Erfolgsgeheimnis bei KI-Projekten: It’s business, technology and people!

00:00:00: Dieser Podcast wurde mit Unterstützung unseres Werbepartners finanziert.

00:00:08: An Werkzeugen der künstlichen Intelligenz, die technologisch auf der Höhe der Zeit sind, herrscht heute kein Mangel mehr.

00:00:16: und dennoch aktuellen Studien zufolge bringen vier von fünf KI-Projekten den Unternehmen nicht den gewünschten Erfolg.

00:00:23: Woran liegt es, dass der Weg vom Piloten zur Skalierung so häufig scheitert?

00:00:28: Und wie lässt sich Erfolg in Form eines Return on Investment überhaupt bemessen?

00:00:34: Ein Gespräch mit Verena Trost, Partnerin bei IBM Österreich.

00:00:38: Über das herausfordernde Zusammenspiel von Technologie, Menschen und Businessmodell – dass es zu dirigieren gilt wenn das Geschäftsorchester klingen soll!

00:00:48: Das Interview führt Christian Lennobl.

00:00:53: Künstliche Intelligenz gilt als die zentrale Schlüsseltechnologie der Gegenwart und Zukunft.

00:00:59: Sie sollte die moderne Wirtschaft grundlegend verändern.

00:01:02: An KI führt also kein Weg vorbei und bereits heute, wenn man den Ergebnissen einer Umfrage der Wirtschaftskammer Österreich glauben mag nutzen dreiundfünfzig Prozent mehr als die Hälfte der befragten Betriebe KI oder testen sie zumindest im Pilotprojekt tendenziell stark steigend.

00:01:20: Das ist die eine Seite, die andere lautet eine andere Zahl bis zu achtzig Prozent aller KI-Projekte.

00:01:25: unternehmen erreichen nie die Produktivphase.

00:01:31: Wir wollen heute diesen Zwiespalt zwischen Potenzial- und Umsetzungsproblematik näher unter die Lupe nehmen.

00:01:37: Ich darf dazu im Podcaststudio der Presse ganz herzlich Frau Werner Throst begrüßen, sie ist Partner bei IBM Österreich.

00:01:44: Schön dass ihr das im Vortragst.

00:01:46: Freut mich!

00:01:46: Vielen Dank für die Einladung.

00:01:48: Frau Throst ich habe gerade eine besondere Zahl genannt stammt übrigens auch vom US-amerikanischen IT Marktforscher Gardner, wonach Scheitern unter Anführungszeichen.

00:02:03: Als Einstiegsfrage, Sie kennen diese Zahl ja wahrscheinlich oder haben sie schon wo gelesen?

00:02:09: Überrascht Sie die oder deckt sich das mit Ihren Erfahrungen in ihrem Beruf?

00:02:14: oder ist die Zahl überhaupt in Frage zu stellen?

00:02:18: Also mich überrascht die Zahl in keinster Weise allerdings der Begriff des Scheittern.

00:02:23: sich glaube da lohnt es sich nochmal genauer hinzusehen Was wir im Markt sehen und da spreche ich jetzt insbesondere für den österreichischen Markt, aber auch für den erweiterten Markt in Europa ist das sehr viele Unternehmen um nicht zu sagen fast alle mit KI experimentieren.

00:02:41: Einzelne Projekte einzelne Piloten mit KI starten.

00:02:45: was wir durchwegsehen ist dass wenige dieser Projekten tatsächlich großflächig skalieren sprich über das gesamte Unternehmen dann auch erfolgreich ausgerollt werden.

00:02:56: Und zudem sehen wir, dass bei vielen der Projekte keine Erfolgsmessung erfolgt.

00:03:02: oder selbst wenn eine Erfolgsmessung der Erfolg häufig nicht zufriedenstellend ist.

00:03:08: Dafür gibt es natürlich viele Ursachen und Gründe.

00:03:10: können wir gerne noch im Detail darauf eingehen?

00:03:13: aber ja ich teile die Einschätzung KI überall.

00:03:17: Sie bringen allerdings nicht überall derzeit den erwarteten Vorteil- oder Nutzen aus Unternehmenssicht, den man sich oft erhoffen würde.

00:03:26: Das Thema des Kaliens wird tatsächlich ein Schwerpunkt in unserem Gespräch sein, was eben auch mit den Messen zu tun hat wie sie es gerade genannt haben.

00:03:35: Vielleicht noch eine Zwischenfrage dazu?

00:03:38: Diese Technologie, also Karrieranwendungen das wird als Heilsbringer in der Wirtschaft gehypt möchte ich fast sagen oder gefeiert.

00:03:47: Wenn man nochmal auf diese Zahl dieser Achtzig Prozent die sie so ungefähr teilen auch wenn man es relativieren kann eingeht dann behaupten Kritiker Es ist einfach nicht zu weit wie man es uns verspricht Die Technologie selbst.

00:03:59: Ist das der richtige Schluss daraus?

00:04:01: Oder legt es einen ganz anderen Gründen?

00:04:03: Also aus technologischer Sicht ist sehr viel möglich und wir als IBM, als Technologiekonzern sehen hier sehr häufig dass das nicht die Hürde ist.

00:04:13: Die Hürda ist eigentlich sehr stark im Businessmodell selbst verankert, d.h.

00:04:19: im Geschäftsmodell der Unternehmen, da es häufig die Unternehmen nicht so weit sind um KI richtig einzusetzen und unter richtig einzu setzen verstehen wir technisch sicher einzusetzten, technisch transparent ein zu setzten aber auch die Mitarbeiterinnen zu haben, die entsprechenden Fähigkeiten haben und schlussendlich das mit dem gesamten Geschäftsmodell und dem Geschäftserfolg verbinden.

00:04:47: Und hier sehen wir sehr häufig eine Diskubanz zwischen technologisch ist sehr viel als machbar wird auch ganz viel ausprobiert.

00:04:56: Das führt allerdings dazu dass man einen breiten Ansatz an einzelnen KI-Tools hat Die Gesamtperspektive, es gefehlt die Gesamtorchesterierung und damit eben auch die Verbindung zu tatsächlich mäßbarem Unternehmerischmerfolg.

00:05:13: Das heißt wenn man sich den Erfolg vorstellt wie ein gutes Konzert dann gibt's offensichtlich die Musiker, die ihre Geräte beherrschen.

00:05:24: aber das Zusammenspiel der Habers noch habe ich das so richtig interpretiert?

00:05:28: Ja und ich würde sagen wie bei jedem Orchester sie benötigen einen guten Dirigenten Und der Dirigent muss wissen, wie sein Programm ist und was seinen Ablauf ist.

00:05:39: Was die Zielsetzung ist?

00:05:40: Was soll am Ende da rauskommen?

00:05:44: Die Frage mit dem Dirigenten ist auch interessant.

00:05:46: Ich glaube wir werden im Gespräch noch darauf zurückkommen ob das so ein Button-Up oder Top Down Ansatz ist, ob es von oben kommen muss und wie das Ganze orchestriert wird.

00:05:56: aber vorab noch zu dem was Sie eingangs erwähnt haben Umsetzung bei KI Projekten.

00:06:01: Da gibt es so viele Parameter die entscheidenden und vielleicht kann man das auch anhand von einem konkreten Fallbeispiel kennzeichnen.

00:06:10: Wie so eine Umsetzung, damit es dann auch skalierbar wird von einem KI-Projekt funktioniert?

00:06:17: Ja aus meiner Sicht ist das ein Zusammenspiel von drei übergeordneten Faktoren und ich würde sagen dass es Business, Technologie und Menschen Und alle drei müssen in diesem Konzept zusammenspielen, damit KI auch erfolgreich umgesetzt werden kann.

00:06:36: Gerade auf der Geschäftsmodellseite sehen wir sehr häufig ein Gießkannenprinzip.

00:06:41: Das heißt Unternehmen starten eine Vielzahl an KI-Projekten nach dem Prinzip der Gießkane und es wird auch sehr viel Geld investiert ohne zu differenzieren.

00:06:53: wo kann denn der größtmögliche Erfolg erzielt werden?

00:06:58: der auch zu den Geschäfts- und unternehmerischen Zielen passt.

00:07:02: Und in dem Kontext benötigt es natürlich auch die entsprechende Technologie, die diese Ziele unterstützt – und auch Menschen, die ihre Arbeitsweisen anpassen und deren Fähigkeiten entsprechend angepasst sind auf die neue Technologie und auf die gesamte Unternehmenszielsetzung.

00:07:23: Das heißt, dass grundsätzlich vielleicht das Vertrauen in die Technologie, die wird schon richten.

00:07:29: Weil wir haben jetzt das richtige Tool am Anfang zu groß ist im Vergleich zu dem was es alles an Prozess erfordert.

00:07:37: Prozesse im Unternehmen, dass man den Menschen mitnehmen muss und dass man ihnen auch erklären muss wie sie dafür bereit sein müssen.

00:07:44: Ist es eine zu starke Technologikläubigkeit?

00:07:47: Weil man uns einfach verspricht.

00:07:51: Das sehe ich jetzt nicht als Technologikläufe, glaube ich.

00:07:54: Ich glaube man muss sich allerdings von dem Gedanken lösen dass man sagt man verbindet lediglich einige KI-Instrumente und Modelle und dann funktioniert das schon.

00:08:05: was es benötigt ist ein gesamthaftes System wo man sowohl technologisch aber auch aus Sicherheits- und Nachvollziehbarkeitsaspekten eine eine künstliche Intelligenz im Unternehmen nutzt, die zum Unternehmen passt.

00:08:20: Und hier sehen wir sehr häufig das mit großen Modellen gearbeitet wird – mit Large Language-Modeln, die wirklich alles beantworten können was aber für den konkreten Anwendungsfall häufig nicht notwendig ist.

00:08:32: Mit diesem Large Language Model generiert man Kosten, die allerdings in keinem Verhältnis stehen, was man eigentlich mit dieser künstlichen Intelligenze erreichen möchte.

00:08:43: Erste Auseinandersetzung mit dem Thema, wenn man KI implementiert ist eigentlich die Frage, wo in meinem Unternehmen dient mir das und was will ich genau damit erreichen?

00:08:52: Sowohl eine Zielformulierung als auch eine Formulierung des Einsatzgebietes.

00:08:58: Ganz genau!

00:08:59: Was sind meine ziele, was sind meine unternehmerischen Ziele, die ich damit erreichen möchte?

00:09:03: und wie kann mir die KI dabei behilflich sein?

00:09:06: Und wir sehen ja... Wenn wir Menschen und Unternehmen befragen, sehen wir das fast jeder sagt.

00:09:12: Ja er spart sich Zeit durch die KI.

00:09:14: also das sind in wie über achtzig Prozent der Befragten je nach Studie sagen Das hilft ihnen im täglichen Arbeitsalltag.

00:09:22: Wir sehen aber dass das bei ganz wenigen Unternehmen dann tatsächlich ankommt weil der Return on Investment auf KI Projekte typischerweise momentan noch unter zwanzig Prozent liegt.

00:09:34: Das Thema, das einerseits die Projekte nicht mit der entsprechenden Unternehmensstrategie verknüpft sind.

00:09:40: Sprich es fehlen die klaren Ziele, die dann tatsächlich sich auch in einer Gewinn- und Verlustrechnung in einem Wachstum wieder niederschlagen.

00:09:50: Andererseits sehen wir aber auch dass KI auf bestehende alte Prozesse angewendet wird.

00:09:58: Und das ist ein bisschen als würde man eine... Schotterstraße jetzt ein High Speed Rennen fahren wollen.

00:10:07: Das funktioniert nicht und man muss die Prozesse neu denken, neu definieren und dann entsprechend die KI anwenden.

00:10:16: das ist auch das Beispiel dass wir sehr häufig bei Kunden sehen.

00:10:20: Dann funktioniert es, wenn man wirklich den Prozess neu denkt.

00:10:24: Sprich von der Problemstellung kommend und die Technologie mittler zum Zweck ist.

00:10:28: Das heißt, man kann die KI nicht einfach in das sinkende Boot holen und glauben dann wird wieder alles gut sondern man muss sich erstmal überlegen was läuft schief welchen Prozess wo will ich's zur Anwendung bringen?

00:10:41: Was erwarte ich mir davon dass Ziel formulieren?

00:10:43: Was werden?

00:10:44: weil KI kann ja überall eingesetzt werden.

00:10:47: Wenn Sie irgendein Beispiel nehmen, ein typisches Beispiel für eine Anwendungsszenario wo man sich Effizienzgewine versprechen kann.

00:10:56: Ein klassisches Beispiel das wir selbst bei IBM umgesetzt haben ist die Anwendungen vom KI im HA-Bereich.

00:11:06: eine Großzahl von standardisierten HA Anfragen mittels KI automatisiert.

00:11:11: Wir beantworten ungefähr ninety-vier Prozent aller StandardHA Anfragen heutzutage mittels eines KI Tools, das hat aber nicht funktioniert indem wir einfach auf bestehende Prozesse unsere KI draufgelegt haben sondern wir haben begonnen die Prozese komplett neu zu denken, neu zu strukturieren auch mit neuen Daten zu versehen, mit neuen IT-Systemen zu versehnen.

00:11:36: Und auf dieser Basis haben wir dann mit Hilfe von neuen Prozessen KI implementiert und können heute damit auch einen Großteil von wirklich standardisierten Anfragen.

00:11:46: abschließend beantworten.

00:11:48: Wenn wir bei diesem Beispiel bleiben.

00:11:50: und auch gleich beim IBM, Sie sagen Prozesse musste man zuerst neu denken?

00:11:55: Das klingt so abstrakt!

00:11:57: Können sie da vielleicht ins Detail ihrer Erfahrung bei ihrem Unternehmen geben?

00:12:01: was heißt das Prozess Neudenken?

00:12:03: Was muss denn konkret geändert werden?

00:12:06: Ich nenne gerne ein konkretes Beispiel.

00:12:09: zum Beispiel wenn ein Mitarbeiter versetzt wird aus einer Abteilung in die andere Abteilungen dann war es früher Ein manueller Prozess, wo man mit EJA im Kontakt stand.

00:12:21: Wo man auch sehr viele Formulare befüllen musste und Details zum Arbeitsort zu Zugangsberechtigungen erheben oder neu definieren musste.

00:12:35: Mittels KI ist dieser Prozess heutzutage automatisiert möglich.

00:12:39: Das heißt wir haben hier agentische KI im Einsatz die auch tatsächlich die Versetzung eines Mitarbeiter direkt abwickeln kann.

00:12:48: Dafür war es allerdings notwendig, dass die zugrunde liegenden Systeme angepasst wurden.

00:12:52: Das heißt zum Beispiel ist entsprechend genau hinterlegt welche Rolle, welche Zugangsberechtigung erfordert und auch über diese Zugangs Berechtigungen für die alte Rolle und für die neue Rolle.

00:13:05: Darauf kann die künstliche Intelligenz zugreifen.

00:13:07: das heißt wenn ich heute einen Mitarbeiter versetze dann wird automatisch diese Versetzung durchgeführt im System Es werden sämtliche Zugänge adaptiert, es wird aber auch blockiert wenn ich diese Berechtigung nicht hätte.

00:13:23: Und entsprechend hat man das System und auch den gesamten Prozess in einer Form umgestaltet dass die Datenbasis, die zugrunde liegt wirklich fehlerfrei sein muss und konsistent sein muss weil sonst könnte ich jetzt jemanden versetzen wo ich in keinster Weise die Berechtigung habe oder jemanden versetzen und erhält dann aber falsche Zugangsberechtigungen zu Systemen oder ähnlichem.

00:13:50: Diese Erfahrung mussten Sie auch in Ihrem Unternehmen wahrscheinlich machen, dass man das neu denken muss?

00:13:58: Oder war das von vornherein klar bei einem Vorreiter der KI sozusagen?

00:14:03: Oder ist es eben auch ein Lernprozess zu spüren – ich kann hier jetzt nicht einfach mein Agenti-Guy KI-Agenten darauf ansetzen, sondern ich muss dieses System erst neu strukturieren.

00:14:15: War das ein Learning by doing?

00:14:17: Definitiv!

00:14:18: Diese Veränderung hat ja auch erfordert dass wir neue Arbeitsweisen etablieren mussten und dafür war es natürlich notwendig, dass man seine existierten und alten Arbeitsweisen hinterfragt.

00:14:32: Das heißt typischerweise diese Interaktion mit H&R geht jetzt einmal über den Gang und fragt bei H& R Wann hättest du den Zeit, dass wir das Thema ABC besprechen?

00:14:43: Das war dann nicht mehr möglich in der Form.

00:14:47: Und auch das war natürlich ein Lärmprozess, der nicht immer ganz frikationsfrei vonstatten ging, weil Mitarbeiter haben eine angelernte Art Dinge zu bearbeiten und Probleme zu lösen.

00:14:59: Und plötzlich war es in der form nicht mehr möglichst.

00:15:01: D.h.,

00:15:02: das erforderte einen Lärmprozess noch einen Umdenkprozess selbst bei uns im Unternehmen hat zu Beginn nicht immer nur zur Zufriedenheit geführt.

00:15:12: Da gab es auch durchaus schlechte Bewertungen bei der Mitarbeiterbefragung, weil man eben nicht mehr diese gewohnte Arbeitsweise nutzen konnte.

00:15:23: erst als erkannt wurde welch Mehrwert diese neue Arbeitsweise hatte nämlich dass sich Dinge die früher irgendwie eine Woche gebraucht haben mit fünf Rückfragen verbunden waren mindestens zehn E-Mails involvierten, die Nutzung von fünf verschiedenen internen Systeme erfordert haben.

00:15:41: Dass man plötzlich diese Dinge in kürzester Zeit fallabschließend bearbeiten kann also sprich dies sind schlichtweg erledigt und ich sehe ähnliches auch bei Kunden die zum Beispiel Beschwerdemanagement für ihre Kunden mittels KI optimiert haben.

00:15:57: Das heißt jetzt nicht, dass die KI mit ihnen anspricht wenn sie sich beschweren und ein Anliegen haben aber durch eine Unterstützung mittels Technologie wurde es möglich Beschwerden besser zu kategorisieren schneller an den richtigen Mitarbeiter zuzuweisen und auch schneller Fallabschließen zu behandeln.

00:16:16: Manche der Beschwerde können damit Ich bin in kürzester Zeit für den Kunden endabschließend beantwortet werden.

00:16:24: Das kennen wir auch alle aus unserer eigenen Erfahrung, wenn man ein Anliegen hat und sei das jetzt im beruflichen Kontext, im HJA-Bereich oder im Finanzbereich – wenn man eine Analyse benötigt – jeder schätzt es, wenn dieses Problem schnell rasch und unkomplizit gelöst werden kann.

00:16:44: Erst als diese Wahrnehmung bei den Mitarbeitenden erlebt werden konnte, stieg die Zufriedenheit wieder rasant an.

00:16:54: Das Thema Mehrwert das möchte ich sofort aufgreifen kurz vorher noch weil Sie diese Umstellung angesprochen haben und dass es nicht gleich zur Zufredenheit der Mitarbeiterinnen geführt hat kann ich mir gut vorstellen.

00:17:04: wenn man früher sozusagen bei der Kaffeemaschine seine Probleme besprochen hatte und jetzt mit einem AI-Pod dann muss man sich erst darauf einstellen.

00:17:13: das führt nicht immer so fort zu Zufrydenheit.

00:17:15: aber da meine Frage dazu wird Dirigiert denn diesen Prozess?

00:17:20: Weil Sie haben ja den Dirigenten im Orchester angesprochen.

00:17:22: Wer erklärt den Mitarbeitenden, wie es zukünftig funktioniert und warum das besser ist?

00:17:28: Also vielleicht ein ganz wichtiger Punkt vorneweg – Das ist kein BOT!

00:17:33: Ein BOT ist etwas wo sie etwas hineinsprechen und sie bekommen eine Antwort direkt zurück.

00:17:39: In dem Fall sprechen wir hier von hochkomplexen agentischen Systeme Und genau hier braucht es diesen Orchesterater oder eben den Dirigenten.

00:17:48: Sprich, das ist natürlich der Mensch und das kann auch nur der Mensch sein, dass man ganz genau definiert welche Zugänge sind erlaubt, welche Aktivitäten sind erlaubt.

00:17:59: also stellen Sie sich jetzt mal vor dieses System wäre nicht entsprechend abgesichert transparent orchestriert vom Dirigenten.

00:18:10: Dann könnte ja plötzlich die Geige zu Spielen beginnen, während das Horn noch mitten in seiner Darbietung ist und das soll genau nicht passieren.

00:18:20: In einem kleinen oder mittleren Unternehmen ist der Dirigent der KI-Projekt verantwortliche?

00:18:27: Oder ist es der Leiter der Abteilung oder ist es des gesamten Unternehmens?

00:18:32: Also meine Frage zielt darauf ab muss eigentlich der Chef oder die Chefin ganz oben mal eine Ansage machen, bevor überhaupt ein System neu implementiert werden kann.

00:18:43: Also wir sehen das sämtliche Projekte die nicht nach dem Prinzip sinkweg also sprich ich habe eine Strategie und einen großen Plan gestartet werden wenig oder sehr selten erfolgreich sind.

00:19:00: Das ist dieses Gießkarnen-Problem, was ja anfangs auch angesprochen hat.

00:19:03: Man gießt einfach überall die Technologie drüber und das hat keinen strukturierten Gesamtskonzeptuellen Plan.

00:19:09: Genau!

00:19:10: Man giss einerseits die Gießkanne darüber man kreiert...

00:19:13: Also man gieß das Wasser da rüber

00:19:15: aus der Gießkröte?

00:19:15: Ja genau, man gisst das Wasser.

00:19:16: Entschuldigung

00:19:17: für das falsche

00:19:18: Bild.

00:19:19: Ganz genau also ... differenziert zu wenig, wo man Investitionen in KI vornimmt.

00:19:26: Man probiert ganz viele Dinge aus weil es ja eine unglaublich gute Idee ist.

00:19:31: Man vergisst in dem Kontext aber sehr häufig dass man sich überlegt sind eigentlich meine Daten soweit das es Sinn macht?

00:19:39: Sind meine Mitarbeitenden, sind meine Prozesse entsprechend weit das es sinn macht?

00:19:44: und wie passt das dann auch zum meiner Gesamtunternehmensstrategie?

00:19:47: hilft es mir meine Ziele zu erreichen?

00:19:51: Und ein wesentlicher Punkt in dem Kontext ist natürlich auch die Messbarkeit.

00:19:55: Wenige KI-Projekte werden tatsächlich nach Kriterien gemessen, nach denen sich das Unternehmen sonst misst – sprich zum Beispiel G&V Auswirkungen.

00:20:08: Wie kann man den messen?

00:20:10: Das ist eine nicht ganz einfache Aufgabe weil wir hier in einer sehr multidimensionalen Ebene unterwegs sind.

00:20:20: einerseits benötigen KI-Projekte Investitionen.

00:20:25: Investition in die Technologie, aber eben auch in die Prozesse, in den Menschen.

00:20:32: Wir sehen dass es zentral ist eine tatsächliche Kostenwahrheit bei Projekten zu haben und gemäß unserer Erfahrungen und unseren Studien werden sehr viele KI-projekte nicht adäquat gemessen oder nur in einzelnen Aspekten gemessen.

00:20:54: Und man vergisst dabei sehr häufig, dass man bei einem Projekt rund um künstliche Intelligenz die gesamte Bandbreite an Kosten aber auch Nutzen betrachten muss.

00:21:06: und hier geht es auch sehr stark um Investitionen, die zum Beispiel nötig sind, um KI-Projekt überhaupt erfolgreich umsetzen zu können.

00:21:14: Hier sehen wir wieder beim Thema Wie flexibel ist meine Technologie, die ich bereits im Hause habe?

00:21:20: Weil man möchte ja bestehen das bestmöglich weiterverwenden.

00:21:24: Wir sehen schlichtweg sehr häufig dass... ...die Priorisierung von KI-Projekten nach guten Ideen und innovativen Ansätzen erfolgt aber nicht unbedingt nach klaren betriebswirtschaftlichen Kriterien.

00:21:37: Der Geschichte mit der Messbarkeit, die offensichtlich so wichtig ist.

00:21:40: da möchte ich noch ein bisschen in die Tiefe gehen.

00:21:42: Ich stelle mir das so vor Da gibt es ein KI-Tool, ich habe das Gefühl, dass könnte mir helfen.

00:21:46: Ich schaue was kostet's?

00:21:47: Also so gehe ich zumindest ins im täglichen Leben vor.

00:21:50: Was kostet das, was ich will und dann schau' ich ob's was

00:21:54: bringt.".

00:21:54: Wie viel Geld gilt für die KI auszugeben?

00:21:57: ist das eine Frage, die man sich stellen muss oder reicht das

00:22:01: nicht?".

00:22:03: Ich denke, man muss einer sitzen durch die Ausgaben aber auch den Nutzen gegenüberstellen.

00:22:07: Und aus meiner Sicht reicht es nicht, sich die Frage zu stellen wie hoch sind meine Ausgabe für KI?

00:22:14: sondern man braucht einerseits Transparenz über die wirklichen Gesamtkosten, die damit verbunden sind.

00:22:22: Auch Transparents über Modelle, über Daten, über Infrastrukturkosten und über mögliche Synergien, die sich auch ergeben über mehrere Bereiche – eine Koordination!

00:22:40: dieser Kosten und diese Aufwendungen.

00:22:42: Und dann auf Basis dessen eine sehr bewusste Kapitalallokation, das heißt man überlegt sich natürlich sehr genau wofür gibt man denn sein Geld aus allerdings in einem sehr breiten Kontext?

00:22:55: Das heisst wenn man den technologischen Aspekt betrachtet weil wir viel über Menschen gesprochen haben oder über Wirtschaftsmodell Dann geht es ja darum, wenn ich das skalierbar machen will, dass sich all das was ihr jetzt genannt habt schon sehr gut vorab im Blick habe.

00:23:10: Das heißt, daß ich weiß, dass ich es ein Gesamtkostmodell erstellen muss und nur dann kann ich's mit einem Nutzen vergleichen oder?

00:23:19: Genau, schlussendlich will man hier einen Webbewerbsvorteil generieren Und dafür benötigt man die eigenen Unternehmens internen Daten und nicht ein globalgalaktisches Modell, das mir den Wetterbericht von Asien vorher sagen kann.

00:23:36: Das hilft dem Unternehmen normalerweise nicht.

00:23:38: D.h.,

00:23:39: wie generiert man diesen Wettbewerbsvorteil?

00:23:41: Es geht einerseits darum... seine eigenen Daten bestmöglich, aber natürlich sicher und transparent zu nutzen.

00:23:48: Das heißt aber auch die Kontrolle über die Daten zu haben, die Kontrollen über Modelle zu haben und Kontrolle über Agenten zu haben.

00:23:55: Und in dem Zusammenhang natürlich auch die Flexibilität zu haben selbst zu entscheiden wo man seine KI wie unsicher laufen lässt und welche Kosten damit verbunden sind.

00:24:10: Und das führt natürlich auch zu dieser Diskussion.

00:24:13: Häufig sehen wir, dass KI und KI-Modelle, KI-Projekte sehr fragmentiert im Unternehmen sind.

00:24:20: Das ist mit einer der Gründe, warum sie nichts skalieren.

00:24:23: Aber durch diese fragmentierten KI- Projekte hat man natürlich das Risiko, dass dieser Gesamtnutzen geringer ausfällt bzw.

00:24:34: in Teilen sogar verloren geht.

00:24:36: Wir sind wieder beim Orchesterbild!

00:24:38: Wir brauchen den Dirigenten.

00:24:40: Sie haben auch die Mitarbeiter angesprochen, die am Anfang einer neuen Implementierung nicht zufrieden waren und gemeint haben ist ja nichts weitergegangen, das ist schlechter als vorher oder zumindest nicht so.

00:24:50: denen muss man dann ja auch entgegenhalten können.

00:24:53: Ja aber wir haben einen Messbahn mehr Wert.

00:24:58: Oder muss es der Mitarbeitende spüren?

00:25:00: Oder lässt er sich von den Zahlen überzeugen?

00:25:02: wirst denn da ihre Erfahrungen?

00:25:03: sie begleiten ja zahlreiche Projekte.

00:25:05: Ich denke wie in jedem Transformationsprojekt des braucht beides.

00:25:08: Es braucht sichtbare Ergebnisse, aber natürlich auch Mitarbeitende die diese Ergebnisse oder diese Veränderung wahrnehmen können.

00:25:18: Und hier kommen wir wieder in dieses Zusammenspiel zwischen individuellem Nutzen.

00:25:22: und viele Menschen würden sagen sie sehen dass KI ihnen individuell einen Zeitvorteil erbringt.

00:25:31: allerdings sehen wir das ganz häufig nicht auf Unternehmenssicht.

00:25:35: Und dann stellt sich natürlich die Frage, was passiert mit dieser Zeit.

00:25:39: Wird die für Innovation genutzt?

00:25:41: Wird sie wachstumgenutzt oder versichert im System?

00:25:47: Unternehmen möchte sich sehr schnell in dem KI-Bereich bewegen um Natürlich heutzutage.

00:25:54: KI ist überall.

00:25:56: Man suggeriert wenn man sich hier nicht schnell bewegt Dann verliert man, dann ist der Mitbewerb, der Wettbewerbs schneller.

00:26:04: und Es zeigt sich aber sehr klar, mehr Geschwindigkeit bedeutet nicht mehr Wert durch KI.

00:26:11: Weil eben genau jene Themen die wir vorhin angesprochen haben also das heißt aus Business Sicht eine Veränderung oder Anpassung der Prozesse Aus Technologiesicht ein maßgeschneidertes System mit Modellen die genau in dem Kontext für das Unternehmen Sinn machen Eine entsprechende Orchesterie durch den Dirigenten Sicherheit, Transparenz.

00:26:35: Aber auch auf der Mitarbeitenden Seite ein Reskilling, Abskilling neue Arbeitsweisen weil diese Dinge mitgedacht werden müssen.

00:26:47: und deshalb geht es nicht rein um Geschwindigkeit sondern wenn man mehrwert generieren möchte muss das ein Zusammenspiel aus Geschäftsmaßnahmen Technologie und dem gesamten Transformationsansatz sein.

00:27:02: Also wenn man massiver aufs Gas-Bedal drückt, kommt nicht unbedingt eher ans Ziel sondern vielleicht auch früher ins Spital.

00:27:08: Wenn man das aufs Unternehmen umlegt...

00:27:10: Genau weil wenn sie noch immer auf der Schotter Straße unterwegs sind dann wird es nicht helfen

00:27:14: Dann kommen die PS nicht auf den Boden und haben jetzt noch ein paar andere Stässe zu bemühen.

00:27:19: Das ist interessant dass Sie das mit der Schnelligkeit ansprechen Weil wir ja in einer extrem schnell lebigen Zeit leben Weil KI diese Schnelligkeiten auch weiter befördert Gerade die KI ein Musterbeispiel für eine Technologie ist, die sich am nächsten Tag schon wieder überholt hat.

00:27:39: Haben Sie Verständnis für Unternehmen?

00:27:41: Die meinen wir müssen sofort auf den Zug aufspringen sonst fährt er ohne uns.

00:27:46: und wenn die das meinen sie aber spüren Moment da fehlt auch die passende Strategie.

00:27:52: was würden sie denen raten?

00:27:53: also verständnis auf jeden Fall jedoch sehr starke Zweifel, dass es der richtige Weg zum Ziel ist.

00:28:00: Und das ist glaube ich auch immer die Grundfreien, die man sich stellen muss.

00:28:03: Warum mache ich das?

00:28:04: Was möchte ich erreichen?

00:28:06: und in den Projekten wo wir mit Unternehmen arbeiten gibt es ganz klar definierte Unternehmensziele, die mittels der KI entsprechend erreicht werden sollen.

00:28:15: Das heißt man überlegt sich ganz genau, wo kann ein Mehrwert erzielt?

00:28:21: Und dort wird die KI dann auch sehr, sehr bewusst eingesetzt.

00:28:24: Dann sehen wir das einerseits die Projekte erfolgreich skalieren aber eben auch den gewünschten Nutzen oder das gewünschte Ergebnis bringen.

00:28:33: Eine abschließende Frage glauben Sie dass diese Erkenntnis nach der Halbphase vielleicht der KI sicher auch bei den österreichischen Unternehmern in Zukunft besser durchsetzen wird und man damit rechnen darf, Mit anderen Zahlen beginnt nämlich, dass mehr Return on Invest mit erzielt wird.

00:28:54: Dass ein höherer Prozentsatz KI-Projekt noch tatsächliches Ziel erreichen.

00:28:58: Sehen Sie eine Entwicklung in diese Richtung?

00:29:02: Also ich gehe ganz klar davon aus, dass künftig viel mehr Projekte im KI Bereich skalieren werden eben genau vor dem Hintergrund das man natürlich jetzt sehr stark sieht.

00:29:16: Mehr Geschwindigkeit bedeutet nicht unbedingt mehr nutzen.

00:29:20: Es ist auch kein reines Technologiespiel, wo man irgendwie drei KI-Agenten zusammenbringt und das löst alle Probleme sondern es geht um ein wirklich maßgeschneidertes sicheres System.

00:29:34: und schlussendlich KI löst natürlich nicht alles, sondern es braucht den Menschen der das entsprechend dirigiert oder steuert am Ende seine Expertise hier einbringt, weil genau das differenziert er das Unternehmen.

00:29:50: Sie möchten ja nicht eines von weiteren hundert KI-Modellen einsetzen oder nutzen – das differenziert sie nicht!

00:29:56: Sondern es geht darum die eigenen Daten und das eigene Wissen, die eigene Expertise bestmöglich zu nutzen um daraus einen unternehmerischen oder webbewerbstechnischen Vorteil zu

00:30:06: ziehen.".

00:30:06: Und das wird man lernen?

00:30:09: Das könnte sich verbessern in Zukunft.

00:30:11: Wie

00:30:12: überzeugt das?

00:30:13: Das halte ich für ein gutes Schlusswort.

00:30:15: Ich überlege mir noch mal, was ich für einen Mehrwert heute mitgenommen habe.

00:30:19: Also ich hab gelernt es um KI-Projekte von Piloten weg zu skalieren oder skalierbar zu machen, was eigentlich das Ziel ist dass es mehrere Optionen und mehr Perspektiven eingenommen werden müssen, dass es um die Wirtschaft geht, um das Unternehmen selbst, um die Technologie am richtigen Platz und auch darum die Menschen mitzunehmen.

00:30:41: Wer das gern flapsig formulieren möchte, könnte sagen It's Business Technology and People.

00:30:49: Otto, ich danke Ihnen herzlich fürs Kommen!

00:30:51: Vielen Dank!

00:30:53: Das war der Presse-Podcast zum Thema Erfolgsgeheimnis bei KI-Projekten.