Linse eins: Partnerschaft mit KI

Machine Learning (ML) und Künstliche Intelligenz (KI) gewinnen in allen Branchen an Zugkraft. Von der Automatisierung alltäglicher Geschäftsprozesse bis hin zur Unterstützung strategischer Entscheidungsfindung – wir beobachten eine rasche Übernahme verschiedenster Anwendungsfälle. Durch ein besseres Verständnis der jeweiligen Stärken und Grenzen von Menschen und Maschinen können Unternehmen ausgewogene und produktive Partnerschaften zwischen ihren Mitarbeiter:innen und KI entwickeln. Sie können so größtmöglichen Nutzen aus aufkommenden Technologien ziehen, ohne dabei die möglichen ethischen Auswirkungen aus den Augen zu verlieren.

Unter die Lupe genommen 

Wenn wir wirklich mit KI zusammenarbeiten wollen, dürfen wir sie nicht als ein Werkzeug zur Lösung aller Geschäftsprobleme betrachten. Vielmehr müssen wir verstehen, wo sie Mehrwert erzeugt, wo menschliches Handeln erforderlich ist, um ihr Potenzial auszusch pfen und wo sie sich als unwirksam erweisen könnte.

Einige unternehmerische Probleme – zum Beispiel solche, die eine Nutzung historischer Daten oder schnelle digitale Feedbackschleifen erfordern – lassen sich durch den Einsatz von KI zu vollständig automatisierten Prozessen oder Entscheidungsfindungen entwickeln. Für andere jedoch – insbesondere solche, die Kreativität, Intuition und zeitintensivere strategische Feedbackschleifen erfordern – dient KI am besten als Verstärkung der menschlichen Talente.

KI-gestützte Techniken werden mehr und mehr zum Mainstream und berühren daher auch mehr Bereiche unseres täglichen Lebens. Daher müssen ihre Auswirkungen aus einer ethischen Perspektive betrachtet werden. Dies treibt die Forschung und Entwicklung von Tools voran, um erklärbare KI (XAI) und robustere Governance-Prozesse, darunter auch eine automatisierte Compliance, zu unterstützen.

Zu den Signalen gehören:

• Ein anhaltender Investitionsschub in KI-Forschung und -Anwendungen. Das Marktforschungsunternehmen IDC schätzt, dass der weltweite KI-Markt bis 2024 die 500-Milliarden-Dollar-Grenze durchbrechen wird
• Anhaltend hohe Nachfrage nach ML-, KI- und Datenspezialist:innen auf dem Stellenmarkt. Laut LinkedIn, waren KI-Spezialist:innen 2020 die am schnellsten wachsende Stellenkategorie, während Glassdoor 2021 Data Scientists auf Platz zwei der besten Jobs in den Vereinigten Staaten setzte
• Steigende Zunahme an ML/KI-Startups, spezialisierten Produkten, Börsengängen und übernahmen. Im Oktober 2021 ging Exsientia – ein britisches Unternehmen, das die weltweit ersten drei KI-entwickelten Arzneimittel in die erste Testphase am Menschen gebracht hat – mit einer Bewertung von drei Milliarden US-Dollar an die NASDAQ.
• Veränderungen bei bestehenden Stellen und Rollen. Das Weltwirtschaftsforum schätzt, dass bis 2025 85 Millionen Arbeitsplätze verdrängt werden könnten durch eine Verschiebung in der Arbeitsteilung zwischen Menschen und Maschinen, demgegenüber stehen 97 Millionen potenziell neu entstehende Rollen
• Verstärkte öffentliche Wahrnehmung von Situationen, in denen KI unbeabsichtigte Folgen hatte. So geriet beispielsweise Gesichtserkennung mehrfach in die Schlagzeilen, weil Bedenken hinsichtlich des Datenschutzes aufkamen, und bei der KI von Twitter zum Zuschneiden von Bildern wurden rassistische Voreingenommenheiten festgestellt. Dessen ungeachtet gibt es Bedenken, dass ethisches KI-Design auch innerhalb des nächsten Jahrzehnts nicht die Norm sein wird

Die Chancen

Die meisten Unternehmen sind sich dessen bewusst, dass Automatisierung die Produktivität ihrer Mitarbeiter:innen verbessern kann, weil sich wiederholende alltägliche Datenverarbeitungsaufgaben automatisiert werden. Automatisierung hat das Potenzial, einige Arbeitsplätze grundlegend zu verändern oder gar überflüssig zu machen. Andererseits wird sie auch neue Rollen schaffen, bei denen Menschen mit anspruchsvollen Aufgaben betraut werden, die Urteilsvermögen und Kreativität erfordern. Zu den typischen Bereichen, die von einer Automatisierung profitieren können, zählen die dynamische Preisgestaltung, Empfehlungssysteme, Erkennung von Anomalien und Optimierung von Lieferketten.

In anderen Fällen wird die Arbeit von Menschen insofern von der Erweiterung durch KI/ML profitieren, dass Mensch und Maschine kombinierende oder sich ergänzende Rollen übernehmen. Dabei geht es zumeist um die Lösung von solchen Problemen, die Kreativität, Intuition, Erfahrung und eine ganzheitliche Denkweise erfordern. Dazu gehören wichtige strategische Entscheidungen, die nicht sehr häufig getroffen werden – wie zum Beispiel „Welches Produkt sollten wir als nächstes verkaufen?“ oder „Wie können wir Netto-Null-Emissionen erreichen?“ – Sie können aber auch davon profitieren, dass Maschinen helfen, verschiedene Ergebnisse zu simulieren und zu untersuchen oder auch Ideen zu generieren, die Menschen dann bewerten können. Beispiele hierfür sind die KI-gestützte Arzneimittel- oder Produktentwicklung und dynamische Simulationen für die Planung komplexer Szenarien wie dem Klimawandel.

Alle diese Anwendungen zeigen, wie KI einen Mehrwert für das gesamte Unternehmen schaffen kann: von der Verbesserung interner Abläufe und fundierteren Geschäftsentscheidungen bis hin zur Produktinnovation und einer besseren Kund:innenerfahrung.

Ratschläge für Anwender:innen

• Erkennen Sie, wann Sie Automatisierung und wann Verstärkung einsetzen sollten. Es gibt Prozesse oder Rollen, die KI und ML vollständig automatisieren, und andere, bei denen sie den Menschen dabei unterstützen können, bessere Entscheidungen zu treffen. Wesentlich ist es, den Unterschied zu erkennen. 

• Operationalisieren Sie KI-Experimente mit einem ganzheitlichen Ansatz. Betrachten Sie die Bereitschaft des Unternehmens für eine Anwendung und das erforderliche Änderungsmanagement,  und entwickeln Sie einen robusten technischen Prozess und Governance-Prozess zur Bereitstellung Ihrer KI/ML-Lösungen.

• Berücksichtigen Sie die ethischen Auswirkungen von KI/ML und nehmen Sie diese Verantwortung durchgehend ernst. KI und ML dringen in komplexe und sensible Bereiche wie Finanzierung, Strafverfolgung und medizinische Diagnostik vor, wo die Auswirkungen von Entscheidungen unbeabsichtigte Folgen haben können. Ziehen Sie alle potenziellen Auswirkungen frühzeitig in Betracht, um Probleme zu bewerten und zu erfassen, bevor es zu spät ist.

• Bereiten Sie Ihre Mitarbeiter:innen auf Veränderungen in ihren Rollen vor. Unterschätzen Sie nicht den Aufwand, der erforderlich ist, um Mitarbeiter:innen zu unterstützen und zu befähigen, die von den Auswirkungen von KI auf ihre Arbeit betroffen sein können. Die Automatisierung kann ihnen Zeit für die Ausführung anspruchsvollerer Aufgaben verschaffen, wohingegen Augmentation ihnen hilft, produktiver zu sein. Entwickeln Sie klare Pl ne für den Übergang und die berufliche Entwicklung, damit sich die Mitarbeiter:innen weiterentwickeln und entfalten können.

• Wählen Sie Ihre KPIs sorgfältig aus. Untersuchen Sie die Metriken, die Sie mit KI und ML erreichen wollen. Messen Sie den aktuellen Prozess, um Ihre Ausgangsbasis zu erheben, und setzen Sie die KPIs ein, um zu bewerten, ob KI und ML Ihnen echte geschäftliche Vorteile bieten. Mit den geeigneten Benchmarks können Sie mit verschiedenen Techniken experimentieren, um das gewünschte Ergebnis zu erzielen – auch dann, wenn ein bestimmter KI/ML-Ansatz nicht funktioniert.

• Investieren Sie in robuste Data-Governance- und Datenmanagementpraktiken. KI/ML-Techniken erfordern auch weiterhin den Zugriff auf Daten, und wenn Ihre Daten isoliert und schwer zugänglich sind, wird der Fortschritt mühsam sein. Überlegen Sie, wo die Datenverantwortung in Ihrem Unternehmen angesiedelt ist, da Probleme mit der Datenqualität in der Regel durch Organisationsstrukturen und Architekturen entstehen, die keinen Anreiz für die Teams bieten, die vorhandenen Datenressourcen so bereitzustellen, dass sie von anderen genutzt werden können.