Christof Zogg bei seinem Referat über künstliche Intelligenz
6 min

«Business-Entscheider kommen um künstliche Intelligenz nicht mehr herum»

Künstliche Intelligenz und Machine Learning bieten für Unternehmen grosses Potenzial, um ihre Effizienz zu steigern, innovativere Produkte zu entwickeln und bessere Entscheide zu fällen – und somit Wettbewerbsvorteile zu gewinnen. Christof Zogg, Head of Business Transformation bei Swisscom, sagt im Interview, warum KI für den Unternehmenserfolg wichtig ist und weshalb sich nicht nur die IT-Abteilung damit beschäftigen sollte.

Kontakt aufnehmen

Unsere Expert*innen beantworten gerne Ihre Fragen. Nehmen Sie mit uns Kontakt auf.

Christof Zogg, warum sollten sich Unternehmen mit KI beschäftigen?

Vor allem wegen des grossen Potenzials zur Effizienzsteigerung, welche die neusten Entwicklungen in künstlicher Intelligenz (Artificial Intelligence, AI) im Allgemeinen und Machine Learning (ML) im Besonderen ermöglichen. Zum Beispiel bieten die immer besseren Sprachübersetzungsprogramme, die Chatbots für das automatisierte Handling von einfachen Kundenanfragen oder die sogenannten Transformer-Modelle wie ChatGPT eine beeindruckende Performance in der Textanalyse und -synthese. In der Softwareentwicklung ist KI als Werkzeug bereits weit verbreitet: Microsoft gibt an, dass heute 58 Prozent des Softwarecodes, der in GitHub eingecheckt wird, vom integrierten Bot namens Copilot überprüft, kommentiert oder generiert wurde.

Wie unterstützt KI den nachhaltigen Unternehmenserfolg?

Künstliche Intelligenz hat das einzigartige Potenzial, für Unternehmen einen Wissensvorsprung im Kerngeschäft beziehungsweise in den Kernprozessen zu ermöglichen. So kann ein Unternehmen potenziell bessere Entscheide treffen oder geeignetere neue Mitarbeitende einstellen.

Wie gehen Unternehmen konkret vor, um mit KI einen Nutzen fürs Business zu erzielen?

Die Reise ins Zeitalter der künstlichen Intelligenz hat erst vor Kurzem begonnen. Es gilt nun, praktische Erfahrung in Form von konkreten, aber nicht zu breit gesteckten Anwendungsfällen zu sammeln. Gleichzeitig finde ich es wesentlich, dass die Business-Seite das Thema AI/ML nicht einseitig der IT überlässt. KI ist zu wichtig und hat zu grosse Implikationen auf alle Formen von Wissensarbeit, als dass es vom Business und von der Unternehmensleitung vernachlässigt werden dürfte. AI und ML können strategisch sehr wichtige Werkzeuge sein – und die Strategie ist schliesslich Chefsache.

Welche Probleme lassen sich heute mit künstlicher Intelligenz lösen?

Wir befinden uns aktuell im Stadium der sogenannten Narrow Artificial Intelligence (enge künstliche Intelligenz), in welchem Machine-Learning-Algorithmen spezifische menschliche Denkleistungen, schneller, besser oder billiger erledigen können. Speziell zu erwähnen sind Anwendungen aus den Bereichen Computer Vision – wie zum Beispiel autonomes Fahren, Gesichtserkennung, medizinische Bildverarbeitung – und Natural Language Processing – wie etwa E-Mail-Filter, Assistenzsysteme, Übersetzungsdienste oder Textanalyse.

Haben Schweizer Unternehmen und Business-Entscheider den Stellenwert von KI denn bereits erkannt?

Gemäss einer aktuellen Umfrage von Equinix möchten 80 Prozent der befragten Schweizer Unternehmen künstliche Intelligenz nutzen. Die Mehrheit davon bezweifelt allerdings, dass ihre Daten- und ihre IT-Infrastruktur dafür schon bereit sind. Es gibt also noch viel zu tun. Mit den neuen AI-Services wie ChatGPT und Bard von Google können Business-Entscheider aber gar nicht mehr anders, als sich intensiv mit dem Thema KI auseinanderzusetzen. Denn smarte Mitarbeitende in ihren Unternehmen nutzen diese längst in ihrer täglichen Arbeit und füttern die zugrundeliegenden ML-Modelle mit geschäftskritischen Daten.

Wie können sich Unternehmen denn für die Nutzung von künstlicher Intelligenz vorbereiten?

Hier gilt es zu unterscheiden zwischen der Nutzung eines bestehenden ML-Modells, das ein Anbieter bereits für seine Kunden trainiert hat – und einer Fragestellung, die ganz spezifisch für ein Unternehmen, eine Branche oder ein Land nützlich ist. Erst mit letzterer Spezialisierung gewinnt man ein nachhaltiges Alleinstellungsmerkmal und somit einen effektiven Wettbewerbsvorteil. Dabei gilt wie bei allen Datenanwendungen – egal ob ich ein Dashboard bauen oder ein ML-Modell trainieren möchte: Man muss zuerst die Hausaufgaben machen und eine verlässliche und automatisierte Datenplattform aufbauen.

Welche Unternehmen, welche Branchen profitieren am stärksten von KI? Gibt es Branchen, die das Potenzial noch relativ wenig nutzen?

Im Unterschied zu anderen IT-Trendthemen wie Blockchain oder Metaverse ist AI/ML universell anwendbar. So gesehen haben alle Branchen viel Luft nach oben. Wenn man Branchen mit besonders hohem Nutzen erwähnen möchte, würde ich Pharma, Finance sowie das Gesundheits- und Bildungswesen nennen.

Wie findet man das Potenzial bzw. Anwendungsmöglichkeiten für neue Use Cases im eigenen Unternehmen? Welche Vorbereitungen braucht es dazu?

Um sinnvolle und ergiebige erste Anwendungsfälle zu finden, sollte man sich einen Überblick über alle Anwendungsbereiche von AI/ML verschaffen und durch die Brille dieses Rasters dann alle Bereiche, Rollen und Prozesse des Unternehmens durchforsten.

Unternehmen müssen sich sowohl um die Beschaffung der Daten als auch um das Trainieren des Modells und die Interpretation der Resultate kümmern. Wo liegen die grössten Herausforderungen?

Ob sich so ein konkreter Anwendungsfall erfolgreich umsetzen lässt, hängt im Wesentlichen von zwei Faktoren ab: Habe ich die dazu notwendigen Daten in der richtigen Qualität und genügend grosser Menge? Kann ich mit vernünftigem Aufwand ein Modell trainieren, das mit genügend hoher Genauigkeit und Validität die gewünschte Klassifizierung oder Prognose vornimmt?

Wie finden Business-Entscheider Antworten auf diese Fragen? Müssen sie die Nutzung von KI überhaupt im Detail kennen oder holt man sich dieses Know-how dazu, indem man etwa Data Scientists beschäftigt und externe Dienstleister wie Swisscom beauftragt?

So wie bei anderen Schlüsseltechnologien – zum Beispiel beim Cloud Computing – braucht meines Erachtens jeder künftig erfolgreiche Business-Entscheider eine solide AI-/ML-Wissensbasis – sei es nur schon, um die richtigen Fragen stellen und den Nutzen bzw. die Kosten besser abschätzen zu können. Ob dieses Know-how mittels eigener Data Engineers und -Scientists intern oder durch externe Consultants beschafft wird, liegt in der Präferenz des jeweiligen Unternehmens.

Welches Ausmass hat künstliche Intelligenz für Unternehmen? Ist sie «nur» als Erweiterung des Kerngeschäfts zu verstehen oder muss die gesamte Organisation darauf ausgerichtet werden – quasi als Umwandlung zum Data-Driven Business?

Wie bei allen grösseren technischen Disruptionen wird künstliche Intelligenz die gesamte Organisation betreffen, sodass es im Endausbau nicht reichen wird, in irgendeinem Geschäftsbereich ein neues Team aufzubauen. Irgendwo muss die Reise ins Zeitalter der künstlichen Intelligenz aber ja einmal beginnen – und hier kann ein dediziertes Team ein möglicher Startpunkt sein.

Wie begegnet man innerhalb des Unternehmens Skepsis und Ablehnung gegenüber KI?

Wir haben bisher ja vor allem über die verheissungsvolle neue AI-Welt gesprochen, aber selbstverständlich ist auch diese neue Technologie-Kategorie nicht problemfrei. Ganz im Gegenteil: Wichtige Technologie-Visionäre wie Elon Musk, Max Tegmark oder Geoffrey Hinton machen sich sogar ernsthafte Sorgen um die Zukunft der Menschheit. So hoch muss man als Entscheider in einem Schweizer Unternehmen nicht gerade greifen, aber wie bei den meisten Technologie-Trends wird es auch hier zu überzogenen Erwartungen und kostspieligen Übertreibungen kommen – ein Grund mehr, sich als Entscheider fundiert in das Thema einzuarbeiten.

Kontakt aufnehmen

Unsere Expert*innen beantworten gerne Ihre Fragen. Nehmen Sie mit uns Kontakt auf.

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht.

Ein Kommentar zu “«Business-Entscheider kommen um künstliche Intelligenz nicht mehr herum»

Jetzt lesen