Künstliche Intelligenz (KI)
07.12.2018
Neue Dimensionen der Wertschöpfung
1. Teil: „Künstliche Intelligenz als Produktionsfaktor“

Künstliche Intelligenz als Produktionsfaktor

Roboter im Einsatz bei der ArbeitRoboter im Einsatz bei der ArbeitRoboter im Einsatz bei der Arbeit
pixabay
KI verändert Geschäftsmodelle und ist Treiber einer neuen industriellen Revolution. Insgesamt erfordert die KI-gestützte Wertschöpfung allerdings eine ganz neue Denkweise in vielen Bereichen.
Künstliche Intelligenz verändere die Wertschöpfung langfristig, erklärt Marcus Schüller, Partner der Wirtschaftsprüfungsgesellschaft KPMG. KI habe „das Potenzial, Geschäftsmodelle grundlegend zu verändern“, meint PricewaterhouseCoopers (PwC). Und das McKinsey Global Institute (MGI) verkündet: Die Technologie sei bedeutsamer als jede Transformation der bisherigen Wirtschaftsgeschichte einschließlich Dampfmaschine. Die Analysten sind sich einig: KI ist eine industrielle Revolution.

Bauchgefühl digitalisieren

Zu den KI-Vorreitern hierzulande zählt ein Unternehmen, das eher mit Telekommunikation in Verbindung gebracht wird: Telefónica Deutschland ist bekannt für die Mobilfunknetze O2 und E-Plus. Der TK-Konzern nutzt KI etwa für die Früherkennung technischer Anomalien und die Vorhersage von Störungen. Sensoren erlauben es, Wartungsarbeiten gezielter einzuleiten und Hardware-Fehler zu beheben, noch bevor diese die Dienstbereitschaft stören.
Ein ähnliches Diagnosesystem zeichnet bei Telefónica für die Sentimentanalyse verantwortlich. Es durchforstet mit Algorithmen zur Sprachanalyse und Bild­erkennung Beiträge in sozialen Netzwerken und in klassischen Medien und macht beispielsweise das Firmenlogo in Beiträgen aus, die gar keinen offensichtlichen Bezug zum Unternehmen aufweisen. So gewinnt der Mobilfunkanbieter in Echtzeit ein Verständnis dafür, was seine mehr als 45 Millionen Kunden in der Öffentlichkeit über das Unternehmen und seine Produkte berichten. Telefónica verspricht sich davon, Trends frühzeitig zu erkennen, Kundenbedürfnisse besser zu verstehen und auf Kritik zeitnah zu reagieren. Sein Unternehmen habe „das Bauchgefühl digitalisiert“, bringt es Thorsten Kühlmeyer, Head of Business Analytics & Artificial Intelligence, auf den Punkt.
  • Komplexe Technik: Künstliche Intelligenz basiert auf einer Vielzahl von Teildisziplinen von Textmining über Clustering bis zu maschinellem Sehen.
    Quelle:
    KPMG
Der Datenbestand des Unternehmens sowie Marktdaten fließen in das Analytics Insights Center ein. Diese gemeinsam mit dem Stuttgarter KI-Start-up 5Analytics entwickelte zen­trale KI-Plattform soll allen Telefónica-Mitarbeitern eine fundierte Entscheidungsgrundlage liefern. Telefónica ist an dem Start-up über den Accelerator Wayra beteiligt. Mit Unterstützung durch die Deutsche Telekom, den SAP-Partner Theobald Software, den Digitalverband Bitkom, Oracle Deutschland und andere entsteht bei 5Analytics eine Art KI-Betriebssystem, eine lernende Plattform, die durch historische Daten befähigt werden soll, automatisch sichere Entscheidungen zu treffen.
Hinzu kommt mit DigitalBrain ein internes Know-how-Netzwerk, das „die Expertise jedes einzelnen Mitarbeiters für jeden anderen zugänglich macht“, so Heinz Korten, Senior Specialist New Media & Project Lead DigitalBrain bei Telefónica Deutschland. DigitalBrain basiert auf der KI-Engine von Starmind, einem KI-Pionier aus Zürich. Mitarbeiter richten ihre Fragen an DigitalBrain; das System findet für sie den richtigen Ansprechpartner über Unternehmenshierarchien hinweg. Laut Telefónica bekommen die Beschäftigten so 53 Prozent ihrer Problemstellungen in weniger als zwei Stunden gelöst.
2. Teil: „Goldgrube KI “

Goldgrube KI

Warum so viele Unternehmen sich auf Künstliche Intelligenz stürzen, macht der Blick auf einige Zahlen verständlich. Den Prognosen von PwC zufolge soll KI bereits im Jahr 2030 bis zu 15,7 Billionen Dollar zur Weltwirtschaft beitragen – mehr als heute die Wirtschaftsleistung von China und Indien zusammen. Und das deutsche Bruttoinlandsprodukt (BIP) könnte allein durch KI bis 2030 um 11,3 Prozent wachsen, sagt PwC in der Studie „Auswirkungen der Nutzung von künstlicher Intelligenz in Deutschland“ voraus, was einer Wertschöpfung von rund 430 Milliarden Euro entspräche. Das McKinsey Global Institute (MGI) schätzt das Wachstumspotenzial der deutschen Wirtschaft durch Adap­tion von KI-Technologien sogar noch etwas optimistischer auf 16,7 Prozent bis 2030 (jährlich 1,3 Prozent). Dazu müssten allerdings 70 Prozent aller Unternehmen bis dahin KI-Lösungen einsetzen, vornehmlich für automatische Bilderkennung, natürliche Sprache, virtuelle Assistenten, roboterbasierte Prozessautomatisierung und maschinelles Lernen. Das Potenzial sei hierzulande höher als in den meisten anderen Volkswirtschaften, sind sich PwC und McKinsey einig.
Je nach Branche variiert das KI-getriebene Wachstum allerdings zwischen 7 und 28 Prozent, glaubt PwC. Überdurchschnittlich hoch soll der KI-Einfluss in den Bereichen Handel und Konsumgüter, Hotels, Restaurants, Bildung, Gesundheit sowie im öffentlichen Sektor ausfallen. Für die deutsche Industrie sagt eine Studie des Bundeswirtschaftsministeriums vom Juni 2018 voraus, dass KI die Bruttowertschöpfung in den kommenden fünf Jahren kumuliert um rund 32 Milliarden Euro steigern wird. KI wäre damit für ein Drittel des gesamten Wachstums in diesem Sektor verantwortlich.
  • Quelle: McKinsey Global Institute
Diese Transformation der Industrie hat auch bereits begonnen. Zwei Beispiele: Bei Autokonzernen wie Audi führen fahrerlose Transportsysteme (FTS) die Anweisungen eines zentralen Computers aus, der die werksinterne Logistik optimal auf die Bedarfsschwankungen der Montagestationen abstimmt. Und Airbus Smarter Fleet, eine cloudbasierte Service-Plattform des europäischen Flugzeugbauers, stellt Fluglinien intelligente Wartungs- und Engineering-Werkzeuge bereit. Mit Hilfe von IBMs KI-Engine Watson soll die Cloud-Plattform von Airbus Flugeffizienz und Treibstoffverbrauch der Verkehrsflugzeuge optimieren und so Gesellschaften mit Airbus-Modellen Wettbewerbsvorteile verschaffen. Über die Lebensdauer eines Linienflugzeugs sollen Zusatzdienste aus den Betriebsdaten eine Wertschöpfung ge­nerieren.
Solche Service-Plattformen schaffen neue Wachstumspotenziale, glauben die Analysten von Accenture. Doch wer sie ausschließlich als Instrument der Absatzsteigerung für seine eigenen bestehenden Produkte konzipiere, schöpfe ihre Möglichkeiten nicht aus. Plattformen müssten als Ökosysteme „möglichst vielen Nutzergruppen“ offenstehen und Produkte und Leistungen anderer Unternehmen einbeziehen.
3. Teil: „Augen und Ohren der KI “

Augen und Ohren der KI

Wie das geht, hat für die ITK-Branche der Rechenzentrumsausrüster Schneider Electric gezeigt. EcoStruxure IT, eine KI-gestützte DMaaS-Plattform (Data Management as a Service) aggregiert und analysiert große Mengen anonymisierter Messwerte aus den Kunden-Rechenzentren. Ziel ist es, dank des KI-Unterbaus Ausfälle zu verhindern, Service-Bedarf vorherzusagen und Kapazitätsengpässen entgegenzuwirken. Schneider Electric bindet die Fernüberwachung mittels cloudbasierter Dienste dabei in seine Serviceverträge ein und hat es so geschafft, Drittanbieter komplementärer Dienste über ein Full-Service-Geschäftsmodell in sein Ökosystem zu integrieren, wie Rhonda Ascierto und Jeffrey Fidacaro von 451 Research in ihrer Studie „The disrupted datacenter; datacenter management as a service“ beobachten.
  • Airbus A350 XWB: Über 50.000 Sensoren produzieren täglich 2,5 TByte an Daten, die mit KI ausgewertet werden.
    Quelle:
    Airbus
Partnerunternehmen können eigene Mehrwertdienste rund um das Data Center entwickeln – vom Energiemanagement bis zur proaktiven Wartung – und sie an die KI-/ML-Engine des Ökosystems anbinden. Die ermöglicht es dem Kunden sogar, vom Network Operations Center des Plattformanbieters heraus hochspezialisierte externe Kompetenzen hinzuzuziehen.
Lösungen mit fortgeschrittener Sensorik entstehen auch in der Fertigungsindustrie. Unternehmen wie die mdk GmbH aus Sankt Augustin entwickeln im Auftrag IoT-Lösungen für die KI-getriebene Steuerung smarter Fabriken. Basis sind Plattformen wie ThingWorx von PTC. Prototypen nehmen dank agiler Methoden oft schon in wenigen Tagen Gestalt an.
Nicht nur Werker in den Produktionshallen, sondern auch Planer, Logistiker und Einkäufer sollen künftig kognitive, lernende Systeme nutzen können. Die Lösungen sollen die Fachkräfte in ihren Entscheidungen unterstützen, indem sie historische Erfahrungswerte zurate ziehen und Echtzeit-Messwerte auswerten. Prädiktive Analyse und Bedarfsvorhersage für die agile Produktion zählen zu den vielversprechendsten Anwendungsszenarien für Künstliche Intelligenz.

Hohe Investitionen

  • Quelle: IDC Deutschland
„Unternehmen integrieren Künstliche Intelligenz zunehmend in ihre Kernprozesse. Das wirtschaftliche Potenzial ist riesig“, erläutert Peter Breuer, Seniorpartner im Kölner Büro von McKinsey. „KI wird zunehmend zu einem Wettbewerbsfaktor; dies kann Unterschiede zwischen Unternehmen und Ländern, die diese Technologie einsetzen, und jenen, die es nicht tun, vergrößern.“ Dabei warnt McKinsey: Unternehmen, die KI früh implementieren, könnten ihren Cashflow verdoppeln, während die Nachzügler einen Rückgang ihres Cashflows um etwa 20 Prozent gegenüber dem heutigen Niveau verzeichnen müssten. Diese Aussage stützt McKinsey auf die Befragung von 3000 Firmen aus 14 Branchen, 400 KI-Anwendungsfälle und die Analyse des Automatisierungspotenzials von 2000 Tätigkeiten in 800 Berufen.
Die KI-Transformation fordert allerdings hohe Investitionen. Das Institut Research and Markets hat deshalb dem Markt für maschinelles Lernen zwischen 2017 und 2022 eine CAGR-Wachstumsrate von sagenhaften 44,1 Prozent pro Jahr vorausgesagt. Und laut IDC werden die Gesamtausgaben für KI und Machine Learning bereits im kommaienden Jahr die 40-Milliarden-Dollar-Marke überschreiten. Dann soll bereits die Hälfte aller Lösungen für Business Analytics auf kognitive Algorithmen setzen. Sowohl Fachanwendungen als auch IT-Infrastruktur-Lösungen sollen bis dahin immer stärker mit Künstlicher Intelligenz angereichert werden. Daraus entwickele sich „ein äußerst dynamischer und hochkomplexer Markt“, so die Analysten.
4. Teil: „Noch viel Luft nach oben“

Noch viel Luft nach oben

Laut der erwähnten BMWi-Studie nutzen derzeit allerdings nur rund 15 Prozent aller produzierenden KMUs in Deutschland KI-Technologien. Unter den Großunternehmen ist immerhin bereits jedes vierte ein KI-Anwender. Beim Mittelstand bewährt sich KI vor allem in Wissensmanagement und Qualitätskontrolle; Großkonzerne setzen vorrangig auf Anwendungen in Robotik und Ressourcenmanagement. Nach Einschätzung der Akteure führt Deutschland im internationalen Vergleich bei den KI-Anwendungen Qualitätskontrolle, intelligente Automatisierung und intelligente Sensorik. Als größte Hindernisse der KI-Transformation nennen die Befragten unter anderem den Mangel an KI-Fachkräften und einen zu zögerlichen Transfer von Forschungsergebnissen in die Wirtschaft.
  • Quelle: Research and Markets (CAGR)
Der Anteil der Unternehmen, die KI-Technologien schon einsetzen, sei derzeit noch zu gering, um die Wertschöpfungspotenziale im vollen Umfang zu realisieren, urteilt die BMWi-Studie. Dabei sei KI „weitaus weniger kompliziert“ und könne „wesentlich einfacher – auch ohne viel Vorwissen – im Unternehmen implementiert werden als oft angenommen“, behauptet Peter Renner, Berater bei der Weissman & Cie. GmbH & Co. KG aus Nürnberg.
Accenture Research warnt denn auch: Obwohl der deutsche Mittelstand derzeit mit circa 3,9 Prozent pro Jahr mehr als doppelt so stark wachse wie die Großkonzerne (1,5 Prozent für die Top 500), laufe er dennoch Gefahr, den KI-Anschluss zu verlieren. Das Interesse an Künstlicher Intelligenz sei bei mittelständischen DACH-Unternehmen derzeit „sehr verhalten“, beobachtet Alexander Linden, Gartner-Research-VP aus Dortmund. Diese Grundhaltung könnte dem deutschen Mittelstand im globalen Wettbewerb wegen steigender Qualitätsstandards und fallender Kosten teuer zu stehen kommen. Es bestehe dringender Handlungsbedarf in einem Zeitfenster von nur wenigen Monaten statt wie sonst üblich von Jahren, warnt Linden.
Als „hoffnungsvoll und unerfahren“ bezeichnet KPMG die meisten CEOs in puncto KI-Nutzung. Nur 6 Prozent der von KPMG befragten deutschen CEOs bestätigten, dass in ihren Unternehmen Formen der KI bereits implementiert seien, um Prozesse zu automatisieren.
Kein Wunder, dass deutsche Unternehmen angesichts ihres Rückstands im internationalen Vergleich mehr Initiative von der Bundesregierung erwarten, wie Accenture Research berichtet. Laut einer Bitkom-Umfrage von November 2017 fordern 85 Prozent der Unternehmen, dass die Digitalisierung zu einem Top-Thema der Politik wird. Und die Politik hat die Zeichen der Zeit offenbar auch erkannt. Das zumindest lassen verschiedene Aktivitäten der Bundesregierung vermuten, insbesondere die in diesem Sommer vom Bundeskabinett beschlossenen Eckpunkte für eine KI-Strategie.
5. Teil: „Cyber Valley Stuttgart-Tübingen “

Cyber Valley Stuttgart-Tübingen

  • Cyber Valley Stuttgart-Tübingen: Bosch finanziert einen Lehrstuhl für Maschinelles Lernen
    Quelle:
    Bosch
Beispielhaft für solche Anstrengungen ist das Cyber Valley Stuttgart-Tübingen, eine Forschungskooperation auf dem Feld der Künstlichen Intelligenz, die auf Initiative der Max-Planck-Gesellschaft Ende 2016 entstanden ist. Seither fließen dorthin Investitionen aus privater wie öffentlicher Hand. Die deutsche Wirtschaft ist mit Amazon, BMW, Bosch, Daimler, IAV Automotive Engineering, Porsche und ZF Group vertreten. Angeschlossen haben sich zudem die Universität Stuttgart und die Eberhard Karls Universität Tübingen. Der vom Land Baden-Württemberg geförderte Forschungsverbund gilt mittlerweile als der größte seiner Art in Europa. Allein die Bosch-Gruppe sponsert Cyber Valley in den kommenden zehn Jahren mit 5,5 Millionen Euro. Das Unternehmen konnte diesen Sommer mit Professor Matthias Hein einen Spitzenwissenschaftler auf dem Gebiet des maschinellen Lernens an den Bosch-Stiftungslehrstuhl in Baden-Württemberg holen.
Im Oktober 2017 hatte Amazon sein Interesse bekundet, sich an Projekten des Cyber Valley zu beteiligen. In einer strategischen Kooperation von Amazon und Max-Planck-Gesellschaft entsteht zudem ein Forschungszentrum für KI beim Max-Planck-Institut für Intelligente Systeme in Tübingen. Die renommierten Max-Planck-Wissenschaftler Bernhard Schölkopf, Direktor der Abteilung für Empirische Inferenz, und Michael J. Black, Direktor der Abteilung für Perzeptive Systeme, sollen das neue Forschungszentrum als Distinguished Amazon Scholars unterstützen. Die Schwerpunkte liegen auf Robotik, ML und maschinellem Sehen. Amazon zahlt der Max-Planck-Gesellschaft 420.000 Euro pro Jahr im Rahmen der Amazon Research Awards (ARA). Die Max-Planck-Gesellschaft möchte damit die Forschung von Doktoranden und Post-Doktoranden finanzieren, um „die Ausbildung hochqualifizierter Nachwuchskräfte im Bereich der Künstlichen Intelligenz weiter (zu) verstärken“, so Professor Schölkopf.
  • Probefahrt: Nvidia, Daimler und Bosch betreiben in der San-Francisco-Bay-Area Pilotprojekte für KI-gestütztes Carsharing (Car2go), Ride-Hailing (Mytaxi) und autonomes Fahren (Moovel).
    Quelle:
    Bosch
Erklärtes Ziel von Cyber Valley ist es, die Ergebnisse der Grundlagenforschung rasch zur Anwendung zu bringen. „Nur wenn wir Spitzenforschung und Unternehmergeist zusammenbringen, entsteht der Nährboden für Innovationen, die sich später einmal als technische Durchbrüche erweisen können“, erklärt Max-Planck-Präsident Martin Stratmann. Forscher bekommen im Cyber Valley deshalb die Möglichkeit, ihre Erkenntnisse in Start-ups selbst zu kommerzialisieren. Die öffentlich-private Risikokapitalgesellschaft High-Tech Gründerfonds hat bereits 489 Investitionen im Umfang von 886 Millionen Euro in Hightech-Start-ups aus den Bereichen Robotik, Automatisierung und Virtual Reality getätigt.
Die Erkenntnisse der erwähnten PwC-Studie scheinen Investitionen in KI-Start-ups durchaus zu legitimieren. Neue, innovative Unternehmen, Produkte und Dienstleistungen sollen nämlich mit 6,71 Prozentpunkten fast 60 Prozent des Zuwachses beim KI-getriebenen BIP-Wachstum bewirken und damit deutlich mehr als die Produktivitätsfortschritte, die durch KI selbst möglich werden (4,56 Prozentpunkte).
Beispiele für Wertschöpfung mit KI
Die zunehmende Praxistauglichkeit Künstlicher Intelligenz und ihre transformatorische Bedeutung für viele Branchen zeigen diese Beispiele KI-gestützter Wertschöpfung:
Operative Effizienz: Start-ups wie Arago, 5Analytics, N-Join und KONUX nutzen KI zur Prozessautomatisierung; SAP-Partner Arago transformiert zu diesem Zweck Erfahrungswerte.
Einkauf: KI hebt laut KPMG verdeckte Einsparpotenziale. Der KI-Chatbot Ada von Tradeshift etwa automatisiert anspruchsvolle Beschaffungsaufgaben wie Datenklassifizierung.
Service: Die Sematell GmbH entwickelt RepyOne, eine KI-gestützte Response-Management-Technologie für Unternehmen wie 1&1.
Vertragswesen: Plattformen wie SAP Leonardo und SAP Ariba bringen Licht in die Komplexität von Geschäftsbeziehungen.
Selbstlernende Robotik: Maschinen in der Fertigung lernen Bewegungsabläufe durch Nachahmung; die Software MIRAI des Start-ups Micropsi Industries ermöglicht es Robotern, sich selbst­ständig neuen Situationen anzupassen, um mit Menschen in unvorhersehbaren Situationen Hand in Hand zu arbeiten.
Personalisierung: Die Kölner goedle.io GmbH widmet sich der Vorhersage des Kundenverhaltens und der Individualisierung.
Bilderkennung: Das Berliner Start-up Omni:us (früher: Search­Ink) bietet der Versicherungsindustrie maschinelles Lernen als einen Dienst zur Erkennung von gedruckten und handschriftlichen Dokumenten an; Firmen sollen damit schon bis zu 80 Prozent Zeit und bis zu 75 Prozent Kosten gespart haben.
Objektwahrnehmung: Die Fahrassistenztech­nologie Drive Pilot von Mercedes Benz beherrscht – erstmals in einigen 2018er-Modellen – Dinge wie autonome Spurwechsel dank KI-Auswertung von 360-Grad-Radar- und Ultraschall-Sensorik.
Betrugsbekämpfung: Start-ups wie Risk Ident bekämpfen Betrug im E-Commerce, unter anderem bei Baur, Otto, Reifen.com, Deutscher Telekom und Vodafone.
MatWerk (Materialwissenschaft und Werkstofftechnik): Forschungseinrichtungen wie Fraunhofer MDS, Fraunhofer-In­stitut für Mikrostruktur von Werkstoffen und Systemen (IMWS) und Deutsches Forschungsinstitut für Künstliche Intelligenz (DFKI) entwickeln Materialien und Werkstoffe, wie sie die Industrie 4.0 braucht.
6. Teil: „Wichtige Randbedingungen“

Wichtige Randbedingungen

Doch noch läuft bei KI längst nicht alles reibungslos. So können rund 80 Prozent der Unternehmen laut IDC schlicht ihren Bedarf an KI-Experten nicht decken. Und bei der Mitgliederumfrage des VDI anlässlich der Hannover Messe räumten 74,7 Prozent der Befragten fehlende Kompetenzen für die effiziente KI-Nutzung ein. Ähnlich hemmend wirkt sich der Mangel an hochwertigen Daten aus. Der Großteil der Daten, die den meisten Organisationen zur Verfügung stehen, ist „dunkel“: unstrukturiert und unbenutzt – und dennoch potenziell voller wertvoller Einsichten. Das entscheidende Kriterium im Einsatz kognitiver Technologien stellt für Unternehmen deshalb die Fähigkeit dar, mit Hilfe von KI „Daten in geistiges Eigentum zu transformieren“. Zu diesem Schluss kommt die Anfang 2018 veröffentlichte PwC-Studie „Künstliche Intelligenz als Innovationsbeschleuniger im Unternehmen: Zuversicht und Vertrauen in Künstliche Intelligenz“. Mehr als 70 Prozent der befragten Entscheider stufen Künstliche Intelligenz demnach als „den ausschlaggebenden Geschäftsvorteil der Zukunft“ ein. 54 Prozent der CEOs bestätigen, dass KI die Produktivität in ihrem Unternehmen bereits erhöht habe.
Der Weg hin zu guten und glaubwürdigen Ergebnissen maschinellen Lernens führe immer über gute Daten, die zudem in ausreichender Menge vorliegen müssten, betonte Konstantin Greger, Sales Consultant bei Tableau Germany, anlässlich der Vorstellung der IDC-Studie „Künstliche Intelligenz und Machine Learning in Deutschland 2018“. Ohne gesundes und tief gehendes Verständnis dieser Daten, ihrer Limitierungen, Fehler und Unzulänglichkeiten würde ein Algorithmus diese immer ins Endergebnis weitertragen und möglicherweise sogar verstärken; systematische Fehler, sogenannte Bias, seien dabei nicht auszuschließen.
Greger rät deshalb vom Einsatz derartiger Methoden ohne die Einbettung in eine Datenstrategie unbedingt ab. Eine Datenstrategie muss aus seiner Sicht unter anderem die Punkte Erfassung, Sammlung, Vorhaltung, Qualitätssicherung und Zurverfügungstellung umfassen. Der finale Entscheidungsfindungsprozess sollte zudem den gesunden menschlichen Verstand mit einbeziehen und es ermöglichen, rein algorithmische Entscheidungen zu verwerfen. Seien diese Randbedingungen gegeben, stellten KI und Methoden des maschinellen Lernens eine „faszinierende Bereicherung existierender Datenanalysemethoden“ dar und könnten „ zu fundamental neuen oder erweiterten Erkenntnissen und Einblicken führen“.
Ob diese Randbedingungen für die deutsche Wirtschaft derzeit gegeben sind, darüber lässt sich streiten. Accenture steht auf dem Standpunkt, die Gesetzgebung in der EU bremse die Wirtschaft eher aus. Regelwerke wie die Datenschutz-Grundverordnung stellten sich nicht ausreichend auf den Wandel der geopolitischen Rahmenbedingungen ein und behinderten Unternehmen in der Wahrnehmung ihrer digitalen Wachstumschancen, bemängelt das Analystenhaus.
Die Transformation ist ja auch ohne regulatorische Hindernisse schon kompliziert genug. „KI/ML kann eine Achterbahn sein“, kommentiert Gartner-Research-VP Alexander Linden. Es sei ein „sehr verwirrender Bereich“ – selbst für „die größten und fortschrittlichsten Organisationen“. Deutsche ITK-Anbieter haben aus dieser Herausforderung allerdings einen Image-Vorteil herausgearbeitet. So hat sich beispielsweise die Deutsche Telekom einen Ethikkodex für Künstliche Intelligenz auf die Fahnen geschrieben.

Fazit & Ausblick

Das Aufkommen von KI ebnet Firmen den Weg für zahlreiche neue Betriebs- und Geschäftsmodelle, darüber herrscht Einvernehmen. Gartner-Experte Alexander Linden empfiehlt Unternehmen, bei KI-Projekten an ihren Geschäftsanforderungen anzusetzen. Diese Vorgehensweise erleichtere das Auswählen der KI-Lösung(en). Die Entscheidungsträger sollten bei der Auswahl systematisch vorgehen, um alle Möglichkeiten auszuloten. Denn für allgemeine beziehungsweise indus­trieweite Problemstellungen seien eventuell bereits „vorge­backene Lösungen“ verfügbar. Diese würden ihren Nutzern zwar „keine signifikante langfristige Wettbewerbsdifferenzierung bieten“, seien aber möglicherweise als Startpunkt durchaus gut geeignet. Insgesamt erfordere die KI-gestützte Wertschöpfung eine ganz neue Denkweise in vielen Bereichen. In diesem Sinn steckt KI sicher noch in den Kinderschuhen.
Völlig offen sind daher auch noch die Auswirkungen von KI auf die Arbeitsplätze. Zumindest die Berufsbilder dürften sich verändern. So erwartet Gartner, dass jeder fünfte Beschäftigte bis 2022 eine KI-System als Kollegen zur Seite haben wird. Ängste vor massenhaften Jobverlusten hält PwC in seinem Bericht zu den Auswirkungen der Nutzung von Künstlicher Intelligenz für „über­zogen“. Zwar seien laut einer OECD-Studie mittelfristig knapp 20 Prozent der Arbeitsplätze in Deutschland durch Künstliche Intelligenz bedroht, aber zugleich würden neue Produkte und Services und damit auch neue Aufgabenbereiche entstehen, geben sich die PwC-Analysten optimistisch.

mehr zum Thema