Was der KI-Einsatz für Unternehmen bringt

„Die Einführung von Künstlicher Intelligenz (KI) und ihre Auswirkungen auf Unternehmen und Gesellschaft befinden sich weltweit an einem Wendepunkt … in einigen Branchen und Ländern ist der Einsatz von KI praktisch allgegenwärtig.“ So lautet das Fazit des „IBM Global AI Adoption Index 2022“. Weltweit liegt der Anteil der Unternehmen, die bereits KI einsetzen, der Studie zufolge bei 35 Prozent. In Deutschland sind es laut aktuellen Zahlen des Digitalverbands Bitkom allerdings erst 15 Prozent. Immerhin halten zwei Drittel der vom Bitkom Befragten KI für die wichtigste Zukunftstechnologie. Dabei sind sie nicht allein. „Generative KI markiert einen Paradigmenwechsel“, sagt Dr. Philipp Herzig, Senior Vice President, Head of Cross Product Engineering and Experience bei SAP. „Computersysteme lernen aus Daten, lösen komplexe Probleme und entwickeln sogar Kreativität – das ist ähnlich disruptiv wie einst die Erfindung des Internets.“ Professor Dirk Nicolas Wagner von der Karlshochschule International University in Karlsruhe geht sogar noch einen Schritt weiter: „KI ist heute, was elektrischer Strom im 20. Jahrhundert war.“

Die aktuelle Begeisterung für KI ist vor allem ChatGPT zu verdanken. „Mit ChatGPT wurde quasi über Nacht im großen Stil eine leistungsfähige KI-Anwendung für Privatnutzer öffentlich und kostenfrei zugänglich gemacht“, erklärt Wagner, der unter anderem über den Einsatz von KI in Unternehmen forscht. Er hält den Hype um generative KI, der dadurch ausgelöst wurde, durchaus für berechtigt: „In Anbetracht der technischen Fortschritte der vergangenen Jahre war ein Mehr an Aufmerksamkeit längst überfällig.“ Dem Analystenhaus Gartner zufolge hat mehr als die Hälfte der Unternehmen die Investitionen in generative KI erhöht. „Generative KI steht jetzt auf der Agenda von CEOs und Vorständen, die das transformative Potenzial dieser Technologie nutzen wollen,“ berichtet Frances Karamouzis, Distinguished VP Analyst bei Gartner.

In die Euphorie mischen sich allerdings auch kritische Stimmen. Professor Christian Winkler von der Technischen Hochschule Nürnberg Georg Simon Ohm ist beispielsweise nicht vom sofortigen Business-Nutzen generativer KI überzeugt: „Es ist schon ziemlich beeindruckend, was die Systeme leisten können“, räumt der Professor für KI-basierte UX-Optimierung und allgemeine Betriebswirtschaftslehre ein. ER gibt aber zu Bedenken: „Wie man aber abgesehen von Google, Microsoft und anderen großen Unternehmen daraus einen Business Case machen soll, muss sich erst noch zeigen.“ Auch für Peter van der Putten ergibt sich ein gespaltenes Bild: „Unternehmen erforschen zwar Anwendungsfälle und Anbieter veröffentlichen nette Demos, aber nur wenige Organisationen haben tatsächlich schon GenAI-Lösungen in Verwendung“, berichtet der Director AI Lab von Pegasystems. „Die Zahl der Anbieter, die bisher im größeren Umfang GenAI-Funktionen als Teil ihrer offiziell verfügbaren Produktversionen veröffentlicht hat, ist ebenfalls sehr gering.“

Die Zahlen des Bitkom bestätigen diese Beobachtung: Laut der bereits erwähnten Umfrage setzen nur zwei Prozent der Befragten generative KI zentral im Unternehmen ein, weitere 13 Prozent sind in der Planungsphase. Bitkom-Präsident Ralf Wintergerst hält die Zurückhaltung allerdings für einen Fehler: „Wirklich kein Unternehmen sollte die Diskussion über den Einsatz von generativer KI auf die lange Bank schieben. Wer heute abwartet, muss sich demnächst umso mehr anstrengen, die anderen einzuholen.“

Das größte Potenzial generativer KI sehen die vom Bitkom Befragten in der Unterstützung bei Berichten, Übersetzungen oder sonstigen Texten (82 Prozent), gefolgt von Marketing und Kommunikation (59 Prozent) und dem Einsatz in der IT-Abteilung (58 Prozent). „Im Bereich der Anwendungsmodernisierung und des IT-Betriebs können Software-Entwickler und -Entwicklerinnen KI nutzen, um erste Codebeispiele und Playbooks für neue IT-Projekte zu erstellen und dann darauf aufzubauen“, erklärt Diana Nora Bengel, Sales Leader Watson AI, IBM DACH.

Weitere Einsatzgebiete, die in der Umfrage genannt wurden, sind Forschung und Entwicklung (50 Prozent), Produktion (44 Prozent), Kundenservice (39 Prozent) und Personalverwaltung (26 Prozent). „Personalabteilungen können mit generativer KI effizienter arbeiten, indem sie die eingesetzten KI-Modelle mit eigenen, unternehmensspezifischen Personaldaten trainieren“, argumentiert IBM-Managerin Bengel. „Beispiele sind … das Erstellen von Stellenausschreibungen oder das Zusammenfassen von eingehenden Lebensläufen.“ Außerdem wurden das interne Wissensmanagement (23 Prozent) und Management-Anwendungen (19 Prozent), etwa in der Strategieentwicklung, als potenzielle Einsatzfelder genannt.

Der aktuelle Hype um generative KI lässt leicht in Vergessenheit geraten, dass andere Formen der KI schon seit vielen Jahren erfolgreich im Einsatz sind. „Im Bereich der strukturierten Daten sind Anwendungen wie Predictive Maintenance bereits gut etabliert“, weiß Professor Winkler von der TH Nürnberg. „Aber auch bei der Analyse unstrukturierter Daten gibt es viele Anwendungsfälle wie das automatisierte Fahren, die Sentimentanalyse oder die Klassifizierung von Kunden-E-Mails.“

Natürlich verlören „traditionelle“ KI-Anwendungen durch den Markteintritt der generativen KI nicht an Bedeutung, pflichtet ihm Sascha Schubert, EMEA Head of Cloud, Data and Analytics bei SAS bei: „Unternehmen werden weiterhin Machine Learning, Forecasting, Optimierung sowie Text Analytics und Computer Vision einsetzen, um intelligente automatisierte Prozesse zu implementieren.“ Bei Salesforce ist der KI-Einsatz ohnehin ein alter Hut: „Seit rund zehn Jahren befassen wir uns mit der KI-Entwicklung, seit sieben Jahren ist KI in das Salesforce CRM eingebettet“, berichtet Patrick Heinen, Senior Director Solution Engineering und KI-Experte beim Unternehmen, „Jede Woche erhalten Kunden über eine Billion KI-gestützter Vorhersagen und Empfehlungen.“

Mit der zunehmenden Verbreitung von KI im Unternehmenseinsatz steigen allerdings auch die Risiken. Neben bereits viel diskutierten Gefahren wie Voreingenommenheit und Diskriminierung kommen durch generative Systeme neue Risiken hinzu: Große Sprachmodelle wie ChatGPT neigen beispielsweise zu sogenannten Halluzinationen. „Generative KI kann Inhalte erstellen, die falsch oder ungenau sein können … und deren Ursprung nicht immer klar belegbar ist“, warnt Till Plumbaum, Senior Principal Data Strategist beim KI- und Data-Science-Spezialisten Alexander Thamm, „Dadurch könnten Vertrauens- und Glaubwürdigkeitsprobleme in geschäftlichen Kontexten entstehen.“ Sascha Schubert von SAS nennt einen besonders krassen Fall aus den USA: „Vor Gericht hatte ein Anwalt Referenzfälle angeführt, die von ChatGPT ‚recherchiert‘ worden waren. Als der Richter nach den Quellen suchte, stellte sich heraus, dass alle zitierten Fälle von ChatGPT erfunden waren.“

Generative Modelle stellen darüber hinaus immer nur eine Momentaufnahme dar, denn das Training basiert auf historischen Daten. „Damit kann man von diesen Modellen nicht erwarten, verwertbare Inhalte für Situationen zu erstellen, die im KI-Modell nicht trainiert wurden“, gibt SAS-Manager Schubert zu Bedenken. „KI ist nur so gut wie die Daten, auf denen sie aufsetzt“, pflichtet ihm Patrick Heinen von Salesforce bei. „Der Einsatz von KI braucht … immer eine menschliche Kontroll- und Feedbackschleife, um ein KI-gestütztes Ergebnis zu verifizieren.“

Um nicht schnell zu veralten, lernen generative Modelle ständig hinzu, indem sie die Eingaben und das Feedback der Anwender auswerten. Das führt gleich zum nächsten Risiko solcher Systeme: „Bestimmte KI-Module sind global konzipiert und geben interne Daten automatisch an externe Server weiter“, erklärt Mark Molyneux, EMEA CTO bei Cohesity. „Wenn Unternehmen von dieser Entwicklung überrascht werden, kann es passieren, dass ihre User interne Daten in diese globalen Lernmaschinen einspeisen und damit Firmengeheimnisse verraten.“ Schließlich kann der allzu unbekümmerte Einsatz von KI auch neue Sicherheitslücken aufreißen, warnt Molyneux: „Unternehmen sollten sich bei der Einführung von KI nicht unter Zeitdruck setzen lassen, sondern ambitioniert, aber gleichzeitig sehr sorgsam, kontrolliert und aufmerksam vorgehen.“

Die Risiken der KI sind auch dem Gesetzgeber nicht verborgen geblieben. Bereits im April 2021 hat die Europäische Union einen Entwurf für ein „Gesetz über künstliche Intelligenz“, kurz „AI Act“ genannt, vorgelegt. Die Verhandlungen ziehen sich seitdem in die Länge. Erst im Juni dieses Jahres hat das Europäische Parlament seine Stellungnahme zum Gesetzesentwurf abgegeben. Nun wird mit den Ländervertretern im Europarat über die finale Fassung verhandelt. Ziel ist es, das Gesetz bis Ende des Jahres fertigzustellen. „Ich begrüße es, dass die EU sich darum bemüht, europaweit klare rechtliche Rahmenbedingungen für den Umgang mit Künstlicher Intelligenz zu schaffen“, erklärt Professor Wagner. „Dies vor allem deshalb, weil es sich um die gefährlichste Technologie handeln dürfte, die wir Menschen bislang entwickeln.“ Wagner kennt allerdings auch die Befürchtungen, dass die EU bei ihren Bemühungen übers Ziel hinaus schießen könnte: „Aus unternehmerischer Sicht wird beklagt, dass der AI Act unnötige bürokratische Hürden aufstellt und Innovationen aus Europa verhindern wird.“

Professor Winkler von der TH Nürnberg glaubt dagegen, dass Europa bei der KI-Regulierung eine ähnliche Vorreiterrolle einnehmen könnte wie beim Datenschutz durch die Datenschutzgrundverordnung: „Langfristig sehe ich in einer Regulierung mehr Vor- als Nachteile.“ Auch die Industrie selbst steht dem Vorhaben nicht ablehnend gegenüber: „Es ist richtig und sinnvoll, dass sich Parlamente und Gesetzgeber damit beschäftigen“, betont Andreas Weber, Head of Solution Consulting für Zentraleuropa bei ServiceNow. Auch Rachel Boskovitch, VP Sales and General Manager Central Europe bei Dataiku, hält die Furcht vor dem EU AI Act für übertrieben: „Wer jetzt sauber dokumentiert, sich an bereits bestehende Datenschutzgesetze hält und professionell arbeitet, wird auch bei Inkrafttreten neuer Gesetze Behörden transparent über die Funktionsweise und Grundlage seiner Modelle Auskunft erteilen können.“ Philipp Herzig von SAP sieht dies ähnlich: „Ein passender rechtlicher Rahmen mit hohen ethischen Standards kann Innovationsfähigkeit fördern und Europa im Wettbewerb stärken. Dabei müssen wir jedoch eine Überregulierung verhindern, die das Gegenteil bewirken könnte.“

Wie eingangs erwähnt wird Künstliche Intelligenz von vielen als die Zukunftstechnologie schlechthin wahrgenommen, die immer mehr Bereiche in Wirtschaft und Gesellschaft durchdringt. Von den laut Gartner zehn wichtigsten strategischen Technologietrends für 2024 basieren sechs auf KI, und auch die anderen vier – kontinuierliches Bedrohungsmanagement, nachhaltige Technologien, Self-Service-Entwicklerumgebungen und Industrie-Cloud-Plattformen – kommen nicht ohne Künstliche Intelligenz aus. „KI wird künftig im Hintergrund Routineaufgaben selbständig abarbeiten“, glaubt KI-Spezialist Plumbaum von Alexander Thamm. „Der Mensch greift nur in den Prozess ein, wenn Probleme auftreten.“

Bei großen Sprachmodellen gehe es in Zukunft vor allem darum, domänenspezifisches Wissen nutzbar zu machen, meint Andreas Weber von ServiceNow: „Allgemeine Modelle sind sehr gut darin, Alltagsfragen zu verstehen“, erklärt der Head of Solution Consulting. „Das nützt mir aber nichts, wenn ich beispielsweise in einem großen Unternehmen einen neuen PC bestellen will. Dazu brauche ich den unternehmensspezifischen Kontext.“ ServiceNow bietet einen sogenannten „Generative AI Controller“ an, über den sich Large-Language-Modelle mit den von ServiceNow trainierten Modellen verbinden lassen. „Theoretisch können Kunden sogar ihre eigenen Modelle anbinden und so ihr unternehmensspezifisches Wissen einbringen“, so Weber.

Sascha Schubert von SAS setzt seine Hoffnungen auf zwei Bereiche, die aktuell etwas im Schatten von großen Sprachmodellen und Bildgeneratoren stehen: Digitale Zwillinge und synthetische Daten: „Digitale Zwillinge erlauben es, komplexe Systeme im virtuellen Raum abzubilden und damit operationelle Prozesse zu überwachen und Szenarien sicher zu simulieren“, erklärt er. „Dabei werden Daten aus realen Systemen in Echtzeit gesammelt und in das virtuelle System eingespeist.“ Synthetische Daten können helfen, wenn für das Training von KI-Modellen nicht genügend echte Daten zur Verfügung stehen oder aus Datenschutzgründen nicht genutzt werden sollen oder können. „Synthetische Daten haben keinen Bezug zu realen Personen und sind damit konform mit Datenschutzverordnungen“, erklärt Schubert. „So kann man unbegrenzt Daten für komplexe Szenarien erzeugen und damit Modelle trainieren.“

Mark Molyneux sieht vor allem die Chance für Unternehmen, endlich die Datenflut in den Griff zu bekommen: „Die meisten Unternehmen haben Berge von Informationen angehäuft, von deren Inhalten sie wenig bis nichts wissen“, berichtet der Cohesity-CTO. „KI und maschinelles Lernen können hier massiv helfen und durch die automatische Klassifizierung von Unternehmensdaten eines der komplexesten Probleme entschärfen.“

Peter van der Putten, Director AI Lab bei Pegasystems, träumt sogar vom „autonomen Unternehmen“: „Es optimiert sich selbst im Hinblick auf die vom Unternehmen festgelegten und kontrollierten Ziele und erreicht dies durch den Einsatz von KI und Automatisierung in allen Geschäftsprozessen und Interaktionen.“ Dazu müsse es eine ständige Rückkopplungsschleife geben, über die das System kontinuierlich lernt: „Dies geht über eine reine Intelligenzautomatisierung hinaus, bei der nur Bruchstücke von KI verwendet werden, die auf verschiedene Prozesse verteilt sind.“

Kaum eine Technologie verspricht so viele Vorteile wie KI. Der Drang, möglichst schnell auf den Zug aufzuspringen, ist daher verständlich. Man sollte ihm aber widerstehen, rät Till Plumbaum von Alexander Thamm: „Der Einsatz von KI muss immer sorgfältig geplant werden. Es ist essenziell, dass er von der jeweiligen Fachabteilung eng begleitet wird, um sicherzustellen, dass die Anwendung effektiv und zweckmäßig ist.“ Ein guter Startpunkt für den KI-Einsatz sind nach Ansicht von Christian Winkler die eigenen Daten: „Viele Unternehmen haben große Datenmengen gehortet, die sich nicht nur mit generativer KI, sondern auch mit extraktiven Techniken auswerten und nutzen lassen“, erklärt der Professor. „Es gibt aber auch öffentliche Datenquellen wie Eurostat, die nützliche Informationen enthalten.“ User Generated Content kann ebenfalls eine wertvolle Quelle sein, so Winkler weiter: „Wir haben zum Beispiel in einem Projekt Online-Produktbewertungen analysiert und dabei sehr interessante Erkenntnisse gewonnen.“

Für Patrick Heinen von Salesforce sind neben der Menge der Daten vor allem deren Integration und Qualität der Schlüssel zum Erfolg: „Die Vorteile generativer KI in Sachen Produktivität und Personalisierung kommen nur dann maximal zum Tragen, wenn sie bei jeder Interaktion von Vertrieb, Kundenservice, Marketing, Handel und IT auch wirklich genutzt werden können.“ Professor Wagner rät, mit vielen kleinen Experimenten zu starten, statt alle Energie in wenige große KI-Projekte zu stecken: „Dadurch lernt die Organisation die Technologien, vielversprechende Anbieter und die entstehenden Möglichkeiten kennen und die Mitarbeitenden fassen Vertrauen in das neue Zusammenspiel von Mensch und Maschine.“