«Erfolgreiche KI beginnt mit sauberen Daten»

Hanspeter Pfändler, wo liegt der Unterschied zwischen KI-Hype und tatsächlichem Nutzen?
Das Interesse ist zwar gross, viele wissen jedoch noch nicht, wie sie KI sinnvoll einsetzen können. Oft beschränkt sich der Einsatz auf Textverarbeitung, Recherche oder die Auswertung öffentlicher Datenmengen.

Viele Unternehmen möchten KI rasch einsetzen. Weshalb scheitern viele Projekte früh?
Es braucht einen klar definierten Use Case! Erst dann gibt es ein Ziel und eine Kosten-Nutzen-Abschätzung wird möglich. Fehlt diese Grundlage, wird oft einfach ausprobiert. Ebenso problematisch ist es, zuerst eine Lösung einzuführen und erst danach zu überlegen, wofür sie dienen soll.

Ihr Vortrag heisst «Digital denken, datenbasiert handeln, mit KI skalieren». Weshalb sind gute Daten so wichtig?
Erfolgreiche KI-Anwendungen basieren immer auf vorhandenen Daten. Je grösser die Datenbasis und je höher deren Qualität ist, desto sinnvoller und effizienter lässt sich KI einsetzen.

Wo können KMU Mehrwert erzielen, ohne Millionen zu investieren?
Viele seit Jahren genutzte Anwendungen würden heute als KI bezeichnet. Dazu gehören Ähnlichkeitssuchen zum Erkennen von Doubletten in der Produktentwicklung, die automatische Zuordnung von Rechnungen und Lieferscheinen oder die Auswertung von Maschinendaten für Vorhersagen. Wichtig ist es, bestehende Systeme konsequent zu nutzen: Daten müssen sauber gepflegt und vorhandene Funktionen richtig eingesetzt werden. Vieles ist bereits vorhanden, wird aber nicht ausgeschöpft.

Welche organisatorischen Voraussetzungen braucht es?
Entscheidend sind saubere, strukturierte Daten. Das gilt für die Produktentwicklung ebenso wie für die Auftragsabwicklung, von der Offerte über Produktion und Auslieferung bis zum Service. Ebenso wichtig sind klare und logische Prozesse über die gesamte Wertschöpfungskette. 

Welchen ersten Schritt empfehlen Sie?
Unternehmen sollten prüfen, ob ihre Daten die nötige Qualität besitzen. Danach gilt es, Use Cases zu definieren und zu klären, wo KI Zeit sparen oder die Qualität verbessern kann. Darauf lässt sich eine Strategie aufbauen. Externe Unterstützung kann hier Betriebsblindheit vermeiden und Prozesse unabhängig beurteilen.