In ihrer Digitalisierungsstrategie haben viele Unternehmen bereits erkannt, dass sie Ihre Produkte mithilfe von Künstlicher Intelligenz aufwerten können. In der Regel bedeutet das, Daten zum Produkteinsatz zu erschließen und diese schlau auszuwerten, um damit neue werthaltige Angebote für Kund:innen zu schaffen. In diesem Artikel haben wir die 5 wichtigsten Fragen zusammengestellt, die bei solch einem KI-Upgrade entscheidend sind.
1. Welcher Use Case soll bedient werden?
Als Erstes stellt sich die Frage nach dem Use Case, mit dem Wert für Ihre Kund:innen geschaffen werden soll. Welche Zusatzbedürfnisse haben Ihre Kund:innen im Umgang mit Ihren Produkten? Gibt es hierfür bereits Lösungen von Drittanbietern? Könnten Sie durch eine datengetriebene Zusatzleistung eine bessere Lösung bieten?
Auf der Suche nach einem geeigneten Use Case empfiehlt es sich, den täglichen Umgang der Nutzer:innen mit Ihrem Produkt genau zu analysieren. Lässt sich etwa die Interaktion mit KI vereinfachen, vielleicht sogar automatisieren? Welche zusätzlichen Informationen könnten das Leben der Nutzer:innen vereinfachen? Oder können Sie vielleicht die eigenen Serviceleistungen rund um Ihr Produkt verbessern, wenn Sie frühzeitig Meldungen und Vorhersagen zum Laufzeitbetrieb erhalten?
2. Mit welchem Geschäftsmodell soll Geld verdient werden?
Im unmittelbaren Zusammenhang mit dem Use Case stellt sich die Frage, wie damit konkret Geld verdient werden soll. Hierbei spielen Leistungsart und Preismodell die Hauptrollen. Leistungsart und Preismodell müssen zum Anwendungsverhalten der Nutzer:innen passen. Als Leistungsart kommen zum Beispiel Software-as-a-Service (SaaS), ein individuell geschnürtes Dienstleistungspaket oder Hardware-Verleih statt -Verkauf in Frage. Als gängige Preismodelle finden sich neben dem klassischen Verkauf von Lizenzen mittlerweile auch vermehrt flexible Subscription-Modelle, Pay-per-Use, Pay-per-Part oder Freemium-Angebote. Näheres zu diesen sowie weiteren möglichen Geschäftsmodellen finden Sie in diesem Artikel.
3. Welches KI-Modell ist zweckmäßig?
Wenn Sie aus geschäftlicher Sicht von Ihrem Vorhaben überzeugt sind, können Sie beginnen, sich über das passende KI-Modell Gedanken zu machen. Die Auswahl an möglichen KI-Modellen ist groß und stets Anwendungs- also Use Case-bezogen. Sie können aber über gezielte Anforderungen an die benötigte KI-Funktionalität - dazu gehört etwa die Erkennung von Mustern, die Klassifikation oder das Aufspüren von Wirkungsketten - sowie an die erforderliche Erklärbarkeit der KI-Ergebnisse recht gut vorfiltern.
Die Erklärbarkeit von Ergebnissen stellt sich insbesondere im Kontext menschzentrierter KI zusehends als elementare Voraussetzung für die Akzeptanz durch menschliche Nutzer:innen heraus. Erklärbare KI gibt zusätzlich zum reinen Ergebnis auch Einblick in die zugrunde liegenden Zusammenhänge, die zu diesem Ergebnis geführt haben. Das kann etwa eine Priorisierung von Einflussfaktoren sein oder auch eine Bewertung der unterliegenden Datenbasis. Nicht alle KI-Modelle eignen sich hierfür.
4. Welche Daten sind erforderlich?
KI kann ohne geeignete Daten nicht lernen und kommt schlimmstenfalls nie über das Anfängerstadium hinaus. “Geeignet” meint hier, dass die Daten so viele aussagekräftige Beispiele wie möglich enthalten, die für den betrachteten Use Cases relevant sind (Datenbreite). Außerdem müssen in den Daten natürlich auch alle Kenngrößen vorkommen, die eine entscheidende Rolle spielen (Datentiefe). Ein initialer KI-Daten Quick Check kann dabei helfen, zügig eine Einschätzung zur Eignung der vorhandenen Daten für den angepeilten Use Case zu erhalten, eventuelle Lücken aufzudecken und sinnvolle Ergänzungsvorschläge zu bekommen.
5: Welche digitale Infrastruktur wird benötigt?
Nicht nur zum Schließen eventueller Datenlücken wird gegebenenfalls zusätzliche digitale Infrastruktur benötigt, beispielsweise spezielle Sensorik. Die digitale Infrastruktur verbindet Daten, KI und Geschäfts- bzw. Nutzungs- und Abrechnungsmodell. Sie besteht aus ineinandergreifenden Hardware- und Software-Bausteinen, etwa zur Datenerschließung mittels Sensoren, der schnellen Verarbeitung großer Datenmengen auf einem Edge-Gateway oder auch der Datenspeicherung und -verarbeitung in der Cloud. Insbesondere muss die digitale Infrastruktur so ausgelegt sein, dass ein schneller Rollout, Updates und die Skalierung für viele Nutzer:innen effizient möglich sind. Nicht zuletzt sollten Sie sich hier auch Gedanken über den notwendigen Technologie-Stack zur Interaktion Ihrer Kund:innen mit dem neu geschaffenen KI-Produkt machen, ob nun in Software oder mit physikalischen Bedienelementen.
Die 5 Grundpfeiler der Digitalisierung von Produkten mit KI
Use Case, Geschäftsmodell, KI-Modell, Daten, digitale Infrastruktur - das sind die 5 Grundpfeiler der Digitalisierung von Produkten mit KI. Wichtig ist, dass Sie mit Use Case und Geschäftsmodell starten, bevor Sie in Diskussionen über Technik und Umsetzung einsteigen. Außerdem sollten Sie im Hinterkopf haben, dass die Entfaltungsmöglichkeiten von KI stark von der nutzbaren digitalen Infrastruktur hängen, kurz: KI Power und digitale Infrastruktur gehen Hand in Hand.
