BEST PRACTICE

So identifizierst du Daten & KI-Anwendungsfälle

In diesem Artikel erfährst du von bewährten Methoden und Best Practices, die Unternehmen dabei helfen, Data Analytics- und KI-Anwendungsfälle zu identifizieren, die nicht nur strategisch passen, sondern auch einen konkreten Mehrwert bieten. Dies ist einer der wichtigsten Schritte, um sich vor ungeplanten Kosten zu schützen und einen positiven Return of Data & AI zu erzielen.

Lesezeit: 9-11 min.

Die Auswahl wertvoller KI-Anwendungsfälle

Einleitung

Trends vorhersagen, Prozesse automatisieren oder Kundenerfahrungen verbessern. Die Analyse und Verarbeitung von Daten mittels verschiedenster Algorithmen und insbesondere durch Machine Learning Modelle, ist nicht nur eine Investition in die Zukunft, sondern auch ein entscheidender Wettbewerbsfaktor in der Gegenwart. Denn für moderne Unternehmen sind schon heute Data Analytics und KI-Use Cases von größter Bedeutung, um Kosten zu reduzieren, das Kerngeschäft zu steigern oder ganz neue Umsätze zu kreieren.

Gleichwohl wäre es jedoch auch falsch zu ignorieren, dass sich jede Use Case Idee, zu einer erfolgreichen operativen Lösung entwickelt. Die Misserfolgsquote liegt immer noch bei rund 80%, was in einem experimentellen und hochtechnologischen Umfeld wie Data Science & ML zunächst nicht überraschend sein sollte.
Prekär wird diese Quote jedoch, wenn Unternehmen vorhersehbare Hürden nicht ausreichend einkalkulieren und somit vermeidbare Kosten entstehen. Wie beispielsweise die Identifizierung ungeeigneter Use Cases …

Inhalte

Kapitel 1 | Warum tun sich Unternehmen bei der Identifizierung von Anwendungsfällen so schwer?

Kapitel 2 | Welche Vorteile haben KI-erfahrene Unternehmen?

Kapitel 3 | Eine gute Vorbereitung ist das A und O

Kapitel 4 | Neue Ideen generieren

Kapitel 5 | Ideen sortieren und den Backlog strukturieren

Chapter 6 | Fazit

Kapitel 1

Warum tun sich Unternehmen bei der Identifizierung von Anwendungsfällen so schwer?

Mit Daten & KI ist vieles und großartiges möglich und kann im Wettbewerb enorme Vorteile kreieren. Aber wie kann man den Hype von der Realität trennen? Die Identifizierung eines praktikablen KI-Anwendungsfalls und dessen Abstimmung mit den strategischen Unternehmenszielen ist für den Erfolg von KI-Initiativen entscheidend. Doch gerade hierbei tunen sich Unternehmen immer noch schwer. Diverse Studien, ob von Gartner, O’Reilly oder McKinsey beweisen, dass die Identifizierung geeigneter Anwendungsfälle eine signifikante Hürde für bei Einführung und der Erzielung eines ROI von KI darstellt.

“The first project that the CEO suggested is not the right one to invest in.” — Andrew Ng during Amazon re:MARS 2019

Der rasante Fortschritts und die vereinfachte Anwendbarkeit der Technologie, wie zuletzt durch die Erfolge von Large Language Modellen, macht es für Unternehmen verständlicherweise schwierig sich auf konkrete Projekt zu fokussieren (#FOMO).
Ebenfalls unweit bekannt ist der Ansatz, mit einem enorm ambitionierten Projekt beginnen zu wollen, um zu zeigen, was diese Technologie alles kann, was alles möglich ist und wie innovative das Unternehmen ist.

Das Resultat, auf großartige erste Demos, folgt dann nicht selten eine große Enttäuschung. Entweder ist die technische Skalierung enorm aufwendig, da die passende Infrastruktur noch nicht vorhanden ist oder aber der Wartungsaufwand eskaliert (Stichwort Data und Modell Drift). Und noch häufiger sind es klassische Hürden in internen Prozessen, wie fehlende Akzeptanz oder Verantwortlichkeiten. So werden Daten und KI Use Cases schnell zum Reinfall; der gewünschten Erfolg bleibt aus und Investitionen in diese Technologien stehen wieder zur Debatte.

Warum es soweit kommt, liegt häufig an folgenden Aspekten.

Mangelnde Kenntnis der Geschäftsprobleme: Der definierte Problem Space ist immer der initiale Punkte eines Use Cases. Es benötigte viele Kommunikation mit Stakeholdern wie Kund:innen und Mitarbeiter:innen, und Methoden um Geschäftsprobleme klar zu definieren und priorisieren.

Unklare KI-Strategie: Um die KI Use Cases zu ermitteln, die ihrem Unternehmen Wert stiften, braucht es ein gemeinsames Verständnis warum, wie und wo Ihr Unternehmen KI nutzten möchte. „Where will we play; how will we win; what capabilities do we need.“

Mangelende interne Kommunikation: Erst wenn die Fachbereiche erkennen, dass Daten und KI entscheidende Zukunftsaspekte in der Unternehmensstrategie sind, den Nutzen dieser Technologien verstehen und klare Ansprechpartner zur Verfügung stehen, werden praxisrelevante und wertschöpfende Anwendungsmöglichkeiten für den Einsatz von KI erkannt (Bottem-Up!).

Unzureichende Wissensweitergabe: Falls Vorgehensmodellen und Erfahrungen, nicht oder kaum vorhanden sind, ist die Ermittlung von Use Case meist von Unsicherheit und Risiko geprägt. Fehlende Templates und grobe Prozessschritte mit Verantwortlichkeiten, sind Hürden für Drive und Professionalität.

Fehlende Selbstreflektion: Unternehmen, die erkennen, dass es eine Herausforderung ist, den richtigen KI-Anwendungsfall zu finden, sind eher bereit, die zugrunde liegenden Probleme anzugehen und gegebenenfalls auch auf externe Expertise zu vertrauen.

Kapitel 2

Welche Vorteile haben KI-erfahrene Unternehmen?

Insgesamt ist die Identifizierung relevanter Data Analytics & KI Use Cases also von grundlegender Bedeutung, um die Potenziale dieser Technologien voll auszuschöpfen und sicherzustellen, dass sie einen nachhaltigen Geschäftserfolg unterstützen. Unternehmen, die diese Herausforderung erfolgreich angehen, sind eindeutig besser gewappnet, um in einer zunehmend datengetriebenen Welt zu florieren. Konkret lassen sich durch die Identifizierung geeigneter Use Cases eine Reihe von Vorteilen für Ihr Unternehmen erzielen.

Förderung des internen Wissens & Erfahrungen
Ausbau der Data Culture & Demystifizierung von KI
Darstellung der Innovationskraft intern & extern
Anpassung an Marktveränderungen
Zielführender Einsatz von Ressourcen
Bessere Berücksichtigung von Risiken
Verringerung von Fehlinvestitionen bzw. schneller Generierung eines Return On Invests für Data & AI Initiativen
Umsetzungsbeschleunigung der strategischen Unternehmensziele

Kapitel 3

Eine gute Vorbereitung ist das A und O

Die Vorbereitung legt den Grundstein für den gesamten Prozess der Identifizierung geeigneter Use Cases.

Das Data & AI Maturity Level bewerten

Wie können Sie für die Zukunft planen, ohne zu wissen, wo Sie stehen und wo Sie hin müssen? Der ideale Use Case sollte zu den bestehenden Data- & AI-Fähigkeiten Ihres Unternehmens passen und diese gleichzeitig stärken und erweitern. Es ist wichtig, den Data- & AI-Reifegrad Ihres Unternehmens zu kennen. Dazu gehört die Bewertung von Aspekten wie Datenquellen, Technologie-Stack & Infrastruktur, Data Governance, Daten-Kultur und Talent. Beachte, dass diese Schlüsselfaktoren die Voraussetzungen für die erfolgreiche Entwicklung eines Use Case sind. Und dass der richtige Use Case das Potenzial dieser Schlüsselfaktoren wirklich freisetzt und in Einklang bringst.

Eine Beurteilung des „Daten & KI-Reifegrad“ ihres Unternehmens ist also eine wichtige Hilfe dabei, weitere Stärken und Schwächen zu identifizieren. Konkret hilft es Ihnen in dem Fall gezielte Use Cases zu finden, die sich nahtlos in die bestehende Infrastruktur einfügen und so einen schnellen Mehrwert bieten können. Oder, bei anspruchsvolleren Use Cases, können Risiken besser eingeschätzt und Vorbereitungsprojekte besser kalkuliert werden.

Stellt euch u.a. folgende Fragen.

Wie ist es um die Datenverfügbarkeit und Aggregation bestellt?
Sind Sie bereit, Regulierungsthemen und Compliance-Prozessen wie im Rahmen der DSGVO oder dem AI-Act anzugehen?
Welche Data Science, Machine Learing oder Data Engineering Skills haben wir in unserem Unternehmen
uvm.

Konzentrieren Sie sich also nicht auf Ihre Konkurrenten, sondern lassen Sie sich von Ihren aktuellen Engpässen und strategischen Zielen leiten, damit Sie Anwendungsfälle identifizieren können, die Ihre Data & AI Maturity am effektivsten fördert.

Problem bei der Einschätzung der Reife von Daten und KI?

Wenn du dich für das Thema AI Maturity Assessment interessierst, stehen dir unsere Experten und Partner gerne zur Verfügung.

Kontakt

Was sind die strategischen Prioritäten?

Starte Sie als so zuallererst damit, Ihnen selbst, Ihrem Team und Stakeholder ein einheitliches Verständnis der übergreifenden strategischen Prioritäten Ihres Unternehmens zu verschaffen. Nehmen sie sich also die Unternehmensstrategie zur Hand, und betrachten sie die kurz, mittel und langfristigen Ziele und Pläne der unterschiedlichen Geschäftsbereiche.

Tipp: Erstellen Sie sich eine Strategy Impact Liste

Definieren Sie passende strategische Benefit-Bereiche (bspw. Kostenminimierung, Umsatzsteigerung Kerngeschäft, Neue Geschäftsmodelle, Kundenzufriedenheit, ESG).
Ordnen sie diese den einzelnen strategischen Zielen zu.
Bewerten Sie das ROI-Potenzial je Geschäftsbereich (bspw. „hoch, mittel, niedrig“) damit einer folgenden Priorisierung nichts mehr im Weg steht.

Welche operativen Problemstellungen bestehen in den einzelnen Teams.

Im Vergleich zur Betrachtung der strategischen Ziele folgt die Identifizierung von Engpässen und Herausforderungen operativer Teams einem Bottom-up-Ansatz. Denn hierbei geht es viel mehr um den operativen Betrieb und die kleinen Probleme im alltäglichen Ablauf. Welche Hindernisse hindern Sie daran, Ihre operativen Ziele zu erreichen?
Dieser Ansatz wird Ihnen helfen, realistische Ziele zu setzen, Ressourcen effizient zuzuweisen und den Erfolg des Projekts nach der Implementierung zu bewerten.
Die typischen Anwendungsfälle hier sind operativ und konzentrieren sich auf Wachstum im Top- und Bottom-Line-Bereich durch Effizienzsteigerungen, erhöhte Kundenbindung, Risikominderung und Einhaltung von Vorschriften.

Tipp: Kennen Sie Ihre Unterstützer & Förderer?
Für den Erfolg von Initiativen ist es insbesondere in frühen Stadien besonders wichtig auf Business Stakeholder zu wissen, die motiviert der Thematik Data & KI entgegenblicken. Gehen sie raus und sprechen sie mit ihnen. in deren Verantwortungsbereichen sollten sie die ersten Use cases entwickeln

Wirksame Kommunikation

Feststeht, Kommunikation ist der zentraler Faktor im Prozess um Daten & KI Initiativen voranzutreiben. Nur so werden Sie es langfristig schaffen relevante Use Case aus diversen Geschäftsbereichen Ihres Unternehmens zu identifizieren und entwickeln. Auf folgende Punkte sollten Sie hierbei achten.

Das Konzept von Daten und KI erklären und zugänglich machen. Insbesondere beim Thema Künstliche Intelligenz herrschen oft sehr unterschiedliche Vorstellungen von den Möglichkeiten und Einschränkungen, dieser Technologie. Es wird enorm wichtig sein, dass sie ihren Stakeholdern in Unternehmen die Möglichkeit geben, mehr über die Technology zu erfahren und diese entmystifizieren. Dies kann mit mehreren Brownbag Lunch Sessions beginnen, in dem sie auf High Level verschiedene Konzepte oder allgemeine Beispiele für machinelles Lernen präsentieren. Auch Schulungen und Seminare sind wichtige Elemente, um einen gemeinsamen Erwartungshorizont zu schaffen und sich proaktiv weiterbilden zu können.

Kapitel 4

Neue Ideen generieren

Jetzt geht es darum strategische Ziele, operative Probleme sowie die Möglichkeiten von KI zu verstehen und und zu Use Case Ideen zu kombinieren

Wer sollte mit an Board sein?

Die Identifizierung von praktikablen KI-Anwendungsfällen ist eine Teamleistung und erfordert fachübergreifende Kompetenzen. Organisieren Sie mindestens einen halbtägigen Workshop mit Teams aus den jeweiligen Geschäftsbereichen. Es spielt eine große Rolle Fachexperten und KI-Experten an einen Tisch zu holen, da beide jeweils Fachkenntnisse in den Bereichen Geschäft und Technologie besitzen.

Der Fachexperte versteht das Geschäft und den Kontext/die Systeme, die das Geschäftsverfahren umgeben, tiefgreifend und wäre in der Lage zu verstehen, welchen geschäftlichen Wert KI bringen wird.

Ein KI-Experte (Data Scientist oder ML Engineer) ist jemand, der bereits mit KI gearbeitet hat und tiefgehend über die Fähigkeiten, technologische Fortschritte und die erfolgreiche Übernahme von KI-Technologie in der Industrie Bescheid weiß. Er ist auch kompetent genug, um Anleitungen bezüglich der Komplexität und Machbarkeit des KI-Anwendungsfalls zu geben.

Der Use Case Workshop

Der AI Use Case Workshop zielt darauf ab, das Verständnis für KI zu vertiefen und durch kollaborative Anstrengungen innovative Anwendungsfälle zu erkunden.

1) Der Beginn des Workshops ist eine detaillierte Einführung in KI-Grundlagen, wobei die Teilnehmer über essenzielle Konzepte, Techniken und Einsatzmöglichkeiten aufgeklärt werden.

2) In der folgenden Stimuli-Session werden reale KI-Anwendungsbeispiele vorgestellt, die die kreative Denkweise der Teilnehmer stimulieren sollen.

3) In einem nächsten Schritt präsentiert der Fachbereich seine strategischen Ziele und operativen Herausforderungen, mit einem speziellen Fokus auf Prozesse, die durch Ineffizienz, Fehleranfälligkeit oder Repetitivität gekennzeichnet sind. Eine visuelle Darstellung dieser Aspekte während des Workshops ist essenziell.

4) Inspiriert von der Design-Thinking-Methode, folgt der kreative Kern des Workshops. Die Teilnehmer werden in den Ideengenerierungs- und Problemlösungsprozess integriert. Es können offene Sessions durchgeführt werden, in denen Ideen spontan eingebracht werden, oder die Teilnehmer arbeiten sich systematisch durch vorher identifizierte Problemfelder.

5) Ideen werden, idealerweise systematisch, gesammelt und in Bezug auf die jeweiligen Problemfelder oder strategischen Ziele organisiert. Eine erste Priorisierung der Ideen wird in der Gruppe vorgenommen, um eine handhabbare Liste von 10-25 Konzepten zu erstellen, die für eine weitergehende Ausarbeitung in Betracht kommen.

So wird ein umfangreiches KI-Verständnis gefördert und konkrete, actionable Einblicke für künftige Vorhaben gewonnen. Für eine effektive Priorisierung sollten die Verfahren einfach und klar sein. Eine Teilnehmerzahl von maximal 10-12 Personen ist empfohlen, um eine fokussierte und produktive Arbeitsatmosphäre zu gewährleisten.

Weiteres Beispiel zur Generierung von Ideen
Mitarbeiter können ihre Ideen und erkannten Probleme über eine zentrale Plattform einreichen. Vordefinierte Templates helfen dabei die wichtigsten Informationen einer Use Case Ideen zu sammeln und geben für den User eine hilfreiche Orientierung. Eine interne Kommunikationskampagne oder ein Wettbewerb kann das Bewusstsein schärfen und die Partizipation erhöhen.

Dokumentation der Initialen Ideen

Die initiale Ideen müssen sorgfältig und organisiert festgehalten werden. Dieser Prozess kann eine gemeinsame Anstrengung zwischen Fachexperten und KI-Spezialisten darstellen, um sicherzustellen, dass alle relevanten Aspekte berücksichtigt werden.
Für die Weiterentwicklung und das Verständnis einer initialen Idee sind folgende Informationen besonders wichtig:

Problemdefinition: Ein klar umrissenes Bild der Herausforderung oder des zu lösenden Problems.
Vorgeschlagene Lösung: Eine skizzierte Darstellung der Lösungsidee, selbst wenn sie noch im Entwicklungsstadium ist. Das Outcome Statement nach dem Outcome driven Innovation Process ist hier immer ein gute kompakte Lösung.
Erwarteter Nutzen: Eine erste Bewertung des potenziellen Wertes für die Organisation, einschließlich der Zuordnung zu vorher festgelegten Benefitkategorien wie Kostenreduzierung, Umsatzsteigerung, neue Geschäftsmodelle, Kundenzufriedenheit oder ESG.
Daten und Ressourcen: Detaillierte Informationen über die verfügbaren Daten und die für die Umsetzung der Idee notwendigen Ressourcen.
Zuordnung zur Organisationseinheit und Kontaktinformationen: Klare Angabe, welcher Bereich der Organisation betroffen ist, inklusive der Kontaktdaten der zuständigen Personen.

Kapitel 5

Ideen sortieren und den Backlog strukturieren

Die effiziente Organisation von Use Case Ideen ist essenziell, um den größtmöglichen Nutzen daraus zu ziehen.

Einen Ideenbacklog systematisch aufbauen:

Ein gut organisiertes Ideen-Backlog für Data Analytics und KI ermöglicht Teams, innovative Ideen systematisch zu verwalten, die Umsetzung voranzutreiben und Erfolge zu messen. Dies fördert nicht nur die Innovationsstärke des Unternehmens, sondern auch die Kohärenz und Synergie zwischen Technologieinvestitionen und Geschäftszielen. Außerdem fördert es die Transparenz und somit die offene Kommunikation und Kollaboration unter den Teammitgliedern und Stakeholdern. Jeder kann den Fortschritt und den Status der Ideen einsehen, was zu informierten Entscheidungen und einer besseren Abstimmung der Initiativen mit den Unternehmenszielen beiträgt.

Was ist dabei zu beachten?

Schaffen Sie einen konkreten Single Point of Truth, der für eine breite Masse Ihres Unternehmens einsichtbar und von bestimmten Personen wie Product Ownern, Team Leads oder Portfolio Managern verwaltbar ist. Tools wie Casebase, aber auch Excel-Tabellen, können Ihnen hierbei helfen. Transparenz über Ideen und Prozesse ist hierbei ein Wert, der die Bottom-Up- und Akzeptanzprozesse im Rahmen der Datenkultur fördert.
Der Backlog sollte spezifische Kriterien enthalten, die eine konkrete Aussage zur Idee ermöglichen und die Beurteilung der technischen und geschäftlichen Eignung zulassen. In den vorangegangenen Kapiteln wurden bereits Kriterien für das strategische Mapping der Geschäftsziele und operational PainPoints angeführt, sowie Basisinformationen für die Ideenbeschreibung aufgelistet. Nutzten Sie diese Meta-Informationen einer Idee als Kriterien ihres Backlogs.

Kommunikation und Transparenz:‘
Es ist essentiell, den Prozess, die ausgewählten Ideen und die nächsten Schritte im Unternehmen bekannt zu machen. Dies fördert die Unternehmenskultur der Offenheit und Innovation und ermöglicht eine kollektive Beteiligung und Verantwortung.

Priorisierung des Ideen-Backlogs:

Nun da alle Ideen systematisch an einem Ort dokumentiert sind, ist es um so einfach, eine erste initiale Bewertungen dieser Ideen von Business und Tech Stakeholdern einzuholen, als Basis für die Priorisierung sind Ihres Ideenbacklogs. Die Priorisierung dient der Frage, Welche Use Case Idee als nächstes weiterverfolgt werden soll, Sprich Ressourcen reininvestiert werden sollen um in der nächsten Phase ein analytisches/algorithmisches Konzept zu erarbeiten (Hypothesen aufstellen, Data Preparation, potentielle Modelle und Features etc.).

Hierbei macht es Sinn die Bewertungskriterien in die Dimensionen „geschäftlicher Mehrwert“ und „technische Umsetzbarkeit“ aufzuteilen.

Value:

Strategische Ausrichtung: Wie stark unterstützt die Data Analytics oder KI Use Case Idee die strategische Ausrichtung?
Operational Impact: Wie hilfreich ist die Use Case Idee für den operativen Betrieb?
Ethische oder regulatorische Fragen: Gibt es ethische oder regulatorische Bedenken?
Innovationsstärke: Ist diese Idee eher inkrementell oder disruptiv?

Feasibility:

Datenverfügbarkeit: Wie einfach ist der Zugang zu den benötigten Daten?
Verfügbarkeit von Talenten: Können wir diesen Use Case durch eigene Ressourcen Bearbeiten oder benötigen wir externen Support?
Infrastruktur: Verfügen Sie über die Infrastruktur und Umgebung, um KI-Arbeiten zu unterstützen?
Algorithmische Komplexität: Wie hoch ist der Komplexitätsscore für die KI-Lösung? Wird eine lange Trainingszeit benötigt? Wird es eine mehrstufige KI-Pipeline geben?
Implementierungsherausforderungen: Wie komplex ist Implementierung in ein bestehendes Produkt oder einen Prozess.

Lassen Sie sich abschließend die Bewertungen beider Dimensionen auf einer Prio-Matrix visualisieren. So erhalten sie eine klare Übersicht über den Wert und die Machbarkeit jeder Idee bietet und ihres gesamten Backlogs. Und natürlich haben sie so schlussendlich eine optimale Basis für die Priorisierungsentscheidungen und die Stakeholder-Kommunikation.

Die systematische Identifizierung von relevanten Data Analytics und AI Use Case ist damit abgeschlossen. Nun ist es an ihnen Roadmap zu planen.

Kapitel 6

Fazit

Daten und KI sind maßgebliche Faktoren für den fortschreitenden Wandel in der Geschäftswelt. Die Herausforderung liegt darin, geeignete Projekte zu finden, die im Einklang mit Ihrem Data & AI Reifegrad stehen. Setzt den Fokus auf die Entwicklung von Use Cases, die Mitarbeitern und/oder Kunden einen direkt spürbaren Mehrwert bieten. Dies schafft eine positive Dynamik, stärkt das Vertrauen im Unternehmen in diese hochmoderne Technologie und rechtfertigt weitere Investitionen in KI-Anwendungen. Ein strukturierter und durchdachter Ansatz ist dabei sehr vorteilhaft. Er hilft euch, Prioritäten bei Ideen im Backlog zu setzen, ohne strategische Ziele und operative Herausforderungen aus den Augen zu verlieren. Bringt in einem Use Case Workshop Domain-Experten und KI-Spezialisten zusammen, um spannende Ideen im Sweetspot zwischen Business und Tech Know-how zielorientiert zu sammeln. Legt außerdem Wert auf eine strukturierte Definition der Ideen, um den Geschäftswert und die technische Machbarkeit problemlos bewerten zu können. So lässt sich eine passende Priorisierung und Fokussierung auf zwei bis drei initiale KI-Anwendungsfälle schnell umsetzen und objektiv argumentieren.

Apropos: die Kommunikation mit den Peer-Gruppen gilt als ein enorm wichtiger Aspekt, um Analytics- und AI-Initiativen effektiv im Unternehmen zu Entwicklern und implementieren.
Also loslegen, Strukturen und Transparenz schaffen und Daten & KI Step by Step zu einer Kernkompetenz des Unternehmens etablieren.

So unterstützt dich Casebase

Mit Casebase unterstützt dich dabei, dein Portfolio für Daten und KI Anwendungsfälle strukturiert aufzubauen und systematisch zu verwalten.
Ein zentraler Punkt ist dabei die Identifizierung von Anwendungsfällen, die Einreichung von Ideen und die Priorisierung des Backlogs von Data-Analytics- und KI-Anwendungsideen.