KI-Wissen

Die 3 häufigsten Fehler bei der Produktinnovation mit KI. Was Sie bei der Planung und Umsetzung von KI-Projekten unbedingt beachten sollten

Thomas Salzmann
Thomas Salzmann
Traurige Frau vor einheitlichem hellen Hintergrund

Einige Maschinen- und Anlagenbauer beschäftigen sich bereits intensiv mit der Frage, wie sie KI für Ihre nächste Produktgeneration nutzbar machen können. Dabei geht es ihnen darum, Ihre Maschinen mit intelligenten digitalen Services auszustatten, um noch besser auf die Bedürfnisse der Kunden einzugehen. 

Selber profitieren sie von digitalen Geschäftsmodellen, die neuartige, nachhaltige Einkommensströme erschließen. Darüber hinaus trägt die konsequente Integration von KI in das Produktangebot dazu dabei, die Technologieführerschaft auszubauen und neue Marktanteile zu gewinnen. Damit KI zu einem wichtigen Treiber Ihrer Unternehmensentwicklung wird, sollten Sie einige gängige Fehler unbedingt vermeiden. Lesen Sie im Folgenden, welche 3 Fehler bei der Umsetzung von KI-Vorhaben uns am häufigsten begegnen.

Überzogene Erwartungshaltung ohne klare Zielvorstellung

Wenn wir mit Geschäftsführern und leitenden Managern über KI-Vorhaben sprechen, stellen wir häufig fest, dass diese die Möglichkeiten einer KI überschätzen, zumindest was deren Leistungsfähigkeit im Frühstadium betrifft. Das hat zum Einen damit zu tun, dass es oftmals am klaren Verständnis über die Funktionsweise der Technologie fehlt. Zum Anderen hat man beim Lesen vieler Marketingartikel zum Thema KI häufig den Eindruck, KI sei eine Wunderwaffe, in die man einfach nur alle vorhandenen Daten eingibt und im Handumdrehen jegliche gewünschte Funktionalität mühelos zur Verfügung steht. So einfach ist es aber außerhalb hoch idealisierter Laborumgebungen nicht. Es bedarf einer guten Portion Know How und zielgerichteter Arbeit, um die Wunsch-KI ins Leben zu rufen.

Ist die Erwartungshaltung erst einmal überzogen, kann sich besonders große Enttäuschung einstellen, wenn es obendrein keine klar definierte Zielstellung gibt. Fehlende oder zu allgemein gehaltene Ziele verhindern eine Bewertung der erzielten KI-Ergebnisse. Wird ein KI-Projekt mit solch einem toxischen Mix gestartet, bleiben messbare Ergebnisse aus und es wird sich kein Erfolgsgefühl einstellen. Was dann bleibt ist ein bitterer Beigeschmack und Unsicherheit, ob KI Ihrem Unternehmen überhaupt jemals weiterhelfen kann.

Unsere Tipps für das richtige Mindset zur Vorbereitung erfolgreicher KI-Vorhaben lauten daher:

  1. Lassen Sie sich von KI-Erfolgsstories inspirieren, aber nicht in die Irre leiten. Das vermeintliche KI-Wunderwerk ist das Ergebnis kontinuierlicher Arbeit und nicht einfach vom Himmel gefallen.

  2. Entwickeln Sie ein Verständnis für wertschöpfende Kombinationen Ihrer bisherigen Produkte und KI. Fragen Sie etwa ihre Kunden, welche Zusatzfunktionalitäten ihnen das Leben erleichtern würden. Halten Sie Ausschau nach simplen Wünschen (“Low Hanging Fruits”).

  3. Verbinden Sie Produkt-KI-Kombinationen stets mit möglichen Geschäftsmodellen. Nur das in Aussicht stehende Geschäft hält KI-Projekte bei Schwierigkeiten am Leben. Niemand bleibt der Technologie wegen am Ball.

  4. Leiten Sie aus den gefundenen Produkt-KI-Kombinationen und den unterliegenden Geschäftsmodellen messbare Ziele ab, mindestens in Form von Hypothesen, etwa “die KI wird mehr als die Hälfte aller täglichen Prozessabweichungen entdecken” oder “2 von 5 Testkunden werden den neuen KI-Service täglich nutzen”.

 

Daten passen nicht zur Zielstellung

Vermutlich ist Ihnen bereits bekannt, dass die Funktionstüchtigkeit einer KI von Umfang und Qualität der verfügbaren Daten abhängig ist. Dabei lässt sich nicht pauschal sagen, wie viele Daten genug sind und wie hoch die Datenqualität sein muss, damit ein KI-Projekt gelingt. Vielmehr muss dies im Einzelfall bewertet werden und die Datenlage ggf. zunächst verbessert werden, bevor das KI-Projekt starten kann.

Außerdem müssen die Daten zum Anwendungsfall passen, d.h. zur KI-Funktionalität, mit der ein Ziel bzw. eine Wertschöpfung erzielt werden soll. Die zentrale Frage lautet: “Enthalten meine Daten alle Informationen, die für die KI relevant sind?” Wenn Sie zum Beispiel wissen möchten, wie sich die Konfiguration von Soll-Parametern auf die Verfügbarkeit Ihrer Maschine oder Anlage auswirkt, muss der Datensatz für das Training der KI sowohl die Sollwerte als auch den Betriebszustand (AN, AUS) über der Zeit enthalten. Dieser Datensatz alleine ist aber immer noch unzureichend für eine verlässliche KI-Verfügbarkeitsprognose, wenn etwa die Materialzufuhr oder der Zustand der genutzten Betriebsmittel, etwa Werkzeuge, entscheidenden Einfluss ausüben.

Um demotivierenden Verzögerungen zum Projektstart vorzubeugen, empfehlen wir daher:

  1. Setzen Sie sich frühzeitig mit Ihrer Dateninfrastruktur auseinander, welche Daten haben sie in welchen Systemen in welcher Auflösung verfügbar?

  2. Welche Daten spielen für welchen Anwendungsfall eine Rolle? Führen Sie etwa Umfragen bei ihren Maschinenbediener:innen durch, die wissen es am Besten. Vermeiden Sie dabei jedoch langwierige Diskussionen über mutmaßliche Wirkungszusammenhänge, lassen Sie das lieber die KI erledigen.

  3. Sammeln Sie Daten strukturiert und verwalten Sie diese nach Möglichkeit in offenen Datenbanken und IT-Systemen.

Zu kurzfristige Perspektive

Viele Unternehmen starten ein KI-Pilotprojekt ohne einen klaren Plan für die weiteren Schritte zu haben. Im Erfolgsfall ist damit unklar, wie die weitere Entwicklung zum marktfähigen KI-Service aussehen soll und wann sich Investitionen rentieren. Und wenn die Pilot-Ergebnisse nicht vollumfänglich zufriedenstellend sind, können Sie keine Einschätzung treffen, in welchem Umfang und mit welchem Aufwand sich Nachbesserungen lohnen. Das, was zum eigentlichen Startpunkt Ihrer KI-Zukunft werden sollte, verkommt somit im schlimmsten Fall zu einer Sackgasse.

Ein gut strukturierter KI-Fahrplan kann Sie davor bewahren, in eine Sackgasse einzubiegen. Er trifft sinnvolle Annahmen an die zu erwartende Time-to-Market Ihres neu entwickelten KI-Services und die dazu notwendigen Entwicklungsschritte. Außerdem lassen sich die benötigten finanziellen und personellen Ressourcen daran festmachen. Ein KI-Fahrplan hilft Ihnen bei der Bewertung des Entwicklungsfortschritts und bewahrt Sie vor unangebrachten Kurzschlussreaktionen.

Ein nachhaltiger KI-Fahrplan sollte mindestens enthalten: 

  1. Arbeitshypothesen an KI-Anwendungsfall, mit dem Wertschöpfung erzielt werden soll, sowie unterliegendes Geschäftsmodell. Beides kann sich im Umsetzungsverlauf ändern, aber es sollte immer einen belastbaren Referenzpunkt geben.

  2. Entwicklungsplan von Demonstrator zu Prototyp zu marktfähigem Produkt zu Rollout und Skalierung. Die technischen Details können dabei in späteren Phasen zunächst stark vereinfacht sein, aber die Ziele einer jeden Phase sollten stets klar definiert sein.

  3. Zeit-, Kosten- und Ressourcenbedarf, insbesondere auch interne Ressourcen und erforderliche digitale Infrastruktur. Für spätere Entwicklungsphasen sollten auch geeignete Testszenarien und Vertriebsaktivitäten berücksichtigt werden.

 

Bleiben Sie stets Herr:in der Lage

Auch wenn es um KI geht und Ihnen dieses Feld vermutlich fremd ist, aus unserer Sicht halten Sie das Steuer zu jeder Zeit sicher und fest im Griff, wenn Sie einige wenige Punkte beherzigen: Stellen Sie sicher, dass alle Beteiligten ein klares Verständnis von KI-Anwendungsfall und erwarteter Wertschöpfung haben. Definieren Sie einfache Ziele, mit denen Sie den Fortschritt überwachen und KI-Ergebnisse bewerten können. Formulieren Sie eine klare Erwartungshaltung an Zwischenergebnisse, die Sie in verschiedenen Projektphasen erwarten. Ordnen Sie jedes (Zwischen-)Ergebnis in den KI-Fahrplan ein und nehmen Sie bei Abweichungen Anpassungen an der Projektdurchführung oder am KI-Fahrplan vor.