KI kann noch nicht viel, aber was sie kann, tut sie unermüdlich und – richtig trainiert – nahezu fehlerfrei. Es gilt also herauszufinden: Wo gibt es im Arbeitsalltag Aufgaben oder Prozesse, die durch KI verbessert oder automatisiert werden können? Was kann KI und wo kann sie sinnvoll für mich arbeiten, diese Einsatzfälle gilt es zu identifizieren.
Was kann KI besonders gut?
- Sie kann standardisierte, wiederkehrende Tätigkeiten schneller und genauer ausführen.
- Sie kann große Datenmengen effizient analysieren.
- Sie kann Prognosen erstellen und Empfehlungen geben – diese sind allerdings kritisch zu betrachten. Denn die Qualität der KI-Ergebnisse hängt stark von der Qualität der zugrunde liegenden Daten und dem gewählten KI-Modell ab.
Mitarbeitende sind die wichtigsten Ideengeber
Auch wenn KI „Chefsache“ ist, werden die besten Anwendungsfälle meist direkt in den Abteilungen erkannt. Die Teams kennen die Arbeitsroutinen genau. Deshalb sollten immer mehrere Mitarbeitende aus unterschiedlichen Teams in das Projekt einbezogen werden. Nur dort sind die Vorgänge und Probleme im Detail bekannt – und die Akzeptanz bei der Umsetzung des Projekts ist im Anschluss deutlich größer.
Die strategischen Ziele des Unternehmens und die verfügbaren Ressourcen kennt natürlich nur das Management. Deshalb ist der Ansatz interessant, mit den Ideen der Mitarbeitenden zu beginnen. Im zweiten Schritt lässt sich klären, ob die Projekte im Sinne der Unternehmensentwicklung zu einer echten Verbesserung führen.
Ein guter Ansatz, um Einsatzmöglichkeiten zu identifizieren: Wo sind die Arbeitsabläufe, die unnötig viel Zeit und Ressourcen verbrauchen? Wo besteht eine hohe Fehlerquote, die durch eine KI-Prüfung minimiert werden könnte?
Typische Beispiele:
- Terminplanungen / Arbeitspläne
- Verarbeitung von Formularen
- Verarbeitung großer Datenmengen
Alle Ideen werden im Use-Case-Template gesammelt
Welche Ideen gibt es? Das Template deckt wichtige Fragen ab:
- Welches Problem soll gelöst werden?
- Welche Daten werden benötigt?
- Wie schnell kann die Lösung umgesetzt werden?
- Welche Technologie ist am besten geeignet?
Zusätzlich wird die passende Risikoklasse anhand des AI-Acts, der DSGVO und Informationssicherheit festgelegt.
Das Problem genau definieren
Bei KI gibt es zwei Möglichkeiten:
- Einen vorhandenen Prozess automatisieren – idealerweise ein Prozess, der auch für andere Abteilungen nützlich ist und somit eine hohe Skalierbarkeit aufweist.
- Umdenken: Prüfen, ob sich durch Automatisierungsmöglichkeiten der Prozess grundsätzlich verändern lässt. Dieses Potenzial findet sich oft in großen Unternehmen mit vielen Abteilungen. In der Regel sind solche neuen Prozesse dann interessant, wenn bisher jede Abteilung einen bestimmten Anteil an einem Prozess hatte – der nun zusammengelegt werden kann.
Wie wähle ich die richtigen Projekte aus?
Kriterien:
- Umsetzbarkeit: schnell umsetzbar
- Für mehrere Abteilungen nützlich (Skalierbarkeit)
Schritt eins ist der Prototyp/Minimal Viable Product (MVP)
Der einfachste und effizienteste Weg ist ein Prototyp. Ein MVP kann schnell angepasst werden, bevor eine große Lösung gebaut wird. Anpassungen und Inhalte lassen sich frühzeitig erkennen.
Ein MVP ist der ideale Ansatz, um zu testen, ob die Lösung die gewünschten Ergebnisse liefert und welche Anpassungen sinnvoll wären.
Die richtigen KPIs
Um das Projekt bereits in der Prototypenphase sicher bewerten zu können, müssen die passenden Key Performance Indicators (KPIs) für KI-Use-Cases festgelegt werden. Nur dann ist der Erfolg messbar und belegbar.
Beispiele:
- 60 % verringerte Fehlerquote in drei Monaten
- 20 % eingesparte Arbeitsstunden in sechs Monaten
- 15 % höherer Umsatz durch verbesserten Kundenservice
Welche Daten brauche ich? Welche Daten habe ich?
Die Prüfung und Beschaffung der Daten ist die Grundlage für den Erfolg vieler KI-Projekte.
Wenn für ein KI-Projekt eine Datenbasis nötig ist, die jedoch lückenhaft oder fehlerhaft ist, lohnt es sich, zunächst ein Datenvorprojekt zu initiieren.
Gute Nachricht: In der Prototyp-Phase kann häufig auch mit lückenhaften Daten gearbeitet werden, um erste Erkenntnisse zu gewinnen. Das Datenvorprojekt läuft dann parallel zur KI-Entwicklung.
Starten Sie mit einem Workshop
Lassen Sie sich von Fachleuten beraten, die Ihnen bei dem Weg zur richtigen Anwendung und einem Blick von außen auf Ihre Unternehmen zur Seite stehen. Je nachdem wie weit Sie in Ihrem Projekt sind, buchen Sie:
AI Start-Workshop: Analyse & Use-Case-Identifikation
Interaktiver dreitägiger Workshop, in dem wir gemeinsam Ihre geschäftlichen Herausforderungen herausarbeiten, priorisieren und passende KI-gestützte Automatisierungs- und Assistenzlösungen ableiten. Mehr
Prototyp-Workshop: Pilot Sprint AI-Agent
Entwicklung eines funktionsfähigen AI-gestützten Automatisierungsagenten in weniger als 10 Tagen – von Prozess- und Datenanalyse über Prototyping und Anwender-Tests bis zur Übergabe aller technischen Unterlagen, Quellcodes sowie eines Fahrplans mit Aufwandsschätzung und ROI-Bewertung für das Minimum Viable Product (MVP). Mehr
Chatbot-Workshop: Pilot Sprint RAG Assistant
Entwicklung eines funktionsfähigen Retrieval-Augmented Generation (RAG) Assistenten in weniger als 10 Tagen – von der Analyse der Dokumentenquellen über die Implementierung einer Prototyp-RAG-Pipeline bis hin zu Tests mit Fachanwendern und der Übergabe aller technischen Unterlagen inklusive Roll-out-Fahrplan. Mehr
Workshop Datenerkennung: Pilot Sprint Intelligente Informationsgewinnung
Erstellung eines Prototyps zur automatischen Extraktion strukturierter Daten aus unstrukturierten Dokumententypen in 5 Tagen – von der Quellanalyse über die Pipeline-Entwicklung bis hin zur Evaluation und Übergabe. Mehr
Melden Sie sich einfach bei uns, wir beraten Sie und finden das passende Workshopformat für Sie. Wenn Sie Fachleute in einem bereits laufenden Projekt brauchen, kann unser AI-Team sie ebenfalls unterstützen. Mehr über: sales@js-soft.com (Estelle Hounsa).
