Künstliche Intelligenz kommt im Alltag an vielen Stellen zum Einsatz: beim Tippen von Textnachrichten liefert das Smartphone Alternativen für das nächste Wort, E-Mail- oder Chat-Programme schlagen Antworten vor, Übersetzungsprogramme erleichtern das Schreiben und Verstehen von Texten. Hier sind die Ergebnisse bereits von hoher Qualität. Auch Unternehmen und Behörden setzen KI vermehrt ein bzw. immer mehr Organisationen interessieren sich dafür.
Laut einer BITKOM-Studie will jedes zehnte Unternehmen 2023 in KI investieren. KI-Verfahren werden besser, es stehen mehr Daten zur Verfügung. Jedoch sollten Organisationen nach Auffassung des Search- und KI-Experten IntraFind einiges beachten:
1. KI zielgerichtet einsetzen
Nur weil es „in“ ist KI einzusetzen, sollte das keine Organisation tun. Vielmehr sollten Unternehmen Ziele definieren, wie sie ihre Prozesse verbessern möchten und was sie erreichen wollen. Gemeinsam mit KI-Experten gilt es zu überlegen, an welcher Stelle eine KI sinnvoll unterstützen kann: Welche Prozesse können automatisiert oder teilautomatisiert ablaufen? An welcher Stelle muss ein Mensch eingreifen? An welcher Stelle kann meine Organisation KI nutzen, um Routinearbeiten im Vorfeld zu erledigen?
Meist kann KI eine bestimmte Tätigkeit in einem Prozess besonders gut abdecken. Hier ist sie dann den menschlichen Fähigkeiten weit überlegen. Die Aufgaben rund herum müssen in der Prozesskette zwar oft von Menschen erledigt werden, aber diese eine Aufgabe, die die KI erledigt, steigert die Effizienz des Gesamtprozesses enorm. KI braucht also immer einen konkreten Anwendungsfall und muss so eingesetzt werden, dass sie den Menschen mehr Nutzen bringt: Zum einen den Mitarbeitern in Unternehmen oder Behörden, die KI einsetzen und zum anderen den Menschen auf der anderen Seite des Prozesses – den Kunden und Bürgern.
2. KI erfordert Vorbereitung
Beschreibungen rund um die Themen Maschinelles Lernen und Künstliche Intelligenz klingen oft als wäre das alles ganz einfach und mühelos. Diese Einschätzung trügt. Die Einführung von Künstlicher Intelligenz erfordert überlegte Vorbereitung sowie ein regelmäßiges Überwachen und Nachjustieren. Das fängt schon damit an, welche Methode man auswählt, um sein Ziel zu erreichen. Nicht jeder Algorithmus ist für jedes Problem geeignet. Und es hängt alles von der Datenbasis ab. Ein KI-Modell ist immer nur so gut wie die zugrundeliegenden Daten. Zudem verändern sich Geschäftsanforderungen in einem dynamischen Wirtschaftsleben. KI-Systeme müssen sich an Veränderungen anpassen können.
3. KI braucht qualitativ hochwertige Daten
KI braucht in der Regel viele Daten. Denn mittels maschineller Lernverfahren erkennt die Künstliche Intelligenz Muster in Daten, leitet daraus Regeln ab und kann diese auf neue Situationen anwenden. Um im Praxiseinsatz im Unternehmen mit weniger Daten gute Ergebnisse zu erzielen, nutzen Experten wie IntraFind Transfer Learning. Hier werden vortrainierte Machine Learning-Modelle eingesetzt, um sie in einer ähnlich gearteten Fragestellung mit weniger Daten auf einen Spezialfall zu trainieren. Um mit diesen Daten arbeiten zu können, müssen sie erfasst, analysiert und ggf. entsprechend aufbereitet werden. Dieses Datenmanagement ist nötig, um der KI qualitativ hochwertige Daten zur Verfügung zu stellen. Maschinelle Lernverfahren können das Datenmanagement unterstützen, welches wiederum eine Grundlage für KI-Systeme bildet.
Bei manchen allgemeingültigen Analysezielen kann man auch auf bereits fertig trainierte Modelle zurückgreifen – dann garantiert der Hersteller die Qualität der Trainingsdaten im Voraus. Um beispielsweise den Datenbestand hinsichtlich DSGVO-relevanter Daten analysieren zu können, muss ein Extraktor auch in der Lage sein, qualitativ schwierige Daten zu erfassen. Mittels maschineller Lernverfahren kann eine intelligente Enterprise Search Software bestehende Daten automatisch mit relevanten Metadaten anreichern und sie in vorgegebene Themenfelder klassifizieren.
Mehr zum Thema Datenmanagement: https://digitaleweltmagazin.de/von-daten-zu-kuenstlicher-intelligenz-datenmanagement-als-basis-fuer-erfolgreiche-ki-anwendungen/
4. KI aufzusetzen braucht qualifiziertes Personal, KI einzusetzen nicht
Um KI zu entwickeln, braucht es Experten, die neben klassischem Informatik-Wissen unter anderem über tiefgehende Kenntnisse über Maschinelles Lernen, Deep Learning sowie neuronale Netze in Kombination mit Big Data verfügen.
Allerdings gibt es Möglichkeiten, dass Nicht-Experten die KI weitertrainieren können. Mit einer KI-basierten Software für Vertrags-/oder Dokumentenanalyse beispielsweise kann jeder Nutzer die KI durch Annotieren und Labeln von Textpassagen selbst trainieren und so stetig verbessern.
5. KI muss transparent und erklärbar sein
Künstliche Intelligenz muss erklärbar und nachvollziehbar sein, um das Vertrauen in ihren Einsatz zu stärken. Für Fachabteilungen und den Beteiligten an Entscheidungsprozessen muss Transparenz über den Einsatz der Technologie herrschen. Sie müssen die grundlegenden Funktionsweisen der KI-Systeme verstehen und beurteilen können. Gleichzeitig ist es auch wichtig, Transparenz von den Anbietern einzufordern, die nachweisen müssen, dass ihre Lösungen auf fundierten Modellen und einwandfreien Datensätzen basieren.
In diesem Zusammenhang sind auch die Anstrengungen der Europäischen Union im Rahmen des Digital Services Act (DSA) zu erwähnen. Die EU baut dazu das European Center for Algorithmic Transparency auf. Dieses soll zu einem sichereren, berechenbareren und vertrauenswürdigen Online-Umfeld für Menschen und Unternehmen beitragen. https://digital-strategy.ec.europa.eu/en/news/digital-services-act-commission-setting-new-european-centre-algorithmic-transparency,
Fazit: Organisationen, die das alles beachten, sind bereits einen Schritt weiter. Ihnen kann KI erheblichen Mehrwert bringen: Prozesse beschleunigen, Mitarbeiter von Standardaufgaben entlasten und Geschäftsmodelle verbessern.
Weiterführende Links
Denkanstöße rund um die Fortentwicklung von KI geben auch Bundesministerien sowie Wissenschaftsvertreter:
https://www.denkfabrik-bmas.de/schwerpunkte/kuenstliche-intelligenz
