu arbeiten, muss deren Einsatz früher oder später ausgeweitet werden. Um erfolgreich zu skalieren, sollten sich Unternehmen nach und nach auch längerfristige Ziele stecken und die schnellen, simpleren Anwendungsfälle mit komplexeren Projekten mischen. Ziel ist es, KI nicht mehr als isoliertes Thema zu betrachten, sondern als essenziellen Treiber für die Entwicklung des Kerngeschäfts. Das bedeutet vor allem, KI in Geschäftsprozesse einzubetten. Ein Operationsmodell, das die richtige Balance zwischen Bottom-up-Empowerment und Top-down-Unterstützung wahrt, hat sich hierbei bewährt. Wichtige Bestandteile dieser Strategie sind branchenunabhängig die Weiterbildung der Teams, ein demokratisierter Datenzugang, die klare Festlegung von Prioritäten und die Erstellung einer strategischen Roadmap.

Mit den richtigen Investitionsentscheidungen zur erfolgreichen Skalierung

Um KI-Projekte auf den Weg zu bringen, vor allem aber auch zu skalieren, sind sowohl monetäre als auch zeitliche Investitionen notwendig und die richtigen Investmententscheidungen werden maßgeblich zu einer erfolgreichen Skalierung beitragen. In deren Zentrum steht erneut der Gedanke, Analysen und Modelle nicht als eigenständiges Datenprodukt zu sehen. Vielmehr sollte ein miteinander verbundener Stack entwickelt werden, in dem bereits bestehende Datenprodukte die Basis für die Implementierung vieler anderer KI-Anwendungsfälle vorantreibt. Natürlich wird auch Anhand des Return on Invest gemessen werden, wie stark Investitionen auf die Unternehmensziele einzahlen. Gerade wenn in frühen Stadien der Journey vergleichsweise hohe Investitionen notwendig sind, kann ein vermeintlich hinter den Erwartungen zurückbleibender ROI zum echten Skalierungshemmnis werden. Unternehmen sollten dabei aber die weniger offensichtlichen Werte nicht unterschätzen. So kann ein höherer KI-Reifegrad, der durch die Skalierung erreicht wurde, beispielsweise positive Wirkung auf die Reputation des Unternehmens haben und damit neue Werte erschließen oder die Fluktuation von Mitarbeitern vermindern.   

Gesicherten Data Governance Praktiken kommt bereits bei einigen wenigen KI-Anwendungsfällen eine große Bedeutung zu.  Im Zuge der Skalierung wird sich deren Bedeutung jedoch nochmals drastisch erhöhen.  Mit der Ausweitung der KI-Strategie werden auch automatisch größere Datenmengen erfasst, angebunden, aufbereitet, gespeichert und verwendet. Mehr denn je werden hier die Data-Governance-konforme Speicherung und klar geregelte Verwaltung der Daten in den Vordergrund treten, um einerseits die rechtlichen Anforderungen an die Datennutzung zu erfüllen und andererseits den Überblick nicht zu verlieren. Eine grundlegende Voraussetzung sind klare Strukturen. Anstatt Modelle in intransparenten Umgebungen, wie zum Beispiel auf lokalen Rechnern zu erstellen, sollten diese über eine zentrale Plattform mit Echtzeitzugriff abgebildet werden. Unübersichtliche Kommunikation per Mail, die sich bezüglich der Einhaltung von Data Governance-Richtlinien ohnehin schwierig gestaltet, kann ebenfalls über eine solche Plattform abgewickelt werden. Kritische Dateien oder Feedbacks gehen dann nicht verloren und es immer klar einsehbar, woher Daten kommen, wie sie beschaffen sind und bereits aufbereitet oder genutzt wurden.

Die Demokratisierung von KI ist Grundvoraussetzung zur erfolgreichen Skalierung

Im Zuge der Skalierung ist auch die Schaffung einer breiten und integrativen Organisation unabdingbar, um den Anforderungen an große Datenprojekte gerecht zu werden. Konkret bedeutet das: Wesentlich mehr Mitarbeiter müssen Zugang zu Daten erhalten und aktiv in Projekte eingebunden werden. Die Arbeit an KI-Projekten darf dann speziell nicht mehr Teams hochqualifizierter Data Scientists vorbehalten sein, sondern muss auch Ingenieure, Business-Analysten, Marketingexperten, Techniker und Geschäftsprofile auf C-Level einbeziehen. Nur so kann ein umfassender Blick auf Lösungsansätze und potenzielle Use Cases für das gesamte Unternehmen erreicht und die Wertschöpfung maximal vorangetrieben werden.