Künstliche Intelligenz: Raus aus der „Pilotprojekt-Falle“ – der KI-Plan von Vanessa Cann
München. Die frühere Geschäftsführerin des KI-Bundesverbands, Vanessa Cann, hat eine neue Aufgabe bei Accenture übernommen. Seit dem 1. September ist sie bei der Beratung als Geschäftsführerin im deutschsprachigen Raum für Daten und Innovationen mit Künstlicher Intelligenz (KI) zuständig.
In dieser Rolle will sie Kunden nach eigenen Aussagen „aus der Pilotprojekt-Falle holen“. Nach einer Phase, in der Unternehmen zunächst viel ausprobiert haben, will die Beratung die Firmen jetzt dabei unterstützen, KI flächendeckend und produktivitätssteigernd einzusetzen.
Im Hype um generative Künstliche Intelligenz liegen für Beratungsunternehmen große Chancen. Die Technologie ermöglicht, Fragen und Aufgaben in natürlicher Sprache zu identifizieren und zu bearbeiten. Das bedeutet Disruptionspotenzial für fast alle Branchen – und eine Menge Beratungsbedarf.
Denn trotz der zahlreichen Modellversuche zeigt eine Umfrage der Unternehmensberatung BCG unter mehr als 1400 Führungskräften, dass zwei Drittel von ihnen mit dem Fortschritt dieser KI-Projekte hadern.
„Ich beobachte eine gewisse Unzufriedenheit und Unsicherheit, weil viele Unternehmen nicht genau sagen können, was all diese Projekte konkret gebracht haben“, sagt Cann. Unternehmen müssten zeitnah auswerten: „Welche Ideen verwerfen wir? Worauf legen wir den Fokus? Und was rollen wir im ganzen Unternehmen aus?“
Amazon spart mit KI-Assistent 4500 Entwickler-Jahre
Cann wird die Accenture-Kunden künftig vor allem bei der Entwicklung einer Vision begleiten, wie KI strategisch im ganzen Unternehmen eingesetzt werden kann. Sie arbeitet dabei eng mit Kathrin Schwan zusammen, die bei der Beratung das Team für Daten und KI im deutschsprachigen Raum leitet.
Die meisten Unternehmen erhoffen sich in der aktuellen Situation vor allem kurzfristige Kosteneffekte durch KI. Diese ließen sich im Grunde mit einer einfachen Formel quantifizieren, sagt Schwan: „Gesparte Arbeitsstunden multipliziert mit den Kosten der Arbeitsstunde.“
Als Beispiel, wie das aussehen kann, verweist Cann auf eine Rechnung, die Amazon-Chef Andy Jassy kürzlich öffentlich gemacht hat: Beim Updaten von Software in der Programmiersprache Java könnten die Amazon-Entwickler 79 Prozent der KI-generierten Code-Vorschläge einfach übernehmen, sagt er.
Dadurch bräuchten die unternehmenseigenen Entwickler etwa bei der Modernisierung einer Software-Anwendung auf Java 17 statt 50 Entwickler-Tagen nur noch wenige Stunden. Insgesamt habe das Unternehmen 4500 Entwickler-Jahre gespart: „Die Zahl ist verrückt, aber wahr“, sagt Jassy. Setzt man dafür ein Jahresgehalt von ca. 250.000 Dollar an, errechnet sich eine Kostenersparnis von rund 1,13 Milliarden Dollar.
Doch so einfach ist der Kosteneffekt von anderen KI-Anwendungsfällen oft nicht zu ermitteln. Lohnen sich etwa Lizenzen für Microsofts KI-Assistent Copilot, mit der Mitarbeiter ihre E-Mails vorformuliert? „Es ist nicht klar, ob doppelt so viel beantwortete Mails eine tolle KPI ist“, sagt Schwan. Intern misst Accenture die KI-Effekte deshalb anhand der direkten Auswirkungen auf die Wertschöpfungskette: Verbessert sich mit dem Einsatz von KI bei der Beantwortung von Kundenanfragen die Rate der neu gewonnenen Projekte?
Die Evaluierung wird weiter erschwert, weil manche Großunternehmen in den vergangenen Monaten Hunderte von KI-Projekten angestoßen haben. Was unübersichtlich wirkt, lässt sich laut Cann aber in zwei Kategorien unterteilen: Bei fast allen Projekten handle es sich entweder um klassische Chatbots oder Anwendungen, die oft als „Chat mit den eigenen Daten“ bezeichnet werden.
Die Chatbots sind vor allem im Kundensupport verbreitet. Dort können KI-basierte Bots viele Kundenfragen heute in Echtzeit und in vergleichbarer Qualität wie ein Mensch beantworten. Alternativ können solche Bots aber auch die Arbeit der Mitarbeiter unterstützen, damit diese schneller die relevanten Informationen finden. Darauf setzt etwa die Versicherungsbranche, in der mögliche Falschantworten der KI mit großen Haftungsrisiken einhergehen.
In die Kategorie „Chat mit den eigenen Daten“ fallen etwa unternehmenseigene Versionen von ChatGPT, wie sie etwa der Energiekonzern Eon und das Pharmaunternehmen Merck eingeführt haben. Dabei verknüpfen sie marktverfügbare KI-Modelle mit ihren eigenen Dokumentensammlungen. Dadurch können Mitarbeiter mithilfe der Bots beispielsweise nicht nur allgemeine Verkaufsunterlagen entwerfen, sondern konkrete Informationen aus dem Produktkatalog einfügen. Die sogenannte RAG-Methode (kurz für Retrieval Augmented Generation) vermindert auch die Gefahr von Falschaussagen der KI.
Laut den Beraterinnen lassen sich solche internen Chat-Anwendungen relativ leicht für abgegrenzte Bereiche erstellen, wo eine Abteilung die Hoheit über ihre eigenen Datensätze hat: Die Produktabteilung entwickelt dann ihren Produktbot und die Personalabteilung einen HR-Bot.
Aus 200 Chatbots soll ein einziger werden
Wirklich nützlich würden sie aber erst dann, wenn es im nächsten Schritt gelänge, „200 Anwendungsfälle zusammenzufassen“, sagt Kathrin Schwan. Sie sieht die Lösung des Problems in sogenannten „Autonomous Agents“, also autonomen KI-Agenten. Dabei sollen verschiedene KI-Modelle miteinander agieren.
Während der Nutzer alle seine Fragen und Aufgaben nur in ein einziges Chatfenster eingibt, entscheidet im Hintergrund ein Orchestrierungsbot, welchem System oder Modell er die Aufgabe zuweist. Bei komplexeren Fragen kann er die Aufgaben auch an mehrere Systeme verteilen.
Warum Sie sich vor KI-Agenten bald nicht mehr retten können
„Die Idealvorstellung ist eine persönliche Assistenz, die sich meinem Bedarf anpasst – ob ich als Mitarbeiter im Versicherungsbereich gerade einen Fall bewerten muss, etwas recherchieren will oder Fragen zu Weiterbildungen habe“, sagt Schwan. Accenture will solche Systeme Ende zu Ende mit den Kunden gemeinsam konzipieren und umsetzen.
Die Herausforderung: Einerseits müssen Datensilos zwischen verschiedenen Abteilungen im Unternehmen geöffnet werden, andererseits muss das Zugangsmanagement gelingen. Denn je nach Rolle und Position im Unternehmen dürfen Mitarbeiterinnen und Mitarbeiter auf unterschiedliche Daten zugreifen.
Laut Cann bedarf es dafür einer neuen Softwarearchitektur, über die Unternehmen verschiedene Sprachmodelle, Datensätze und Zugriffsrechte managen können. Es ist ein Thema, mit dem sie sich schon während ihrer letzten Tätigkeit auseinandergesetzt hat: In ihrem Start-up Nyonic wollte sie branchenspezifische KI-Modelle für Unternehmen entwickeln. Die Firma, zu deren Gründern auch die frühere KI-Chefin von SAP, Feiyu Xu, zählte, zerbrach aber an einem Streit im Gründerteam.