Kobold AI ist eine Self-Service Plattform für KI-Produkte. Aber was ist das eigentlich?
Nutzung von KI im Jahr 2021: Status Quo
Fangen wir beim Problem mit der Nutzung von künstlicher Intelligenz im Jahr 2021 an. Vereinfacht gesagt gibt es drei Phasen, in denen sich ein Unternehmen befinden kann, wenn es um die Nutzung von KI geht.
Phase 1: Keine Erfahrung
Die meisten Unternehmen, vor allem im Mittelstand bzw. KMU, haben bisher maximal sehr rudimentär Erfahrung mit Datenanalysen, geschweige denn künstlicher Intelligenz.
Phase 2: Erste Erfahrungen und Projekte
In der zweiten Phase befinden sich Unternehmen, die bereits proaktiv Erfahrung mit KI gesammelt haben. Meist sind diese erste Projekte, Proof of Concepts („POCs“) oder Prototypen. So ist zumindest im Einzelfall klar, welchen Wert künstliche Intelligenz generieren kann.
Phase 3: Unternehmensweite Adoption von KI
Die dritte Phase ist eine Normalisierung von KI. Ähnlich wie der Normalisierung von PCs oder Google, wäre hierbei der Einsatz seitens aller Mitarbeiter ohne tiefgreifendes Verständnis über Technologie nötig. Es ist ein Teil des täglichen Arbeitsalltags, dass KI Mehrwert generiert.
Die Hürden zur Nutzung von KI
Wie bereits ersichtlich, befinden sich die wenigsten Unternehmen bereits in Phase 3. Auf dem Weg dahin gibt es zwei Hürden, die Unternehmen nehmen müssen:
Hürde 1: Erste Erfahrungen mit KI
Bevor man beginnt, muss erst einmal überlegt werden, welche Anwendungsfälle es überhaupt in der eigenen Industrie, im eigenen Unternehmen gibt. Welchen Vorteil hat ein solcher Anwendungsfall? Was ist der Ertrag im Vergleich zum Aufwand? Hat man die Daten dazu?
Viele Fragen stehen an, bevor man die ersten Erfahrungen mit KI sammeln kann. Und das Thema wirkt oft noch immer so kompliziert, dass es selten proaktiv angefasst wird.
Hürde 2: Skalierung von KI auf das gesamte Unternehmen
Hat man die erste Hürde hingegen überschritten und erste Erfahrungen gesammelt, etabliert man meist eine eigene Data Science Einheit. Diese Spezialisten – Data Engineers, Data Scientists, Data Analysts – konzentrieren sich dann schnell auf klar wertbringende oder prestrige-trächtige Projekte.
Und der Rest des Unternehmens? Oft genug werden diese Fachexperten, wie im Marketing, Sales, Logistik, Kundensupport oder der Finanzabteilung nicht eingebunden. Der Grund sind einfach mangelnde Resourcen: Eine Skalierung auf das gesamte Unternehmen ist ohne Standardisierung der Einsatzzwecke noch nicht möglich.
Zusammengefasst stossen Unternehmen beim Einsatz auf zwei Hürden: Entweder ist nicht klar wie was getan werden soll, oder es ist nicht möglich es in der Bandbreite einzusetzen.
Self-Service KI-Produkte: Überwinden der Hürden
Das Ziel von Self-Service KI-Produkten ist die Überwindung genau dieser beiden Hürden.
Der erste Teil – KI-Produkte – sind Anwendungsfälle die standardisiert wurden, um sie wiederholbar anzuwenden. Durch ausführliche Beschreibung des Problems, der Lösung und der notwendigen Daten wird die Einstiegshürde (Hürde 1) abgebaut und der Zugang zu künstlicher Intelligenz auch Nicht-Daten-Experten ermöglicht.
Um diese standardisierten KI-Produkte nicht nur einmal anzuwenden, wird ein Self-Service-Verfahren etabliert. Indem man die KI-Produkte einfach und schnell mit eigenen Daten anreichern und umsetzen kann, bedarf es weder Beratung noch aufwendiger Projekte. Somit wird der Einsatz von künstlicher Intelligenz skalierbar auf das gesamte Unternehmen und die verschiedenen Abteilungen.
Die Lösung für alles?
Klingt super! Einfacher, schneller Einstieg in KI und Skalierung auf das gesamte Unternehmen. All dies zu einem günstigen Preis. Ist das der neue Königsweg?
Ja und nein. Wir sind der Überzeugung, dass standardisierte KI-Produkte ein perfekter Einstieg in die Nutzung von künstlicher Intelligenz sind. Egal ob bei unerfahrenen Unternehmen (Phase 1) oder unerfahrenen Mitarbeitern (Phase 2).
Doch Self-Service wird nie die Fachexpertise von ausgebildeten, hochspezialisierten Data Scientists überbieten. Viele Anwendungsfälle im Bereich KI entfalten erst ihr absolutes Potential, wenn sie sehr individuell optimiert wurden.
Dies kann ein KI-Produkt nicht leisten. Was KI-Produkte leisten können ist es, zu inspirieren („Was ist möglich?“), die Einstiegshürde zu entfernen („Wie funktioniert es?“) und es über menschliche Kapazitäten hinaus zu skalieren („Kann es jeder nutzen?“).
Und diese Vorteile – Verständnis, Abwicklung und Skalierung von KI – sind unserer Ansicht nach der treibende Faktor der digitalen Transformation in eine Data-Driven Company.