Zieldefinition und Projektplanung

KI-Lösungen im Unternehmen einführen

Gut durchdachte KI-Anwendungen sollen Effizienzgewinne und Wettbewerbsvorteile generieren. Eine gute Projektplanung und eindeutige Definition des Ziels ist eine absolute Notwendigkeit. KI-Projekte durchlaufen in der Regel typische Projektphasen.

Phase 1: Anwendungsfall identifizieren

Die richtigen Anwendungsfälle zu identifizieren, ist die größte Herausforderung in KI-Projekten. In dieser Phase gilt es, die Ziele des Projektes hinreichend genau zu klären. Dazu bietet es sich an, typische „Routineaufgaben“ durch Brainstorming oder SWOT-Analysen zu identifizieren und gleichfalls zu prüfen, ob eine ausreichende Datenverfügbarkeit in dem Bereich vorliegt.
Risiko:
  • Projektumfang wird zu groß oder zu klein gewählt, falsche Erwartungshaltungen erzeugt, Aufwände für Kosten (auch Folgekosten), zeitliche Ressourcen, Mitarbeiterkapazitäten falsch eingeschätzt

Phase 2: Projektteam festlegen

Es wird ein schlagkräftiges Team benötigt, um die Realisierung des Projektes strukturiert durchzuführen. Bei der Benennung des Projektteams empfiehlt es sich, planmäßig vorzugehen und ein dem Projektumfang angemessenes großes Team zusammenzustellen. Zu Beginn sollte eine Person für die Projektleitung benannt werden. Beim restlichen Team, bestehend aus Kernteam, Fachexperten der Linienorganisation sowie gegebenenfalls erforderliche externe Berater, ist eine klare Rollenverteilung festzulegen.
Risiko:
  • unklare Rollen- und Aufgabenverteilungen, unterschiedliche Ziele im Team sowie Unterschätzung des zeitlichen Aufwandes

Phase 3: Informationsbeschaffung

Auf verschiedenen Ebenen sind Informationen zu beschaffen und die thematische Expertise der Teilnehmenden wird genutzt. Dies ermöglicht die Eingrenzung des KI-Projekts basierend auf den Rahmenbedingungen des Unternehmens. Danach werden Informationen über potenzielle Lösungen eingeholt, unternehmensspezifische sowie organisatorische Bedingungen dokumentiert und die Auswahl potenzieller Anwendungen gemeinsam im Projektteam getroffen.
Risiko:
  • KI-Anwendungen basieren häufig auf hohen Investitionen, fremder Expertise und langer Entwicklungszeiten

Phase 4: Ziele festlegen

In dieser Phase ist der erwartete Nutzen auf Basis des Einsatzes der KI-basierten Lösung festzulegen und zu beschreiben. Die Rahmenbedingungen, wie Kosten, Zeit und Leistung im Projekt sollten fixiert werden. Mit sämtlichen beteiligen Personen sollte die Erwartungshaltung an das Projekt besprochen und deren Zustimmung eingeholt werden.
Risiko:
  • Das Investment in KI -Lösungen wird sich nur rentieren, wenn KI-Anwendungen zielgerichtet und effektiv eingesetzt werden. Nutzen, Mehrwerte oder Akzeptanz von KI-Lösungen können von Mitarbeitern oft nicht abgeschätzt werden.

Phase 5: Planung

Nach der Erhebung des IST-Zustandes über die (IT-)Infrastruktur, einschließlich der Software- auch die Hardware- und Datenausstattung, sollte für den identifizierten Anwendungsfall eine Analyse der Möglichkeiten innerhalb des Anwendungsfalls (Potentialanalyse) durchgeführt werden. Dabei sollten auch die Verbundeffekte und mögliche Auswirkungen im Unternehmen erkannt werden. Für den erfolgreichen Projektverlauf sollte das Vorhaben in kleinere, messbare Einzelschritte unterteilt und Verantwortlichkeiten festgelegt werden.
Risiko:
  • unterschiedliche Fachkenntnisse im Team und unvollständige oder zu eng kalkulierte Planung

Phase 6: Dokumentation des Projektes

Dazu gehören die Rahmenbedingungen (Beschreibung des Unternehmens, Terminplan, Kostenrahmen) und die Erläuterung des Ist-Zustands im Anwendungsfall. Eine Auseinandersetzung mit der Lösung sowie den technischen und rechtlichen Rahmenbedingungen, z. Bsp. DSGVO, AI-Act, Systemeinsatz, Wartung, Mitarbeitende, Dokumentation, Schnittstellen ist wichtig. Die “Ziele” und “Nicht-Ziele” sollten beschrieben und „must have“ und „nice to have“ - Leistungen herausgestellt werden.
Risiko:
  • relevante Anforderungen sind nicht klar spezifiziert und das Dokumente lässt Spielraum für Interpretationen zu

Phase 7: Make-or-Buy-Entscheidung

Die Make-or-Buy-Entscheidung beschreibt, ob die KI-Lösung durch eine Eigenentwicklung (“make”) oder durch Zukauf (“buy”) einer Fertiglösung bzw. durch einen Anbieter beschafft wird. Je nach Anwendungsfall muss überprüft werden, wie abhängig das Unternehmen von der KI-Lösung ist. Umfasst sie das Kerngeschäft, sollte meist eine Eigenentwicklung durchgeführt werden. Weitere Entscheidungskriterien sind z.B. die Entwicklung und Rentabilität eigener KI-Kompetenzen im Unternehmen oder die Auslagerung der Verantwortung für Projekterfolg. Es sollte immer eine Kosten- und Umsatzabschätzung unter Berücksichtigung des Return on Investment durchgeführt werden.
Risiko:
  • Kosten und Umsatz lassen sich nicht genau vorhersagen, die internen (KI)-Entwicklungskompetenzen werden überschätzt

Phase 8: Integration

Je nachdem, ob eine KI-Software-Lösung gekauft oder selbstentwickelt wird, sind die verschiedene Phasen bei der Integration zu berücksichtigen. Dazu gehören unter anderem die Definition der Hardwarespezifikationen, Online-Tests (Implementierung in der realen Produktionsumgebung anhand von Testszenarien und Bewertung der Leistung), der Blick auf die Benutzerfreundlichkeit (Durchführung von erforderlichen Akzeptanztests durch den Endnutzer), die finale Freigabe (Durchführung der Abschlussprüfung und offizielle Freigabe des Produkts), die Dokumentation (erforderlichen Dokumentation zu Produktentwicklung, Bedienungsanleitung, Fehlerbehebung und Service) sowie das Monitoring und die Projekt-Evaluation.
Risiken
  • Produkt entspricht nicht der erforderlichen Qualität (Ursachen komplex), fehlende Akzeptanz bei Usern (Mitarbeiter, Kunden) und fehlende Beobachtungszeiträume

Phase 9: Gelebtes Veränderungsmanagement

Der Einsatz von KI erfordert eine tiefgreifende Transformation im Unternehmen über alle Ebenen hinweg. Diese Veränderungen der Denkweisen und Strukturen müssen von allen Beteiligten (Mitarbeitenden und Führungskräften) gewollt, akzeptiert und gelebt werden, um die Neuerungen erfolgreich zu etablieren. Deshalb ist die klare Kommunikation und das Wecken der Neugierde ab Beginn des Projektes enorm wichtig.
Risiko:
  • Widerstand oder Angst bei den Mitarbeitern, Änderung greift nur punktuell und etabliert sich nicht in der Unternehmensstrategie

Phase 10: Kontinuierliche Anpassung

Unter wechselnden Rahmenbedingungen in realen Anwendungen kann nicht davon ausgegangen werden, dass ein trainiertes Modell auf lange Sicht gleichbleibende Ergebnisse liefert. Dies hängt damit zusammen, dass sich die Anwendungsumgebung und damit die statistische Verteilung kontinuierlich ändern kann und diese sich in Bezug auf Genauigkeit, Verlust, Präzision und Stabilität verschlechtert. Durch den gezielten Einsatz automatisierter Maßnahmen (z. Bsp. Monitoring) oder das Aussortieren nicht relevanter Daten kann eine Optimierung erreicht werden. Das KI-Modell muss möglicherweise neu trainiert werden.
Risiko:
  • Ungenauigkeiten durch lange Zeitintervalle, nicht ausreichende Datenmenge, um das Modell an neue Situationen anzupassen
Sie benötigen Hilfe und Unterstützung bei der Einführung von KI-Lösungen in Ihr Unternehmen? Dann wenden Sie sich an Mittelstand-Digital Zentrum Magdeburg.