In einem Publikumsgespräch am 1. Dezember diskutierten ExpertInnen und Unternehmensstrategen ihre Erkenntnisse und Einsichten, wie mit der Anwendung von KI und Machine Learning Geschäftsmodelle weiterentwickelt werden können. (Inkl. Video)

Wo und wie werden in Österreich und Deutschland Machine Learning und KI-Lösungen bereits in der Wirtschaft angewendet? Was ist prinzipiell bei einer KI-Strategie zu beachten? „Weniger Zauberstab, mehr Schraubenschlüssel“ was das Motto einer Diskussion von Technologieanbietern und prominenten Vertretern von Unternehmen und Organisationen zum Thema künstliche Intelligenz und Machine Learning. Martin Szelgrad, Report Verlag, sprach dazu mit Hans Aubauer, Generaldirektor der Sozialversicherungsanstalt der Selbständigen, den Technologieexperten Benedikt Bonnmann und Jürgen Leitner von adesso, Isabell Claus, Co-Gründerin von thinkers.ai, und Peter Reichstädter, CIO des Österreichischen Parlaments. Partner des Zoom-Gesprächs mit 70 TeilnehmerInnen war adesso.

Hier geht es zu einem Kurzvideo mit Auszügen aus dem Gespräch (YouTube-Link)

Benedikt Bonnmann ist Leiter Line of Business Data & Analytics bei adesso SE

Report: Wo ziehen Sie die Grenze zu echten Machine-Learning- und KI-Projekten?

Benedikt Bonnmann: Eigentlich gibt es bei dem Begriff der künstlichen Intelligenz keinen klaren, harten Übergang zwischen KI und nicht KI. Je tiefer man in eine datenbasierte KI eintaucht, desto eher kommt man zum Einsatz von Machine Learning. Daneben gibt es die symbolische KI, die auch ohne ein datenbasiertes Training auskommt. Wir sprechen von künstlicher Intelligenz, wenn in Modellen gelernte Regeln interpretiert und angewendet werden. Auch die Verwendung von Algorithmen, die bei einer Bilderkennung laufend verbessert werden, steht etwa für echtes Machine Learning. Im Gegensatz kann z.B. bei einer automatisierten Verarbeitung von E-Mails auch schlichtweg klassische Softwareentwicklung dahinterstehen. Letztlich sehe ich das aber als eine akademische Frage: Es zählt der Nutzen, den eine Anwendung bringt – und nicht, ob das eine KI nach allen Regeln der Technik ist.

Report: Wer nutzt KI-Lösungen heute bereits? Man hat den Eindruck, dass bislang eher nur ausprobiert wurde – viele Unternehmen haben sich mit Pilotprojekten beschäftigt.

Bonnmann: Die letzten Jahre waren tatsächlich eine Zeit des Beobachtens, der Interpretation und der Proof-of-Concepts. Dies begann bei Chatbots, E-Mail-Klassifikation und ging über Bild- und Digitalisierungsprojekte hinweg. Die Technologie wird nun aber immer breiter eingesetzt und mit den verschiedensten Anwendungsmöglichkeiten adaptiert. Wir haben zum Beispiel den Leitungsnetzbetreiber Open Grid Europe unterstützt: Scans von hunderttausenden Seiten handschriftlich verfassten Dokumenten, die bis ins Jahr 1930 zurückgehen, mit einem individuellen KI-Verfahren erkennbar zu machen. Die Alternative für den Kunden wäre ein manuelles Abschreiben dieser Unterlagen gewesen – entsprechend schnell war dazu der Return-on-Investment dieses Projekts. Man hatte zuvor auch herkömmliche Schrifterkennungs-Software versucht, war aber an der schlechten Bildqualität der Scans gescheitert.

Ein zweites Beispiel, von dem ich berichten möchte, ist der Hamburger Flughafen. Die Menge der Menschen, die zu einem bestimmten Zeitpunkt durch den Security-Check-in gehen, wurde früher regelbasiert vorhergesagt, angereichert mit dem Expertenwissen eines Mitarbeiters. In einem Machine-Learning-Verfahren werden Menschenmengen nun anhand der Informationen der Flugbuchungen und individuellen Check-in-Zeiten im 15-Minuten-Takt vorhergesagt. Das erleichtert massiv die Arbeitsplanung und steigert die Servicequalität.

Report: Können Unternehmen abseits von Effizienzsteigerungen damit auch neues Geschäft erschließen?

Bonnmann:  Absolut. In der Industrie ist es möglich, von der Produktion einzelner Elemente hin zu einem Leistung-as-a-Service Modell zu kommen und so entsprechend neue datengetriebene Geschäftsmodelle zu entwickeln. Hierbei unterstützt KI in verschiedenen Dimensionen. Sowohl im Edge-Device als auch bei der optimierten dezentralen Wartung durch Predictive Maintenance können solche Potenziale gehoben werden.



Hans Aubauer ist Generaldirektor der Sozialversicherungsanstalt der Selbständigen (SVS)

Report: Wie ist die Digitalisierungsstrategie der SVS? Welche Bereiche sind hier einbezogen und welche Ziele haben Sie sich damit gesetzt?

Hans Aubauer: Die SVS steht als Vertreter der Versicherungsbranche und des öffentlichen Sektors wie so viele andere Industrien mitten in der digitalen Transformation. Die Konsolidierung bestehender Systemlandschaften, eine erfreulicherweise ständig wachsende Zahl an Kundinnen und Kunden und der Aufbau digitaler Kanäle für den Kundenkontakt, sind einige der vielen Herausforderungen, die wir zu bewältigen haben. Wir sehen die Digitalisierung strategisch als ganzheitliches Projekt, denn wir wollen unsere Kunden kontinuierlich mit unseren Präventionsmaßnahmen und medizinischen Services auch digital erreichen. Die Umsetzung dieses Servicekanals für die soziale Sicherheit klingt trivial, ist aber durchaus kein leichtes Unterfangen in einer Branche, die nicht immer regelmäßigen Kontakt zu ihrer Zielgruppe hat. Aus unseren Servicemitarbeitern werden Kundenberater, indem ihnen auch automatisierbare Prozesse von der Technik abgenommen werden. Digitalisierung ist für uns deshalb auch kein reines IT-Thema. Natürlich geht es hier auch um Effizienz – aber stets zum Zweck des Freispielens unserer Mitarbeiter für die Kundenberatung. Allen unseren Technologieprojekten liegt das Ziel eines besseren Kundenservices zugrunde.

Report: Welchen Anteil hat auch KI an der Strategie? Wo kommt es bereits zur Anwendung?

Aubauer: Neben dem gesamten Aktengut der SVS – aneinandergereiht würde es die Strecke vom Flughafen Schwechat bis zum Stephansdom ergeben – digitalisieren wir auch unseren Posteingang vollständig. Ein lernender Algorithmus liefert monatlich über 180.000 Poststücke gescannt an die jeweils richtigen Stellen in der Organisation. Zuschriften zu ordnen, diese in die richtigen Laden legen und mit Rollwagen in den Stockwerken ausliefern, war keine besonders attraktive Aufgabe für Mitarbeiter. Wir haben damit einen gewaltigen Schritt in unserem Workflow hinsichtlich Arbeitsqualität aber auch bei der Geschwindigkeit gemacht. Mit der Lösung können bereits über 52 % der Schriftstücke komplett in ihren Kernelementen – Sozialversicherungsnummer und zugehörige Abteilung für den jeweiligen speziellen Anlassfall – vollautomatisch zugeordnet werden. In Teilbereichen ist die Erkennungsrate mit bis zu 90 % noch wesentlich höher.

Zu den verstärkten Anfragen seit März führt die SVS mit dem Chatbot „Fritz-Bot“ mehrere hundert Konversationen täglich mit unseren Kunden. Sozialversicherung ist ein komplexes Feld mit den Bereichen Kranken-, Unfall- und Pensionsversicherung. Wir lassen unseren Fritz-Bot nun Schritt für Schritt intelligenter werden. Wir haben hier bewusst eine schlanke Einführung gewählt, indem nicht gleich vollumfänglich unser gesamtes Organisationswissen verarbeitet wurde.

Ein drittes Beispiel für den Einsatz von Machine Learning im medizinischen Bereich unterstützt unsere Ärztinnen und Ärzte bei der Medikamentenbewilligung. Der qualitätssichernde Check wird weiterhin von Menschen gemacht – diese erhalten aber technisch unterstützt alle nötigen Informationen auf einen Blick. Wir suchen in diesem Bereich stets Fachpersonal. Die Technik hilft hier, zumindest Routineaufgaben zu erleichtern und etwas den Personalmangel zu entlasten.



Isabell Claus ist Co-Founder thinkers.ai und „Unternehmerin des Jahres 2020“

Report: Wen sprechen Sie mit Ihren Services bei Thinkers.ai an?

Isabell Claus: Thinkers.ai beschäftigt sich mit Websuche und Suchmaschinentechnologie. Wir fokussieren nicht auf die Suche nach dem Restaurant ums Eck, sondern haben weitaus komplexere Fragestellungen zum Gegenstand. International ebenso wie national tätige Unternehmen erlangen einen Wettbewerbsvorteil, wenn sie ihren Markt und ihre Kunden ebenso wie alle Neuentwicklungen und Innovationen in ihrer Branche gut kennen. Thinkers.ai hat dazu ein Produkt für Industrieunternehmen entwickelt, mit dem auch komplexe Fragestellungen gezielt im Detail beantwortet werden können. Das Ergebnis sind dann nicht millionenfache Antworten, sondern mittels Machine Learning qualifiziert vorgefilterte Informationen.

Report: Wie sieht es mit der Anwenderfreundlichkeit heutiger Tools und IT-Lösungen aus? Wie sollte KI dazu Anwendungen verändern?

Claus: Vieles, was wir heute an Werkzeugen und Lösungen sehen, wurde von Technikern geschaffen. Die Nutzersicht wurde oft erst spät in einer Entwicklung eingebunden. Natürlich werden wir immer komplexe Prozesse im Hintergrund laufen haben, doch die Nutzer sollten davon so wenig wie möglich sehen. Ich setze stark darauf, dass moderne Lösungen mit dem Einsatz von KI für weit mehr Menschen zugänglich sein werden. Wenn ich nun nicht gerade hochspezialisierte Anwendungen im Unternehmensbereich habe, sondern Lösungen für eine große Bandbreite an Nutzern, werden wir diese auch durch die Anwenderbrille betrachten und am Menschen nahe gestalten müssen. Der Nutzen muss in den Vordergrund gestellt werden. Die Menschen sollen wissen, was sie davon haben, und sollen ihren Werkzeugen auch vertrauen können. KI und Machine Learning werden uns dabei helfen.

Report: Wie können wir das Vertrauen in KI-Lösungen gewinnen? Was sollten wir dabei beachten?

Claus: Wie nimmt man den Menschen die Angst, wie erhöht man die Akzeptanz – das sind Fragen, denen wir uns aktuell in unseren Arbeiten stellen. Auf jeden Fall gilt es, Transparenz zu schaffen und den Nutzern zu erklären, womit sie es zu tun haben. Das ist auch ein starkes Thema für den Standort Europa, auf dem Datenschutz und Bürgerrechte strenger gehandhabt werden als in anderen Teilen der Welt. In weiterer Konsequenz bedeutet das sicherlich auch eine stärkere Marktregulierung in Technologiefragen, die Unternehmen bei ihren Geschäftsmodellen beachten müssen. Aber wir haben die Fachkräfte in Europa und sollten nicht die Möglichkeiten von KI totdiskutieren. In der Abhängigkeit der Tools ist Europa bereits im Hintertreffen, in der Umsetzung neuer Lösungen für die Wirtschaft können wir noch eine Vorreiterrolle einnehmen.



Peter Reichstädter ist CIO und IKT-Strategie-Leiter des Österreichischen Parlament

Report: Wen adressieren Sie mit Ihren Services im Österreichischen Parlament? Welche datengetriebenen Projekte verantworten Sie dort?

Peter Reichstädter: Wir adressieren mit den IT-Services des Parlaments drei große Nutzergruppen. Daten werden für die Öffentlichkeit aufbereitet – auf der Website parlament.gv.at und mit der Dokumentation von Nationalratssitzungen, Ausschüssen und anderen Sitzungen, deren Berichte auch mit Metadaten versehen werden. Dann bereiten wir Daten für die Abgeordneten und parlamentarischen Mitarbeiter auf, die zum Beispiel auch bei unserem 360-Grad-Themenmonitor „EULE“ eingesetzt werden, mit dem ein guter Überblick über aktuelle Themen aus Medien und anderen Quellen geboten wird. Der dritte Anwenderbereich umfasst die Parlamentsdirektion, der auch die IKT unterstellt ist.

Report: Wie hat sich das Datenaufkommen im Parlament entwickelt? Welche Herausforderungen sehen Sie bei Ihren Projekten?

Reichstädter: Analog zur Datenmenge bei der SVS würden allein die Akten aus den Untersuchungsausschüssen mehrfach die Höhe des Stephansdoms überragen. Diese großen Mengen müssen mit neuen Methodiken bearbeitet werden – anders ist ein Umgang kaum mehr möglich. Ich denke da an den Spruch „Suchen Sie noch oder finden Sie schon?“. Wir haben darüber hinaus mit der Kultur des Parlaments die Herausforderung zusätzlich ethischer Fragen. Sollen die Terabyte an Dokumentmengen eines Untersuchungsausschusses mitsamt semantischen Daten mittels künstlicher Intelligenz voraggregiert und selektiert werden dürfen? Der Mehrwert für die Beteiligten wäre schon gegeben, doch bedarf es für die Automatisierung transparente Prozesse und eine klare Governance-Struktur.

Wir werden 2022 wieder in das sanierte Parlamentsgebäude ziehen können und dann auch im Zusammenwirken der IT mit anderen Techniklösungen im Haus – der sogenannten OT, die Heizungs-, Lüftungs- und Klimatechnik ebenso beinhaltet wie etwa Saalbuchungen – automatisierte Lösungen haben. Damit können wir dann Wartungspläne und unterschiedliche andere Prozesse, darunter auch klimafreundliche IT-Lösungen, optimieren.

Mit der Renovierung und dem Einzug in ein saniertes Haus tun sich schon auch Fenster für Möglichkeiten auf, gewohnte Abläufe und Prozesse zu überdenken und neu zu gestalten. Die großen Brocken auch beim Einsatz von KI und Machine Learning liegen aber noch vor uns. Die größte Herausforderung sehe ich aber nicht auf der technischen Ebene, sondern in der Kultur und im Change-Management der Fachabteilungen. Ein Dokument eines Untersuchungsausschusses automatisiert zu klassifizieren und zu bewerten – das funktioniert nur mit begleitenden Maßnahmen bei den Beteiligten. Man muss auch Ängste nehmen, denn es werden ja keine Arbeitsplätze wegrationalisiert, sondern Prozesse in einer neuen Qualität gestaltet. Die Menschen können sich damit auf höherwertige Tätigkeiten konzentrieren.




Jürgen Leitner ist Head of Delivery bei adesso Austria

Report: Wie sollte eine KI-Strategie gestaltet sein? Müssen Unternehmen denn gleich auch eine Strategie haben?

Jürgen Leitner: Eine Strategie ist aus unserer Sicht dann notwendig, wenn sich der wertschöpfende Teil der Leistungserbringung eines Unternehmens mit KI anreichern oder sogar ersetzen lässt. Generell sollten Unternehmen hinterfragen, was sie mit dem Einsatz von KI überhaupt erreichen wollen. Wirkt sich KI auf weitere organisatorische Themen in der Organisation aus? Will ich meine Daten selbst im Haus untersuchen oder möchte ich KI-Services aus der Steckdose? Immerhin bieten viele Cloudprovider bereits Services mit KI-Komponenten – zum Beispiel für Speech-to-Text-Verfahren und Dokumentenerkennung. Dazu stellt sich für manche auch die Grundsatzfrage, ob man überhaupt in die Cloud will. Weiters hängt der Erfolg einer KI-Lösung sowohl von der Quantität als auch von der Qualität des zugrundeliegenden Datenmaterials ab. Unternehmen müssen also ihre Daten dahingehend prüfen und dazu auch eine entsprechende Datenstrategie entwickeln. In der Strategie sind die Rahmenbedingungen für den Umgang mit Daten enthalten, ebenso wie der Lebenszyklus der unterschiedlichen Daten. Erst wenn diese Basis geschaffen ist – wenn man Herr über seine Daten ist – kann mit einem KI-Projekt gestartet werden. Der CIO oder IT-Leiter muss zunächst also die Verfügbarkeit der nötigen Daten und Transparenz hinsichtlich der Datenqualität prüfen.

Report: Wie können Technologiedienstleister generell Unternehmen bei Projekten dazu unterstützen? Und wäre es nicht viel besser, wenn sich Unternehmen dieses Wissen selbst aufbauen?

Leitner: Sowohl für unstrukturierte als für strukturierte Daten wie etwa in einer bereits vorhandenen Datenbank gibt es Tools, um diese in ein erforderliches Format und eine geeignete Qualität für die weitere Bearbeitung zu überführen. Wir bieten hier verschiedenste Lösungsansätze für Analytics und den Einsatz von Machine Learning. Natürlich sollten Unternehmen zusätzlich zu den Fachexperten im Haus auch neue Rollen wie einen „Data Domain Expert“ schaffen, der die technische Sicht über die gesamte Datenlandschaft des Unternehmens hat. Das kann ein externer Dienstleister kaum bereitstellen. Dienstleister können allerdings mit ihren KI- und Data-Science-Experten wiederum eine breite Expertise und einen wertvollen Erfahrungsschatz aus anderen Kundensituationen und Umsetzungen einbringen. Wir arbeiten gemeinsam mit Kunden dazu in einem „Interaction Room“, der dezidiert auch für KI-Projekte gestaltet ist. Dort werkt ein interdisziplinäres Team aus Fach- und IT-Experten an leicht zu greifenden, konkreten Anwendungsfällen. Diese werden erprobt und von adesso technologisch umgesetzt. Dieses Wissen und auch die Fachkräfte speziell für diesen Bereich zu bekommen, kann für einzelne Unternehmen sehr aufwendig und schwierig sein. Ein Lösungspartner füllt diese Lücken aus.

Buchtipp

„KI verändert die Spielregeln“

Über 40 ExpertInnen fassen den aktuellen Stand von KI in Unternehmen zusammen: von der strategischen Ausrichtung bis zum Strukturieren von Projekten, vom Finden von Anwendungsfällen bis zur Ansprache von Kunden.

https://stayhome.hanser-kundencenter.de/fachbuch/artikel/9783446463219