Einführung von KI in Unternehmen
CGI: Readiness-Check als erster Schritt von KI-Projekten
Damit ein Unternehmen das Potenzial von KI optimal nutzen kann, muss vorab geklärt werden, inwieweit es dazu bereit ist. Der IT-Dienstleister CGI erläutert im Folgenden, warum der Readiness-Check so wichtig ist, was er genau analysiert und was mit den daraus gewonnenen Erkenntnissen geschieht.
Künstliche Intelligenz ist für Unternehmen in kurzer Zeit zum unentbehrlichen Innovationsmotor geworden. Doch manche euphorisch gestarteten, aber letztlich gescheiterten Projekte zeigen, dass ihr erfolgreicher Einsatz ein systematisches Vorgehen erfordert. Der erste logische Schritt dabei ist eine umfassende Bestandsaufnahme der KI-Readiness eines Unternehmens. Der Readiness-Check liefert ein detailliertes Bild des Status Quo und damit die Voraussetzungen für eine realistische, an den tatsächlichen Fähigkeiten und Potenzialen eines Unternehmens orientierte KI-Strategie.
1. Die Analyse des KI-Reifegrads: Um KI gewinnbringend nutzen zu können, ist es essenziell, vorab den aktuellen Stand der Fähigkeiten und Schwachstellen innerhalb der Organisation zu erfassen, um daraus eine Roadmap für zukünftige Erfolge zu entwickeln. Die Analyse prüft die vorhandenen – und vor allem die nicht vorhandenen – Grundlagen dafür. Auf Basis dieser Transparenz kann dann eine übergeordnete KI-Strategie formuliert werden, die klare Ziele setzt und den gewünschten Nutzen definiert. So lassen sich teure Fehlinvestitionen und -entwicklungen, falsche Erwartungen und die damit zwangsläufig verbundenen Enttäuschungen vermeiden.
2. Die Prüfung der KI-Readiness: Basis der Analyse ist ein Framework, mit dem die operativen Kernbereiche eines Unternehmens abgefragt und analysiert werden. Dazu gehören in erster Linie die Daten, die Algorithmen, die Infrastruktur, die Organisation und die Governance. Für jeden dieser Bereiche werden die jeweiligen Stärken und Schwächen sowie die Chancen und Risiken identifiziert. Entscheidend sind dabei die vorhandenen Ressourcen wie strategische Skills, valide Use Cases, die Budget- und Personalsituation und der Stand der IT.
3. Die anschließende Analyse: Die Analyse deckt potenzielle Schwachstellen, Ressourcen-Engpässe oder Risiken bei der Integration von KI auf, seien sie nun technischer, rechtlicher, organisatorischer oder ethischer Natur. Dieses klare Bild des Status quo ist die Voraussetzung für eine realistische KI-Strategie und liefert zugleich die Information, welche konkreten Schritte sich ableiten lassen. Daraus resultieren Empfehlungen, etwa für die Ressourcen-Optimierung oder den Aufbau noch nicht ausreichend vorhandener Fähigkeiten, aber auch für die Konzentration der Kräfte auf die vielversprechendsten KI-Aktivitäten. So werden in der KI-Reifegradanalyse auch genau die Geschäftsbereiche und -prozesse identifiziert, in denen KI den größten Beitrag leisten kann.
4. Regelmäßige Aktualisierung der Analyse: Angesichts der hohen Innovationsgeschwindigkeit im KI-Sektor ist eine wiederholte Analyse im Jahresrhythmus empfehlenswert. Sie ist einerseits wichtig, um den Stand der Fortschritte nachzuverfolgen und die Einhaltung der KI-Strategie oder die Investitionssicherheit der KI-Initiativen zu prüfen. Andererseits bekommen Unternehmen zusätzliche Impulse, etwa zum Finetuning durch die Einarbeitung aktueller Erfahrungen oder die Adaption zwischenzeitlich entwickelter KI-Innovationen.
5. Typische Erkenntnisse: Häufig wird die Einführung von KI zu technologisch und einzelfallorientiert angegangen. Anstatt die Vision und die übergeordneten Ziele in den Vordergrund zu stellen, liegt der Fokus oft zu sehr auf einzelnen Use Cases. Aktuell werden viele KI-Projekte entwickelt, ohne dass ihr tatsächlicher Wert für die jeweilige Abteilung oder das gesamte Unternehmen geklärt ist. Die KI-Lösungen sind daher zwar für eine spezifische Aufgabe nutzbar, aber häufig nicht auf andere Einsatzbereiche skalierbar, was sie ineffizient macht.
6. Konkrete Handlungsempfehlungen: Um tatsächlich nachhaltige Innovationen im Unternehmen zu schaffen, müssen die Projekte in eine umfassende KI-Strategie eingebettet werden. Häufig fehlt es an einer effektiven Koordination aller KI-Aktivitäten, und der Fokus liegt zu sehr auf technologischen Themen. Wichtiger ist jedoch die Entwicklung sinnvoller KI-Use-Cases. Ein zentrales Problem dabei ist die oft mangelhafte Datenqualität. Ab einem bestimmten Zeitpunkt ist es daher ratsam, über den Aufbau eines internen Center of Excellence nachzudenken, in dem das KI-Wissen gebündelt, Daten aufbereitet, KPIs formuliert und Projekte ROI-zentriert in einen sinnvollen Zusammenhang gebracht werden.
Für die sinnvolle operative Nutzung von KI trifft das zu, was für digitale Strategien im Allgemeinen gilt: Noch so viel Power nützt wenig, wenn sie nicht auf die Straße gebracht wird. Die entscheidenden Erfolgsfaktoren für KI-Projekte sind daher eine enge Abstimmung zwischen Geschäfts- und IT-Prozessen, eine tiefgreifende Datenstrategie und eine hohe Geschäftsagilität.
Der Autor
Thomas Sengotta ist Director Consulting bei CGI.
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
