KI liegt im Trend, aber beim Einsatz dieser Technologie können sich Unternehmen leicht vertun.
Sieben Fehler bei der Einführung von KI
Künstliche Intelligenz (KI) wird mehr und mehr zu einer Standard-Technologie. Von der industriellen Fertigung über Büroanwendungen bis zu komplexen CRM-Lösungen, überall ermöglicht KI die Automatisierung von Prozessen. Allerdings verfügen die meisten Unternehmen noch über wenig Erfahrung im Umgang mit KI. Hier lesen Sie welche Fehler bei der Implementierung von KI häufig gemacht werden.
1. Kein echter Mehrwert
Viele Unternehmen planen den Einsatz von KI, nur weil KI ein Hype ist, nicht weil sie einen klaren Mehrwert realisieren können, beispielsweise durch höhere Kundenzufriedenheit, Cross- oder Upselling-Möglichkeiten, Prozessoptimierung oder Qualitätssteigerung.
2. Fehlende Kommunikation
Wird der Einsatz von KI den Anwendern nicht kommuniziert, erfahren sie zum Beispiel gar nicht, dass sie mit einem KI-gestützten System interagieren. Das kann später zu Vertrauensverlust und zur Ablehnung führen.
3. Unzureichende Datengrundlage
In der Regel ermitteln KI-Systeme aus großen Datenmengen wiederkehrende Muster; ist dabei die Datenbasis nicht ausreichend, haben die Ergebnisse keine Relevanz.
4. Blindes Vertrauen
Auch wenn IT-Systeme in manchen Anwendungsfällen erstaunliche “Intelligenz” aufweisen, eignen sich nicht alle Anwendungsfälle für KI; etwa wenn keine hinreichend operationalisierbaren Daten bereitgestellt werden können.
5. Fehlende Transparenz
Aufgrund der großen Anzahl von Einflussfaktoren und Methoden für die Ermittlung von KI-Ergebnissen kann es schwierig bis unmöglich sein, ex post nachzuvollziehen, wie ein bestimmtes Ergebnis zustande gekommen ist. Je nach Anwendungsfall kann es jedoch notwendig sein, eine entsprechende Transparenz sicherzustellen, zum Beispiel bei Therapieempfehlungen.
6. Mangelnde Flexibilität
KI wird so konzipiert, dass die Fachabteilungen keine ausreichenden Möglichkeiten zur Anpassung haben; die Mitarbeiter der Fachabteilungen müssen jedoch in der Lage sein, KI-Lösungen selbständig zu parametrisieren, um agil mit verschiedenen Szenarien experimentieren zu können.
7. Fehlende Praxistauglichkeit
Unternehmen realisieren häufig KI-Lösungen, die zwar in Pilot-Projekten gut funktionieren, die aber in der Praxis nicht gut skalieren; die verwendeten KI-Verfahren müssen in großen Anwendungen mit zahlreichen Nutzern – beispielsweise in Web-Infrastrukturen – in kurzer Zeit Antworten liefern; als Richtwert sollten Antwortzeiten von weniger als 50 Millisekunden möglich sein.
Der Beitrag wurde ursprünglich hier veröffentlicht
#EAS-MAG.digital News