Erfolgreiche KI-Projekte beginnen in den Fachabteilungen
Laut einer brandaktuellen Horváth-Studie beobachtet ein Großteil der mehr als 200 befragten Unternehmen und Organisationen aggressive Vertriebsstrategien von Anbietern KI-basierter Lösungen. Hintergrund ist die hohe Bereitschaft vieler Geschäftsleitungen, in solche Lösungen zu investieren. Sie wenden sich regelmäßig an ihre IT-Verantwortlichen, um die Einführung neuer KI-Lösungen zu erörtern. Allerdings wird die Diskussion dort geführt, wo KI technisch zwar umsetzbar, fachlich aber nicht sinnvoll ist.
Inhalt
KI ist kein reines IT-Thema
KI-Projekte sind in der Praxis selten reine IT-Vorhaben. Zwar sollte die IT regelmäßig in die Gespräche einbezogen werden, doch die Wertschöpfung entsteht in den Fachabteilungen. Die dortigen Leiter und Sachbearbeiter wissen meist sehr genau um Engpässe, Medienbrüche oder ineffiziente Abläufe, bei deren Überwindung KI wirkungsvoll unterstützen kann. Die Definition des eigentlichen Anwendungsfalls muss somit aus den Fachbereichen kommen. Sie sind die ersten Kontaktstellen für jedes KI-Projekt.
Die IT fungiert „lediglich“ als technischer Enabler, der die KI-Lösung integriert, skalierbar umsetzt und einen reibungslosen Betrieb sicherstellt. Im so entstehenden Zusammenspiel von Fachbereichen und IT entsteht das notwendige tragfähige Fundament. Solange KI aber ausschließlich als IT-Thema behandelt wird, bleibt sie ein Fremdkörper ohne nachhaltige Prozessverankerung.
Geschäftlicher Nutzen steht im Vordergrund
Nach unserer Erfahrung erreicht KI den ROI besonders schnell, wenn Unternehmen systematisch untersuchen, an welchen Stellen sich die Effizienz verbessern lässt – etwa durch optimierte Abläufe oder die Entlastung der Mitarbeitenden bei wiederkehrenden Aufgaben. Unterbleibt diese konsequente Ausrichtung an konkreten Use Cases und werden KI-Initiativen somit vorrangig unter einer technologischen „Brille“ begonnen, entstehen schnell isolierte und vor allem teure Experimente ohne klaren Nutzen.
Der richtige Ansatz lautet daher, zuerst die operativen Schmerzpunkte zu ermitteln und präzise zu definieren, wie diese behoben werden sollen. Erst danach sollte die Frage nach der passenden Technologie gestellt werden. Entscheidend ist also nicht die theoretische Leistungsfähigkeit von KI, sondern der nachweisbare Beitrag zur Wertschöpfung, belegt durch realistische Ergebnisse aus Pilotprojekten.
Anders als andere Anbieter, die mit überzogenen Versprechen wie „100 % Genauigkeit“ oder „vollständige Automatisierung ohne menschliche Kontrolle“ werben, prüfen wir bei applord innerhalb von 20 Minuten, ob sich für Ihren konkreten Anwendungsfall ein individuelles KI-Modell dauerhaft wirtschaftlich betreiben lässt. Ist dies möglich und sind die notwendigen Daten verfügbar, entwickeln wir im Anschluss innerhalb von 30 Tagen ein mit Ihren Daten trainiertes KI-Modell, das Sie bis zum produktiven Einsatz kostenlos testen können.
KI-Lösungen systematisch auswählen
Ist der Nutzen definiert, rückt die nächste Herausforderung in den Fokus: die Auswahl eines passenden KI-Anbieters. In der Praxis wird diese Entscheidung häufig durch zweifelhafte Faktoren beeinflusst: „KI-basierte Lösungen werden, getrieben durch hohe Erwartungen des Vorstands und starke Vertriebsoffensiven der Anbieter, mitunter ohne systematischen Auswahlprozess gekauft und implementiert“, berichtet etwa Horváth-Experte Dr. Matthias Emler.
Entscheidend sind daher klare Auswahlkriterien: realistische Leistungsversprechen, transparente Kostenstrukturen, verlässliche Ansprechpartner sowie Prozess- und Branchenkompetenz, aber auch ein belastbares Datenschutzkonzept, die Nachvollziehbarkeit der KI-Ergebnisse, Qualitätssicherungsmechanismen sowie ein tragfähiges Betriebs- und Supportkonzept.
Wirtschaftlichkeit und Kostentransparenz
Eng verbunden mit der Auswahl eines Anbieters ist die Frage der Wirtschaftlichkeit. Unternehmen vermissen laut der Horváth-Studie immer häufiger eine Ausgewogenheit beim Preis-Leistungs-Verhältnis zahlreicher KI-Lösungen. Der aktuelle Hype verstärkt diesen Effekt zusätzlich. Daher sollte besonderes Augenmerk auf transparente Preismodelle gelegt werden. Denn versteckte Kosten, etwa für die Datenvorbereitung oder Anpassungen, wirken sich negativ auf die Wirtschaftlichkeit von KI-Lösungen aus.
Die monatlichen Gebühren unserer KI-Modelle orientieren sich am tatsächlichen Nutzungsumfang und beinhalten neben der laufenden Nutzung auch sämtliche Wartungsarbeiten, Sicherheitsupdates sowie die kontinuierliche Weiterentwicklung des Systems. Mögliche Anpassungen werden erst bei einer dauerhaften und erheblichen Überschreitung des vereinbarten Nutzungsrahmens gemeinsam abgestimmt.
Unsere Kostenstruktur entlasten wir durch den Verzicht auf unnötige Fremdlizenzen, beispielsweise für Datenbanken oder OCR-Technologien. Fast schon nebenbei wahren wir so für unsere Kunden auch unsere technologische Unabhängigkeit
Governance und Qualitätssicherung
Selbst bei einer sinnvollen und wirtschaftlich tragfähigen KI-Lösung bleibt der unsachgemäße Umgang als zentrales Risiko bestehen. So befürchten innerhalb der Horváth-Studie vier von fünf befragten deutschen Unternehmen, dass Mitarbeitende KI-generierte Ergebnisse unhinterfragt akzeptieren und sie ungeprüft übernehmen.
Daraus ergibt sich die Notwendigkeit klarer Governance-Strukturen. Dazu gehört unter anderem die verbindliche Regel, keine internen Dokumente oder personenbezogenen Daten in öffentliche KI-Systeme einzugeben oder hochzuladen, und ebenso die Vorgabe, wann Ergebnisse von KI-Modellen überprüft werden müssen. Eine solche Validierung ist im Training permanent erforderlich und sollte im Livebetrieb stichprobenartig sowie unmittelbar bei Unsicherheiten der KI erfolgen.
Wir nutzen zur Qualitätssicherung unterschiedliche Mechanismen, darunter Plausibilitätsprüfungen zur Betrachtung logischer Zusammenhänge oder Confidence Scores mit Hinweisen auf die Verlässlichkeit einzelner Ergebnisse. Besonders wirkungsvoll ist der parallele Einsatz mehrerer KI-Modelle im Rahmen unserer IntegrityGuardian-Technologie, um die Ergebnisse miteinander zu vergleichen. Nicht zuletzt umfasst der Ansatz „Human in the Loop“ eine gezielte menschliche Prüfung und Korrektur von KI-Ergebnissen. Das Feedback unterstützt die kontinuierliche Verbesserung der Modelle und somit deren wachsende Genauigkeit
Fazit
Die Horváth-Studie zeigt: Viele KI-Projekte starten mit der Frage nach der Technologie und somit beim falschen Ansprechpartner. Erfolgreicher ist ein anderer Weg: Unternehmen sollten zunächst die Fachbereiche einbinden, konkrete Anwendungsfälle identifizieren und den erwarteten Nutzen von KI klar definieren. Erst auf dieser Grundlage lassen sich passende Lösungen auswählen, wirtschaftlich bewerten und durch klare Governance-Regeln sicher und nachhaltig betreiben.
Wenn auch Sie KI-Lösungen zuverlässig und wirtschaftlich in Ihre bestehenden Prozesse integrieren möchten, dann nehmen Sie gern Kontakt mit uns auf!