15.03.2023

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

Ob die Angst vor Künstlicher Intelligenz (KI) im Unternehmen begründet ist? Die Datenexpertin Ana Simic verrät, wie sich KI auf Effizienz, Kosten und Kreativität im Unternehmen auswirkt und warum sich auch Startups über die KI-Schwelle trauen sollten.
/artikel/ai-im-unternehmen-effizienzsteigerung-oder-kontrollverlust
Ana Simic weiß, wo Künstliche Intelligenz im Unternehmen Vorteile bringt - und wo nicht. (c) Yvonne Fetz
sponsored

Die Ampel steht auf Rot. Die Motoren laufen. Aus dem Autoradio ertönen die Nachrichten: Künstliche Intelligenz könnte Arbeitsplätze gefährden. Der Trend sorgt für Unsicherheit. Doch ist diese begründet?

Die Breaking News der letzten Monate gehören für Ana Simic schon lange zum Alltag. Ana ist Digitalisierungs- und AI-Spezialistin und leitet das Wiener Büro des finnisch-deutschen Consultingunternehmens DAIN Studios. Ihr Spezialgebiet: Unternehmen bei der Anwendung von Künstlicher Intelligenz zu unterstützen und individuelle AI-Strategien zu entwickeln.

Warum sich vor etwaigen KI-Hürden niemand fürchten muss und wie Startups, KMUs und Konzerne betriebliche Prozesse mit AI effizienter gestalten? Ana Simic verrät die wichtigsten Tipps rund um Data Literacy, AI Maturity & Co.

Die Angst vor Neuerungen ist nichts Neues

“Angst vor Technologien hat es immer schon gegeben. Menschen sind zuerst immer skeptisch und brauchen Zeit, um sich an neue Technologien zu gewöhnen”, erzählt Ana. Der Grund: Die Angst vor Kontrollverlust. Und die Sorge, dass neue Technologien bestehende Strukturen verändern.

Ein Paradebeispiel ist das Auto. Im Jahr 1830 fuhr die erste Dampf-Buslinie in London, 1886 fegte das erste Gasmotoren-Fahrzeug über die Straßen Europas. Das Auto bahnte sich langsam seinen Weg durch die Gesellschaft. Skepsis herrschte anfangs aber auch bei jenem Verkehrsmittel, das heute für viele nicht mehr wegzudenken ist.

Die gelbe Ampel schlägt auf Grün

“Nach der Einführung des Autos hatten die Menschen Angst davor, mit 30 Kilometern pro Stunde auf den Straßen zu fahren. Heute fahren wir völlig unaufgeregt mit 130 km/h über die Autobahn”, erzählt Ana. Menschen gewöhnen sich also nur langsam an neue Technologien: “Wir brauchen Zeit, Geduld und das Wissen, wie wir technologische Innovationen in unseren Alltag integrieren können. Vor allem aber müssen wir Regeln definieren, damit uns neue Technologien sinnvoll unterstützen und Schäden vermieden werden.”

“Ähnlich wie beim Auto ist es auch mit Künstlicher Intelligenz”, erklärt Ana. “Das Auto hat unser Gesellschaftsleben grundlegend verändert, und noch viel größeres Potenzial steckt in Künstlicher Intelligenz.” Die Angst vor Kontrollverlust sei, Ana zufolge, also unbegründet. Zumindest so lange wir uns über Chancen und Risiken der KI-Welt bewusst sind.

Wie AI-reif bist du?

Während einige noch mit AI-Skepsis kämpfen, sind andere über-euphorisch, erzählt Ana aus Erfahrung: “Dafür haben wir das AI Maturity Framework entwickelt. In 10 Schritten helfen wir unseren Kund:innen bei der Analyse ihres Data- und AI-Reifegrades.”

Der Gedanke dahinter: Bevor Unternehmen AI in betriebliche Prozesse integrieren, braucht es eine Status-Quo-Analyse. Mit dem AI Maturity Framework hilft das DAIN Studios Team ihren Kund:innen, eine individuelle AI-Strategie zu entwickeln. “Wir sind die Außenperspektive, der kritische Blick, der versteckte Potenziale im Unternehmen entdeckt. Wir haken alle Checkpoints ab, die ein Unternehmen vor seiner KI-Reise erfüllen sollte”, erklärt die Datenspezialistin.

Das DAIN Studios Team hilft Startups, KMUs und Konzernen bei der Optimierung ihrer persönlichen AI-Strategie. (c) DAIN Studios

Reif für Effizienzsteigerung

Zwei Begriffe, die zukünftige AI-Anwender:innen kennen sollten, sind Data Literacy und AI Maturity. “Data Literacy ist die Basis, also das Know-How, das mir dabei hilft, Funktionsweise und Anwendungsmöglichkeiten der Künstlichen Intelligenz zu verstehen”, erklärt Ana.

AI Maturity hingegen bezeichnet den Reifegrad im bewussten, kompetenten Einsatz von KI. “Das Ziel unseres AI Maturity Frameworks ist es, Arbeitsprozesse herunterzubrechen, ihre Einzelteile zu analysieren und jene Stellen zu identifizieren, in denen AI als Prozess-Unterstützer eingesetzt werden kann. Dafür braucht es neben Wissen und Souveränität vor allem die notwendige Infrastruktur und die Bereitschaft zur Veränderung.”

Das Ergebnis? Die Steigerung von Produktivität, Effizienz und Effektivität. “Wir experimentieren, bauen Strukturen und versuchen, unsere Kund:innen ganzheitlich fit für Künstliche Intelligenz zu machen.” Ist der Reifeprozess durchlaufen, sind alle Voraussetzungen für einen aktiven Kulturwandel gegeben. “Am Ende unserer Reise sind unsere Kund:innen dann nicht nur data literate, sondern AI mature.”

No Risk, no AI

“Trotz AI Maturity sollte man beim Einsatz von KI lieber keine roten Ampeln überfahren”, warnt Ana metaphorisch. “Wichtig ist, dass sich Unternehmen bewusst sind, welche Verantwortung sie mit der Anwendung von KI übernehmen. Sie müssen nicht nur wissen, wie und wo AI-Tools anwendbar sind, sondern auch, welche Daten sie an die KI verfüttern.”

Dass dabei auch etwas schiefgehen kann, zeigte der AI-Skandal des Online-Händlers Amazon vor zwei Jahren: Die im Recruiting-Prozess eingesetzte Künstliche Intelligenz soll die Bewerbungen von Frauen geringer als jene von männlichen Bewerbern bewertet haben.

“Der HR-Fauxpas von Amazon zeigt, dass KI auch nur von Menschen gemacht ist. Amazon hat den Fehler mit kritischem Blick gefunden und veröffentlicht.” Der verantwortungsbewusste Einsatz von KI erfordere also genau das, was Amazon 2018 zuerst übersehen und dann richtig gestellt hat: “Das Bewusstsein darüber, welche Folgen der Einsatz von KI haben kann, wenn man den Input unbeachtet lässt”, so die Datenexpertin.

“Der Turn-Off-Button liegt in unserer Hand”

KI deshalb aber nicht einzusetzen, wäre schade. Denn sie senkt Kosten und lässt Geschäftschancen steigen, wodurch Unternehmen ihre Geschäftsfähigkeit am Markt stärken können. “Eine ausgereifte AI Maturity ist wirklich ein klarer Wettbewerbsvorteil”, ermutigt Ana. “Wie intensiv wir KI schlussendlich nutzen, liegt bei uns. Der Turn-Off-Button liegt immer noch in unserer Hand.”

KI ist nicht nur was für Große

“KI ist nicht teuer und kompliziert. Für ihren Einsatz sind keine großen Investitionen notwendig. KI kann jede und jeder genauso einsetzen, wie er oder sie es möchte”, erklärt Ana. Die Datenexpertin ermutigt auch Startups und KMUs, sich über die Artificial Intelligence Schwelle zu trauen: “KI eignet sich optimal für junge Unternehmen und kleine Projekte. Startups und KMUs können sich so eine gute Basis für ausgereifte Geschäftsmodelle bauen. Wichtig ist nur, Fehler zu vermeiden, vor allem in Hinblick auf Privacy, Ethics und Data Security.”

“Vergessen wir nicht, dass wir Menschen sind”

Im Rennen um die effizienteste KI-Strategie appelliert Ana Simic auch an einen nüchternen Umgang mit AI: “Wir müssen uns gut überlegen, wo wir Künstliche Effizienz einsetzen können, damit sie mir und meinem Unternehmen Vorteile bringt. Daraus ergeben sich schnellere Prozesse und gewonnene Arbeitszeit, die wir für Neues nutzen können.”

Wie wär’s also mit ein bisschen mehr Zeit für Kreatives und Beziehungen? “KI könnte Unternehmen einerseits beim Arbeitskräftemangel helfen, aber ihnen auch jene zeitlichen Ressourcen zurückgeben, die wir durch Mehrarbeit über Jahre verloren haben”, erklärt die Datenspezialistin. “Nutzen wir also die Chance und vergessen wir nicht, dass wir Menschen und keine Maschinen sind.”

Zur Person

Ana Simic leitet das Wiener Büro der DAIN Studios, einer finnisch-deutschen Unternehmensberatung, die KI- und Data-Strategien entwickelt und umsetzt und mit der DAIN Academy den Führungskräften und Experten hilft, die KI zu verstehen und anzuwenden. Als erfahrene Marketing- und Digitalisierungsexpertin bringt sie Perspektiven und Knowhow aus unterschiedlichen Branchen mit, unter anderem Telekommunikation, Consumer Goods und Gaming.

Hier geht’s zur Website der DAIN Studios
Deine ungelesenen Artikel:
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

“No Hype KI” wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”

“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.

“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.

Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.

“Einfach einmal ausprobieren”

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

AI im Unternehmen: Effizienzsteigerung ohne Kontrollverlust?