Innovation mit KI: Was braucht man dafür eigentlich?

Zwei Geschäftsleute sitzen vor ihrem Laptop; einer schaut dem anderen über die Schulter, um Hilfe zu bekommen

Die Entwicklung eines innovativen und am Markt erfolgreichen KI-Produktes erfordert eine Vielzahl an verschiedenen Kompetenzen. Fehlen bestimmte Kompetenzen, wirkt sich das schnell negativ aus, bis hin zum Scheitern des Projekts. Eine gute Vorbereitung lohnt sich also. Erfahren Sie in diesem Artikel, welche Kernkompetenzen Sie für die Entwicklung Ihres neuen KI-Produktes benötigen.

1. Geschäftsperspektive

Am Anfang sollte immer der Business Case stehen. Für welche Kunden wollen Sie eine neue Lösung entwickeln? Welchen Wert wollen Sie für diese Kunden erzeugen? Zur Beantwortung brauchen Sie eine Person, die die Bedürfnisse Ihrer Kunden gut versteht und ein Gespür dafür hat, wo Werte zu schaffen sind. Eine kontinuierlich gepflegte Shortlist der besten Produktideen bspw. kann ein hervorragender Einstiegspunkt für KI-Projekte sein.

2. Entwickler Power

Softwareentwickler:innen kümmern sich um Datenbanken, Benutzeroberflächen und die unterliegenden Funktionen. Außerdem sorgen sie dafür, dass neue Software auch mit alter Software kompatibel ist, und sie stehen zur Stelle, wenn es Probleme bei der Bedienung gibt. Gute Softwareentwickler:innen kann man daher eigentlich nie genug haben.

3. Daten- und KI-Expertise

Data Scientists sind für die Nutzbarmachung und Auswertung von Daten zuständig. Mit Hilfe ausgefeilter Algorithmen suchen sie etwa in großen Datenmengen nach unbekannten Mustern und Zusammenhängen. Damit können neue Erkenntnisse gewonnen werden, z.B. warum ein gewisses Problem an einer Maschine aufgetreten ist oder wann es zum Ausfall führt. Sinnvollerweise werden Data Scientists durch KI-Entwickler:innen ergänzt, die solche Erkenntnisse in beliebig oft wiederholbare und eigenständig weiterlernende KI-Algorithmik gießen.

CTA KI Readiness Checkliste

 

4. Domain Knowledge

Für eine schnelle und sinnvolle Datenanalyse müssen Data Scientists Zugriff auf Fachwissen über den Anwendungsbereich und die angrenzenden Prozesse haben. Erst das Fachwissen macht es möglich, Daten im Anwendungskontext zu sehen und Verhaltensmuster besser zu verstehen. Eine KI-Entwicklung kann zudem deutlich beschleunigt werden, wenn im Anlernprozess das passende Expertenwissen zur Verfügung steht.

5. Software DNA

Moderne Software- und Datenlösungen funktionieren fundamental anders als Hardwarelösungen. Während sich eine neue Hardwarelösung in eine vorhandene und klar definierte Umgebung einzufügen hat, ist Software nahezu beliebig flexibel. Das eröffnet viele Möglichkeiten, birgt aber auch ein paar böse Fallstricke. Letztlich muss jede KI-Lösung in eine durchgängige und zukunftsfähige Softwarearchitektur eingebettet werden. Nur so lässt sich sicherstellen, dass keine weiteren Kosten entstehen, wenn Umfang und Art der KI-Nutzung sich ändern.

6. DevOps

DevOps automatisiert Prozesse rund um die Entwicklung und den Betrieb von Software. Erst eine gut eingerichtete DevOps-Umgebung erlaubt Softwareentwickler:innen das effiziente Einspielen von KI-Updates ohne Einbußen bei Qualität, Verfügbarkeit und Funktionstüchtigkeit befürchten zu müssen. DevOps-Expertise ist daher eine Schlüsselkompetenz, wenn eine KI-Lösung in den Markt eingeführt und dort skaliert wird.

Und wo sollen all diese Kompetenzen herkommen?

Bei so vielen Kompetenzen stellt sich die berechtigte Frage, wo Sie das Know-How für die Entwicklung Ihres KI-Produktes herbekommen. Müssen Sie in Ihrem Unternehmen ein eigenes Team aufbauen oder sollten sie Expertise besser extern einkaufen? Sprechen Sie uns gerne darauf an, wir schauen uns Ihre Ausgangslage und Wünsche genau an und unterbreiten Ihnen konkrete Handlungsvorschläge.

 

CTA KI Readiness Checkliste