Einführung von KI in Unternehmensstrukturen

Im Zuge der Einführung von künstlicher Intelligenz in Unternehmensstrukturen eröffnet sich ein neues Spektrum an Rollen und Funktionen, die entscheidend für den Erfolg und die Integration dieser fortschrittlichen Technologie sind. Dieses Kapitel beleuchtet die neuen Berufsbilder und die Transformation bestehender Funktionen, die durch die Implementierung von KI notwendig werden – mit einem besonderen Augenmerk auf die Förderung von Innovationsprozessen.

KI-Strategin/-Projektleiterin: Die KI-Strategin ist eine Schlüsselfigur für die erfolgreiche Implementierung künstlicher Intelligenz in Ihrem Unternehmen, insbesondere wenn es um die Förderung von Innovationsprozessen geht. Diese Rolle beinhaltet das Entwickeln und Steuern der strategischen Ausrichtung der KI-Initiativen, um sicherzustellen, dass sie mit den Unternehmenszielen und dem Innovationsstreben des Unternehmens in Einklang stehen. Sie muss über ein stabiles Verständnis der KI-Funktionen, der Unternehmensstrategie und des Änderungsmanagements sowie über ausgezeichnete Kommunikationsfähigkeiten verfügen und ist ein Paradebeispiel für eine hybride Managerin. Sie leitet die Implementierung von KI, indem sie Geschäftsprozesse identifiziert, die von KI profitieren könnten, und eine Roadmap für die Einführung von KI-Technologien plant. In kleinen Unternehmen kann dies auch die Gründerin/ Eigentümerin sein.

Eine KI-Strategin analysiert Markttrends und Technologieentwicklungen, um Chancen für die Nutzung von KI zu identifizieren, die dem Unternehmen einen Wettbewerbsvorteil verschaffen könnten. Darüber hinaus arbeitet sie eng mit verschiedenen Abteilungen zusammen, um eine kohärente KI-Vision zu schaffen und zu kommunizieren, die sicherstellt, dass alle Mitarbeitenden verstehen, wie ihre Arbeit zur Gesamtstrategie beiträgt. Sie spielt auch eine wichtige Rolle bei der Schaffung einer Kultur des Experimentierens und Lernens, indem sie Räume für Innovation schafft und Mitarbeitende ermutigt, neue Ideen auszuprobieren und aus Fehlern zu lernen.

Datenwissenschaftler (Data Scientist): Der Data Scientist erstellt Modelle unter Verwendung von Algorithmen des maschinellen Lernens, analysiert komplexe Datensätze und liefert Erkenntnisse, um strategische Entscheidungen zu treffen. Zu den wesentlichen Fähigkeiten gehören statistische Analysen, Programmiersprachen wie Python oder R, maschinelles Lernen und Deep-Learning-Algorithmen. Der Data Scientist nutzt Algorithmen des maschinellen Lernens, um das Kundenverhalten zu analysieren und künftige Kaufmuster vorherzusagen, die als Grundlage für die Unternehmensstrategie dienen können. Idealerweise arbeitet ein (oder mehrere) Data Scientist mit Fachexpertinnen im Unternehmen zusammen, die über

Spezialwissen verfügen, um einen umfassenden fachlichen Austausch sowie Synergieeffekte zu ermöglichen.

Dateningenieur (Data Engineer): Data Engineers bereiten die Big-Data-Infrastruktur vor, die von Data Scientists analysiert werden soll. Sie sind für den Aufbau von Datenpipelines, die Integration von Daten aus verschiedenen Quellen und die Sicherstellung von Datenverfügbarkeit, -qualität und -datenschutz verantwortlich. Zu den wichtigsten Fähigkeiten gehören Programmierung, Datenmodellierung, Data Warehousing und Kenntnisse von Big-Data-Tools wie Hadoop, Hive oder Spark. Ein Data Engineer sollte die Infrastruktur aufbauen, um Daten aus verschiedenen Quellen zu sammeln, sie zu bereinigen und sie für Data Scientists nutzbar zu machen.

Ingenieurin für maschinelles Lernen (Machine-Learning-Engineer, ML): Ingenieurinnen für maschinelles Lernen, eine der derzeit gefragtesten Qualifikationen, sind für die Umsetzung der von Data Scientists entwickelten Vorhersagemodelle in produktionsreifen Code verantwortlich. Zu den Schlüsselqualifikationen gehören fundierte Kenntnisse von Algorithmen des maschinellen Lernens, die Beherrschung mehrerer Programmiersprachen und die Fähigkeit, hochleistungsfähige Algorithmen zu erstellen, die in großem Umfang eingesetzt werden können. Ein Machine Learning Engineer nimmt ein von einem Data Scientist entwickeltes Vorhersagemodell und optimiert es so, dass es in einer Produktionsumgebung effizient läuft.

KI-Ethikbeauftragter: Der KI-Ethikbeauftragte stellt sicher, dass KI auf ethische und rechtskonforme Weise eingesetzt wird. Dazu gehört die Berücksichtigung von Themen wie Datenschutz, Voreingenommenheit, Transparenz, Werte und Verantwortlichkeit. Zu den wichtigsten Fähigkeiten gehören das Verständnis der KI-Ethik, der Gesetzgebung im Zusammenhang mit KI und Datenschutz sowie die Fähigkeit, komplexe Sachverhalte klar zu kommunizieren. Ein KI-Ethikbeauftragter kann auch für die Durchführung von Folgenabschätzungen für KI-Projekte zuständig oder an ihr beteiligt sein, um potenzielle ethische Risiken zu ermitteln und Strategien zur Risikominderung vorzuschlagen. Dies muss nicht unbedingt eine Vollzeitstelle sein, sondern könnte auch zwischen anderen Funktionen aufgeteilt werden oder im Aufsichtsrat angesiedelt sein.

Fachexperte (Subject Matter Expert, SME): Ein Fachexperte spielt eine entscheidende Rolle bei der Implementierung von künstlicher Intelligenz in einem Unternehmen, indem er tiefgreifendes Fachwissen in den Entwicklungs- und Anwendungsprozess von KI-Systemen einbringt. Dieses Wissen ist unverzichtbar, um sicherzustellen, dass die entwickelten KI-Modelle relevante, genaue und effektive Lösungen für die spezifischen Herausforderungen des Unternehmens bieten. Beispielsweise würde ein SME im Bereich Finanzen dabei helfen, ein KI-Modell zu trainieren, das für die Vorhersage von Markttrends zuständig ist. Er würde das KI-Team mit seinem Verständnis über finanzielle Indikatoren und Marktdynamiken unterstützen, um sicherzustellen, dass das Modell relevante Variablenberücksichtigt und treffsichere Prognosen liefert.

In Innovationsprozessen ist der Fachexperte besonders wichtig, da er das Potenzial hat, mit seinem Spezialwissen neue Anwendungsfälle für KI zu identifizieren. Zum Beispiel kann ein SME im Gesundheitswesen wertvolle Einblicke in die Entwicklung einer KI geben, die medizinische Diagnosen unterstützt, indem er spezifisches Wissen über Krankheitsbilder und Behandlungsmethoden beisteuert.

Die Einbindung von SMEs in KI-Projekte fördert nicht nur die Entwicklung robuster und zielgerichteter KI-Anwendungen, sondern sorgt auch dafür, dass die Innovationen tatsächlich den Anforderungen und Erwartungen der jeweiligen Branche entsprechen und einen echten Mehrwert für das Unternehmen darstellen.

Zusammenarbeit der Rollen

Für eine erfolgreiche Implementierung von KI in einem Unternehmen müssen verschiedene Schlüsselrollen effektiv zusammenarbeiten und ihre jeweiligen Fachkenntnisse einbringen:

• Der Subject Matter Expert (SME) liefert tiefgehende Branchen- und Fachkenntnis-

se, die für die Entwicklung relevanter KI-Lösungen unerlässlich sind. Zum Beispiel kann ein SME im Einzelhandel die KI-Teams darüber informieren, wie Kundinnen Kaufentscheidungen treffen.

• Der Data Scientist analysiert und verarbeitet Daten, um Modelle zu erstellen, die

für maschinelles Lernen genutzt werden können. Er arbeitet eng mit dem SME zusammen, um die Daten im richtigen Kontext zu interpretieren und zu nutzen.

• Die KI-Ethikbeauftragte stellt sicher, dass alle KI-Initiativen ethische Standards

einhalten und keine Vorurteile erzeugen oder Datenschutzverletzungen begehen. Sie berät und überwacht die Arbeit des Data Scientist und der ML-Ingenieurin, um ethisch vertretbare Modelle zu gewährleisten.

• Die KI-Strategin definiert die übergreifende KI-Strategie des Unternehmens und

sorgt dafür, dass die Arbeit der einzelnen Teammitglieder auf das Gesamtziel ausgerichtet ist. Sie sorgt für die strategische Ausrichtung und unterstützt bei der Priorisierung von Projekten, bei denen der SME und Data Scientist eng zusammenarbeiten.

• Der ML-Ingenieur implementiert und optimiert KI-Modelle, die der Data Scientist

entwickelt hat. Er nutzt das Fachwissen des SME, um sicherzustellen, dass die Modelle korrekt funktionieren und den Anforderungen des Unternehmens entsprechen.

Beispiel: In der Praxis könnte der Innovationsprozess in einem E-Commerce-Unternehmen folgendermaßen ablaufen: Zunächst identifiziert der Fachexperte (Subject Matter Expert, SME) aus dem Vertriebsteam wichtige Trends und Bedürfnisse der Kund:innen, etwa ein wachsendes Interesse an umweltfreundlichen Produkten. Diese Erkenntnisse teilt der SME mit dem Data Scientist, der daraufhin prädiktive Modelle entwickelt, um zukünftige Verkaufstrends in dieser Produktkategorie vorherzusagen. Ein Machine-Learning-Ingenieur nimmt diese Modelle und integriert sie in die IT-Infrastruktur des Unternehmens, sodass das E-Commerce-System automatisch Produkte hervorhebt, die voraussichtlich stark nachgefragt werden. Gleichzeitig überprüft der KI-Ethikbeauftragte die Modelle daraufhin, ob sie Fairness gewährleisten und keine Kundengruppen benachteiligen. Der KI-Stratege überwacht diesen Prozess und passt die Strategie an, um sicherzustellen, dass das Unternehmen nicht nur kurzfristigen Gewinn erzielt, sondern auch langfristig als führender Anbieter für umweltfreundliche Produkte positioniert wird. Diese koordinierte Zusammenarbeit ermöglicht es dem Unternehmen, auf Kundenbedürfnisse effektiv zu reagieren und seine Marktposition strategisch zu stärken.

Die enge Zusammenarbeit und eine ständige Kommunikation zwischen diesen Rollen sind essenziell, um die Entwicklung und Implementierung von KI in Unternehmen erfolgreich und verantwortungsbewusst zu gestalten. Seien Sie sich immer bewusst, dass die Implementierung von KI ein Veränderungsprozess ist. Und bei der Einführung von KI haben wir es mit einer immensen Veränderung zu tun. Wandel braucht Zeit – und die Akzeptanz aller Beteiligten.

Innovation und Kreativität in Unternehmen

Bei der Implementierung künstlicher Intelligenz in Ihre Unternehmensprozesse sollte ein besonderes Augenmerk auf die Förderung und Integration von Innovationsprozessen gelegt werden. Innovation in Verbindung mit KI ist nicht nur ein Produkt technologischer Fortschritte, sondern vor allem das Ergebnis einer Unternehmenskultur, die kreative Freiräume schafft und nutzt.

Raum für Innovationsprozesse geben

Um Innovationsprozesse in der KI-Implementierung zu berücksichtigen, sollten Unternehmen aktiv Räume für kreatives Denken und interdisziplinären Austausch schaffen. Das kann beispielsweise durch regelmäßig stattfindende Innovationsworkshops geschehen, in denen Mitarbeitende unterschiedlicher Abteilungen zusammenkommen, um über den Einsatz von KI in ihren Bereichen zu brainstormen. Dabei können beispielsweise Vertriebsmitarbeitende mit KI-Entwicklern zusammenarbeiten, um personalisierte Kundeninteraktionen zu konzipieren, die über Standardlösungen hinausgehen. Oder Sie schaffen auch räumlich einen Ort – ein KI-Café – in Ihrem Unternehmen, an dem sich Mitarbeitende einmal die Woche – freiwillig – für eine Stunde treffen, um Ideen und Erfahrungen auszutauschen. Experimentieren auch Sie, was möglich ist, gut angenommen wird und hören Sie sich die Vorschläge Ihrer Mitarbeitenden an.

Kreative Anwendung von KI als Innovationsmotor

Die Idee ist, künstliche Intelligenz nicht nur als ein Werkzeug zu betrachten, sondern sie als eine aktive Partnerin im kreativen Prozess zu sehen. Ein konkretes Beispiel ist ein Modeunternehmen, das KI nutzt, um Kundenfeedback zu analysieren. Statt sich nur auf offensichtliche Trends und Vorlieben zu konzentrieren, erkennt die KI ungewöhnliche Muster in den Daten – beispielsweise eine plötzlich steigende Nachfrage nach einer bestimmten Farbe oder einem ungewöhnlichen Material in verschiedenen KundengruppenDieser Text ist ein Auszug aus dem Buch „Gamechanger Künstliche Intelligenz. Wie künstliche Intelligenz inspiriert und kreatives Potenzial entfesselt“ von Nicolai Schümann

Nicolai Schümann ist ein zertifizierter Trainer (NCFE, ILM) und Gastvorleser an renommierten Londoner Universitäten, an denen er die Fächer ‘Storytelling in Business’, Digitales Marketing und Innovation unterrichtet. Außerdem leitet er zahlreiche Workshops und Seminare für Unternehmen wie Barclays Bank, Accenture und Lufthansa. Er hat ein Hochschuldiplom in Medienwirtschaft und einen Master in Business Administration (MBA) der CASS Business School, London.