KI für Unternehmen: Mit welchem Einsatzbereich sollte man beginnen?

Eine Führungskraft geht am Montagmorgen in die Besprechung und will wissen: Gibt es diese Woche etwas im Verkauf, im Versand oder im Lager, worauf ich achten muss? Für die Antwort muss sie auf drei Bildschirme schauen und bei zwei Personen einen Bericht anfordern. Genau solche getrennten, sich wiederholenden Informationsaufgaben sind einer der Orte, an denen KI in Unternehmen den konkretesten Nutzen schafft.

Unternehmens-KI bedeutet, künstliche Intelligenz nicht als eigenständigen Chat-Bildschirm einzusetzen, sondern als Schicht, die innerhalb der Wissens-, Dokumenten-, Berichts- und Entscheidungsabläufe des Unternehmens arbeitet. Mitarbeitenden einen neuen KI-Bildschirm zu geben, ist nicht dasselbe, wie KI in den bestehenden Arbeitsablauf einzubetten: Im ersten Fall probieren alle aus Neugier ein- oder zweimal, im zweiten wird die Arbeit unmittelbar schneller. In diesem Beitrag beschreiben wir, welche Einsatzbereiche es gibt und wie man für das erste Projekt auswählt.

Sechs mögliche Ausgangspunkte

Nicht in jedem Unternehmen hat derselbe Bereich Vorrang. Bei den KI-Projekten von YazSis werden am häufigsten die folgenden sechs Bereiche geprüft. Zu jedem haben wir dazugeschrieben, wann er sinnvoll ist:

• Wissensassistent im Unternehmen: Suche und Zusammenfassung in autorisierten Wissensquellen in natürlicher Sprache. Geeignet, wenn Mitarbeitende immer wieder dieselbe Frage stellen.
• Dokumentenanalyse: Inhalte von Dokumenten klassifizieren und für den Arbeitsablauf aufbereiten. Wertvoll, wenn eingehende Dokumente von Hand gelesen und weitergeleitet werden.
• Kontrollierte Agenten: Strukturen, die regelbasierte Aufgaben mit Daten und Werkzeugen ausführen. Sinnvoll bei Aufgaben mit klaren Schritten und wenigen Ausnahmen.
• Intelligentes Reporting: ERP- und Betriebsdaten in Management-Zusammenfassungen überführen. Geeignet, wenn Berichte von Hand zusammengestellt werden.
• Anomalie- und Entscheidungsunterstützung: eine Analyseschicht, die auffällige Muster sichtbar macht. Wertvoll, wenn es viele zu verfolgende Kennzahlen gibt und man nicht jede einzeln ansehen kann.
• Workflow-Automatisierung: Automatisierung von Auslösern, Freigaben, Benachrichtigungen, Berichten und Aufgaben. Die erste Wahl bei wiederkehrenden Aufgaben mit klaren Schritten.

Vier Kriterien für die Auswahl

Um statt des Hypes einen Einsatz zu wählen, der an einen realen Arbeitsablauf gebunden ist, sollten die folgenden Fragen der Reihe nach beantwortet werden:

1. Zugriff: Welche Datenquelle wird genutzt, und wer darf welche Daten sehen? Ein Projekt, das ohne Begrenzung von Daten und Berechtigungen startet, verliert später die Kontrolle.
2. Datenqualität: Sind die Quelldaten verlässlich? Falsche Daten schnell zusammenzufassen, beschleunigt nur die falsche Entscheidung.
3. Prüfbarkeit: Lässt sich nachvollziehen, woher das Ergebnis stammt, und gibt es an kritischen Stellen eine menschliche Kontrolle?
4. Geschäftsergebnis: Welche Entscheidung oder welcher Vorgang wird schneller, welche wiederkehrende Arbeit nimmt ab? Ein Einsatzbereich ohne klare Antwort bleibt ein Experiment.

KI spricht; die Zahlen berechnet das System.

Ein konkretes Beispiel: die Fragen der Führungskraft

Das Beispiel der Führungskraft von oben gehört zum Bereich intelligentes Reporting. Fero, der Assistent der Unternehmens-KI von YazSis, ermöglicht es, Daten zu Verkauf, Budget, Versand, Bestellungen und Lagerbestand per Sprache oder Text abzufragen. Fero versteht die Frage, holt die Daten mit definierten Geschäftswerkzeugen, gibt eine kurze Antwort und baut einen auf die Frage zugeschnittenen Bildschirm.

Hier finden die obigen Kriterien eine konkrete Entsprechung. Fero greift nur über 17 definierte, schreibgeschützte Geschäftswerkzeuge auf die Daten zu; es führt keine freien Abfragen aus, die KI schreibt kein SQL. KPIs, Prozentwerte und Differenzen werden im Backend berechnet; das Modell kann keine Zahl nennen, die nicht im Ergebnis eines Werkzeugs steht. Die Bildschirme werden nur aus 13 freigegebenen Komponenten aufgebaut, die KI erzeugt keinen Code. Die Anwendung ist nur über ein Konto mit reiner Leseberechtigung mit der Datenbank verbunden, die Daten lassen sich also nicht ändern.

Bei der Datenquelle muss man klar sein: Heute ist nur MySQL bereit. Weitere Quellen wie SQL Server, PostgreSQL, REST API, Logo, SAP, Odoo und Excel werden im Rahmen des Projekts behandelt. Dank der Adapter-Architektur ändern sich Geschäftswerkzeuge und Bildschirme nicht, wenn eine neue Quelle hinzukommt. Die erste Frage sollte also nicht lauten „Welches Modell nehmen wir?“, sondern „An welche Daten, mit welcher Berechtigung und für welche Fragen binden wir an?“

Häufige Fehler

• Mit der Technologie anfangen. Wird das Ziel „Wir wollen KI haben“ nicht an ein geschäftliches Problem gebunden, geht das Projekt nicht über eine Vorführung hinaus.
• Dem Ergebnis blind vertrauen. Ist nicht erkennbar, auf welcher Quelle eine Zusammenfassung oder Antwort beruht, fällt ein Fehler erst nach einer schlechten Entscheidung auf.
• Die Berechtigung auf später verschieben. Ein Assistent, bei dem jeder alles fragen kann, kann auch Informationen beantworten, die vertraulich bleiben müssen.
• Die Nutzer nicht einbeziehen. Ein System, das aufgebaut wird, ohne dass die künftigen Nutzer ihre häufigsten Fragen aufgelistet haben, wird nach einiger Zeit nicht mehr genutzt.

Eine kurze Checkliste für das erste Projekt

• Wählen Sie ein einziges Problem; nehmen Sie nicht mehrere Bereiche gleichzeitig ins Visier.
• Bevorzugen Sie eine Aufgabe, deren Daten in einer einzigen Quelle liegen.
• Schreiben Sie von Anfang an auf, wie der Erfolg gemessen wird.
• Behalten Sie an kritischen Schritten die menschliche Freigabe bei.
• Beginnen Sie mit einer kleinen Nutzergruppe und erweitern Sie anhand von Rückmeldungen.

Alle Einsatzbereiche finden Sie auf der Seite Künstliche Intelligenz, den Ansatz des Management-Assistenten auf der Seite Unternehmens-KI.