#22/ 2019
4/10

wie KI innovationen sinnvoll unterstützen kann

Die Geschwindigkeit der Veränderung und der Bedarf an Innovationen ist für Unternehmen in mittlerweile allen Branchen so hoch wie nie. Das wird sich auch nicht mehr ändern. Künstliche Intelligenz ist im Vergleich zum Menschen schnell, präzise und ausdauernd. Eigenschaften, die also gerade bei Innovationen und im Business Development gefragt sind. Es liegt also nahe, KI Technologien hier einzusetzen. Bleibt aber die Frage, wo das denn Sinn machen würde.

Innovation beschreibt im wirtschaftlichen Sinn eine neue Antwort auf ein vorhandenes Bedürfnis. So weit so einfach… Schwierig wird es dadurch, dass die Bedürfnisse eben in den allermeisten Fällen nicht so ohne weiteres erkennbar sind. Und dadurch, dass die Antwort sich selbst nach der Entdeckung und Definition des Bedürfnisses auch nicht von allein einstellt. Die Antwort muss so designt sein, dass sie möglichst gut zur Befriedigung des Bedürfnisses dient, der Kunde also einen spürbaren Nutzen hat.

Fast immer besteht dieses Design aus der neuartigen Kombination von bereits vorhandenen Bestandteilen. Diese Kombination zu finden kann sehr harte Arbeit sein; manchmal reicht aber auch schon eine minimale Verschiebung der Perspektive oder der Zufall hilft.

Die meisten Menschen in modernen Gesellschaften und Märkten leben und arbeiten in einem Bereich der ständigen Innovation. Heute mehr und schneller als jemals zuvor.

  • Das Musikbusiness hat sich mit MP3, iTunes, Streaming und Spotify grundlegend verändert.
  • Lineares Fernsehen ist angesichts von neuen Formaten und Angeboten auf Youtube, Netflix und Social Media fast schon zum Nischenprodukt geworden.
  • Das Newsbusiness nutzt Papier auf Sicht nur noch für „Luxusprodukte“ und explodiert in Quantität und Qualität im Digitalen in immer neuen Formen.
  • Der klassische Handel liefert sich ebenfalls seit mehr als zwei Jahrzehnten einen gnadenlosen Kampf mit innovativen E-Commerce Anbietern.
  • An den Finanzmärkten spielen sich ebenfalls grundlegende Innovationen ab.
  • Der Bereich der Mobilität steht vor einer Art Neuanfang, so groß, wie in den letzten100 Jahren nicht.
  • Und selbst die bisher mit Steinen und Stahl assoziierte Immobilienbranche ist aktuell voll von der digitalen Revolution erfasst.

Allen Innovationsprozessen ist hier gemeinsam, dass sie letztlich auf neuen Technologien basieren und diese nutzen.

Mit dem Siegeszug von KI Technologien stehen wir vor einer neuen Welle der Innovation. Spannend ist dabei die Frage, wo und wie KI selbst bei Innovationen sinnvoll helfen und eingesetzt werden kann.

Schritt eins: Das Problem finden und definieren

Jeder Innovationsprozess beginnt wie beschrieben zunächst mit der Suche und der Definition eines Bedürfnisses ohne passende Antwort darauf. Das nennt sich Problemdefinition.

Exploration

Um das Problem zu definieren ist für jede Innovation eine Explorative Phase notwendig. Die Mittel zur Problemdefinition sind vielfältig. Normalerweise nähert man sich dem Problem mit qualitativen und explorativen Interviews.

KI kann hier eingesetzt werden, um möglichst viele dieser Interviews automatisiert zu führen und auszuwerten, und zwar schneller und effizienter, als Menschen das können. Nachteil dabei wäre, dass bei solchen Interviews auch immer die emphatische Ebene mitspielt, die für Menschen intuitiv und natürlich, für Maschinen dagegen gänzlich unbekannt ist.

Wenn es allerdings um die Nutzer-Motivations-Analyse geht, also darum aus den Interviews und den Antworten herauszufinden, wo die wichtigen Details und Probleme liegen, ist diese Analyse- und Optimierungsaufgabe eine Paradeübung für Machine Learning und Neuronale Netze.

Personas

Normalerweise folgt darauf die Erstellung von verschiedenen Personas, um im Sinne des Wortes ein klares Bild und auch eine emotionale Idee von der Zielgruppe zu bekommen, für die das Problem durch eine Innovation gelöst werden soll.

Dieser kreative und empathische Schritt ist auch von „intelligenten“ Maschinen und Algorithmen nicht sinnvoll zu erledigen, das müssen Menschen tun.

Markt-Trend-Analysen

Geht es dagegen um weitere explorative Methoden in der Innovationsentwicklung wie eine Markt-Trend-Analyse und eine Konstruktion und Beschreibung der User Journey, dann bringen KI Anwendungen hier einen deutlichen positiven Beitrag.

Der Grund: Diese Methoden sind datenbasiert. Und je mehr Daten vorhanden sind, desto klarer und verlässlicher sind die Ergebnisse der Analyse. Während Menschen aber bei zunehmender Datenmenge immer schlechter werden und ziemlich schnell überfordert sind, drehen Maschinen und Algorithmen erst so richtig auf und können ihr Potenzial voll ausschöpfen.

Fazit

Auch wenn es darum geht, Menschen nur zu beobachten, um Ansätze und Hinweis zur Problemdefinition zu bekommen, können Mensch und Maschine gut zusammenspielen:

Während der beobachtende Mensch sehr gut darin ist, emotionale Gründe im Verhalten von Menschen zu erkennen, können autonome und selbstlernende Technologien das beobachtete Verhalten von Menschen exakt und schnell beziehungsweise in Echtzeit mit anderen Datenbeständen abgleichen, analysieren und Ergebnisse liefern.

Alles zusammen wird gebraucht, um am Ende der ersten Phase die sogenannte „How might we …?“-Frage zu formulieren, also die Frage, welches Problem eigentlich nun genau gelöst werden soll.

Die zweite, kreative Phase fordert den Menschen

Genau dazu ist die zweite „Create-Phase“ da. Normalerweise beginnt diese mit Brainstorming oder Brainwriting zur „How might we“-Frage. Die Ideen werden dann bewertet, ausgesiebt und später beispielsweise mit einem sogenannten Ideenturm oder in einem Collective Notebook geordnet und weiter ausdefiniert.

Als weitere Verfeinerung und Entwicklung legen Innovationsteams die „Jobs to be done“ fest. Hier geht es um die Frage, welcher Art eigentlich das Problem und das dahinterstehende Bedürfnis ist: Funktional, emotional, sozial. Meistens geht es nicht nur um eine Dimension, sondern die Innovation muss als Produkt oder Service gleich zwei oder sogar alle drei Dimensionen abdecken können.

In all diesen kreativen Schritten können selbst die besten KI Anwendungen mit ihren Analyse- und Optimierungsfähigkeiten nicht mit Menschen mithalten.

In einigen Fällen wird zwar gerne von kreativer KI gesprochen, doch geht es da meist um Algorithmen und Netze, die am Ende nur bekanntes in optimierter Form nachahmen und ähnliche Versionen von bereits Vorhandenem liefern, seien es Musikstücke, Bilder, Texte oder Filme in einem bestimmten Stil.

Es gibt zwar erste Ansätze in sogenannter Curiosity AI, bei der mit Absicht so etwas wie „Zufallslücken“ einprogrammiert sind, womit echte menschliche Kreativität nachgeahmt werden soll. Doch auch hier wird es höchstwahrscheinlich nicht dazu kommen, menschliche Fähigkeiten maschinell abzubilden und zu automatisieren.

Am Ende der Create-Phase steht aber immer ein einfacher Prototyp oder Verständnis-Prototyp. Und der kann – gerade in digitalen Welten – natürlich bestens wieder maschinell und automatisch erstellt werden.

KI kann notwendige Tests und Prototypen übernehmen

Bevor jedoch Innovationen auf Menschen und Märkte wirklich losgelassen werden können, müssen sie evaluiert werden. Die Tests solcher erster Prototypen und von fortgeschrittenen Appearance Prototypen liefern wiederum eine Vielzahl von Beobachtungen und Daten, die von autonomen und selbstlernenden Systemen prima ausgewertet und interpretiert werden können. Diese Systeme können auch selbständig passende Test-Grids für Prototypen entwickeln, durch diese Prototypen und ihre Nutzer dann in übertragenen Sinne laufen.

Sowohl von der Masse der Tests als auch der Variation der Test-Grids sind aus KI-Sicht keine Grenzen zu erkennen. Soll heißen: Es können prinzipiell extrem viele Tests in einem sehr kurzen Zeitraum oder zugleich laufen und eine Machine Learning Anwendung kann diese alle managen und in kürzester Zeit auswerten.

Das verkürzt den Entwicklungs- und Testzeitraum deutlich und schnelle Entwicklung von validierten Produkten ist schon heute ein extrem wichtiger Wettbewerbsvorteil, der in Zukunft noch weiter an Bedeutung gewinnen wird.

Ob und wie Unternehmen bereits in ihrer Innovationsarbeit und bei der Produktentwicklung konkret KI einsetzen ist wahrscheinlich – aber leider nur selten wirklich transparent und bekannt. Das ist nun mal so, wenn es um Vorteile im Wettbewerb und das Gewinnen neuer Märkte geht. In allen Branchen. 

Klar ist aber, dass KI Technologien an vielen Stellen im Innovationsprozess echte Vorteile bringen. Die eigentliche Idee zur innovativen Lösung wird aber immer aus unseren eigenen Köpfen kommen.

 

Professor Doktor Andreas Moring ist Professor für Innovation & Digital Management an der International School of Management ISM in Hamburg. Die Schwerpunkte seiner wissenschaftlichen Arbeit sind Digitale Geschäftsmodelle für Medien und Innovationsmanagement. Vor seiner aktuellen Professur arbeitete er für die Axel Springer AG, Schickler Unternehmensberatung und die Deutsche Druck- und Verlagsgesellschaft. Er wurde für seine journalistische Arbeit und von ihm entwickelte Produkte und Formate in den letzten Jahren mehrfach ausgezeichnet.