KI im Business: Von der frühen Einführung bis zu heutigen Durchbrüchen

Als ich heute Morgen meine E-Mails öffnete, wurde ich mit einer Warnung zu einer alten Nachricht konfrontiert, die ich gesendet hatte. Der Hinweis lautete: „Vor 10 Tagen gesendet; möchten Sie nachfassen?“ Tatsächlich musste ich meinen Kollegen an die Antwort erinnern. Die Erfahrung ließ mich reflektieren, wie weit wir gekommen sind und was uns mit künstlicher Intelligenz (KI) im Business noch bevorsteht.

Ich wurde vor fast 40 Jahren von diesem Bereich fasziniert, als ich Student in Berkeley unter Professorin Alice Agogino war. Professorin Agogino zeichnete dieses einfache Diagramm an die Tafel.

Damals hießen KI-Systeme Expertensysteme. Sie ermöglichten mehr Menschen, die meisten Aufgaben auf Expertenniveau zu erledigen. Sie verbesserten das Potenzial der Nutzer und verschoben die Leistungskurve für das gesamte Business. Mit diesen Systemen konnten Experten sich auf die anspruchsvollsten Aufgaben konzentrieren, die nur sie bewältigen konnten.

Im Laufe der Jahre blieb mir diese überzeugende Idee – dass Technologie unsere Leistung im großen Maßstab erweitern kann – erhalten. Sie hat meine Leidenschaften geprägt, und meine eigene berufliche Laufbahn folgte der Trajektorie der KI selbst.

Doch auf dem Weg gab es mehrere Herausforderungen. Modelle in unseren Systemen hinkten Veränderungen im Business hinterher; obwohl sie gestern's Problem optimal lösten, wurden sie allmählich veraltet. Sie brauchten dedizierte Teams für Nutzung und Wartung.

Wo wir heute stehen

Heutige KI-Systeme unterscheiden sich grundlegend von frühen Expertensystemen und traditionellen Business-Lösungen in drei Punkten:

• Wir nutzen sie anders;
• Der Fokus auf Intelligenz hat sich von Automatisierung zu Augmentation verschoben, und
• KI-Systeme lernen aus der Nutzung und passen sich Veränderungen im Business an.

Wie wir sie nutzen: Traditionelle Business-Lösungen sind oft fragmentiert. Ein System sagt Ihnen, wie Ihr Business aktuell läuft (traditionelles Business Intelligence), ein anderes hilft Ihnen zu entscheiden, wie Sie Ihr Business führen, und ein weiteres erlaubt Ihnen, was Sie getan haben zu erfassen, um Ihr Business zu führen (Enterprise Resource Planning).

Nutzer müssen mühsame, getrennte Pfade gehen – von deskriptiver und diagnostischer Analytik zu prädiktiver Analyse und Optimierung mit Digital-Twin-Modellen. Dann, sobald eine Entscheidung getroffen ist, müssen sie umkehren und diese Entscheidung in ihrem ERP erfassen.

Im Gegensatz dazu beginnen wir bei KI direkt mit Empfehlungen und können prädiktive, diagnostische und deskriptive Insights als Erklärungen erkunden. KI bietet schrittweise Anleitungen zum Handeln, selbst wenn wir Entscheidungen treffen, die von den Empfehlungen abweichen.

Ein Schwerpunktwechsel: Traditionelle Expertensysteme waren übermäßig auf Automatisierung fokussiert. Heutige KI-Systeme können uns helfen, Geschäftsprozesse zu navigieren und zu orchestern. Meiner Meinung nach ist es besser, KI als augmented Intelligence statt artificial intelligence zu betrachten. Heute sehen wir KI als etwas, das wir trainieren und an unsere Bedürfnisse anpassen können.

Lernen und Anpassung: Traditionelle Business-Systeme sind statisch und werden mit der Zeit veraltet. Sie benötigen Erweiterungen und Revisionen, um Feedback oder Veränderungen im Business zu integrieren. KI-Systeme hingegen sind dynamisch. Sie lernen und passen sich verändernden Geschäftsanforderungen an. Je mehr Sie sie nutzen, desto intelligenter und effektiver werden sie mit der Zeit.

Was vor uns liegt

So mächtig KI-Fähigkeiten auch sind, sie bergen einige Herausforderungen.

Erstens erfordert das Herausholen des maximalen Werts aus KI gewissenhaftes Change Management – sowohl im Verhalten als auch in der Einstellung zur Technologie. Wenn Menschen Technologie als Bedrohung oder Mittel sehen, ihre Leistungsziele zu strecken, werden sie an ihrem Scheitern arbeiten. Auch wenn KI-Einführung Kontrollverlust oder persönlichen Kontaktverlust zu Kunden und Lieferanten bedeutet oder funktionsübergreifendes Denken behindert, wird sie scheitern.

Andererseits, wenn Menschen KI als neues Werkzeugset sehen, das ihr Leben leichter macht, sie schlauer macht, organisationsübergreifend kollaboriert und mehr erreicht, werden sie an ihrem Erfolg arbeiten.

Das zweite Thema ist Ethik in der KI. Wir müssen KI transparenter und ethischer machen. Machine-Learning-Modelle lernen, was ihnen beigebracht wurde und woraus sie exponiert wurden. Wenn die Daten voreingenommen sind, wird die KI es auch sein. Auch niemand folgt gerne Empfehlungen aus einer Black Box. KI-Modelle müssen ihre Empfehlungen erklären, welche Annahmen getroffen wurden, welche Muster erkannt wurden und welche Optionen transparent erkundet wurden.

Schließlich müssen wir uns fragen, ob die Probleme, die wir mit KI zu lösen versuchen, die richtigen sind. Wir sollten KI nutzen, um menschliche Reichweite zu erweitern und Leben zu verbessern, statt sie zu kontrollieren.

Die Transformation der KI war in einem Wort: revolutionär. Je mehr wir diese Technologie annehmen, nutzen und verbessern, desto mehr werden sich unsere Unternehmen verbessern.

Adeel Najmi ist Chief Product Officer bei LevaData.