Unternehmen erkennen zunehmend das Potenzial von KI für interne Anwendungen. Die Herausforderung besteht jedoch darin, aus der Vielzahl möglicher neuer Anwendungsfälle diejenigen auszuwählen, die am besten zum eigenen Unternehmen passen. Es empfiehlt sich daher, zunächst einen besonders relevanten Anwendungsfall zu identifizieren und erfolgreich umzusetzen. Die Erfahrungen und Ergebnisse aus diesem Leuchtturmprojekt können dann als Leitfaden dienen, um weitere Use Cases effektiv im Unternehmen umzusetzen.
In diesem Leitfaden zeigen wir Ihnen Schritt für Schritt, wie Sie den optimalen KI-Anwendungsfall für Ihr Unternehmen auswählen, mit besonderem Fokus auf Anwendungsfälle für mittelständische Fertigungsunternehmen.
Unternehmen erkennen zunehmend das Potenzial von KI für interne Anwendungen. Die Herausforderung besteht jedoch darin, aus der Vielzahl möglicher neuer Anwendungsfälle diejenigen auszuwählen, die am besten zum eigenen Unternehmen passen. Es empfiehlt sich daher, zunächst einen besonders relevanten Anwendungsfall zu identifizieren und erfolgreich umzusetzen. Die Erfahrungen und Ergebnisse aus diesem Leuchtturmprojekt können dann als Leitfaden dienen, um weitere Use Cases effektiv im Unternehmen umzusetzen.
In diesem Leitfaden zeigen wir Ihnen Schritt für Schritt, wie Sie den optimalen KI-Anwendungsfall für Ihr Unternehmen auswählen, mit besonderem Fokus auf Anwendungsfälle für mittelständische Fertigungsunternehmen.
Jede Woche tauchen neue Möglichkeiten auf, wie generative KI in Unternehmen eingesetzt werden kann. Die meisten Anwendungsfälle lassen sich in sechs Hauptkategorien einteilen:
Durch den Einsatz von KI können unter anderem Materialverbrauch und Ausschuss reduziert sowie optimierte Prozesse implementiert werden.
Mitarbeitende werden mit den richtigen Werkzeugen ausgestattet, um repetitive Aufgaben mit Hilfe von KI effizient zu erledigen.
Durch den Einsatz von KI zur Verwaltung von Wissensdatenbanken können Unternehmen das Know-how und die Erfahrung ihrer Mitarbeitenden systematisch erfassen, organisieren und zugänglich machen.
KI und Sensoren ermöglichen eine lückenlose Überwachung und Dokumentation in Produktion und Logistik, um Prozesse für eine effiziente Fertigung zu optimieren.
KI wird eingesetzt, um die Entwicklung und Optimierung innovativer Produkte und Designs zu unterstützen, Details zu verbessern oder neue Lösungen zu realisieren.
Bessere Entscheidungen werden durch datengestützte Prognosen und Erkenntnisse aus Geschäftszahlen und Prozessüberwachung ermöglicht.
Die Effektivität dieser Anwendungen steigt mit der Leistungsfähigkeit der KI-Modelle, insbesondere ihrer Fähigkeit, komplexe Zusammenhänge zu verstehen. Vertiefende Erläuterungen zu Use Cases finden Sie hier.
Die Identifikation des geeigneten KI-Anwendungsfalles erfolgt in vier zielgerichteten Schritten:
Im ersten Schritt wird der Fokusbereich innerhalb des Unternehmens festgelegt, auf den man sich zunächst konzentrieren möchte. Dies können bestimmte Unternehmensbereiche, Standorte oder bestimmte Prozesse innerhalb der Wertschöpfungskette sein. Es empfiehlt sich, Bereiche auszuwählen, in denen bereits eine hohe Akzeptanz bei den Mitarbeitenden vorhanden ist und/oder in denen man selbst bereits über eine hohe Expertise verfügt. So können Potenziale schneller und effizienter identifiziert werden.
In Anlehnung an die Lean Management Prinzipien wird zunächst der Ist-Zustand des ausgewählten Prozesses analysiert. Hierfür bieten sich verschiedene Prozesstechniken wie z.B. das Value Stream Mapping an. Anschließend wird abgeschätzt, (1) wie viel Zeit pro Prozessschritt benötigt wird, (2) welche Kosten durch diesen Schritt entstehen und ein erster Anhaltspunkt, (3) wie viele Daten in den einzelnen Prozessschritten bereits erhoben werden (hoch / mittel / niedrig). Die Bereiche mit hohem Zeitaufwand, hohen Kosten und vielen Daten eignen sich am besten für eine vertiefte Analyse im nächsten Schritt.
Nachdem ein relevanter Anwendungsfall identifiziert wurde, gilt es, die optimale KI-Lösung dafür zu finden. Hierfür eignen sich insbesondere interdisziplinäre Innovationsworkshops. Vor diesen Workshops ist es sinnvoll, bestimmte Fragestellungen vorab zu untersuchen, z.B. ob eine eigene Lösung entwickelt (Build) oder eine passende, bereits existierende Lösung zugekauft werden soll (Buy). Dabei lohnt sich einerseits ein Blick auf die bereits vorhandenen internen Kapazitäten und andererseits ein Blick auf bereits existierende Lösungen am Markt. Bei der Suche nach bestehenden Lösungen lohnt es sich, auch über die Branchengrenzen hinweg zu recherchieren.
Die bisherigen Erkenntnisse können dann in einem interdisziplinären Ideenworkshop gesammelt und aufbereitet werden. Wir empfehlen, solche Innovationsworkshops in interdisziplinären Teams durchzuführen, die gemischt besetzt sind mit (1) Personen mit KI-Kenntnissen, um die Grenzen des Machbaren im Auge zu behalten, (2) Personen, die im Prozessschritt selbst tätig sind, um die tatsächlichen Nutzerbedürfnisse einzuschätzen, (3) Personen mit Entscheidungsbefugnis und (4) Externen, die einen unverzerrten Blick auf das Ganze werfen können. Während des Ideenworkshops können dann mit Hilfe verschiedener Kreativitätstechniken unternehmensspezifische Use Cases generiert und auf dem Opportunity Radar eingeordnet werden.
Der finale Use Case kann anhand von unternehmensrelevanten Entscheidungsfaktoren priorisiert werden. Für eine ganzheitliche Entscheidung kann eine Impact-Effort-Matrix herangezogen werden. In einem zweiten Schritt können die relevanten Use Cases weiter untergliedert werden, indem der "Effort" in (A) Zeitaufwand und (B) Komplexität und der "Impact" in (A) monetären und (B) nicht (direkt) monetären Impact (z.B. Kundenzufriedenheit, reduzierte Entscheidungszeit etc.) spezifiziert wird.
Dieser methodische Ansatz ermöglicht es, KI-Anwendungsfälle systematisch zu identifizieren und zu bewerten, um sicherzustellen, dass sie den größten Mehrwert für das Unternehmen generieren.
Der wohl am häufigsten verwendete KPI für Projekte ist der ROI (Return on Investment). Um den genauen ROI zu bestimmen, muss der monetäre Umsatz der Lösung ersichtlich sein, d.h. die KI-Lösung muss monetarisierbar sein.
Bei kundenorientierten KI-Anwendungsfällen erfolgt die Monetarisierung häufig entweder direkt über einen Aufpreis oder indirekt über ein erhöhtes Auftragsvolumen, das sich aus dem verbesserten Wertversprechen ergibt.
Bei Anwendungsfällen, die interne Geschäftsprozesse betreffen, ist die Monetarisierung in der Regel nicht so einfach. Der Wert entsteht meist indirekt durch Kosteneinsparungen, Effizienzsteigerungen, Qualitätsverbesserungen etc. Gerade bei internen Projekten lohnt sich daher ein Vorher-Nachher-Vergleich. Dazu wird ein erfolgsrelevanter KPI ausgewählt, der sowohl vor als auch nach der Einführung des KI-Systems erhoben wird. Mögliche Beispiele sind
Wie bei jedem experimentellen Test ist darauf zu achten, dass keine Störvariablen das Ergebnis verfälschen. So kann z.B. die Fehlerquote bei der Einzelfertigung kurzfristig ansteigen, weil sich die Produktionsmitarbeiter in der künstlichen Testumgebung besonders anstrengen - ein Phänomen, das als Experimenterwartungseffekt bekannt ist. Daher ist es in der Regel sinnvoll, einen langfristigen Betrachtungshorizont zu wählen.
Beim Einsatz von KI im unternehmerischen Kontext müssen Unternehmen die Vorgaben des EU AI Acts beachten, der ab 2026 in Kraft treten wird. Zwei wesentliche Aspekte sind dabei relevant:
KI-Anwendungen müssen in vier verschiedene Risikostufen eingeteilt und entsprechend abgesichert werden: Inakzeptables Risiko (z.B. Social Scoring, Gesichtserkennung), Hohes Risiko (z.B. Recruiting- oder Kreditvergabesysteme), Begrenztes Risiko (z.B. Chatbots) und Minimales Risiko (z.B. Spamfilter). Jede Risikokategorie erfordert spezifische Maßnahmen, um sicherzustellen, dass die Lösungen den jeweiligen Anforderungen entsprechen und die gesetzlichen Bestimmungen eingehalten werden.
Artikel 4 des EU AI Act fordert die Durchführung von Schulungsprogrammen, die auf die spezifischen Bedürfnisse des Unternehmens und die vorhandenen technischen Fähigkeiten der Mitarbeiter zugeschnitten sind.
In unserem Artikel zum EU AI Act erfahren Sie das Wichtigste, was KMU über den EU AI Act wissen müssen.
