Künstliche Intelligenz ist im Rahmen der Digitalisierung auch für den Mittelstand eine Schlüsseltechnologie. Gerade durch die rasanten Fortschritte im Bereich Generative AI hat das Thema erheblich an Bedeutung gewonnen. Da in zahlreichen deutschen Großunternehmen KI bereits erfolgreich implementiert wird, fokussieren wir uns in diesem Interview darauf, welche Chancen und Herausforderungen KI insbesondere für den Mittelstand, dem „Rückgrat“ der deutschen Volkswirtschaft, schon jetzt bereithält. Dazu haben wir mit Dr. Philipp Hartmann, Director of AI Strategy & Enablement bei appliedAI, u. a. darüber gesprochen,
- wie Sie Ihren ersten KI-Anwendungsfall identifizieren,
- wie Sie das Vertrauen Ihrer Mitarbeiter:innen und Kund:innen in KI erhöhen
- und welche Potenziale verfügbare Open-Source-LLMs mitbringen.
1 appliedAI gibt es seit 6 Jahren und ist Europas größte Initiative für die Anwendung von vertrauenswürdiger KI-Technologie in Unternehmen. Was hat sich bei Ihnen seit November 2022 verändert?
Der wichtigste Aspekt ist, dass durch ChatGPT künstliche Intelligenz erlebbar geworden ist. ChatGPT hat das Verständnis für KI in die breite Masse getragen. Außerdem zeigt es anschaulich, was KI kann. Die Kehrseite ist, dass die Erwartungen durch diesen Hype sehr hoch sind, oftmals aber das grundsätzliche Verständnis fehlt. Bei vielen Firmen gibt es den Reflex, dass sie ihr „eigenes ChatGPT“ für ihre Firma haben wollen. So ein KI-basiertes Sprachmodell kann zwar sinnvoll sein als Wissensbasis, aber es beantwortet noch nicht die Frage, was ich mit KI machen kann und muss. Denn KI ist viel mehr als ChatGPT.
Seit Anfang des Jahres sind die Anfragen für KI-Beratung bei uns, insbesondere von Firmen, die bisher etwas weiter weg waren von dem Thema, stark gestiegen. Wir merken, dass der Mittelstand oder Unternehmen, die sonst weniger Veränderungsdruck haben, sich zunehmend mit dem Thema beschäftigen und auch das Verständnis für die Relevanz bereits vorhanden ist.
2 KI gilt als äußerst strategische und transformative Technologie. Welchen Stellenwert hat Künstliche Intelligenz im Mittelstand bereits für die Digitalisierung?
Immer mehr Mittelständler verstehen gerade, dass künstliche Intelligenz eine sehr relevante Zukunftstechnologie ist. Eine typische Frage, die wir häufig hören ist: “Was ist der eine KI-Use-Case, den wir morgen anwenden können und der uns noch erfolgreicher macht?” Diesen einen universellen Use Case gibt es natürlich nicht. Beim Wissen um die transformativen Voraussetzungen, die ein mittelständisches Unternehmen erfüllen muss, damit es KI erfolgreich einsetzen kann, gibt es also Nachholbedarf. Es gibt allerdings auch Ausnahmen. Einige – leider noch wenige – Unternehmen haben schon verstanden, dass KI im Mittelstand in der Regel nicht etwas ist, dass man einfach irgendwo draufsetzt. Sondern, dass man vorher grundlegend darüber nachdenken müssen, wie diese Technologie im eigenen mittelständischen Unternehmen einen echten Mehrwert schaffen kann.
3 In Deutschland sind viele Menschen noch skeptisch in Bezug auf die Anwendung von KI. Wie kann ich als Geschäftsführer oder Abteilungsleiter das Vertrauen meiner Mitarbeiter:innen und Kund:innen in KI erhöhen?
Wichtig ist, dass mittelständische Unternehmen das Thema KI mit der nötigen strategischen Relevanz auf die Agenda setzen, da es so viele Implikationen auf verschiedensten Ebenen hat. Die Rolle der Geschäftsführung ist hierbei zentral: Sie muss vorangehen und KI zur Priorität machen. Wie bei vielen Themen, die Change-Prozesse mit sich bringen, ist es für den Erfolg entscheidend, dass das richtige Mindset teamübergreifend geschaffen wird. Denn nur wenn ich ein Thema grundlegend verstehe, verliere ich die Angst davor. Daher ist es wichtig, dass z. B. interne Schulungen angeboten werden, um den eigenen Mitarbeitenden das Grundverständnis für KI jenseits von ChatGPT zu vermitteln. Außerdem hat es sich bewährt, die Strategie im Bereich KI immer wieder zu erklären: Wo soll es hingehen? Wo stehen wir? Welche Entwicklungen gibt es? Damit tragen Verantwortliche das Thema KI erfolgreich in die Breite des eigenen mittelständischen Unternehmens hinein und können so die Akzeptanz steigern. Natürlich gibt es auch diejenigen Fälle, bei denen künstliche Intelligenz Arbeitsplätze und -abläufe deutlich verändert. Denn es liegt in der Natur der Sache, dass KI im Mittelstand viele manuelle Prozessschritte optimieren und automatisieren kann. Hier hilft nur eine ehrliche und transparente Kommunikation über die Auswirkungen und mögliche Veränderungen.
4 Vielen Unternehmen im Mittelstand fällt es noch schwer, geeignete KI-Anwendungsfälle zu identifizieren. Welche Ratschläge haben Sie, um diese Hürde zu bewältigen?
Noch bevor man mit dem ersten Anwendungsfall beginnt, raten wir immer erst zu schauen, welche konkreten Potenziale KI für das eigene Unternehmen hat. Das muss auch kein dreimonatiges Unterfangen mit einer eigenen Task Force sein. Es genügt eine kleine Kerngruppe, die die eigene KI-Ambitionen beleuchtet und zwei Schlüsselfragen beantwortet: Wie ändert KI im Mittelstand mein Geschäft? Und was sind die großen Felder, in denen KI relevant ist? Wenn ich diese beiden Fragen beantwortet habe, kann ich schauen, was es in diesem Spektrum für konkrete Anwendungsfälle in meinem Unternehmen gibt, die ich auch umsetzen kann. Auf der abstrakten Ebene muss ich dann noch schauen, wie hoch der Aufwand ist, diesen Anwendungsfall umzusetzen. Also: Wie technisch komplex ist es? Wie viele Daten brauche ich dafür? Wie viele Daten habe ich zur Verfügung? Wie sehr muss die Anwendung in mein System integriert werden? Und auf der anderen Seite: Was ist mein Return? Meine Empfehlung ist, mit den Anwendungsfällen anzufangen, die man als Unternehmen auch umsetzen kann. Aber immer mit Blick auf die übergeordneten KI-Ambitionen: Wo will ich ultimativ hin? Der erste KI-Anwendungsfall sollte dann in einem Bereich liegen, der strategisch relevant ist und einen echten geschäftlichen Nutzen hat. Ansonsten bleibt man auf einem reinen Showcase-Level hängen.
5 Welche großen Herausforderungen auf dem Weg zum ersten Einsatz von Künstlicher Intelligenz im Mittelstand begegnen Ihnen immer wieder und welche Lösungsansätze empfehlen Sie?
Viele Projekte scheitern an fehlenden Daten bzw. an zu niedriger Datenqualität. Aber es gibt viele weitere Herausforderungen bei KI-Projekten. Eine Sache, die immer entscheidend ist: Man sollte sich als Unternehmen möglichst intern KI-Kompetenzen aufbauen. Wenn man eigene Softwareentwickler und Softwareentwicklerinnen hat, kann man sie z.B. zum Thema KI befähigen. Oder man baut komplett neue Kompetenzen im Bereich KI auf. Sehr komplexe Anwendungsfälle nur mit externen Dienstleistern umzusetzen, bringt ein Unternehmen langfristig nicht weiter. Denn KI-Modelle sind nie „fertige“ Systeme, man muss sie immer über die Zeit weiterentwickeln und auch im Betrieb darauf achten, ob das Modell den gewünschten Output liefert. Auch die Frage, wie ähnliche Anwendungsfälle vielleicht in anderen Bereichen des eigenen mittelständischen Unternehmens umgesetzt werden können, erfordert häufig ein internes Verständnis der Technologie. Natürlich kann es gerade am Anfang trotzdem sehr nützlich sein, erstmal mit einem externen Partner zu starten, der sich auskennt. Aber für den langfristigen Erfolg von großen transformativen Projekten sollte man mittelfristig möglichst ein eigenes ML-Team aufbauen.
6 Daten sind zentral für den Einsatz von KI im Mittelstand. Was gibt es für Optionen, um die eigene Datenqualität zu erhöhen?
Ganz wichtig ist es, gleich am Anfang zu schauen, ob die Daten vorhanden und von ausreichender Qualität sind. Nach einer kurzen Explorationsphase ist häufig klar, ob man mit den verfügbaren Daten etwas anfangen kann. Natürlich gibt es je nach Anwendungsfall auch alternative Möglichkeiten. Aber manchmal ist es ehrlicherweise auch am sinnvollsten, erstmal einen Schritt zurückzutreten und strukturierte Daten aufzubauen. Beispiel Predictive Maintenance: Hier sind zahlreiche Ausfalldaten nötig. Wenn Sie als mittelständisches Unternehmen aber nicht genügend Ausfälle haben, weil Ihre Systeme sehr stabil laufen, sollten Sie sich fragen, ob das wirklich der richtige Anwendungsfall ist. Wichtig ist also zu prüfen, ob das ausgewählte Thema zu den vorhandenen Daten passt. Auch sollten Unsicherheiten frühzeitig betrachtet werden und man braucht Mut, um Hypothesen zu verwerfen, wenn sie sich als falsch herausstellen.
7 Die Entscheidung, ob ein eigenes LLM entwickelt oder eingekauft werden soll, ist vielschichtig. Welche Schlüsselaspekte sollten Unternehmen bei der Entscheidungsfindung unbedingt berücksichtigen?
Bei Sprachmodellen gibt es verschiedene Optionen: Erstens, die API von Anbietern wie z.B. OpenAI zu nutzen ohne viel Mehraufwand zu haben. Zweitens, ein Open-Source-Modell zu verwenden, das mit ein bisschen Finetuning auf die eigenen Bedürfnisse angepasst werden kann und drittens, ein ganz eigenes Sprachmodell zu entwickeln. Dabei ist die Entscheidung von einigen grundlegenden Faktoren abhängig. Einfach gesagt: Wenn ein Unternehmen nicht über die notwendigen Kompetenzen und Ressourcen verfügt, um ein eigenes Sprachmodell zu entwickeln oder Open-Source-Modelle an die eigenen Anforderungen anzupassen – dann fallen diese Optionen schon mal weg. Gleichzeitig sollte ein Unternehmen sich für den Einsatz Künstlicher Intelligenz im Mittelstand strategisch fragen, wie wichtig der Output eines Sprachmodells für das eigene Geschäftsmodell ist und wie strategisch die Daten sind, die in das Modell fließen. Wenn der Output strategisch nicht besonders relevant ist (bspw. standardisierte Anfragen im Customer Service), kann z. B. ein vorhandenes Sprachmodell für einen smarten Kundensupport-Bot völlig ausreichen. Für Unternehmen hingegen, die mit sehr sensiblen Daten arbeiten, z. B. Pharma-Hersteller, Verlage mit Unmengen eigener Inhalte oder Unternehmen mit proprietärer Programmiersprache für eigene Software-Lösungen, ist es wichtig zu überlegen, ob diese Daten in ein externes System, in dem man die weitere Nutzung nicht kontrollieren kann, eingebracht werden sollten.
8 Wie bewerten Sie die aktuell verfügbaren Open-Source-LLMs?
Wir sehen schon länger, dass Open-Source-Modelle die aktuellen technologischen Entwicklungen nach und nach einholen. Bei GPT-3.5 – also dem kostenlosen ChatGPT – ist das bereits geschehen. Wenn es allerdings um “Reasoning-Probleme” geht, hat GPT-4 noch deutlich die Nase vorn. Für viele klassische Anwendungsfälle von Künstlicher Intelligenz im Mittelstand, wie bspw. das Zusammenfassen von Dokumenten oder das Abfragen von Wissen im Customer Service ist dieses Sprachmodell-Level von GPT-4 allerdings nicht notwendig. Deswegen stellen Open-Source-Modelle hier schon jetzt eine sehr gute Alternative dar.
9 Welche möglichen KI-basierten Veränderungen auf Geschäftsmodelle sollten mittelständische Unternehmen in den nächsten Jahren strategisch auf dem Radar haben?
Die erste wichtige Erkenntnis ist, dass alle KI-Themen Geschäftsmodell-Implikationen haben. Wie konkret sie sich auswirken, hängt stark von der jeweiligen Branche ab. Es gibt Branchen, die schnell und unmittelbar betroffen sind, wie z. B. die Verlagsbranche aufgrund der automatischen Erstellung von Inhalten. In anderen sehr spezifischen, technischen Branchen ändert sich erstmal weniger, weil KI am Kern-Geschäftsmodell nichts ändert. Jedes Unternehmen im Mittelstand sollte sich jedoch fragen, was es heute schon sehr gut kann und für seinen Wettbewerbsvorteil relevant ist, aber zukünftig das Potential hat, sich durch KI zu verändern. Denn wenn ich mit einem manuellen Prozess, so gut er auch ist, gegen einen KI-Prozess z. B. bei der Preisgestaltung, bei Trading-Entscheidungen oder beim Verarbeiten von Ausschreibungstexten konkurriere, bin ich immer im Nachteil, weil ich immer langsamer und damit teurer bin. Deswegen ist es entscheidend, sich mit genau diesen Fragen früh auseinanderzusetzen, um für die Zukunft gewappnet zu sein.
10 Wie groß sind die Chancen auf ein Deutsches OpenAI? Wie schätzen Sie das Potenzial des Standorts Deutschland ein?
Das ist eine schwierige Frage und ich wäre gerne optimistisch. In vielen Bereichen gibt es Firmen, die tolle Anstrengungen unternehmen, um diese Themen voranzutreiben. Die Geschwindigkeit und die Ressourcen, die dahinterstecken, machen es allerdings sehr schwierig. ChatGPT ist ein gutes Beispiel für das unglaubliche Tempo, mit dem das Thema vorangetrieben wird: Nur fünf Jahre hat es vom ersten Paper bis zu einem Produkt gedauert, das milliardenfach genutzt wird. Dennoch gibt es viele Bereiche, in denen ich Chancen für Europa sehe. Ein Beispiel sind die traditionell in Deutschland starken Industrien wie bspw. Chemie oder Maschinenbau, die auf einer Wertschöpfung beruhen, die viele verschiedene Komponenten benötigt. Da bewegen wir uns in einem Bereich, der vom Wechselspiel zwischen klassischer Kompetenz und künstlicher Intelligenz lebt. Ziel muss es sein, diese Industrien mit KI zu befähigen, Wettbewerbspositionen einzunehmen, die sie mittelfristig verteidigen können. Gleichzeitig muss einem klar sein, dass man sich auf der Vergangenheit nicht ausruhen kann und Unternehmen beim Thema Künstliche Intelligenz im Mittelstand sehr ernsthaft vorangehen müssen. Da hilft dann auch die klassische Wertschöpfungskette nicht. In der Automobilindustrie sehen wir, dass es jetzt schon schwierig wird, mit klassischen Verfahren gegen Unternehmen zu bestehen, die KI aktiv nutzen. Nicht zuletzt ist es auch von geopolitischer Bedeutung, dass sich europäische Unternehmen nicht in eine zu große Abhängigkeit von einigen wenigen ausländischen Konzernen begeben, weil ich überzeugt bin, dass wir in Europa souverän bleiben müssen – auch im Bereich der künstlichen Intelligenz.
Sie möchten mehr darüber erfahren, wie wir Ihnen als mittleres oder großes Unternehmen bei der Konzeption und Umsetzung von KI-Projekten helfen können? Dann lesen Sie auf unserer KI-Leistungsseite weiter.
