„KI-Integration scheitert nicht an der Technologie. Sie gelingt dann, wenn Unternehmen KI als organisatorischen Lernprozess verstehen und nicht als rein technische Implementierung umsetzen.“
In den ersten beiden Blogbeiträgen dieser Reihe mit dem Titel „Kritik der KI“ (hier und hier) haben wir geschildert, dass und wie wir mit vier verschiedenen Chatbots bzw. LLMs, also generativen KI-Systemen, ein „Interview“ durchführen wollten. Damit ging es uns darum herauszufinden, welche Empfehlungen und auch Warnungen sie „selbst“ haben, wenn es darum geht, eine KI im Unternehmen einzuführen.
Dieser Beitrag umfasst nun eine Auswertung aller vier Interviews, also von Claude (Anthropic), Chat-GPT (Open AI), Copilot (Microsoft) und Greta (IONOS). Die Auswertung folgt dabei dem Leitfaden, den wir dazu entwickelt hatten und der die Fragen im Einzelnen und aufbauend aufeinander enthielt. Die Fragen sind in den jeweiligen Interviews hinterlegt, insofern sollten sowohl die Entstehung, als auch der Leitfaden selbst transparent sein.
Im einführenden Zitat dieses Beitrags haben wir zusammengeführt, wie die befragten KI-Systeme den Einführungsprozess in ein Unternehmen betrachten. Dies ist eine mehr wie deutliche Zustimmung zu unserer Ausgangsposition als ESBYTE. Interessant sind aber auch die Details, in denen sich die KI-Systeme zwar nicht grundsätzlich, aber doch in erkennbaren Nuancen unterschieden.
Wie geht man so eine Auswertung an? Das war uns zunächst nicht so ganz klar, weil wir keine wirkliche Idee davon hatten, was wir für Antworten und Überlegungen der verschiedenen KIs bekommen würden. Da die Antworten aber im Grunde sehr ähnlich ausgefallen sind haben wir uns entschieden, die Auswertung anhand der Fragen so vorzunehmen, wie wir auch die Interviews geführt haben. Wir werden sie also der Reihe nach vorstellen und besonders prägnante oder bestärkende Aussagen einzelner KI-Systeme dazu hinterlegen.
Ganz grundsätzlich ist zu sagen, dass das Ergebnis aller vier Interviews eindrücklich und als ESBYTE bestätigt, dass die Einführung einer KI ins Unternehmen wohlüberlegt sein muss, anhand konkreter Anwendungsfälle geschehen sollte und am Ende zu berücksichtigen ist, dass die KI auf systemische Strukturen genauso trifft, wie auf unternehmenskulturelle Gepflogenheiten.
Diesbezüglich gaben sie wirklich sehr dezidierte Empfehlungen ab, wie eine Einführung gelingen könnte, was die Analyse noch spannender machte.
Bezüglich der ersten Frage, für welche Prozesse und Anwendungsfälle sich die befragten KIs besonders gut geeignet sähen, gab es die typischen Antworten generativer KIs dazu, was sie im allgemeinen können. Sie reichten von der Zusammenfassung von Informationen, über die Erstellung von Dokumenten bis hin zum Dialog zu verschiedenen Themen, also im weitesten Sinne dem Wissensmanagement, und die Vorbereitung von Entscheidungen.
Unisono wurde der unterstützende Charakter in den Vordergrund gestellt, d.h., immer erwähnt, dass es sich hier nicht um eigenständige bzw. vollautomatisierte Operationen handeln darf. Die Menschen sind integraler Bestandteil eines (geplanten) KI-Prozesses.
Demgegenüber steht konsequenterweise der zweite Teil der Frage, was Unternehmen lieber meiden oder sehr vorsichtig mittels einer KI angehen sollten. Kritische Entscheidungen ohne menschliche Kontrolle und stark regulierte Prozesse mit Null-Fehler-Toleranz sind tabu. Generative KIs sind auch kein Ersatz für echte kreative Leistungen oder für Dinge, die eine hohe emotionale Intelligenz erfordern. Auch hier wurde generell der unterstützende Charakter betont.
„Problematisch werde ich, wenn ich autonom Verantwortung übernehmen soll, insbesondere dort, wo Fehler gravierende Folgen hätten.“
Unsere zweite Frage, welche organisatorischen und technischen Grundlagen für den Einsatz in einem Unternehmen vorhanden sein müssen, wurde ebenfalls von allen befragten KIs ähnlich beantwortet. Interessant ist, dass sie von sich aus verschiedene Unterkategorien in der Beantwortung auflisteten wie etwa organisatorische Voraussetzungen oder auch technische Grundlagen. Organisatorisch wurde dabei herausgestellt, dass es ziemlich zentral ist, den Zweck des Einsatzes herauszuarbeiten, also zu definieren, „welche Probleme sie [die Unternehmen] damit lösen wollen“. Von den technischen Grundlagen her lag der Fokus auf der Datenstruktur, die entsprechend vorbereitet werden muss, wie auch auf den Aspekt der Datensicherheit.
„Die meisten Unternehmen denken zu techniklastig. Erfolgreiche KI-Integration ist zu 70% Organisationsentwicklung und nur zu 30% Technologie.“
In der dritten Frage ging es nun darum festzustellen, woran KI-Projekte am häufigsten scheitern und wie dies frühzeitig erkannt werden könnte. Die Antworten knüpften konsequenterweise an die zweite Frage an und führten spezifische Aspekte weiter aus wie beispielsweise unrealistische Erwartungen und fehlende Klarheit bezüglich des Einsatzes. Aber auch technische Insellösungen, kulturelle Blockaden und überhaupt eine fehlende Akzeptanz waren hier Thema. „Mitarbeitende sehen KI als Bedrohung statt als Unterstützung.“ Frühe Warnsignale gibt es deshalb sehr häufig, angefangen vom Buzzword-Charakter des Einsatzes über fehlende Verantwortlichkeiten bis hin zum Start ohne echte Business Cases.
„Viele dieser Probleme sind nicht technischer Natur, sondern entstehen, weil Organisation, Prozesse und Kultur nicht auf den Einsatz von KI vorbereitet sind. Technik kann man einkaufen – Vertrauen, Akzeptanz und Integration muss man aufbauen.“
Frage vier sollte die Ergebnisse der dritten Frage aktiv aufgreifen, was die KIs auch gemacht haben. Auch hier gab es relativ ähnliche Antworten darauf, wie ein Unternehmen die Einführung als Prozess gestalten muss, um die Mitarbeiter:innen zu befähigen und Widerstände produktiv zu nutzen. „Kritische Stimmen sind oft die wertvollsten – sie decken reale Probleme auf“, „Widerstände erkennen und ansprechen“ sowie „Kritik ernst nehmen, nicht abwehren“ wiesen darauf hin, wie wichtig es ist, Kritik zu äußern und auch ernst zu nehmen. Weitere Empfehlungen aller befragten KIs waren, die Beschäftigten einzubeziehen, Quick Wins zu kommunizieren, Teams selbst ihre Use-Cases definieren zu lassen und Vorbild-Funktion von Führungskräften.
„Ein gelungener Einführungsprozess setzt auf frühe Partizipation, klare Kommunikation, iterative Umsetzung und den bewussten Umgang mit Widerständen als Lernquelle.“
Zum Abschluss wollten wir mit der fünften Frage wissen, woran Unternehmen erkennen können, dass die KI-Integration wirklich funktioniert. Auch hier gab es wieder übereinstimmende Antworten, die natürlich auf die Frage vier aufgebaut haben. Hier gab es wieder eine Unterscheidung in organisatorische und technische Indikatoren für eine produktive Nutzung, wobei betont wurde, dass entsprechende Indikatoren wahrscheinlich erst entwickelt und implementiert werden müssen, die folgende Merkmale aufgreifen können: „Teams entwickeln selbst neue KI-Anwendungsfälle“, „KI ist nahtlos in bestehende Arbeitsprozesse integriert“, „Mitarbeitende greifen regelmäßig und freiwillig auf die KI-Lösung zurück“ und „weniger Fehler, höhere Kundenzufriedenheit, klarere Entscheidungsgrundlagen“.
„KI-Integration ist dann nachhaltig erfolgreich, wenn sie messbare Verbesserungen in Produktivität und Qualität liefert, von den Mitarbeitenden aktiv genutzt und weiterentwickelt wird und fest in die strategischen und operativen Strukturen des Unternehmens eingebettet ist.“
Die aus den Antworten auf die Fragen insgesamt gebildeten zentralen Thesen haben wir eingangs bei jedem Interview hervorgehoben, weshalb wir Sie an dieser Stelle nicht mehr alle auflisten. Stellvertretend jedoch posten wir noch einmal die zentrale These von Claude, weil sie unseren eigenen Ansatz sehr gut widerspiegelt. Dazu haben wir sie sprachlich leicht korrigiert:
„KI-Integration scheitert nicht an der Technologie. Sie gelingt dann, wenn Unternehmen KI als organisatorischen Lernprozess verstehen und nicht als rein technische Implementierung umsetzen.“
Das Zitat haben wir auch eingangs hinterlegt.
Da es sich bei allen vier Befragten KIs um LLMs handelt gibt es auf der technischen Ebene für uns keine erkennbaren Unterschiede. Interessanter ist der Sachverhalt, dass Anthropic, die Firma hinter Claude, die Rechtsform einer „Public Benefit Corporation“ hat. Das ist eine seit 2010 mögliche Rechtsform in den USA für gewinnorientierte Unternehmen, die neben der Erzielung von Profit auch einen sozialen oder ökologischen Nutzen verfolgen und diesen auch dokumentieren bzw. in den Geschäftszielen fixieren. IONOS als Hostingprovider verwendet mit Greta Generalist die Open Source KI von Facebook, im Interview beruhte sie „auf dem State-of-the-Art-Modell LLama-3.3-70b-instruct“. Das erlaubt IONOS „privacy by design“, also eine hohe Datensicherheit wie auch guten Datenschutz durch das Hosting auf europäischen Servern. Nach eigenen Angaben ist das KI-Team von IONOS auch nachhaltig, die Energie jedenfalls stammt zu 100 % aus erneuerbaren Quellen.
Dies ist der siebte Teil einer siebenteiligen Blogreihe zum Thema „Kritik der KI“, in der wir verschiedene LLMs dazu „befragt“ haben, was sie bezüglich ihrer eigenen Implementierung vorschlagen. Die Ergebnisse haben wir in diesem abschließenden Teil ausgewertet und dazu unsere eigenen Empfehlungen aus der Praxis kontrastiert. Lesen Sie gerne die weiteren Beiträge im Rahmen unseres Blogs.
Beitragsbild: Pavel Danilyuk auf Pexels
