Artikel · 25. Oktober 2023

Fünf praktische Hindernisse für nützliche KI

Wenn ein KI-Projekt enttäuscht, ist die Leistungsfähigkeit des Modells eine Frage, die es zu prüfen gilt. Fünf weitere Hindernisse treten in unserer Arbeit immer wieder auf: Datengrundlagen, Zuschnitt, Bereitschaft der Mitarbeitenden, Sicherheit und Benutzeroberfläche.

Diese Bereiche lassen sich parallel zum Modell selbst prüfen und verbessern.

Unzuverlässige oder unklare Daten

#

Zu einer nützlichen Datengrundlage gehören verlässliche Quellen, klare Felddefinitionen, Verantwortlichkeiten und Zugriffsrechte. Fehlt dieser Kontext, liefert ein KI-System womöglich eine plausible Antwort, die nicht zur geschäftlichen Fragestellung passt.

Ein Anwendungsfall, der am Engpass vorbeigeht

#

Wählen Sie einen Anwendungsfall nach dem Engpass im Arbeitsablauf und nach dem geschäftlichen Nutzen. Hat ein Vertriebsteam mehr Leads, als es bearbeiten kann, hilft es womöglich nicht, zusätzliche Leads zu generieren. Betrachten Sie den Schritt, der das Ergebnis begrenzt, und ob sich KI dafür eignet, ihn zu verbessern.

Niemand wurde in der Nutzung geschult

#

Schulungen sollten von echter Arbeit ausgehen: welche Aufgaben sich eignen, wie man ein Ergebnis überprüft und wann eine menschliche Entscheidung einzuholen ist. Anleitungen zum Prompting können helfen, doch Mitarbeitende brauchen auch Übung mit dem Arbeitsablauf und seinen Grenzen.

Sicherheit kam zuletzt

#

Legen Sie Regeln zur Datennutzung vor der Einführung fest: wo das System läuft, was es speichert, wer auf Protokolle zugreifen darf und welche Informationen ausgeschlossen sind. Mitarbeitende brauchen diese Regeln, bevor sie das System mit Unternehmens- oder Kundendaten nutzen.

Eine Oberfläche, die unnötige Arbeit verursacht

#

Ein zusätzliches Login oder ein umständlicher Weg zum Tool kann von der Nutzung abhalten, selbst wenn das Modell gut funktioniert. Binden Sie das System in einen geeigneten Arbeitsablauf ein und prüfen Sie, ob die Menschen die Aufgabe damit erledigen können.

Das System rund um das Modell prüfen

#

Daten, Zuschnitt, Schulung, Sicherheit und Oberflächengestaltung sind praktische Bestandteile des Umsetzungsplans. Prüfen Sie sie mit den Personen, die das System nutzen und betreiben werden.

Unsere drei Leistungsbereiche unterstützen unterschiedliche Teile dieser Arbeit:

  1. Advisory & Implementation – die Datengrundlage und die Sicherheitspraktiken, auf die GenAI angewiesen ist, die Entscheidung, wo sie sich lohnt, und die Überführung in den Produktivbetrieb. Workshops nehmen das Team mit.
  2. Agents-as-a-Service – sobald eine Lösung funktioniert, betreiben wir sie als verwaltetes Abonnement: gehostet, überwacht und verbessert.
  3. Design & Experience – die Oberfläche und das Nutzungserlebnis, die Menschen helfen, das System zu verstehen und zu nutzen.

Prüfen Sie diese Fragen, bevor Sie sich für eine Entwicklung entscheiden, und machen Sie sie zum festen Bestandteil der Umsetzung. Mehr zu Advisory & Implementation, oder Kontakt aufnehmen.

Als PDF herunterladen

Haben Sie ein Projekt im Kopf?

Sagen Sie uns, was Sie bauen oder verbessern. Wir helfen Ihnen, einen praktischen nächsten Schritt zu wählen.