Rakete als Symbol für Startphase eines KI-Projekts

Case Study: Wie wir in KI-Projekte starten

KI ist auf dem Vormarsch und hat auch in der Softwareentwicklung einen wichtigen Platz in der Werkzeugkiste für die Realisierung von Projekten gefunden. Dadurch werden einerseits neue Herangehensweisen an die Lösungsfindung möglich, andererseits steigt die Anzahl möglicher Umsetzungswege. Durch diese Rahmenbedingungen gewinnt vor allem die Startphase eines KI-Projektes an Wichtigkeit.

KI-Projekte stellen dabei beson­dere Anfor­de­rungen an den Start eines Projektes. Sowohl die spätere Arbeits­weise im Projekt­ver­lauf als auch das Kontext­wissen der Personen sowie der Detail­grad der Zielvor­stel­lung sind dabei entscheidend.

Basie­rend auf diesen Faktoren haben wir in Zusam­men­ar­beit mit dem Mittel­stand 4.0 Kompe­tenz­zen­trum Usabi­lity aus Stutt­gart einen Metho­den­kasten für den Start in ein KI-Projekt zusammengestellt.

„Künst­liche Intel­li­genz ist die neue Elektrizität“ 

Andrew Ng – KI Pionier

An Künst­li­cher Intel­li­genz führt kein Weg vorbei


Künst­liche Intel­li­genz ist in aller Munde, gleich­zeitig gilt KI als Techno­logie als hilfrei­ches und mächtiges Werkzeug. Deshalb ist es wenig verwun­der­lich, dass Unter­nehmen, die sich bereits mit KI beschäf­tigen, deren Anwen­dung als notwendig und erfolgs­kri­tisch einstufen [1]. Vor allem in der Indus­trie zeichnen sich vielfäl­tige Möglich­keiten zur Anwen­dung von Künst­li­cher Intel­li­genz ab. Denn im Vergleich zu anderen Techno­lo­gien kann KI das Poten­zial, das in großen Daten­mengen steckt, nutzbar machen.

Ist KI demnach der Schlüssel für die Optimie­rung von Effizienz und Effek­ti­vität in Produktionsprozessen?

Grund­sätz­lich ermög­licht KI auf Basis von erhobenen Daten:

  • neue Daten zu prognostizieren.
  • Einflüsse von bestimmten Daten auf andere Daten zu erkennen.
  • Muster in Daten zu erkennen.
  • Gruppierungen/ Klassi­fi­zie­rungen zu erkennen.
  • Klassi­fi­zie­rungen vorzunehmen.
  • Prozesse zu optimieren.
  • Inhalte aus Texten, Bildern, Sprache oder Videos zu erkennen und zu klassifizieren.
Die Anwen­dungs­mög­lich­keiten von Künst­li­cher Intel­li­genz sind breit gefäch­tert und auch das Themen­feld KI selbst ist sehr weitläufig und komplex. Das macht es Unter­nehmen umso schwerer, den richtigen und für die jewei­lige Situa­tion angemes­senen Start in ein KI-Projekt zu finden. Doch um die gestellten Rahmen­be­din­gungen, Anfor­de­rungen und Erwar­tungen mit passenden Lösungen begegnen zu können, ist der richtige Einstieg in ein KI-Projekt elementar. 

Künst­liche Intel­li­genz & Machine Learning 

Erfahren Sie alles über Vorteile, Chancen und Anwen­dung von Künst­li­cher Intel­li­genz und Machine Learning Ansätzen im Maschinen- und Anlagenbau und in der produ­zie­renden Industrie. 

Aller Anfang ist schwer – der Start in ein KI Projekt


Unter­schied­liche Motivationen


Wie unsere Erfah­rungen aufzeigen, entsteht das Inter­esse am Thema KI aus verschie­denen Situa­tionen und Berei­chen in Unter­neh­menen. Je nach Blick­winkel und Kontext gestaltet sich dabei die Motiva­tion für das KI-Projekt unter­schied­lich.Folgende Einstiegs­punkte und initiale Frage­stel­lungen haben wir beobachtet: 
Motiva­tionFrage
Ich habe eine Maschine.Kann ich diese oder deren Daten nutzen?
Ich habe einen Prozess.Kann ich diesen mithilfe von KI verbessern?
Ich habe Daten.Kann ich darin inter­es­sante Muster und Infor­ma­tionen finden?
Ich habe eine Idee für ein zusätz­li­ches Produkt/eine Produktergänzung.Kann ich diesen mithilfe von KI verbessern?
Ich habe von KI bzw. einem Anwen­dungs­fall von KI gehört.Kann ich das irgendwie in meinem Unter­nehmen anwenden, um etwas zu verbes­sern? Kann ich denselben Ansatz verwenden? 
Ich möchte, muss digitaler werden.Was kann ich tun? Wie kann ich das machen? 
Ausge­hend von diesen Motiva­toren gilt es den Start des KI-Projektes zu gestalten. Dabei stellen gegebene Rahmen­be­din­gungen, wie bspw. die Markt- und Kunden­struktur, angebo­tene Produkte und Services, techni­sche Infra­struktur und Prozesse sowie vorhan­dene Ressourcen, Einschrän­kungen und Leitplanken in den Unter­nehmen dar.


Ziele helfen bei der Ausrich­tung des Projekts


Unumgäng­lich für den Start eines KI-Projektes ist die Konkre­ti­sie­rung und Formu­lie­rung von Projekt­zielen. Diese ermög­li­chen die perma­nente Ausrich­tung aller Aufgaben und Entschei­dungen im Projekt. Nur anhand von Zielen lässt sich der Erfolg eines Projektes messen. 

Hinter allen beobach­teten Motiva­toren und Frage­stel­lungen stehen bereits Projekt­ziele – jedoch sind diese in ihrer Ausge­stal­tung unter­schied­lich konkret. Während beim Start­punkt „Ich möchte bzw. muss digitaler werden“ noch keine klaren Ziele oder Vorstel­lungen für die grund­sätz­li­chen Anwen­dungs­ge­biete oder den Einsatz von Techno­lo­gien herrschen, sind bei verschie­denen anderen Motiva­toren schon grobe Ideen und Vorstel­lungen erkennbar. Beispiels­weise lassen sich ausge­hend von einer Maschine, einem Prozess oder vorhan­denen Daten Ideen auch schnell weiterentwickeln. 

1.Keine klaren Ziele & Vorstellungen

Einsatz­mög­lich­keiten für KI explorieren

2. Grobe Ideen & Vorstellungen 

Ideen evalu­ieren und priorisieren

3. Konkrete Ziele & definierte Maschinen 

Kontext­ver­ständnis aufbauen 

Je nachdem wie konkret die Projekt­ziele bereits erarbeitet sind, setzen wir verschie­dene Methoden ein, um die Projekt­ziele detail­lierter heraus­zu­ar­beiten, Ideen zu evalu­ieren sowie ein gemein­sames Kontext­ver­ständnis im Team aufzubauen.

Die richtigen Werkzeuge aus unserem Methodenkasten


Für diese drei Phasen haben wir einen Metho­den­kasten zusam­men­ge­stellt, mit welchem wir gemeinsam mit unseren Projekt­part­nern die relevanten Schritte eines KI-Projekts zielfüh­rend angehen können. Abhängig von der Konkret­heit der Ziele empfehlen wir unter­schied­liche Methoden. Diese unter­stützen die Projekt­be­tei­ligten dabei, vorhan­dene Ideen und Gedanken zu sammeln und so aufzu­be­reiten, dass in die nächste Phase einge­treten werden kann.

Beispiel: Einsatz­mög­lich­keiten explorieren


Liegen im Unter­nehmen keine klaren Ziele oder Vorstel­lungen für die Optimie­rung von Prozessen oder Produkten mittels KI-Techno­lo­gien vor, wird gemeinsam in die Evalu­ie­rung von Einsatz­mög­lich­keiten gestartet. Dabei helfen Leitfragen, um erste Ansatz­punkte für zentrale Problem­punkte im Unter­nehmen zu finden.Welche Prozesse lassen sich verbessern…

  • durch die Automa­ti­sie­rung von Routineprozessen?
  • durch die Erstel­lung von Vorhersagen?
  • durch die Erken­nung von Mustern?
  • durch die Erklä­rung von Ereig­nissen und Zusammenhängen?
  • durch die Bereit­stel­lung von verknüpftem Wissen oder Handlungsempfehlungen?
  • durch die Generie­rung von Bildern und Texten?
Alles in allem wird deutlich, dass es für den Start in ein KI-Projekt keine Blaupause gibt. Denn damit – so sind wir uns sicher – werden wir einem Projekt bzw. einem Projekt­partner mit seiner indivi­du­ellen Problem­stel­lung nicht gerecht.Deshalb wählen wir die beschrie­benen Bausteine und Methoden passend zum Projekt und den betei­ligten Personen aus. Als gemein­same Basis dienen zudem unsere bishe­rigen Erfah­rungen gepaart mit der Offen­heit für Neues. Auf den Punkt gebracht haben wir das in drei Prinzi­pien, die jedoch nicht nur für den Projekt­start dienen, sondern sich auch auf die weitere Projekt­ar­beit ausdehnen lassen.


Unsere Learnings: Prinzi­pien für den Projektstart

Inspi­ra­tion durch Vision


Anstelle langfris­tiger detail­ge­nauer Planungen mit konkreten Umset­zungs­zielen ist im Rahmen von KI-Projekten die Orien­tie­rung an einer inspi­rie­render Vision meist zielfüh­render. Eine Vision lässt den notwen­digen Spiel­raum, um den Lösungsweg zu finden, der das gewünschte Ergebnis liefert. So wird auch das Projekt­team in seiner Kreati­vität und Problem­lö­sungs­kom­pe­tenz gefor­dert, was sich auf alle Betei­ligten motivie­rend und begeis­ternd auswirkt. 

Erfolg ist ein Prozess


In kurzen Itera­tionen erste Ergeb­nisse zu produ­zieren, ist das Ziel agiler Arbeits­me­thoden. Diese Denkhal­tung ist auch bei KI-Projekten wichtig, um der explo­ra­tiven Vorge­hens­weise eine Struktur zu geben. Kleine Zwischen­ziele dienen dabei als Anker, um zu überprüfen, ob der Umset­zung der Vision und den Projekt­zielen näher­ge­kommen wird. Zielfüh­rende Lösungen entstehen demnach in einem sich evolu­tionär entwi­ckelnden Prozess. 

Lernen durch Rückschau


In KI-Projekten ist es unabdingbar in kurzen regel­mä­ßigen Abständen eine Rückschau bzw. Retro­spek­tive durch­zu­führen. Das Team reflek­tiert dabei den Prozess der Zusam­men­ar­beit und der Ergeb­nis­ge­ne­rie­rung. So wird ein Raum geschaffen, um blockie­rende Umstände und Hinder­nisse anzuspre­chen, Fehlent­wick­lungen zu beleuchten und Verbes­se­rungen anzustoßen. Dadurch wird Zusam­men­ar­beit gestärkt und für ein gutes Mitein­ander im Team gesorgt. 

Wann starten Sie in Ihr erstes KI-Projekt?  Gerne finden wir mit Ihnen erste Ansatzpunkte.

Bild von Wolfram Schäfer

Wolfram Schäfer

Geschäfts­führer IT Enginee­ring Software Innovations

[1] Deloitte (2021) KI-Studie 2020: Wie nutzen Unter­nehmen Künst­liche Intel­li­genz? Abgerufen unter https://www2.deloitte.com/de/de/pages/technology-media-and-telecommunications/articles/ki-studie-2020.html [02.10.2021]