KI verspricht Effizienz und neue Geschäftsmodelle. Doch der erhoffte Mehrwert bleibt oft aus. Was ist der Unterschied zwischen Erfolg und Fehlschlag? Systematik. Wer Potenziale strukturiert identifiziert und bewertet, konzentriert Ressourcen auf die wirklich relevanten Anwendungen. Das Beispiel Endress+Hauser Flow zeigt, wie das gelingt.
KI in der Produktion (Grafik Mika Léon Müller)
Potenziale erkennen – Ideen systematisch sammeln
Der Einstieg in die Künstliche Intelligenz erfolgt über die Identifikation relevanter Anwendungsfelder. Das Ziel besteht darin, Prozesse zu identifizieren, die von wiederkehrenden Entscheidungen und komplexen Systemen dominiert werden. Denn gerade diese Prozesse lassen sich besonders effizient automatisieren. Besonders wertvoll sind dabei Erkenntnisse aus dem Arbeitsalltag der Mitarbeitenden. Durch Interviews und Workshops können Schwachstellen und Ineffizienzen erkannt werden, die sich zur Automatisierung eignen.
Wichtig ist, dass das Sammeln der Potenziale offen und ergebnisneutral erfolgt. Nicht jede Idee wird später umgesetzt, doch jede trägt dazu bei, den Blick für operative Zusammenhänge zu schärfen. Eine strukturierte Sammlung der Vorschläge, etwa in Form einer unternehmensweiten Ideendatenbank, schafft Transparenz und verhindert, dass wertvolle Ansätze verloren gehen.
Bei Endress+Hauser wurden auf diese Weise zahlreiche mögliche Use Cases identifiziert. Von repetitiven Handarbeiten bis hin zur Vorhersage von KPIs oder der Automatisierung von Kleinteilelagern.
Bewertung und Priorisierung – was wirklich zählt
Nachdem eine Vielzahl möglicher KI-Anwendungsfelder gesammelt wurde, stellt sich die Frage, welche Ideen tatsächlich wirtschaftliche und organisatorische Potenziale bieten. Eine strukturierte Bewertung ist entscheidend, um zwischen interessanten, aber wenig realisierbaren Vorschlägen und Projekten mit echtem Mehrwert zu unterscheiden.
In der Praxis hat sich eine Bewertung nach technischen, wirtschaftlichen und prozessorientierten Kriterien bewährt. Zunächst wird geprüft, ob die benötigten Daten in ausreichender Qualität vorhanden sind. Ebenso wichtig ist die technische Umsetzbarkeit sowie die Integration in bestehende Systeme und Prozesse. Parallel dazu muss die organisatorische Seite betrachtet werden. Dabei ist festzuhalten, wie hoch der Aufwand für die Integration in die Unternehmensarchitektur ist.
Abschliessend werden wirtschaftliche Faktoren wie Entwicklungsaufwand, Einsparpotenzial und Amortisationszeit bewertet. Auch strategische Aspekte spielen eine Rolle. Projekte mit hohem Lernwert oder Skalierungspotenzial sollten bevorzugt werden, selbst wenn ihr kurzfristiger finanzieller Nutzen geringer ausfällt. Eine Nutzwertanalyse hilft dabei, die verschiedenen Kriterien nachvollziehbar zu gewichten und möglichst objektiv zu vergleichen.
Im Rahmen dieser Bewertung zeigte sich, dass die Mitarbeitereinsatzplanung bei Endress+Hauser ideale Voraussetzungen bietet. Angesichts der klaren Prozesse und hohen Datenverfügbarkeit wurde sie als ideale Kandidatin für das Pilotprojekt ausgewählt.
Chancen und Risiken realistisch einschätzen
Auch vielversprechende KI-Ideen bergen Risiken, die frühzeitig erkannt werden müssen. Es ist entscheidend, mögliche Schwächen nicht erst in der Umsetzungsphase offenzulegen, sondern sie bereits in der Bewertungsphase zu berücksichtigen. Typische Herausforderungen liegen dabei in der Datenqualität, der regulatorischen Sicherheit und der Abhängigkeit von externem Know-how. Letzteres ist besonders deshalb relevant, da der Ausfall eines Systems mit externer Abhängigkeit möglicherweise zu langer Ausfallzeit führt.
Darüber hinaus sollten die Stärken des Use Cases sichtbar gemacht werden. Zu den wichtigsten Erfolgsfaktoren zählen eine stabile Prozessstruktur, klare Verantwortlichkeiten und ein transparenter Datenfluss. Ein Vergleich dieser Art in Form einer SWOT-Analyse hilft, das Verhältnis von Nutzen und Risiken realistisch einzuschätzen und Prioritäten zu setzen.
Im Fall von Endress+Hauser zeigte dieser Analyseschritt, dass die bestehende Prozessklarheit ein grosser Vorteil ist, während das bislang nur implizit vorhandene Erfahrungswissen, etwa über die Eignungsgrade der Mitarbeitenden, als kritischer Punkt gilt. Erkenntnisse dieser Art ermöglichen es, Risiken durch gezielte Massnahmen zu minimieren und den Projekterfolg langfristig abzusichern.
Vom Konzept zum Pilotprojekt
Nach der Bewertung der Use Cases folgt der Schritt zur Umsetzung. Dabei ist es entscheidend, nicht sofort in ein umfassendes Entwicklungsprojekt einzusteigen, sondern mit einem klar umrissenen Pilotprojekt zu beginnen. Ein Pilotprojekt bietet die Möglichkeit, technische und organisatorische Annahmen zu prüfen, bevor grössere Investitionen getätigt werden.
Grundlage hierfür ist ein Grobkonzept, in dem Datenquellen, Schnittstellen und Zielgrössen definiert sind. Ebenso wichtig sind klare Verantwortlichkeiten und eine frühzeitige, offene Kommunikation mit allen Beteiligten sowie die Einbindung der Mitarbeitenden in die Lösungsfindung. Mitarbeitende müssen verstehen, welchen Nutzen die Anwendung bringt und wie sie ihre Arbeit unterstützt. Fehlende Akzeptanz kann selbst technisch ausgereifte Lösungen scheitern lassen.
Unternehmen profitieren, wenn sie den Prototypen als Lernprozess betrachten. Sie sollten Ergebnisse dokumentieren, Kennzahlen überprüfen und Verbesserungen ableiten. So entsteht die Basis für eine spätere Skalierung. Auch bei Endress+Hauser erweist sich dieses Vorgehen als entscheidend, um aus einer konzeptionellen Idee eine praxistaugliche, datenbasierte Lösung zu entwickeln.
Praxisbeispiel – Mitarbeitereinsatzplanung mit KI
Bei Endress+Hauser wurde dieser klare Auswahlprozess auf verschiedene KI-Ideen angewendet. Jeder Schritt half dabei, Potenziale weiter zu filtern. Besonders deutlich hob sich das Potenzial der automatisierten Mitarbeitereinsatzplanung hervor. Das Ziel besteht darin, Einsatzpläne dynamisch zu erstellen und kurzfristige Änderungen automatisiert einzuarbeiten. Die aktuell manuelle Planung erfordert einen hohen Abstimmungsaufwand und kann dadurch zu Engpässen und Fehlplanungen führen.
Im Rahmen eines Projekts wurde untersucht, wie sich Algorithmen einsetzen lassen, um Mitarbeiter-Verfügbarkeiten und Produktionsanforderungen zu kombinieren. Die Ergebnisse bilden die Grundlage für ein Konzept, das mithilfe von Constraint-Algorithmen mögliche Einsatzvarianten berechnet und optimiert – also Rechenverfahren, die unter bestimmten Vorgaben optimale Lösungen ermitteln. Auf dieser Basis lassen sich Einsatzpläne automatisch und unter Berücksichtigung aller relevanten Vorgaben generieren.
Der Mehrwert des Systems zeigt sich in reduzierten Planungszeiten und Schichtanpassungen mit möglichst geringem Änderungsbedarf. Gleichzeitig erhöht sich die Transparenz, da Änderungen digital einsehbar sind und Entscheidungen protokolliert werden.
Fazit – Systematik als Erfolgsfaktor
Der erfolgreiche Einsatz von Künstlicher Intelligenz braucht eine klare Struktur. Wer Potenziale gezielt identifiziert, bewertet und priorisiert, reduziert Risiken und erhöht die Erfolgswahrscheinlichkeit massgeblich.
Projekte wie die Mitarbeitereinsatzplanung bei Endress+Hauser zeigen, dass ein methodisches Vorgehen einen messbaren Mehrwert in Form von Zeitersparnis, Transparenz und höherer Qualität schafft. Künstliche Intelligenz entfaltet ihren Nutzen dort, wo sie auf klar definierte Prozesse trifft und auf einer fundierten Entscheidungsgrundlage aufbauen kann.
Der Autor
Mika Léon Müller studiert MSE Business Engineering an der FHNW und beschäftigt sich mit praxisnahen KI-Anwendungen für Unternehmen. LinkedIn
Der Beitrag erschien im topsoft Fachmagazin 25-4
Das Schweizer Fachmagazin für Digitales Business kostenlos abonnieren
Abonnieren Sie das topsoft Fachmagazin kostenlos. 4 x im Jahr in Ihrem Briefkasten.