KI einführen, aber wie? Das Projekt KI-ULTRA

00:00:08: Herzlich willkommen zu Bridging Innovation, dem Podcast des Fraunhofer Verbundes Innovationsforschung.

00:00:12: Hier schlagen wir die Brücke zwischen Wissenschaft und Praxis!

00:00:15: Wir sprechen mit Wissenschaftlerinnen und Wissenschaftlern unserer Mitgliedsinstitute und wollen von ihnen erfahren wie sie ihre Arbeit mit innovationsorientierten Praxisfahrten in die Anwendungen bringen.

00:00:24: Ich bin Constanze Bernhardt Mitarbeiterin im Verbund InnovationsForschung und Moderatorin dieses Podcast.

00:00:35: Künstliche Intelligenz soll unsere Arbeit effizienter machen und im Arbeitsalltag unterstützen.

00:00:40: Laut einer aktuellen Bitkom-Studie nutzen inzwischen ein vierzies Prozent der deutschen Unternehmen aktiv KI.

00:00:45: Vor einem Jahr waren es gerade einmal siebzehn Prozent, die Nutzung hat sich also innerhalb eines Jahres mehr als verdoppelt und siebenundseipzig Prozent der Unternehmen, die KI einsetzen berichten von einer verbesserten Wettbewerbsposition aber ein Drittel dieser Unternehmen sagt gleichzeitig KI sei im Ende für Sie deutlich teurer geworden als geplant.

00:01:02: Die Zahlen und Erfahrungen zeigen uns also KI ist ein Game Changer in der Arbeitswelt.

00:01:06: Heute sprechen wir über ein Thema das gerade viele Unternehmen beschäftigt Wie gelingt die Einführung von künstlicher Intelligenz in der Praxis?

00:01:12: Wie gelingen die KI-Einführungen so, dass sie technisch organisatorisch und menschlich funktioniert.

00:01:16: Wo und wie können Unternehmen anfangen – was bringt wirklich mehr Wert und woran scheitet es oft?

00:01:22: Genau diesen Fragen haben sich Wissenschaftlerinnen und Wissenschaftlern unserer Mitgliedsinstitut dem Fraunhofer Institut für Arbeitswirtschaft und Organisation IAO und das Institut for Arbeitswissenschaft und Technologiemanagement IAT der Universität Stuttgart im Projekt KI Ultra gewidmet.

00:01:36: Im Projekt KI Ultra haben sie fast dreißig Organisationen und Unternehmen bei der Einführung von KI im Arbeitsumfeld begleitet.

00:01:44: Ich habe heute zwei Gäste im Studio, die bei KI Ultra dabei waren – und uns aus erster Hand berichten können!

00:01:49: Bei mir sind heute Dr.

00:01:50: Jan Paul Neuteritz und Cedric Oette.

00:01:52: Jan Paul ist wissenschaftlicher Mitarbeiter am Fraunhofer IAO in Team Ergonomics and Vehicle Interaction.

00:01:58: Cedrick ist Geschäftsführer der Hawk Intelligent Technology Scheme BH Eines der neunzwanzigen Unternehmen, das bei der Einführung von KI begleitet wurde.

00:02:05: Hallo ihr beiden!

00:02:06: Danke dass ihr da seid.

00:02:07: Stellt euch gerne einmal kurz vor und nennt eure Rolle im Projekt.

00:02:10: Ja ich bin Jan Taul.

00:02:11: Ich war der Projektleiter des Projekts KI Ultra Das heißt ich war dafür zuständig zu organisieren Dass unsere Zusammenarbeit mit den Unternehmen optimal funktioniert.

00:02:23: Wir waren ja ein relativ großes Team Weil wir eben die neunundzwanzig Unternehmen tatsächlich Begleiten wollten über einen Zeitraum knapp anderthalb Jahren und diese Unternehmen auch teilweise in unterschiedlichen Stellen standen, der KI-Entführung zu dem Zeitpunkt wo wir das Projekt begonnen haben.

00:02:40: Von Hause aus bin ich Diplompsychologe und traditionell war uns am IAO in Usability und User Experience Themen unterwegs habe aber gleichzeitig berufsbegleitend zu einem Thema der Organisationspsychologie promoviert nämlich Führung und Teamarbeit.

00:03:00: Ich freue mich persönlich sehr, dass das Thema KI mir die Möglichkeit gibt diese beiden Themen gerade zusammenzubringen.

00:03:09: Mein Name ist Jede Götte wie du schon erwähnt bist.

00:03:12: Geschäftsführung der Hog Intelligent Technologies Game.

00:03:14: Johan bin neben der Geschäftsierung auch für den Bereich Technologie und Forschung verantwortlich.

00:03:20: Mein Hintergrund, ich habe zuerst Ingenieur studiert und dann Informatik ganz klar mit der Ausrichtung Datenverarbeitungen.

00:03:27: Zu der Zeit als ich das gemacht hab war es langsam ankommen mit der KI.

00:03:32: Das war auch mein Beweggrund Informatikum zu studieren weil mit Excel bin ich ziemlich schnell als Ingenieur an die Grenzen gekommen und dann komplett die AI-Ausrichtung was jetzt praktisch in diesem Unternehmen wo ich gerade bin mündete.

00:03:43: genau also insgesamt sind wir in diesem Projekt deswegen mit rein, in dieses Forschungsprojekt.

00:03:48: Weil wir schon merkten okay das ist ein großes Thema!

00:03:51: Wir wollen auf jeden Fall großhebeln.

00:03:54: also wir hatten jetzt nicht vor irgendeine Kleinigkeit einfach durch KI ersetzen einfach weil es ein Hype war oder weil's einfach gerade modern war oder sowas sondern wir hatten wirklich vor eine verrückte Idee.

00:04:04: Also ich kann mal kurz ein bisschen anreißen Impumteilen selbst merkt man ... dieser menschliche Faktor kommt immer rein.

00:04:12: So, ob das Projekt jetzt durchgeht oder nicht hängt so ein bisschen an den Vorlieben... ... an dem wer weh'n kennt wie er aufgehängt ist.

00:04:18: und soweit.

00:04:18: Und wir haben gesagt Wir wollen mal versuchen!

00:04:20: Wir sind ein etwas kleineres Team.

00:04:22: deswegen können wir so ich sag mal etwas verrücktere Ideen auch mal probieren.

00:04:27: Kriegen wir den Menschen als Faktur bei der Projektentscheidung raus?

00:04:32: Wir könnten mal KPIs ableiten, versuchen das alles irgendwie ein bisschen runter oder in der Datenbank zu halten und dann die Entscheidung welches Projekt wirklich auch die Prio kriegt im Sinne des Unternehmens.

00:04:44: Und damit den menschlichen Faktor und Meinungen rausgezogen könnte man vielleicht mal probieren.

00:04:49: aber uns war sofort bewusst erstens Das ist ein Projekt dass viele Stakeholder hat viele Mitarbeiter es gibt auch viele die dagegen waren.

00:04:57: also Insgesamt haben wir so viele Punkte und wollten das so hebeln, dass wir gemerkt haben okay.

00:05:02: Haben wir kein Best Practice gefunden?

00:05:03: Wir wollen es dennoch probieren und da war dieses Projekt, dieses Forschungsprojekt ideal.

00:05:07: also unter welchen Richtlinien könnte man das machen?

00:05:10: wie gehen die anderen ran?

00:05:12: vor allem dieser Forschungaspekt dieses begleiten Das war für uns ein Sex am Lotto.

00:05:17: das ganze wirklich auch professionell unter Forschung Aspekten dann zu beobachten zu begutachten Und auch zu lernen sage ich mal ganz klar.

00:05:25: Dann wollen wir uns einmal das Projekt KIUltra genauer anschauen.

00:05:28: Was war der Ausgangspunkt von KIUltra?

00:05:31: Die Idee haben wir gemeinsam mit dem Fördermittelgeber entwickelt, also mit dem Bundesministerium für Arbeit und Soziales.

00:05:38: Und es war eben zu dem Zeitpunkt – man muss sagen, wir sind gestartet im Jahr zwanzig, einundzwanzig.

00:05:44: Das war noch vor dem Chatchapiti-Hype Idee ist ja sozusagen nochmal ein paar Monate älter, weil es ja auch immer ein bisschen Zeit braucht bis von Projekt dann ausgereift und genehmigt ist.

00:05:55: Das heißt wir wussten zu dem Zeitpunkt schon KI wird sehr wichtig werden, wird möglicherweise viel in unserer Unternehmenslandschaft umkrempeln und wir wollten einfach herausfinden wie können wir Firmen optimal unterstützen, um durch diesen Transformationsprozess zu kommen?

00:06:16: Von September, twenty-einzwanzig bis Mai, zwanzigdreinzwundzig habt ihr am Fraunhofer IAO gemeinsam mit dem kooperierenden IAT der Universität Stuttgart im Rahmen des Projekts neunundzwanzige Organisationen in Deutschland bei der Einführung von KI begleitet.

00:06:29: Sogenannte Unternehmenslabore.

00:06:31: Dabei waren Organisationen aller Branchen, Größen und Tätigkeitsfelder dabei.

00:06:36: Wie sah die Zusammenarbeit mit dem Fraunhoefer IAAO für ein Unternehmen konkret aus?

00:06:40: Und was bedeutet eigentlich Unternehmeslabor?

00:06:42: Das ist eigentlich sehr gut zusammengefasst!

00:06:44: Also wir haben die Möglichkeit der Teilnahme sozusagen ausgeschrieben und für die Möglichkeit gegeben, sich zu bewerben bei uns mitzumachen.

00:06:54: Und hatten verschiedene Kriterien nachdem wir die Organisationen ausgewählt haben.

00:06:58: Wir wollten selber das Projekt wurde ja vom Bundesministerium für Arbeit und Soziales gefördert und da hatten wir die gemeinsame Zielvorstellung entwickelt eine große Bandbreite der Unternehmen in Deutschland abzubilden.

00:07:11: Wir wollten sowohl Branchen unspezifisch sein als auch verschiedene Unternehmensgrößen abdecken.

00:07:16: Deswegen hatten wir tatsächlich von Kleinstunternehmen, ich glaube zwei oder drei Mitarbeitende bis zu DAX-Konzernen sozusagen die Bandbreite abgedeckt und wir hatten auch verschiedene Branchen oder Spaten.

00:07:27: Finanz- und Versicherungsindustrie Maschinenbau Technologiefirmen Erwachsenenbildung können Sie jetzt gar nicht alle nennen.

00:07:35: also wir hatten eine große Bandbreit abgedekt Und Eingangsvoraussetzung war, dass das Unternehmen zumindest eine Grundidee haben sollte was sie für ein KI US Case umsetzen wollen.

00:07:49: Cedric du arbeitest ja in einem dieser Unternehmenslabore von KI Ultra.

00:07:53: Was war bei euch damals der Anlass euch bei diesem Projekt einzubringen und was hat euch daran gereizt mit einem wissenschaftlichen Partner wie dem Fraunhofer IAO zusammenzuarbeiten?

00:08:02: Vor allem diese methodische Prozess oder das methodische Herangehen Mit Forschungsfragen Beziehungsweise mit einem Forschungsmindset, der ganz klar alle Wege erlaubt.

00:08:14: Hauptsache so haben wir es auf jeden Fall verstanden.

00:08:16: Man kommt in eine Forschungsfrage weiter.

00:08:18: ein Scheitern ist auch eine Erkenntnis und für uns super interessant war natürlich auch dass das auf das ganze Thema Team gemünzt war.

00:08:27: also das heißt wie wird es dann im team akzeptiert?

00:08:29: Also wir wussten nicht wird das zum Erfolg oder nicht, werden wir damit Projekt bewerten können?

00:08:34: Oder nicht.

00:08:35: Aber wenn das funktioniert dann wird es einen Riesen-Impact auf das gesamte Team haben und das war für uns ein riesen Reiz dass das wirklich auch breit also nicht nur aus Sicht kriegen was umgesetzt oder nicht als ist typisch im Unternehmen.

00:08:47: wie viel Ressourcen brauche ich?

00:08:48: lohnt sich das ganze?

00:08:50: bis wann haben wir das fertig?

00:08:51: so typische Unternehmens denke sage ich mal bringt uns das auch wirklich was.

00:08:55: Aber in der Forschungsthematik, so haben wir es auf jeden Fall verstanden, funktioniert die Methode?

00:08:59: Kann man das wieder anwenden?

00:09:01: Welche Ecken sollte man betrachten?

00:09:03: Was ist mit Stakeholdern?

00:09:04: Kriegen wir die alle abgeholt?

00:09:06: Können wir da vielleicht sogar ein Leitfaden entwickeln für weitere Projekte?

00:09:12: Weil ich sag mal wenn das erfolgreich ist dann kommt die Sucht zum bisschen.

00:09:16: Könne man vielleicht sogar noch einen Bereich so angehen?

00:09:18: also... Wie gesagt, wir wussten es ja nicht.

00:09:21: Und dann ist so ein Leitfaden oder beziehungsweise so eine Herangehensweise einfach optimal.

00:09:28: Als nächstes würde ich gerne wissen was bei der Zusammenarbeit herausgekommen ist und wie Unternehmen jetzt also unterstützt werden können.

00:09:34: Ihr habt zwei Leitfedern entwickelt.

00:09:36: Eins zur Durchführung konkreter KI-Projekte und der Frage – wie kann ein Unternehmen KI Lösungen implementieren?

00:09:43: Im zweiten Leitfahrten habt ihr euch mit der Strategie und dem Wandel befasst welche strategischen Rahmenbedingungen gegeben sein müssen, Stichwort Team und Co.

00:09:52: Zuerst an dich Jan Paul.

00:09:53: Ihr unterscheidet zwischen der Durchführung konkreter KI-Projekte unter Strategie.

00:09:57: Warum braucht KI-Einführung beide Ebenen?

00:10:00: Wir haben zu Beginn des Projekts festgestellt dass die Interessenslagen nicht überall gleich sind oder die Vorgehensweisen also gerade in den eher kleineren Unternehmen, wobei jetzt sage ich KMU also da können auch mittlere Unternehmen.

00:10:16: dazu war die herangehensweise schon eher zu sagen wir müssen jetzt KI einfach mal in irgendeinem Use Case zum Laufen bringen und damit können wir unsere Mitarbeitenden überzeugen dass das gut ist.

00:10:29: Dass es allen nützt, dass es uns als Unternehmen voran bringt und dass es auch für die Mitarbeitende positiv ist.

00:10:36: Denn man darf nicht vergessen, gerade am Anfang der KI-Einführung gab es auch bereits große Bedenken.

00:10:42: Seitens der Mitarbeitenden.

00:10:44: viele wussten nicht genau was KI ist oder verstanden das nicht, konnten die Potenziale nicht einschätzen.

00:10:50: Es gab durchaus Ängste um Jobverluste und einfach da sozusagen über den praktischen Weg zu einer einvernehmlichen Lösung zu kommen.

00:11:01: Das war der Weg für einige Unternehmen, insbesondere die mit KI gestartet sind.

00:11:06: Wir hatten natürlich aber auch große Unternehmen dabei, die nicht bei ihrer ersten KI-Anwendung waren sondern vielleicht schon bis zu einhundert KI Anwendungen im Produktivbetrieb hatten Und deren Interesse war nicht mehr herauszufinden, wie kann ich jetzt ein konkretes KI-Projekt umsetzen?

00:11:23: Weil das hatten die schon hundertmal erfolgreich gemacht und auch viel dabei gelernt.

00:11:27: Sondern die wollten wissen – Wie kann ich eigentlich jetzt von den vielen KI-Cases, die wir haben... ...und von den Ideen, die Wir haben und von den Datenbeständen, Die wir haben?

00:11:37: Wie können wir eigentlich zur Data Driven Organisation werden oder wie können wir rausfinden ob das was wir auf strategischer Ebene tun im Sinne der Unternehmestransformation und Change Management.

00:11:47: Wie können wir eigentlich feststellen, ob das funktioniert?

00:11:50: Was ist wirklich wichtig und auch was müssen wir uns

00:11:52: konzentrieren?".

00:11:53: Du hast jetzt schon angesprochen, dass die Unternehmen auf einem ganz unterschiedlichen Stand waren.

00:11:58: Wer ist dann jetzt konkret die Zielgruppe für diese Leitfäden?

00:12:01: Die Zielgruppen für die Leitfedern sind eben tatsächlich alle Unternehmen, die sich mit KI befassen wollen Nicht mal nur im deutschsprachigen Raum, natürlich haben wir es hier durchgeführt in unsere Forschung.

00:12:14: Und deswegen ist unsere Stichprobe sozusagen und vielleicht auch die Aussagekraft dahingehend gebeist.

00:12:20: aber die Leitferden gibt's auf Englisch und sogar auch in französischer Sprache.

00:12:23: das heißt sie sollten eigentlich sehr sehr vielen Unternehmen helfen und auch unser Evaluation Toolkit gibt es auf Deutsch und auf Engelisch.

00:12:32: Ich habe dazu noch eine Anschlussfrage Wann sollte ein Unternehmen mit welchem Leitfaden arbeiten?

00:12:37: Also woran könnte eine Unternehmen erkennen, ob es jetzt gerade eher ein Projektproblem hat und sich eben den einen Leitfahrten vornehmen sollte oder ob eben erst Rahmenbedingungen, Kompetenzen und Co.

00:12:47: geklärt werden müssen also die Strategie die größere Rolle spielt?

00:12:51: Ich hoffe dass ich was dem Projekt Leit faden angeht Unternehmen nicht erst den Leit Faden runterladen wenn sie merken das sie feststecken sondern dass sie das zu Beginn tun um einfach sicher zu gehen, ob in der Planung der Vorgehensweise das berücksichtig ist was man berücksichtigen muss.

00:13:08: Das ist eigentlich die ideale Verwendungsweise für diesen Leitfaden und dass es auch der Benefit den die meisten Unternehmen, die bei uns teilgenommen haben und den Leitfahrten mit uns entwickelt haben, darin gesehen haben.

00:13:21: Die Strategie muss man glaube ich individuell im Unternehmen unterscheiden.

00:13:26: also ich habe schon gesagt Viele Unternehmen wollen erstmal sagen erste Schritte mit KI-Unternehmen, bevor man sich strategischen Themen widmet.

00:13:34: Das finde ich vernünftig!

00:13:37: Trotzdem schadet es, glaube ich nicht sich schon relativ früh einfach mal anzuschauen welche Voraussetzungen bringen wir denn mit um wirklich mit KI zu arbeiten?

00:13:45: oder wie wollen wir mit KI arbeiten?

00:13:48: Wollen wir das erstmal sehr begrenzt einsetzen und uns schauen was sind die berühmten low hanging fruits also die Fälle in denen man KI mit möglichst wenig Aufwand aber möglichst viel Output einsetzen kann.

00:14:02: Und dann gucken wir mal weiter.

00:14:04: Wir stellen aber auch fest, dass auch in KMU die zu so einer Herangehensweise neigen.

00:14:10: Man sehr schnell in Transformationsthemen kommt wenn man diese Unternehmen berät.

00:14:14: und das sage ich jetzt nicht nur aus der eigenen Perspektive sondern ich kann noch viele andere Leute die KMUs beraten, die dann auch sehr schnell vom KI-Thema zum Change Management Thema kommen weil KI einfach eine große Entwicklungsreise ist Dinge zusammen.

00:14:34: Zum einen, weil sich die Technologie wahnsinnig schnell verändert.

00:14:38: also wir haben jetzt schon seit wir mit KI Ultra gestartet waren sehr viele Veränderungen im Feld gesehen insbesondere was die large language Models angeht und das heißt dass man sich eigentlich immer auf Neuerungen einstellen muss um das was das Modell gestern nicht konnte es heute aber kann.

00:14:53: damit kann es auch neue Funktionen übernehmen und Man muss einfach ständig in der Lage sein als Organisation zu lernen und wenn das die Organisation nicht kann, dann hilft es auch nicht viel.

00:15:06: Wenn man sich mit dem Projektleitfaden ein Projekt erfolgreich in die Tat umsetzen kann sondern dann hängt davon ab ob das nachhaltig ist, ob man eben eine Fehlerkultur hat oder ob man lernen kann, ob es die richtigen Rollen im Unternehmen gibt der Leute die sich darum kümmern dass sie austauschen können die mit der KI arbeiten.

00:15:27: Cedric würdest du sagen ihr teilt in deinem Unternehmen diese Erfahrung?

00:15:30: Ja ja ich gehe da zu hundert Prozent mit.

00:15:33: Vielleicht sollte man mal kurz skizzieren, wann ist Kai Uiltra eigentlich entstanden und wie war da damals die... es waren doch schon etwas andere.

00:15:41: Denke oder sagen wir so?

00:15:42: Wir hatten einen anderen Stand also nicht als Unternehmen sondern generell auf der Welt.

00:15:47: angefangen hat das wir haben ja Maschinen-Learning und dann kamen Deep Learning auf Maschinenlearning, das heißt Support Vector-Maschine.

00:15:54: Solche Sachen.

00:15:55: Neuronale Netze.

00:15:56: Das Ganze hat sich dann noch ein bisschen weiterentwickelt Richtung Deep Learning.

00:15:59: Das sind also im Wesentlichen auch neuronale Netzen aber mit entsprechenden Zellen zum Beispiel LSTM-Zellen und solche Sachen.

00:16:05: Damit konnte man schon eine Menge machen so viel dass die Unternehmen angefangen haben zu überlegen Können wir das auch ins Management bringen, also Data Driven Entscheidungen oder Decisions?

00:16:16: Da ging es praktisch los und man wollte damit starten.

00:16:19: Und damit kam ja auf jeden Fall bei uns, dass das eine Menge Veränderung mit sich ziehen könnte im Unternehmen selbst wie man damit umgeht und weil so wenig Leute Berührung mit der KI... Also ich rede jetzt von den Massen.

00:16:32: Es waren hochspezialisierte Bereiche.

00:16:34: Es wurde viel in Kameras, in der Sensorik verwendet usw.. Deswegen haben wir keine Massen, die damit schon Berührung hatten.

00:16:41: Bedeutet viele hatten Skepsis, deutliche Skepses gegenüber und die konnte man eben damit oder die holt man damit ab dass das jetzt noch so eine Relevanz bekommen wird mit Large Language Modellen.

00:16:54: Und zwar ist nicht so klar, dass das ja jetzt so ein Schlag tut.

00:16:57: Jetzt wissen viel mehr Leute.

00:16:58: aber ich sag mal so Wir haben vor Kain gehabt.

00:17:01: die hatten wenn wir mal in Geschwindigkeiten reden, konnten fünfzig Stunden Kilometer fahren.

00:17:06: Jetzt haben wir welche die fahren dreihundert.

00:17:08: also es fährt jetzt alles auf ganz anderen Geschwindigten und da ist dieser Leitfaden ja oder umso wichtiger dass der vernünftig auch gelebt wird weil alles so schnell sich ändert.

00:17:19: das merkt man in den Teamstrukturen deswegen komplett.

00:17:22: in dem gesamten Thema gehe ich komplett mit.

00:17:24: Ich würde sogar sagen deutlich wichtiger gewesen oder deutlich wichtiger, was da jetzt rausgekommen ist als man denkt.

00:17:30: Oder als wenn wir an Anfang dachten, weil zum Beispiel das Projekt, was wir jetzt umgesetzt hatten, haben wir weitestgehend umgesetzt aber es hatte nicht diese Durchschlagskraft.

00:17:38: Wir sind nach wie vor in diesem Projekt, aber jetzt ist fertig und funktioniert auf einer Ebene die haben wir vorher gar nicht erwartet.

00:17:45: Ihr habt jetzt vorhin auch schon das Toolkit angesprochen nämlich ein weiteres Ergebnis quasi eurer Forschung, eure Arbeit.

00:17:51: Könnt ihr mir einmal genau beschreiben was es bewertet?

00:17:53: Oder was ein Unternehmen jetzt damit anfangen kann?

00:17:56: Das GUI Ultra Evaluation Toolkit besteht aus zwei Modulen.

00:17:59: Du hast gerade die beiden Leitfelden angesprochen, den Strategieleitfaden und den Projektleitfaden Und passend dazu gibt es zu jedem dieser Leitfäden ein Toolkit-Modul.

00:18:09: Das Module eins bezieht sich auf den Strategileitfade und hilft Unternehmen festzustellen welche Rahmenbedingungen für den KI Einsatz gegeben sind und wo man gegebenenfalls mit einem Transformationsprozess eingreifen könnte oder wo man möglichst zielgerichtet einen Effekt erzielen kann.

00:18:26: Das ist ein Online-Fragebogen, den Unternehmen kostenlos auf unserer Website durchführen können und dahinter liegt eine Automatik die das Ergebnis dann sozusagen automatisiert zusammenfasst und abrufbar macht.

00:18:39: Das gleiche gilt für das Modul II dass das Unternehmen verwenden kann wenn es ein KI Einführungsprojekt durchgeführt hat um die Auswirkungen dieses Projekts messbar zu machen.

00:18:52: also das heißt das Module I Kann ich als Unternehmen eigentlich immer einsetzen?

00:18:56: Da gibt es keine bestimmten Voraussetzungen, die erfüllt sein müssen.

00:18:59: Für das Modul II gilt die Vorausetzung.

00:19:02: Ich muss zumindest einen KI-Prototyp haben, den irgendwer mal ausprobieren

00:19:07: konnte.".

00:19:07: Damit hast du meine zweite Frage auch schon zur Hälfte beantwortet quasi, woran ein Unternehmen dann eben erkennen kann ob die KI-Einführung erfolgreich war.

00:19:15: Dafür wäre dann eben ModulII.

00:19:19: Genau wobei man natürlich dazu sagen muss dass die Erfolgsmessung von KI ein sehr komplexes Thema ist, das sich auch wieder mit der Technologie verändert.

00:19:29: Also das Modul II des Evaluation Toolkit ist nach wie vor sehr gut und sehr relevant.

00:19:36: aber insbesondere im Bereich der Large Language Models arbeiten wir intern schon an Erweiterungen weil die Anwendungen, die wir in Kai Ultra als Beispiele hatten Da steckten teilweise dann auch schon Large Language Models drin, aber die waren doch relativ stark auf spezifische Anwendungsfälle zugeschnitten.

00:20:01: Also Specific Purpose AI.

00:20:03: Während wir heute diverse Large Language models haben, die in Unternehmen sehr breit eingesetzt werden – insbesondere zum Beispiel im Bereich der Wissensarbeit und hier entdecken wir aktuell das es bei vielen Unternehmen die große Frage gibt, was bringt uns das eigentlich als Produktivitätsgewinn?

00:20:20: Hierzu müssen wir noch ein bisschen mehr forschen.

00:20:24: Kann die Frage ob die Einführung von KI erfolgreich war denn überhaupt beantwortet werden?

00:20:28: Sie ist schwierig zu beantworten.

00:20:30: Wer sich dafür interessiert, sollen mich gerne ansprechen und dann reden wir über konkrete Lösungsansätze.

00:20:36: Denn wie die Erfolgsmessung aussieht hängt dann wieder viel stärker mit dem einzelnen Arbeitsplatz zusammen und was dort konkret eigentlich getan wird.

00:20:47: Dann würde ich jetzt gern einmal die Unternehmensperspektive dazu hören.

00:20:50: Cedric würdest du sagen bei euch war der Einführung erfolgreich?

00:20:54: Auf jeden Fall haben wir das Projekt noch weiter ausgebaut auch nach dem Forschungsprojekt.

00:20:58: Jetzt kann man sagen, das Projekt war erfolgreich.

00:21:01: Als das Projekt ausgelaufen ist hatten wir noch nicht diesen Stand aber dennoch die Vision dass das auf jeden Fall bis zum Ende mal mindestens praktiziert werden soll um ein gewisser Art von Erfolg dann auch messen zu können Auch gemäß der Leitfäden.

00:21:14: Ich hätte hier einen Gedankenbild vielleicht wie wir das ganze sehen.

00:21:18: Also AI ist für uns sowas wie das Rad.

00:21:21: Es ist eine Technologie es ist ne Erfindung und das Rad per se ich sag mal ich muss das Rad unbedingt jetzt einführen ist jetzt suboptimal, wenn ich da nicht wirklich ein klares Ziel hab.

00:21:31: Also wenn wir jetzt zum Beispiel einen Anwendungsfall nehmen... Ich habe Menschen der transportiert Steine von einem Steinbruch zu einem Bauplatz und er kann praktisch einen entheben.

00:21:40: und wenn jetzt plötzlich das Brat erfunden wird dann hilft ihnen das gar nicht.

00:21:44: aber wenn auf das Rad eine Platte kommt und es nennt sich Schubkarre Dann kann ich schon drei Steine vom A nach B schleppen.

00:21:50: Und wenn ich jetzt das Rad noch weiter mit mehr Gedanken in eine gewisse Konstruktion bringen nennen wir's mal Förderband.

00:21:57: Ja, dann multipliziere ich das nochmal deutlich mehr und ich krieg was weiß ich.

00:22:00: Dreihundert Steine in gleicher Zeit einheit transportiert Das Rad ist der Enabler sozusagen.

00:22:05: Aber die eigentliche Lösung Die mich wirklich nach vorne bringt ist eigentlich das Gesamtkonstrukt.

00:22:10: Das heißt die ist an unserer Sicht nicht unbedingt förderlich das Rad unbedingt einführen zu wollen.

00:22:16: Sondern wie kommt man an dieses Förderband?

00:22:18: aber jetzt kann sich jeder selber vorstellen Wie kommt man denn auf so einen Förderbund?

00:22:23: Da ist es wichtig, auf jeden Fall dass man einen Rahmschaft umzugucken.

00:22:26: Sind wir da gelandet oder nicht?

00:22:27: Verzetteln wir uns!

00:22:29: Oder folgen einfach nur sinnlos.

00:22:30: einem Rathype sage ich jetzt mal und wir haben ganz klar die Vision Wir wollen sowas wie das Fördermann schaffen.

00:22:37: Wir glauben, dass es möglich ist.

00:22:38: die KI entwickelt sich immer weiter und damit wir da auch wirklich ein Track bleiben bzw.

00:22:42: auch das im Sinne des Unternehmens dann messen könnte.

00:22:45: ich meine in dem Fall einfach wie viel Steine kriege ich von A nach B?

00:22:48: aber das ist teilweise so eingebettet das sind sehr sekundäre Effekte.

00:22:52: In diesem Kontext bewerten wir das Ganze und haben das auch nach den Leitfäden mal probiert und können sagen das Projekt ist auf jeden Fall erfolgreich.

00:22:59: Das Projektziel habt ihr in eurem Unternehmen also erfolgreich erreicht.

00:23:02: Könntet ihr darüber hinaus auch etwas aus der Zusammenarbeit mit dem Fraunhofer IAO mitnehmen?

00:23:06: Ja, durchaus.

00:23:07: Wir sind jetzt kein Riesenunternehmen, wir sind kein Großkonzern.

00:23:10: Durch das Projekt, da sind ziemlich viele Firmen dabei gewesen, hat man die Geschichten der anderen gehört.

00:23:15: Hat man gehört wie ist es einzuordnen, woran harpert es bei denen Betriebsrat – wir haben keinen Betriebesrat -, dass das für meine Wahnsinnshürde sein kann wie so eine große Mauer zu der Zeit auf jeden Fall gegen KI praktisch gearbeitet hat oder mindestens, ich sag mal mit Adler Augen geschaut hat das da nichts Falsches entsteht.

00:23:34: So was haben wir in der Art und Weise gar nicht?

00:23:36: Wir haben das mehr auf persönlicher Ebene aber jetzt nicht als Organisationseinheit.

00:23:41: Und da entstehen nochmal ganz andere Dynamiken und Effekte und für uns als KI-Unternehmen auf jeden fall interessant zu sehen Was hatten die anderen Probleme?

00:23:49: Was haben die anderen für Erfolge?

00:23:51: Was kann man noch damit machen?

00:23:53: Jeder verwendet es auf eine ganz andere Weise Und dann entstehen bei dem einen Katastrophen, bei den anderen absolut geniale Dinge an die man nie gedacht hätte.

00:24:02: Diese Austausche an Leide war ja schon wahnsinnig wertvoll!

00:24:05: Was hat sich bei euch nach KI Ultra konkret verändert?

00:24:08: Ich sag mal so – wenn man als Entwickler, als Umsetzer an die Thematik angeht, dann hat man häufig mal einen turnnen Blick und möchte dieses Ziel unbedingt umsetzen bzw folgt wirklich diesem einem Erfolg oder diesen einen Zielvisionen, die man vor Augen hat.

00:24:23: Durch das KI Ultraprojekt haben wir natürlich jetzt Forschende als Spiegelpartner gehabt, die uns viele Themen gespiegelt haben und vor allem uns selbst in dem wie wir denken usw.

00:24:33: Daran sind wir auf jeden Fall gewachsen und haben auch gesehen vielleicht sollte man die eine Ecke auch nochmal betrachten?

00:24:38: Vielleicht ist ganz mal ein bisschen breiter?

00:24:40: Vielleicht im Austausch überrennen wir andere Mitarbeiter auch ein Riesenthema Also bei uns war es gar nicht mal das Umsetzen, also dass die Daten strukturiert werden und so weiter.

00:24:49: Deswegen für uns ist eher der zweite Leitfaden besonders interessant wie das im Team dann für Eigendynamiken bekommt.

00:24:55: Und vor allem dadurch wir in KI-Unternehmen sind, haben wir einfach davon ausgegangen, dass alle, die im Unternehmen sind, Verfechter von KI sind – ist aber nicht immer so!

00:25:04: Das hat's uns auf jeden Fall gespiegelt, dass wir im Team vielleicht mal darüber reden sollten.

00:25:08: Wie sieht jeder das Ganze?

00:25:10: Gehen alle mit... Wir haben welche Bedenken.

00:25:14: Wie können wir die ausräumen?

00:25:15: Sind die Bedenke vielleicht echt?

00:25:17: Hat man da vielleicht Scholk klappen und möchte da was umsetzen, was vielleicht gar nicht so gut ist?

00:25:21: Das sind die Dinge an denen wir auf jeden Fall gewachsen sind.

00:25:24: Gibt es bei euch noch Stolpersteine oder irgendwas wo es konkret auch schwierig wurde das so umzusetzen wie ihr euch das vorgestellt habt?

00:25:32: Also ja zwei Aspekte.

00:25:33: der eine ist der technologische die Umsetzung Und zu der Zeit wollten wir etwas umsetzten dass definitiv möglich war, aber zu viel Aufwand gewesen wäre.

00:25:43: Also wir haben ganz klar auf Deep Learning gesetzt.

00:25:46: Wir hätten viele Sachen ziemlich stark vorarbeiten müssen.

00:25:50: das hätte eine Implementierungstiefe nach sich gezogen die am Ende wahrscheinlich zu viel gewesen wären.

00:25:56: Jetzt durch die large language Modelle können viele Wege abgekürzt werden, weil dir auf menschlicher Sprache gut interpretieren können.

00:26:02: Das heißt viele Data Processing Pipelines kann man dadurch schlanker besser schneller umsetzen.

00:26:08: Deswegen das ist so.

00:26:09: der eine Teil, der andere Teil ist bezüglich des Teams und so weiter.

00:26:13: Danke Cedric!

00:26:14: Das waren die Erfahrungen eines Unternehmens.

00:26:16: Ich an Paul mich würde interessieren welche Erfahrungen konntest du bei den anderen Unternehmen noch beobachten?

00:26:22: Es hängt sehr am einzelnen Unternehmen.

00:26:25: Also wir haben sehr, sehr unterschiedliche Trajektorien gesehen.

00:26:28: Wir haben Unternehmen dabei gehabt die glaube ich nach anderthalb Jahren wo sie begleitet haben immer noch über den Use Case diskutiert haben und sich nicht sicher waren ob oder wie sie das umsetzen wollen oder sollen.

00:26:41: Und dafür kommen unterschiedliche Gründe infrage.

00:26:43: Das kann einfach daran liegen dass man intern ist noch nicht geschafft hat eine einheitliche Sichtweise zu haben.

00:26:50: Es kann auch an Formalen Rollen und Zuständigkeitsprobleme liegen.

00:26:56: Und wir hatten Unternehmen, die zum Projektbeginn schon fast fertig waren mit ihrer KI-Implementierung, die waren da schon dran an dem Use Case und konnten dann über die Projektlaufzeit beobachten wie die Mitarbeiter damit umgehen, konnten das evaluieren, konnten es nachbessern, konnten eben Diskussionsrunden aufsetzen und solche Dinge.

00:27:17: Diese Bandbreite haben wir ja gesehen.

00:27:20: also ist absolut kein one-size fits all Ansatz, sondern unsere Guidelines und Leitlinien sind natürlich so geschrieben dass sie für alle anwendbar sind.

00:27:31: Aber wie dann der Prozess läuft ist trotzdem von sehr vielen Faktoren innerhalb des Unternehmens noch mal abhängig.

00:27:38: Wo besteht also der größte Unterstützungsbedarf?

00:27:41: Also zumindest das Thema der Auswirkungen auf die Mitarbeitenden war etwas das auch bei den KI Champions, Anwendungen im Livebetrieb hatten, so ein blinder Fleck war.

00:27:53: Und das war für mich auch einer Haarmoment dass wir in der Diskussion mit den Unternehmen dann festgestellt haben ja also wir haben jetzt schon ganz viel KI eingeführt aber wir wissen eigentlich gar nicht so richtig wie wir feststellen sollen weil wie es auf die Mitarbeitenden wirkt was bedeutet das jetzt eigentlich für deren Arbeitsplatz und deren Rollenverständnis und die Prozesse?

00:28:10: Das war für uns natürlich auch sehr motivierend dann das Modul zwei unseres Evaluation Toolkits fertigzustellen und es zur Verfügung zu stellen, damit die Unternehmen jetzt genau das machen können.

00:28:21: Die nächste Frage künft direkt an deine Antwort an.

00:28:24: Qualifizierung Arbeitsorganisation Führung Beteiligung Und auch ethisch rechtliche Fragen spielen natürlich bei der Einführung von KI eine Rolle.

00:28:31: Welcher dieser Bereiche wird aus eurer Sicht im Unternehmen am häufigsten unterschätzt?

00:28:35: Es sollte ja eigentlich nirgends unterschetzt werden wenn man sich den Leitfaden durchliest weil genau das ist ja der Zweck des Leitfahrens.

00:28:43: Der Leitfaden ist ja auch relativ knapp abgefasst.

00:28:46: Also der Leit Faden ist kein Kochrezept, nachdem ich definitiv wenn ich alles genau so gemacht habe wie das da steht in jedem Fall immer die Lösung habe sondern der Leid Faden hat eigentlich hauptsächlich den Zweck mir aufzuzeigen welche Aspekte wichtig sind und wie ich mit dem Aspekt umgehe hängt dann auch mit dem Unternehmen zusammen zum Beispiel auch mit der Unternehmensgröße.

00:29:08: Deswegen ist ja das Toolkit zum Beispiel auch, so ist das Modul eins für kleine und große Unternehmen unterschiedlich.

00:29:14: Weil im großen Unternehmen gibt es nämlich eine HR-Abteilung die bestimmte Aufgaben übernimmt.

00:29:18: in diesem Kontext während dass im kleinen Unternehmen vielleicht gar nicht der Fall ist da machtes der Geschäftsführer aber möglicherweise also das Thema dem... Das Thema des für die meisten Unternehmen gerade sehr interessantes ist das Thema wie kann ich eigentlich feststellen ob sich das rentiert weil wir jetzt grade auch ne Entwicklung haben in Kai Ultra damals noch nicht so gegeben war.

00:29:38: Die kommt jetzt, dass sich nämlich auch die Kosten für den Einsatz von Large Language Modellen gerade ändern also sowohl wie das vom Hersteller oder Provider abgerechnet wird als auch was es tatsächlich kostet und für die Unternehmen jetzt sich immer mehr die Frage stellt Wie kann ich eigentlich rausfinden, ob sich das was ich an Geld an den Provider bezahle überhaupt rentiert.

00:30:03: Und man sieht ja schon auch in der Presse die ein oder andere Mitteilung dass Unternehmen wieder zurück rudern und Aufgaben wieder an Mitarbeiter geben die man kurzfristig mal eine KI abgegeben hatte.

00:30:14: Was man unterschätzt da würde ich behaupten die Integrationstiefe Und zwar damit die AI'n wirklich performen können und auch das hebeln können, was man ja häufig als Erwartung hat.

00:30:25: Brauche ich eine Integrationstiefe und auch ein Data Governance sage ich mal der überhaupt die Fähigkeiten dann trägt einer SKI Models oder der überhaupt das ganze Enablen kann.

00:30:36: Ich kann nicht einfach so alle HR Daten nehmen durch einen SKI-Durchschicken und die Ergebnisse dann komplett blind an alle Mitarbeiter verteilen.

00:30:43: Die Ergebnisse sind teilweise ziemlich sensibel.

00:30:46: Es ist auch die Frage, was gebe ich rein?

00:30:47: Vielleicht sind manche Daten, die ich analysieren möchte so sensibel dass sich sie gar nicht reingeben darf.

00:30:54: Dann habe ich da schon mal einen blinden Fleck.

00:30:56: Der nächste Teil sind auch personenbezogene Daten.

00:30:58: dann hab' ich da den nächsten blinden fleck hier das sind Finance-Daten des Unternehmens können wir auch nicht reingegeben.

00:31:04: dann fange ich schon an das Fundament so abzutragen, dass es nicht mehr so performen kann.

00:31:08: Dass sich wirklich ein Output hat der mir hilft beziehungsweise überhaupt das Ganze was es schön dargestellt von den Kosten ja rechtfertigt.

00:31:16: Die neuen KI-Modelle sind so leistungsfähig, dass ich sie ziemlich einfach jetzt integrieren kann die ziemlich viel verarbeiten können.

00:31:24: Ich muss also nicht mehr ganze Data Pipelines aufbauen die mir das Ganze normalisieren wo ziemlich viel Hirnschmal reinfließen muss wie ich es ganz übergebe sondern ich kann teilweise einfach ziemlich plump und strukturierten Text übergeben und bekommen dennoch ziemlich gute Antworten.

00:31:39: Also die Hürde ist einfacher geworden.

00:31:41: Dennoch muss ich gucken was ich da reingebe bezüglich der Tokenkosten.

00:31:46: Der Trend ist ja klar zu sehen, eher nach oben.

00:31:48: wenn man sich die Kostenstrukturen dieser Unternehmen auch anschaut weiß man die Kosten müssen eigentlich deutlich weiter angezogen werden.

00:31:55: von daher muss man schauen lohnt sich das in der Zukunft noch?

00:31:58: wie setz ich sie ein?

00:31:59: aber dann kommt man wieder zum Punkt.

00:32:01: Ich muss das eigentlich an Projekten oder beziehungsweise im Kontext implementieren.

00:32:06: wo da nutzen ganz klar dass ganze auch trägt Und da bin ich häufig in einer Integrationstiefe als auch insensiblen Daten unterwegs.

00:32:14: Mit Integrationstiefem meine ich, ist jedes System durchgängig und dann wird man ziemlich schnell zum Punkt kommen?

00:32:20: Nein!

00:32:21: So und das ist was wir merken, dass muss man bedenken.

00:32:24: wenn ich KI integriere komme ich an alle Systeme.

00:32:27: und was sind mit den Daten, was sind das für sensible Daten oder nicht?

00:32:30: KI ist ein absolutes Hype-Thema und viele Unternehmen glauben aktuell, sie müssten möglichst schnell und hauptsache irgendwie KI einführen um nicht den Anschluss zu verlieren.

00:32:39: Ist das in euren Augen überhaupt sinnvoll?

00:32:41: Da sind wir wieder beim Beginn unseres Gesprächs zum Thema KI-Strategie.

00:32:45: also das Unternehmen sollte eine Vorstellung davon haben erstmal was seine Aufgabe ist und wie sich diese Aufgabe erfüllen lässt und dann den Abgleich machen zwischen dem KI zumindest aktuell kann oder voraussichtlich in der Zukunft können wird.

00:33:04: Und die kompliziert es ist, die Prozesse des Unternehmens dahingehend zu ändern dass man dort von dieser Technologie profitieren kann.

00:33:13: und die Auswirkungen von KI, die positiv sein können sind eben auch vielfältig.

00:33:20: also auf der einen Seite reden wir von der Performance und von direkt monetarisierbaren Erfolgen ja?

00:33:26: Also ich spare Geld oder ich nehme mehr Geld ein, weil ich zum Beispiel mit der gleichen Belegschaft mehr Geschäft machen kann.

00:33:35: Aber da gibt es ja auch noch andere Faktoren.

00:33:37: Zum Beispiel die man in unserer Module II findet wie nehmen die Mitarbeitenden die Technologie überhaupt an?

00:33:43: Ist das für die eine Arbeitserleichterung?

00:33:45: wird der Arbeitsplatz dadurch besser?

00:33:47: und wir haben natürlich noch das ganze Arbeitsgestaltungsthema dass wir hier am IAO auch sehr stark verfolgen.

00:33:54: also Was bedeutet eigentlich die KI-Einführung für den Arbeitsplatz und für die Person, die an dem Platz arbeitet?

00:34:02: Und da gibt es ja auch neben der Tatsache dass das von des Unternehmen natürlich sehr vorteilhaft ist darauf zu achten.

00:34:08: Auch noch gesetzliche Vorschriften zum Beispiel hinsichtlich der psychischen Gefährdungsbeurteilungen am Arbeitsplatz, die dort zu berücksichtigen sind.

00:34:16: Das heißt es gibt einen großen Blumenstrauß an möglichen Benefits der KI-Nutzung und nicht alle müssen direkt monetär messbar sein.

00:34:26: Das macht es für Unternehmen aber auch schwieriger, diese Entscheidungen zu treffen.

00:34:31: Und das ist ein Thema dass sich durchzieht.

00:34:33: also wir haben auch in Kai Ultra schon vor vielen Jahren von vielen Unternehmen gehört dass sie sagen Wir können jetzt gerade gar nicht komplett durchgängig mit KPIs erfassen was uns das bringt sondern Es ist ein Stück weit eine Glaubensfrage sagen, wir glauben das ist die Zukunft.

00:34:54: Wir glauben es wird irgendwann nicht mehr ohne gehen.

00:34:57: Wir wissen dass wir dafür Anwendungsfälle haben und wir werden genötigt sein das in irgendeiner Form für uns nutzbar zu machen.

00:35:05: Und jetzt gehen wir diesen Weg und schauen einfach wo ist der sinnvollste Ansatzpunkt um das jetzt zu tun?

00:35:12: Was brauchen wir jetzt und wie müssen wir uns weiterentwickeln und diese Entwicklungsreise einfach mal mit dem ersten Schritt zu beginnen?

00:35:20: Trotzdem arbeiten wir natürlich daran, den Unternehmen möglichst gut dabei zu helfen, KPIs zu entwickeln und zu nutzen.

00:35:29: Und möglichst objektiv auch Entscheidungen über den KI-Einsatz fällen zu können anhand von klaren Messgrößen.

00:35:37: Würde ich komplett so unterstreichen und mitgehen?

00:35:39: Ob jedes Unternehmen einfach blind das einsetzen sollte... kann man auf jeden Fall zur jetzigen Zeit mit einem Fragezeichen setzen.

00:35:47: Ich finde das ziemlich gut, was du eben auch gesagt hast, dass man gucken muss, was ist mein Kerngeschäft?

00:35:51: Womit verdiene ich eigentlich mein Geld?

00:35:53: Deswegen würde ich behaupten ein Stahlwerk mit Hochofen verdient auf eine Weise Geld ,dass mir KI durchaus helfen kann.

00:36:01: aber wie groß ist der Hebel?

00:36:03: wie viel Prozent davon.

00:36:04: Und ich würde jetzt einfach mal ohne, dass sich den Case mal wirklich in die Tiefe durchleuchtet haben, man behaupten nicht soviel wie ein Unternehmen das komplett auf Daten arbeitet.

00:36:13: also zum Beispiel bei uns Wir arbeiten mit dem Menschen Also wir sind Workforce Management Anbieter Das heißt wir haben ziemlich viele Text-Menschen unterschiedliche Sprachen und unterschiedliche Interpretationen, die es braucht.

00:36:25: Wir haben eine Einsatzplanung, wir haben Fertigungsauftragsplanungen auch alles mit Text Und das Ganze auch noch komplett Daten getrieben bzw.

00:36:33: wo ziemlich viel verglichen werden muss, viel verarbeitet werden muss.

00:36:36: Da kann man definitiv darauf wetten und auch die Vision haben, die wir definitiv haben Das wird besser werden, das wird uns was helfen.

00:36:43: Allein wenn schon diese einzelne Use Case Ich habe immer mehr unterschiedliche Sprache im Unternehmen Dass ich über ein Chat die abholen kann Die nicht der deutsche Sprache So mächtig sind dass sie komplexe Sachverhalte einer Maschine verstehen Wie ich die Einrüste oder solche Themen Bei uns kann man relativ einfach darauf wetten.

00:37:03: Wir haben auch die Expertise das umzusetzen, deswegen haben wir diese Kosten nicht, diese Hemmschwelle.

00:37:07: aber jedes Unternehmen blind wird ich komplett genau zu untersprechen macht nicht unbedingt Sinn.

00:37:12: oder auf jeden Fall sollte man es genau ausleuchten ob im Stahlwerk mit Hochhofen und Co.

00:37:16: dass wirklich braucht jetzt als diese Privo.

00:37:19: Ich glaube auch dass die Entscheidungskompetenz sozusagen wie KI am Arbeitsplatz einzusetzen ist sich auch in den letzten Jahren durch das Fortschreiten der LLMs.

00:37:31: und jetzt dann reden wir demnächst über Agents, die sich möglicherweise auch noch jeder selber programmieren kann.

00:37:37: Dass diese Entscheidungskompetenz was gebe ich an die KI ab?

00:37:41: Was mache ich selber viel stärker bei den Mitarbeitenden liegen wird als wir mit Kai Ultra angefangen haben.

00:37:47: da wurden eben Specific Purpose AIs entwickelt, die eine ganz gezielte Funktion hatten und bei denen die Mitarbeitende auch wenig Berührungspunkte hatten.

00:37:57: Ich sage mal ein Beispiel Wir haben einen Kundenservice-Center bei einem Unternehmen, das zum Beispiel Produkte verkauft an Kunden und da kommen Anfragen rein.

00:38:08: Und es gibt eine KI die diese Anfragen vorsortiert und dann gezielt den Kompetentesten für dieses Thema, das in der Anfrage genannt ist, an den kompetentsten oder die kompetienteste Mitarbeiterin weiterleitet.

00:38:22: die Person, die dann sozusagen mit dieser KI arbeitet hat mit der KI eigentlich relativ wenig Berührungspunkte.

00:38:28: Die bekommt ab jetzt nur mehr Anfragen, die sie selber beantworten kann und weniger Anfragen, die Sie an jemand anders weiterleiten muss.

00:38:36: Wenn ich als Wissensarbeiter da würde ich mich auch selbst mal dafür als solcher bezeichnen Mit einem Sprachmodell Arbeiten muss ich mir kurz mal überlegen Was weiß die KI oder was kann die KI?

00:38:49: besser oder schneller als ich?

00:38:51: Wo kann mir die KI helfen und wie groß ist die Wahrscheinlichkeit, dass das Ergebnis von der KI für mich auch verlässlich nutzbar ist danach.

00:38:58: Also was gebe ich jetzt an die KI ab und was mache ich

00:39:01: selber?".

00:39:02: Und das entscheiden zu können oder auch mich selber monitoren zu können und meinen eigenen Arbeitsfortschritt objektiv zu beobachten – das ist glaube ich eine der Herausforderungen vor denen wir gerade stehen!

00:39:14: Ich glaub' es ist auch ein Punkt wo immer mehr Druck reinkommt weil jetzt ist es zugänglich eigentlich für jeden ... zwanzig Euro, teilweise sogar kostenlos.

00:39:22: Ich habe Druck am Arbeitsplatz also das kriegen wir so bei den Unternehmen mit... ... schon fast egal welches Unternehmen, solange es um ein bisschen in die Büro-Richtung geht!

00:39:29: Ich muss schneller werden ich muss schneller antworten, ich muss Themen schnell durchleuchten.

00:39:33: Es ist alles schneller lebig oder Schnellebiger geworden und dann haben wir so wie ich nenn's mal diesen WhatsApp Effekt.

00:39:39: Es gibt kein Kommunikationstool.

00:39:40: also nehme ich irgendwelche Randtools die nicht von der Firma freigegeben sind eben WhatsApp Und so ist das jetzt zum Beispiel auch mit den large language Modellen.

00:39:49: Ich muss schnell werden, kriege ich kein Tool vom Unternehmen werde aber trotzdem dran gemessen.

00:39:54: ja dann schaffe ich mir einen Vorteil und ich glaube da wird auch eine Menge Druck reinkommen.

00:39:58: so okay dann müssen wir jetzt was machen.

00:40:00: Wir brauchen dass entsprechend integriert.

00:40:02: Aber das sind halt auch viele Fragen also mit Schulungen mit Rechten und solchen Sachen.

00:40:05: aber Ja ich glaub da wird ein großer Wandel sein auf jeden Fall in diesem Feld.

00:40:11: Die Frage ob KI-Einzuführung sinnvoll ist hängt also von vielen Faktoren ab Den Zielbild der Strategie, den Tools Aufgaben und schliessendlich von Mitarbeitenden.

00:40:19: Woran werden wir in einem bis zwei Jahren Merken des Unternehmen dazugelernt haben?

00:40:23: Ich glaube wie merken es daran wie KI eingesetzt wird also wie viele Arten von KI in welchen Bereichen für welche Aufgaben?

00:40:34: weil wenn man nicht kontinuierlich dazu lernt wirds glaub ich nicht gut funktionieren.

00:40:40: Ich glaube das wird man ziemlich einfach merken ob man erfolgreich ist oder Spätestens wenn die Token ziemlich teuer werden, ich auf der entsprechenden Rechnung Summen habe.

00:40:50: Wo mir Finanzt sagt entweder eine bessere Lösung oder es kommt irgendwas rein oder das muss gestrichen werden.

00:40:55: Spätestens dann weiß man kriegen die Unternehmen das in der Breite erfolgreich eingesetzt?

00:40:59: Oder nicht?

00:40:59: Ich sag mal auch so, man tauscht sich auch viel aus.

00:41:02: vielleicht kriegt ein anderes Unternehmen das gut umgesetzt.

00:41:04: also da ist auch viel Kommunikation über Best Practice und solche Sachen.

00:41:08: Ich denke, das wird man ziemlich schnell merken, ob in ein oder zwei Jahren das halbwegs kostendeckend eingesetzt werden kann.

00:41:16: Wenn jemand morgen mit KI im Arbeitsalltag starten will, was wäre aus eurer Sicht der beste erste Schritt?

00:41:22: Also wenn es KI im Sinne eines Large-Language-Modells ist, dass im Wesentlichen, also sagen wir mal Text verarbeitet, meinetwegen auch Bilder und solche Themen dann kann man auf jeden Fall erst einmal ausprobieren.

00:41:33: Erstmal einen Gespür dafür kriegen.

00:41:34: Das ist auch nicht verkehrt.

00:41:35: Wenn ich aber dann einen Anspruch habe das Ganze einschätzen kann.

00:41:39: Was kommt da raus?

00:41:40: Würde ich sagen, so sollte ich mich ein bisschen belesen.

00:41:43: nicht unbedingt die Presse oder die Zeitungsartikel die eher eine Meinung an das ganze Thema gehen sondern wirklich was kann ich von der Technologie erwarten?

00:41:54: wie funktioniert diese Technologie?

00:41:56: das heißt Was macht die mit den Daten, die ich reingebe und was kriege ich aus?

00:42:00: Ist das wirklich immer wahr?

00:42:02: Kann ich dem hundert Prozent vertrauen.

00:42:04: Alleine schon der Fakt wenn ich die KI korrigiere dass sie mir fast immer ausnahmslos eine Bestätigung gibt ist schon etwas das man wissen sollte.

00:42:13: Ich habe also einen ein bestätigungsfaktor in dem ganzen.

00:42:17: Das kann sich ziemlich schnell aufschaukeln in bestimmten Situationen.

00:42:21: Deswegen ein bisschen sollte ich schon wissen mit was arbeite ich da eigentlich?

00:42:25: Kann das gefährlich sein?

00:42:26: Was sind das für Antworten, sind die wirklich echt?

00:42:29: Wo performt ihr gut?

00:42:31: was kann ich alles reingeben.

00:42:32: Ich kann auch Bilder rein geben.

00:42:34: Ach nicht jedes Modell kann Bilder verarbeiten.

00:42:36: solche Themen zum Beispiel Kosten.

00:42:39: also ich würde sagen Es ist so einfach dass man ziemlich schnell starten kann und wahrscheinlich ist das Beste erst mal anfangen also ein bisschen hin und her schreiben Und aber parallel auch ein bisschen in der Grundinformation.

00:42:50: Aber es ist jetzt nicht mehr so eine Riesenhölle würde ich behaupten.

00:42:54: Also die Frage ist, an wen richtet sich das?

00:42:57: An den Mitarbeitenden oder das Unternehmen.

00:42:59: Jetzt nehme ich die Perspektive des Mitarbeitende ein.

00:43:02: Als erstes bin ich mir glaube ich relativ schnell darüber klar was sind Tätigkeiten von denen?

00:43:07: ich glaube dass ich da Zeit verschwende weil diese Tätigkeit eigentlich einfach automatisierbar wären wenn man nur ein System hätte das zum Beispiel menschliche Sprache versteht.

00:43:19: und Tada!

00:43:20: Das haben wir jetzt.

00:43:21: Also, die erste Frage ist die nach dem Use Case.

00:43:24: Wo ist das eigentlich sinnvoll?

00:43:26: Wofür konkret?

00:43:27: Und zwar Arbeitsaufgaben, die ich habe.

00:43:30: Natürlich werde ich da und es ist aber glaube gar nicht schlecht Die Tendenz haben auch die unangenehmen Aufgaben zuerst zu automatisieren.

00:43:37: Das müssen noch gar nicht unbedingt Aufgaben sein, die sich am besten für KI eigenen.

00:43:42: Ich hab heute mit jemandem gesprochen der sagt er hat gerade eine Reisekostenabrechnung Mit einem Sprachmodul gemacht und das fand er total toll, weil es hat ihm ganz viel Zeit gespart.

00:43:52: Ich aute mich jetzt – ich mache auch mal gerne zwischendrin eine Reisekostenabrechnung!

00:43:56: Ich glaube dass der zumindest bei den Tools die wir aktuell einsetzen der Vorteil des mit einer KI zu machen gar nicht so riesengroß ist und die Zeit ersparen ist.

00:44:05: aber ich mag auch den Wechsel.

00:44:07: wenn ich gerade an einem komplexen wissenschaftlichen Thema gearbeitet habe dann sage ich jetzt lüftig mal kurz den Kopf durch und tippe mal ein paar Zahlen in Formular.

00:44:15: Deswegen, das hat auch einen gewissen Entspannungseffekt und ist nicht unbedingt kontraproduktiv.

00:44:20: Also die Frage ist wie kann ich sowohl meine eigene Produktivität steigern aber auch die Qualität meines Arbeitsplatzes erhöhen?

00:44:29: Und bei mir dafür sorgen dass ich gut arbeiten kann?

00:44:33: einfach.

00:44:33: und dann ist die nächste frage und wie kompliziert es umzusetzen Wie viel Aufwand muss ich reinstecken?

00:44:39: Oder eben für welchen dieser Fälle eignet sich denn die KI besonders gut mit dem, was sie kann.

00:44:45: Also Menschen können bestimmte Dinge gut und KIs können bestimmten Dinge gut.

00:44:49: Das ist auch ein spannendes Feld weil da sehen wir auch Verschiebungen.

00:44:52: ja als wir mit KI Ultra angefangen haben Haben wir auch das Modell der fehlenden Mitte in unsere Leitfelden mit eingeschlossen.

00:44:59: Da steht zum Beispiel empathisch sein beim Menschen.

00:45:02: jetzt gibt's Studien die zeigen möglicherweise sind KI-Systeme empathischer Patienten gegenüber, wenn sie Diagnosen vermitteln als echte Ärzte oder Ärztinnen.

00:45:12: Also das muss man weiter beobachten aber grundsätzlich ist es glaube ich gut sich die Frage einfach zu stellen was kann die KI eigentlich vor dem Hintergrund?

00:45:19: Was sie für Informationen hat?

00:45:20: welche Informationen stecken eigentlich nur in meinem Kopf und wie kompliziert ist es der KI das beizubringen was ich jetzt schon weiß damit sie für mich ein Problem löst?

00:45:29: auf Unternehmensebene würde ich sagen Ich muss zum Mitarbeitenden gehen und dessen Perspektive einnehmen.

00:45:34: Und dann sind wir genau da, wo wir gerade schon

00:45:36: waren.".

00:45:37: Also natürlich hat die Unternehmensführung möglicherweise strategische Blickwinkel die einzelnen Mitarbeitende nicht haben und einen größeren Überblick.

00:45:47: aber letztendlich sollte bei der Entscheidung für welchen Newscase man sich entscheidet ganz klar die Personen mitreden um die es da geht.

00:45:58: Das ist was, was wir seit Beginn von Kai Ultra immer wieder betonen und was sich auch in Studien eindeutig zeigt das Mitbestimmung und Mitsprache der Mitarbeitenden die Unternehmen wesentlich erfolgreicher darin machen diese Technologien umzusetzen.

00:46:15: Nicht nur weil es Widerstände abbaut sondern weil die Mitarbeitende eigentlich immer die Expertinnen und Experten für ihren eigenen Arbeitsplatz sind.

00:46:26: Danke euch beiden für eure Einblicke und Einschätzungen.

00:46:29: Damit sind wir dann auch schon am Ende dieser Folge von Bridging Innovation angelangt.

00:46:32: Ich würde sagen, wenn wir aus dem heutigen Gespräch eins mitnehmen, dann das eine erfolgreiche Einführung von KI weit mehr ist als ein reines IT- oder Technologiethema.

00:46:41: Sie gelingt vor allem dann nachhaltig, wenn der Mensch im Mittelpunkt steht!

00:46:45: Ein herzliches Dankeschön an unsere beiden Experten Jan Paul Leuteritz und Cedric Oette für eure Einschätzung und Einblicke hinter die Kulissen.

00:46:58: verschiedenste Blickwinkel sehr spannend, die auszutauschen.

00:47:02: Also vielen Dank auf jeden Fall!

00:47:04: Und natürlich auch ein ganz herzliches Dankeschön an euch da draußen und unsere Zuhörerinnen und Zuhöhrer.

00:47:09: wir hoffen das hat euch gefallen.

00:47:10: alle Leitfäden, Tools und weiteren Links rund um das Thema KI Ultra findet ihr natürlich unten in den Show Notes und wenn euch diese Folge gefallen hat hinterlasst uns gerne eine Bewertung.

00:47:20: abonniert diesen Podcast und schaltet beim nächsten Mal wieder einen.

00:47:23: Ich bin Kressanze Bernhardt und wir hören uns hoffentlich ganz bald wieder bei Bridging Innovation.