9 Minuten Lesezeit Mit Insights von Dominic Böni Business Development Manager dominic.boeni@zuehlke.com Der technologische Wandel geschieht mit atemberaubender Geschwindigkeit. Unter den technologischen Entwicklungen sticht generative KI als transformative Kraft heraus, die das Potenzial birgt, ganze Branchen neu zu definieren. Für Unternehmen, die Komponenten, Maschinen oder Geräte herstellen, ist es nicht nur ein Wettbewerbsvorteil, sondern eine Notwendigkeit, mit solchen Innovationen Schritt zu halten. Dieser Artikel soll CTOs und anderen C-Level-Vertretern einen Leitfaden für die komplexe Integration generativer KI bieten. Wir beleuchten sowohl interne als auch externe Herausforderungen und zeigen praxisnahe, schrittweise Lösungsansätze. Es gilt, den Balanceakt zu meistern und wahren Fortschritt vom Hype zu unterscheiden Als CTO stehen Sie in einem technologischen Tauziehen an vorderster Front. Nahezu täglich kommen neue vielversprechende Innovationen auf, die Ihre Branche, Ihr Unternehmen oder Ihre Rolle revolutionieren könnten. Die Herausforderung für Sie besteht darin, die Spreu vom Weizen zu trennen und echte Fortschritte von flüchtigen Trends zu unterscheiden. Schließlich müssen Sie die begrenzten Ressourcen – sprich Geld und Personal – für Technologien einsetzen, die einen konkreten Mehrwert bieten und nicht nur ein kurzfristiger Hype sind. Sie stehen also gleich doppelt unter Druck: Sie wollen stets eine Nasenlänge voraus sein, müssen aber gleichzeitig sicherstellen, dass die aktuellen Systeme reibungslos funktionieren. Als wäre dieser Balanceakt nicht schon kompliziert genug, müssen Sie darüber hinaus noch Ihre technische Vision mit der allgemeinen Unternehmensstrategie in Einklang bringen. Um Ihre Stakeholder vom Wert der neuen Technologien zu überzeugen, brauchen Sie neben dem nötigen technischen Fachwissen auch strategischen Scharfsinn. Es steht viel auf dem Spiel. Mit einer Investition in die falsche Technologie könnten Sie Geld und Ressourcen verschwenden, wichtige Fortschritte verpassen und sich selbst ins Aus katapultieren. Hier ist also Geschick gefragt: Sie müssen innovativ und doch pragmatisch vorgehen, vorausschauend denken und dabei die betriebswirtschaftliche Realität im Auge behalten. In diesem Umfeld ist es ebenso wichtig wie schwierig, fundierte Entscheidungen zu so rasant aufkommenden Technologien wie generative KI zu treffen. Bedenken zur Cybersecurity aus dem Weg räumen den Widerstand gegen Veränderungen überwinden In der Industrie, in der betriebliche Effizienz von entscheidender Bedeutung ist, bringt die Einführung generativer KI ganz eigene Herausforderungen mit sich. Die Notwendigkeit hochgradig optimierter Systeme und eines hohen Automatisierungsgrads lässt oft wenig Spielraum für Neuerungen. Hier entsteht ein Spannungsfeld: Einerseits soll die aktuelle Leistung aufrechterhalten und verbessert werden, andererseits sollen gleichzeitig neue Technologien eingeführt werden. Zudem können IT-Abteilungen, die für die Sicherstellung von Sicherheit und Stabilität unerlässlich sind, den Wandel ungewollt ausbremsen. Aufgrund ihrer berechtigten Bedenken hinsichtlich der Cybersecurity, der Integrität operativer Systeme und der komplexen Abhängigkeiten sind sie oft risikoscheu. Diese Vorsicht ist zwar verständlich, verlangsamt aber die Auslotung der Möglichkeiten und die Einführung von KI-Technologien und wird letztendlich selbst zu einem Risiko. "Wenn wir mit der internen IT arbeiten, ist unser KI-Projekt zum Scheitern verurteilt!" Vice President Product Group, Maschinenhersteller in der DACH-Region Vice President Product Group, Maschinenhersteller in der DACH-Region Darüber hinaus haben Menschen, die in hochgradig operativen Strukturen arbeiten, oft massive Vorbehalte gegenüber Veränderungen. Jahrelanges Verfeinern von Prozessen und kontinuierliche Verbesserungen schaffen eine Kultur, in der Vorhersehbarkeit das höchste Gut ist. Die Einführung generativer KI in einem solchen Umfeld kann auf Skepsis oder sogar offenen Widerstand stoßen und birgt damit eigene Risiken. Es muss akzeptiert werden, dass neue Technologien wie generative KI zunächst einen niedrigeren Reifegrad aufweisen. Diese Projekte brauchen Zeit, sie müssen erforscht, erprobt und verfeinert werden, um in bestimmten industriellen Bereichen wirklich effizient und effektiv eingesetzt werden zu können. Diese Realität kollidiert mit der Erwartungshaltung vieler Entscheidungsträger, die Ergebnisse müssten sofort erkennbar und messbar sein. „ Wenn Ihnen mit generativer KI in der Industrie der große Wurf gelingen soll, müssen Sie bereit sein, einen unbequemen Wandel zu vollziehen und langfristig zu investieren. “ Dominic Böni Principal Consultant bei Zühlke Im Wettrennen um Innovation drängen Führungskräfte oft auf eine schnelle Einführung von Technologien wie generativer KI, da sie darin die Chance auf schnelles Wachstum sehen. In ihrem Enthusiasmus übersehen sie jedoch oft die komplexen Umstände der Implementierung, wie z. B. die Bindung an einen bestimmten Anbieter und die explosionsartige Zunahme von Tools. Diese Diskrepanz zwischen der Hoffnung auf den großen Wurf und dem Unterschätzen der erforderlichen Investitionen, des Zeitaufwands und der organisatorischen Veränderungen schafft eine prekäre Situation. In dieser verworrenen Ausgangslage Klarheit zu schaffen, bleibt eine entscheidende Herausforderung für die Verantwortlichen der Industriebranche. Herausforderungen und Erkenntnisse aus der Praxis: Überdenken Sie den Proof-of-Concept-Ansatz Beim Thema technologische Innovation, insbesondere in Bezug auf generative KI, springen viele Unternehmen eifrig auf den Zug auf und beginnen mit dem, was sie für das bewährte Vorgehen der Branche halten: dem Proof-of-Concept (POC). Unsere Beobachtungen in der Praxis zeigen jedoch einen verblüffenden Trend auf: Trotz hoher Investitionen in POCs wird eine beträchtliche Anzahl dieser Initiativen nie in die Realität umgesetzt. Dieses Phänomen wirft die Frage auf: Warum können sich so viele vielversprechende POCs letztendlich nicht durchsetzen? Bei näherer Betrachtung lassen sich drei Schlüsselfaktoren identifizieren, die zu dieser Diskrepanz zwischen dem Erfolg von POCs und der Umsetzung in der Praxis beitragen: Zu großer technischer Fokus: Viele POCs kranken an einem übermäßig technischen Ansatz, sodass sie im Prinzip zu aufwändigen Machbarkeitsstudien werden. Zwar müssen technische Fähigkeiten nachgewiesen werden, doch bei diesem engen Fokus kommen entscheidende Faktoren der realen Welt leider zu kurz. Aspekte wie Benutzendenakzeptanz, die praktische Anwendung im Tagesgeschäft und der Faktor Mensch in der Technologieintegration werden häufig außer Acht gelassen. Folglich sind diese POCs zwar technisch beeindruckend, ignorieren jedoch das breitere Spektrum an Herausforderungen, die bei der Implementierung auftreten. Das Umfang-Qualität-Paradoxon Industrieunternehmen, für die es üblich ist, ausgereifte, hochwertige Prozesse in großem Maßstab zu betreiben, verfolgen oft einen ähnlichen Ansatz für ihre POCs. So entstehen unnötig teure und übertechnisierte POCs. Wird diese Denkweise auch noch auf die vollständige Implementierung angewandt, führt dies zu einer abschreckenden finanziellen Prognose für die Umwandlung des POC in die reale Anwendung und damit zum Verwerfen des POC. Vernachlässigung der Nutzendenakzeptanz und der Prozessauswirkungen Die vielleicht kritischste Schwachstelle vieler POCs ist die unzureichende Berücksichtigung der Userakzeptanz und der Auswirkungen der Technologie auf die Gesamtprozesse. Diese Faktoren stellen die größten Risiken und potenziellen Vorteile jeder neuen Technologieimplementierung dar. Mit einer kreativen Neugestaltung von Prozessen ließen sich technische und qualitative Risiken oft drastisch reduzieren. Da diese Aspekte jedoch nicht ausreichend geprüft werden, bleiben die wichtigsten Fragen unbeantwortet. Dies führt zu einer erheblichen Unsicherheit bei der Entscheidung über das weitere Vorgehen. Die Kombination dieser drei Faktoren – zu starker Technikfokus, hohe Kosten und nicht berücksichtigte Schlüsselrisiken – schränkt das Potenzial stark ein. Das Ergebnis ist ein teures, risikoreiches Investitionsvorhaben, das in einem Unternehmensumfeld, in dem die Ressourcen begrenzt sind und der ROI kritisch geprüft wird, kaum attraktiv ist. Die erfolgreiche Integration generativer KI in der Industrie erfordert einen praktischen Ansatz Unsere Erfahrung hat gezeigt, dass ein praktischer, realistischer Ansatz für eine erfolgreiche Integration entscheidend ist – insbesondere in der Industrie, wo der größte Wert noch immer in den physischen Produkten liegt und nicht Daten. Schnelle Teilerfolge lassen sich aber dennoch erzielen: Wir haben verschiedene Unternehmen beobachtet, in denen Mitarbeitende damit begonnen haben, selbst Lösungen für generative KI zu entwickeln, die einen massiven Einfluss auf das Geschäft haben. Das zeigt, dass einige Ziele auch verhältnismäßig leicht zu erreichen sind. Der CTO eines Herstellers von industriellen Devices berichtet beispielsweise: „Unser Außendienst hat eine Lösung auf der Grundlage von Custom GPTs entwickelt, die bereits sehr erfolgreich im Einsatz ist.“ Allerdings lassen diese Lösungen oft die Datenschutzrichtlinien außer Acht. Um dieses Problem zu lösen, sollten Sie den Aufbau einer Plattform in Betracht ziehen, die eine schnelle Konfiguration von Single-Agent-Setups in einer kontrollierten Umgebung ermöglicht und dabei LLMs mit der Qualität großer Cloud-Anbietern nutzt, um die Datensicherheit zu gewährleisten. Wie also können Unternehmen diese komplexe Thematik effektiv angehen? Vermeiden Sie die POC-Falle Anstatt in umfangreiche, kostspielige POCs zu investieren, setzen Sie auf klare, einfache Anwendungsfälle, die einen unmittelbaren Nutzen bieten. Beginnen Sie mit kleinen Schritten größerer Prozesse, bei denen generative KI einen spürbaren Unterschied machen kann – Genauigkeit bis ins kleinste Detail oder eine vollständige Automatisierung sind gar nicht erforderlich. „Wir haben rund zehntausend Produkte. Wir brauchen einen Leitfaden für unseren Außendienst, um die Mitarbeitenden bei der Produktauswahl zu unterstützen.“ CTO, Komponentenhersteller in der DACH-Region Verstehen und vereinfachen Sie die ersten Schritte indem Sie sich umfassend mit den aktuellen Problemen in Ihren Prozessen vertraut machen. Suchen Sie nach Möglichkeiten, wie generative KI Menschen bei der Entscheidungsfindung unterstützen kann, anstatt den Entscheidungsprozess vollständig zu übernehmen. So könnte generative KI beispielsweise neuen Mitarbeitenden im Vertrieb und Kundendienst relevante Dokumente aufzeigen oder Optionen vorschlagen. Ein solcher Ansatz wäre immens hilfreich und einfacher zu implementieren als eine vollständige Automatisierung. Klein starten, clever skalieren Der Industriesektor ist reich an überschaubaren, schnell zu implementierenden Anwendungsfällen, die bei guter Umsetzung einen erheblichen Mehrwert bieten. Diese weniger kostspieligen, aber leichter zu implementierenden Anwendungen sind hervorragende Ausgangspunkte für schnelle Erfolge und Lernmöglichkeiten. Da diese Anwendungsfälle allein jedoch oft kein vollständiges Entwicklungsprojekt rechtfertigen, ist es wichtig, einen skalierbaren Plattformansatz zu entwickeln. Dies ermöglicht eine schnelle und kosteneffiziente Entwicklung derartiger Anwendungsfälle, da sie oft einfach konfiguriert werden können und nicht aufwändig neu entwickelt werden müssen. Um komplexere Fälle können Sie sich später kümmern. Priorisieren Sie die Integration Statt sich mit technologischer Perfektion aufzuhalten, konzentrieren Sie sich lieber darauf, generative KI so schnell wie möglich in den Produktionsbetrieb zu integrieren. Vereinfachen Sie dabei an allen Ecken und Enden. Die Lösung muss lediglich den Nutzenden einen Nutzen bieten und das Gesamtergebnis verbessern. Mit diesem Ansatz berücksichtigen Sie die kritischen Risiken im Zusammenhang mit Userakzeptanz und Systemintegration effektiver als mit einem nicht betriebsfähigen POC. Bedenken Sie die Komplexität und die Risiken in vollem Umfang, denn die Integration von KI in operative Systeme birgt erhebliche Risiken, weshalb KI in Unternehmen nur langsam übernommen wird. Um dem entgegenzuwirken, kann ein isoliertes, separates Setup hilfreich sein – nicht nur für Entwicklung und Tests, sondern auch für die betriebliche Nutzung. Überraschenderweise kommen viele Anwendungsfälle auch ohne Echtzeitzugriff auf betriebliche Daten aus. Falls nötig, legen Sie bestimmte Daten und den Zugriff über APIs offen, um das Risiko zu begrenzen und gleichzeitig die Entwicklungsgeschwindigkeit beizubehalten. Dieser Ansatz ermöglicht eine schnelle Entwicklung und Bereitstellung, ohne Abstriche bei der Sicherheit oder Compliance machen zu müssen. Erste Schritte auf einen Blick: Verstehen Sie den Prozess und wo die eigentlichen Herausforderungen liegen. Wählen Sie einen kleinen Teil des Prozesses, der durch Anleitung und Unterstützung der von Menschen durchgeführten Aufgaben verbessert werden kann. Konzentrieren Sie sich auf diesen kleinen Teil, anstatt einen umfassenden POC zu entwickeln. Schaffen Sie eine kleine, pragmatische Plattform, die ein gutes Maß an Datensicherheit bietet und den oben beschriebenen Prozess schnell reproduzieren kann. Profi-Tipp: Halten Sie die Plattform von den operativen IT-Systemen getrennt. Dies reduziert die Komplexität der Sicherheit, erhöht die Geschwindigkeit und senkt die Kosten erheblich. Echtzeit-Anbindungen können später immer noch ergänzt werden. Mit diesem praktischen Ansatz können Unternehmen die komplexe Integration generativer KI besser bewältigen. Er ermöglicht schnelles Lernen, sofortige Wertschöpfung und die Flexibilität, Lösungen zu skalieren und zu verfeinern, wenn sie sich in realen Anwendungen bewähren. „ Einen simplen und groben, aber dennoch wertvollen Anwendungsfall können Sie später immer noch verbessern. Ein perfekt durchgestylter POC, der nie zum Einsatz kommt, bringt Ihnen hingegen gar nichts. “ Dominic Böni Principal Consultant Zühlke Group Ganz gleich, welchen Hyperscaler Sie bevorzugen – erstklassige Large Language Models bieten sie alle: Azure – OpenAI: GPT4o, GPT4o mini Azure – OpenSouce: Phi3 family, Llama 3 Family, usw… AWS – Antrhopic: Claude 3.5 Sonnet & Claude 3 Familie Google – Gemini 1.5 Pro, Gemini 1.5 Flash Generative KI wird sich durchsetzen. Wie können Unternehmen sie effektiv nutzen? Trotz ihrer derzeitigen Grenzen bietet generative KI verschiedenen Branchen, so auch der Industrie, bereits jetzt einen Mehrwert. Und was wir jetzt erleben, ist erst der Anfang. Generative KI steckt noch in den Kinderschuhen und wird sich in Zukunft immens weiterentwickeln. Wir arbeiten aktuell mit der unausgereiftesten Version von GenAI, die es je geben wird, und dennoch ist ihr Einfluss bereits jetzt unbestreitbar. Zukünftig können wir z. B. ausgefeiltere Modelle, nahtlose Systemintegrationen, komplexe Agent-based-Systeme und durch generative KI gestützte Hardware erwarten, die die Kosten drastisch senken, die Geschwindigkeit erhöhen und eine lokale Verarbeitung ermöglichen wird. Angesichts dieser Entwicklung wird klar: Generative KI in der Industrie ist weit mehr als ein vorübergehender Trend. Der Wandel vollzieht sich in rasantem Tempo und ihr Einfluss auf Unternehmen wird weiterhin zunehmen. Jenseits von PowerPoint-Präsentationen und theoretischen Diskussionen ist es an der Zeit, echte Veränderungen in Ihrem Unternehmen anzustoßen und voranzutreiben. Der Schlüssel liegt in der praktischen Erfahrung – dem Experimentieren mit Anwendungsfällen, dem Lernen aus realen Anwendungen und der schrittweisen Integration generativer KI in Ihre Prozesse. Kommen Ihnen diese Herausforderungen bekannt vor? Möchten Sie endlich mit generativer KI durchstarten, ohne sich an einen Anbieter zu binden und über Lizenzen zu diskutieren? Gern steige ich mit Ihnen tiefer in das Thema ein, gebe meine Erfahrungen weiter und erörtere das Potenzial. Ich freue mich auf Ihre Nachricht! Mehr erfahren Masterclass: Generative KI in der Praxis Aktuell planen wir eine Masterclass zu generativer KI in der Praxis, die sich speziell an CTOs und CEOs in der Industrie richtet. Der Workshop wird Sie dabei unterstützen, einen konkreten Anwendungsfall zu evaluieren und zu entwickeln, und Ihnen darüber hinaus praktische Erfahrungen und Erkenntnisse vermitteln. Wenn wir Sie über die kommenden Masterclasses auf dem Laufenden halten sollen, registrieren Sie sich über das Formular, um keine Informationen zu verpassen:
„ Wenn Ihnen mit generativer KI in der Industrie der große Wurf gelingen soll, müssen Sie bereit sein, einen unbequemen Wandel zu vollziehen und langfristig zu investieren. “ Dominic Böni Principal Consultant bei Zühlke
„ Einen simplen und groben, aber dennoch wertvollen Anwendungsfall können Sie später immer noch verbessern. Ein perfekt durchgestylter POC, der nie zum Einsatz kommt, bringt Ihnen hingegen gar nichts. “ Dominic Böni Principal Consultant Zühlke Group
Versicherungen – Automatisierte Schadensregulierung: Sind die Versicherer auf dem richtigen Weg? Mehr erfahren
Industrie – Daten erfolgreich nutzen: Die fünf Hürden auf dem Weg zum datengetriebenen Unternehmen Mehr erfahren