KI-Plattform der nächsten Generation: Aufbau und Skalierung

Auf der kürzlich am 15. September stattgefundenen Konferenz „Big Data & AI Paris“ teilte Hanan Ouazan, Group Chief AI Strategist bei Artefact, seine unverfälschte Vision einer KI-getriebenen Transformation mit. In seinem Vortrag erläuterte Hanan, wie man über einfache individuelle Produktivitätssteigerungen hinausgeht, um eine unternehmensweite Wissensplattform aufzubauen und einen Wettbewerbsvorteil zu sichern.

Von der individuellen Einführung bis zum ROI für Unternehmen

Ein wesentliches Paradoxon prägt derzeit den KI-Markt und die Art und Weise, wie Unternehmen Wertschöpfung erzielen:

• Umfangreiche Investitionen: Für das Jahr 2025 werden Investitionen in den Bereich der künstlichen Intelligenz in Höhe von etwa $582 Milliarden prognostiziert (fast 0,5% des globalen BIP), wobei Modelle zur Verfügung stehen werden, die in der Lage sind, Probleme zu lösen, die seit Jahrzehnten ungelöst sind.
• Begrenzte tatsächliche Auswirkungen: Laut einer McKinsey-Studie, doch nur 6% der Unternehmen gelingt es tatsächlich, durch KI geschäftliche Vorteile zu erzielen.

Diese Lücke lässt sich durch die Grenzen der beiden herkömmlichen Umsetzungsansätze erklären. Der Top-Down-Ansatz (von der Führungsebene vorangetriebene Transformationsprojekte) stößt schnell an personelle Grenzen und an die Belastungen durch veraltete Technologien. Vor allem aber ist die finanzielle Gleichung unerbittlich: Ein Projekt im Wert von 1 Million Euro muss innerhalb eines Jahres einen ROI von 1 Million Euro erzielen, da sich die Technologie in drei Jahren bereits mehrfach verändert haben wird. Infolgedessen kommen tatsächlich nur 10% bis 20% der Unternehmensprozesse für diese großen Transformationsprojekte in Frage.

Umgekehrt erzeugt der Bottom-up-Ansatz (die Bereitstellung generativer KI-Tools für alle Mitarbeiter) eine Illusion von Produktivität. Der Einzelne wird “hyperproduktiv”, doch dieser Mehrwert lässt sich nur schwer auf die gesamte Organisation übertragen. Wie im Juni Financial Times Wie die Studie verdeutlicht, handelt es sich um einen Kaskadeneffekt: Ein Entwickler erzeugt dreimal so viel Code, dieser Gewinn sinkt auf der Ebene des Produktteams auf das 1,5-Fache und führt letztendlich zu nur 30% zusätzlichen Funktionen für das Unternehmen. Selbst die leistungsstärksten Unternehmen erzielen nur einen Bruchteil der individuellen Gewinne.

Das Beispiel San Francisco: Die Neudefinition der Arbeit

Bei einer echten Transformation geht es nicht lediglich um die Verteilung von Lizenzen, sondern darum, die Art und Weise, wie Arbeit erledigt wird, grundlegend neu zu definieren.

In San Francisco haben große Technologieunternehmen ihre Produktentwicklung umgestellt. Produktmanager nutzen KI, um die ersten funktionsfähigen Prototypen selbst zu erstellen. Dadurch hat sich die Zeitspanne von der Ermittlung eines Nutzerbedarfs bis zur Serienreife von durchschnittlich 3 bis 6 Monaten auf nur noch 3 bis 6 Wochen verkürzt.

Um Produktivitätssteigerungen zu erzielen, reicht es nicht aus, lediglich ein Werkzeug zur Verfügung zu stellen; die Mitarbeiter müssen ihre Aufgabenbereiche neu definieren.

“Der Einsatz von KI-Plattformen allein aufgrund ihrer technologischen Faszination ist sinnlos. Der Erfolg einer solchen Initiative hängt vor allem davon ab, dass sie auf konkrete geschäftliche Anwendungsfälle abgestimmt ist.” — Hanan Ouazan, Leiter der KI-Strategie bei Artefact.

Kontextuelle Logik: Vernetzung und Verbreitung von Informationen

Eine der Herausforderungen im Zusammenhang mit KI ist die Speicherung und Weitergabe von Informationen. Wenn ein Mitarbeiter heute in einer Besprechung erfährt, dass ein Kunde neue Mittel freigibt oder einen Führungswechsel vornimmt, bleiben diese entscheidenden Informationen oft in seinen persönlichen Notizen oder in einer ungenutzten Besprechungszusammenfassung verborgen.

In der Überzeugung, dass es unmöglich ist, Transformationen an Kunden zu verkaufen, ohne intern selbst in der Lage zu sein, sich zu wandeln, hat Artefact seine interne Architektur im Rahmen einer Initiative namens “ACE” (eine Kontextplattform) neu gestaltet. Das Kernprinzip besteht darin, eine unternehmensweite Kontextlogik zu schaffen: Wissensobjekte (Kunden, Unternehmen, Fachgebiete) werden dort miteinander verknüpft, wo sie sich befinden, anstatt sie in einer einzigen database zu bündeln, sodass Informationen standardmäßig fließen und für alle zugänglich sind.

Praktisch gesehen stuft ACE Informationen lediglich sachlich ein: Auf welchen Kunden, welches Projekt oder welche Personen sich eine Notiz bezieht und wer die Berechtigung hat, sie einzusehen. Jedes Produkt ruft dann die für sich relevanten Informationen ab und extrahiert die benötigten Daten.

“Das wichtigste Kapital Ihres Unternehmens liegt in Ihrem firmeneigenen data und Ihrem Know-how. In einer Welt, in der KI-Modelle zunehmend zu Massenware werden, ist es gerade dieses einzigartige Know-how, das den Unterschied ausmacht.” — Hanan Ouazan, Leiter der KI-Strategie bei Artefact.

Die drei Säulen einer rentablen und sicheren KI-Strategie

Um den ROI zu gewährleisten und die Verbreitung von Plattformen zu vermeiden, die keinen Bezug zur tatsächlichen Nutzung haben, muss sich eine KI-Strategie auf drei konkrete Säulen stützen:

• Der Wert liegt in Ihrem data, nicht in den Modellen: KI-Modelle werden immer leistungsfähiger, während ihre Kosten drastisch sinken. Was Ihren wahren Wettbewerbsvorteil ausmacht, sind Ihr internes data und Ihre Fachkompetenz (Ihr Wissen), über die der Rest der Welt nicht verfügt.
• Natürliche Informationserfassung: Verlassen Sie sich bei der Pflege Ihrer Wissensdatenbanken nicht auf manuellen Aufwand. Data muss so natürlich wie möglich erfasst werden, und zwar direkt dort, wo die Mitarbeiter arbeiten (Google Chat, Besprechungsprotokolle usw.), um den Aufwand so gering wie möglich zu halten.
• Schützen Sie Ihr “Know-how”: Ihr Mehrwert liegt darin, wie Sie den Einsatz von KI steuern und gestalten (Kompetenzen, Steuerungsregeln, Sicherheit, Kosten- und Token-Management). Geben Sie dieses Know-how nicht an öffentliche Plattformen weiter, damit diese von Ihnen lernen können. Bauen Sie Ihre eigene Umgebung auf und behalten Sie die Kontrolle darüber.

Letztendlich hängt der Erfolg einer KI-Initiative nicht einfach davon ab, Technologien miteinander zu kombinieren; er erfordert die Untermauerung durch praxisnahe Anwendungsfälle und echte Nutzerbedürfnisse.