Künstliche Intelligenz ist aus dem Projektstadium längst hinaus und weltweit auf dem Weg, uns in vielfältiger Weise zu unterstützen. Die Vorstellung, dass es für jedes Unternehmen ein oder mehrere maßgeschneiderte Foundation Models gibt, entwickelt sich zu einer tiefgreifenden Revolution in der Produktivität und im Personalwesen. Die Automatisierung von Aufgaben unterschiedlichster Art hat das Potenzial, die gesamte Arbeitswelt und die Funktionsweise von Unternehmen zu verändern – hin zu einer neuen Arbeitsteilung zwischen Mensch und Maschine.

In der gar nicht so fernen Zukunft kann ein Großteil der Arbeitnehmer sich auf neue, tiefgreifendere Formen der Wertschöpfung konzentrieren. Die Aufgabenbereiche ganzer Berufsgruppen wie Ärzte, Wissenschaftlerinnen, Lehrkräfte, Entwicklerinnen und Künstler, Verwaltungsangestellte und Regierungsbeamte werden neu definiert. Satte 72 Prozent der CEOs sind weltweit laut der IBM Studie „2024 CEO Study“ der Meinung, dass der Wettbewerbsvorteil von der Nutzung der fortschrittlichsten generativen KI abhängt.

Bei der Anwendung der Technologie geht es nicht mehr darum, nach bahnbrechenden Erfolgen zu streben oder kurzfristige Vorteile zu erzielen. Wir haben einen Wendepunkt erreicht, an dem die Wirtschaftlichkeit von KI für Unternehmen die entscheidende Rolle spielt. Wie die folgenden drei Beispiele zeigen, können maßgeschneiderte Foundation Models alle grundlegenden Geschäftsprioritäten und -prozesse mit KI im Mittelpunkt neu ausrichten.

Besserer Kunden- und Mitarbeiterservice mit digitalen KI-Agenten und Assistenten

Eine der größten Chancen zur Wertschöpfung für Unternehmen im Bereich Kundenerlebnis ist der Einsatz von KI-Agenten und Assistenten für den Kundensupport. KI-Assistenten befähigen Unternehmen, sofortige und genaue Antworten zu erhalten. Etwa die Hälfte der Zeit aller Callcenter-Mitarbeitende wird ohne KI-Einsatz allein für Routineaufgaben wie die Recherche und das Sammeln von Informationen aufgewendet. Der Traditions-Autohersteller Audi setzt zum Beispiel bei seinen Telefonhotlines auf die Unterstützung von Chatbots. In dem Fall sind das mit Hilfe der Garage-Methode von IBM entwickelte KI-gestützte Voicebots. Diese filtern die bis zu 1.500 Anrufe monatlich, die in den Audi Foren Ingolstadt/Neckarsulm eingehen und helfen bei vielen Standardanfragen schnell weiter. Nur die Hälfte der Anrufe muss jetzt noch an die jeweils zuständige Auskunftsstelle weitergeleitet werden. Vor allem zu Stoßzeiten waren themenfremden Anfragen, wie „wann das Fahrzeug abholbereit ist“, über „die Anfahrt und Parkmöglichkeiten zum Audi Werk“ bis hin zu „den Speisekarten der Besucherrestaurants“ eine Mehrbelastung für die Agenten der Infoline. Breits in den ersten zwei Monaten des Echtbetriebs konnten 2.700 Kundenanfragen mittels des Voicebots bearbeitet werden.

Die Entwicklung von noch stärker personalisierten digitalen Agenten hat sich für viele Beschäftigte in den letzten Jahren rasant beschleunigt. Bei IBM selbst wurde ein dialogorientierter KI-Agent namens AskHR eingeführt. Diese unterstützt bei Routineprozessen innerhalb der Organisation und schickt beispielsweise Benachrichtigungen wie Reise- und Wetterwarnungen. Mittlerweile erfolgen 94 Prozent der Interaktionen der Beschäftigten über eine KI-Chat-Schnittstelle ohne menschliches Zutun. Die Personalabteilung von IBM konnte sich damit wieder auf komplexere Aufgaben konzentrieren, die einen größeren Mehrwert schaffen.

Ein dritter möglicher Anwendungsfall mit weitreichenden Auswirkungen ist die Softwareentwicklung in Unternehmen, die sehr effizient durch KI-Assistenten unterstützt werden kann. Basierend auf Anfragen in natürlicher Sprache oder vorhandenem Quellcode, kann mithilfe von KI-generierten Empfehlungen hochwertigerer Code erstellt werden. Ein Beispiel ist die Umwandlung von geschäftlichen Services in der Datenverarbeitungssprache COBOL in Java-Code. Hierin liegt enormes Potenzial, das Entwicklern und IT-Nutzern die Bewertung, Aktualisierung, Validierung und Prüfung des richtigen Codes erleichtert und die Modernisierung von Anwendungen beschleunigt.

Insbesondere dann, wenn in Prozessen oder Aufgaben unternehmensspezifische Daten und Kenntnisse von großer Wichtigkeit sind, die in Datensammlungen im Internet nicht verfügbar sind, wird für die Skalierung von KI im Unternehmen, die Anpassbarkeit von Foundation Models eine zentrale Fragestellung. Dabei sind einerseits vertrauenswürdige Ausgangsmodelle wichtig, aber auch die wirtschaftliche Betrachtung des sogenannten Tunings und der kontinuierlichen Pflege müssen berücksichtigt werden. Hierbei helfen Platform Ansätze, wie sie die IBM mit dem watsonx Portfolio anbietet.

Das Potenzial, generative KI-gestützte Lösungen für organisatorische Herausforderungen zu schaffen ist auch in Deutschland gegeben. Eine Studie im Auftrag von IBM ergab, dass etwa 32 % der deutschen Unternehmen mit über 1.000 Mitarbeitenden KI bereits aktiv in ihrem Unternehmen einsetzen. Diese Early Adopter weisen auch bei den Zukunftsplänen den Weg: 52 % der Unternehmen, die in Deutschland bereits mit KI arbeiten, beabsichtigen, ihre Investitionen in diese Technologie zu verstärken. Weltweit liegen die Zahlen sogar noch etwas höher. Zu den wichtigsten Hürden der Implementierung gehören in Deutschland begrenzte KI-Kenntnisse und -Fachwissen (34 %), ethische Bedenken (27 %) und KI-Projekte, die sich nur schwer integrieren oder skalieren lassen (21 %).

Weltweit sagten in derselben Studie fast zwei Drittel aus, dass sich die Technologien, die zum Einsatz kommen müssten, schneller weiterentwickeln und verändern, als sich die Mitarbeitenden anpassen können. 61 % sagen, dass sie ihr Unternehmen dazu drängen, generative KI schneller einzuführen, als es einigen Mitarbeitenden recht ist. Deshalb ist eine transparente Kommunikation und aktives Change-Management so wichtig, damit die Vorteile der Technik sicht- und spürbar und vor allem auch akzeptiert werden.

Mein Fazit

Generative KI kann nur dann erfolgreich sein, wenn sie auf einer Vertrauensbasis aufbaut. Dabei sollte man tunlichst im Auge behalten, dass der Zweck der KI darin besteht, die menschliche Intelligenz zu optimieren - also Daten und Erkenntnisse mit ihrem Ersteller zu verwalten und transparente, erklärbare Ergebnisse zu gewährleisten.

Deshalb ist eine Skalierung einer verantwortungsvollen KI-Entwicklung erforderlich, um domänenspezifische KI-Modelle in 2025 allgemein zugänglich und anwendbar zu machen.