chatbot

© pexels-christina-morillo

Künstliche Intelligenz (KI) gilt als eines der Zukunftsthemen. Die Umsatzsteigerungen, die Unternehmen in den letzten Jahren durch den Einsatz von KI erzielen konnten, verdeutlichen den wirtschaftlichen Nutzen der Technologie in unternehmerischen Geschäftsprozessen. Prognosen zeigen zudem, dass der Einsatz von KI weiter zunehmen wird1. Generell wird KI als ein Instrument gesehen, das dabei helfen kann, Unternehmensabläufe effizienter zu gestalten, die Entwicklung von Produkten schneller und kostengünstiger zu ermöglichen sowie den Zugang zu neuen Absatzmärkten zu erschließen.

Im Vergleich zu Großunternehmen setzen KMU KI seltener ein

Insbesondere für kleine und mittlere Unternehmen (KMU) bietet KI wirtschaftliche Potenziale. Studien zeigen jedoch, dass der Einsatz von KI in KMU derzeit weniger verbreitet ist als in Großunternehmen. Als Ursachen für diese Unterschiede werden unter anderem strukturelle Differenzen zwischen KMU und Großunternehmen angeführt, die sich nachteilig auf die KI-Bereitschaft und -Kompetenz (KI-Readiness) von KMU auswirken können. Darüber hinaus stellen gegenwärtig unter anderem der Fachkräftemangel, begrenzte finanzielle Ressourcen bei gleichzeitig erhöhter Risikoaversion sowie ein vergleichsweise niedriger digitaler Reifegrad, der sich beispielsweise auf die Verfügbarkeit und Qualität von Daten auswirkt, große Herausforderungen für KMU dar.

Durch eine vereinfachte Implementierung bieten AutoML, Low-Code und No-Code das Potenzial, die Nutzung von Künstlicher Intelligenz zu demokratisieren

Durch den Einsatz von modernen KI-Entwicklungstools wie AutoML, Low- und No-Code sollen die für die Erstellung von KI-Modellen erforderlichen Programmier- und Data-Science-Kenntnisse auf ein Minimum reduziert werden. Dadurch können sich beispielsweise nicht-professionelle Entwicklerinnen und Entwickler, die kein spezifisches KI-Wissen, aber wertvolle unternehmerische Fachkenntnisse besitzen, an der Entwicklung von KI-Lösungen beteiligen (sog. Citizen Developers). Fehlende KI-Kompetenz in Unternehmen kann so sukzessive aufgebaut werden.

Eine umfassende Literatur- und Produktrecherche hat gezeigt, dass neuartige Methoden und Anwendungen zur Automatisierung von KI-Prozessen (AutoML) und KI-Software-Entwicklungsumgebungen, die keine oder nur geringe Programmierkenntnisse erfordern (Low-Code und No-Code), vielversprechende Lösungen für die aktuellen Herausforderungen bei der Integration von KI in Geschäftsprozesse darstellen. Sie bieten das Potenzial, die Hürden für den Einsatz von KI in Unternehmen zu senken und eine einfache, schnelle und kostengünstige Bereitstellung von KI-Lösungen zu ermöglichen2.

Diverses Produktangebot von KI-Tools schafft Wettbewerb und Mehrwerte - mit Einschränkungen

Ein Einblick in einzelne AutoML-, No-Code- und Low-Code-Produkte, zeigt, dass beliebte Machine-Learning-Methoden (wie Regression, Klassifikation oder Clustering) von einer Vielzahl von Anbietenden bereitgestellt werden, allerdings nur wenige Produkte spezifische Anwendungsfälle abdecken. Grundsätzlich bieten proprietäre KI-Softwarelösungen umfangreichere Gestaltungsmöglichkeiten (On-Premise, Cloud), insbesondere im Hinblick auf No-Code und Low-Code. Open-Source-Produkte beschränken sich auf AutoML-Bibliotheken, die sehr flexibel in die klassische ML-Entwicklungsumgebung eingebunden werden können. Sie setzen jedoch ein Mindestmaß an Programmier- und KI-Kenntnissen voraus.

Auch wenn wir die konkret angebotenen Software-Tools betrachten, wird deutlich, dass definierte Kriterien von unterschiedlichen Tools mehrfach adressiert werden und somit keine Konzentration auf einzelne Anbieter besteht. Zu berücksichtigen ist auf Basis dieser Erhebung auch, dass Open-Source-Produkte im Vergleich zu proprietär angebotenen Produkten zwar mehr Flexibilität z. B. hinsichtlich des Bereitstellungsmodells (Cloud oder Open-Source) bieten, aber nur in klassische Entwicklungsumgebungen integriert werden können und somit grundlegende IT-Kenntnisse voraussetzen.

„Out-of-the-box“ No-Code und Low-Code KI-Modelllösungen sind häufig in ihrer Anpassbarkeit (sog. AI-Alignment) eingeschränkt und können zudem zu einer geringeren Erklärbarkeit von Modellergebnissen im Vergleich zu klassischen KI-Entwicklungsumgebungen führen.

KI-Expertinnen und -Experten sehen weiterhin Unterstützungsbedarf für KMU

Eine durchgeführte Befragung von KI-Expertinnen und -Experten mit Mittelstandsbezug zeigt, dass KMU die Software-Tools vor allem aufgrund mangelnder Kenntnis der Potenziale nicht einsetzen. Zudem kann ihrer Ansicht nach spezifisches KI-Fachwissen sowie Expertise im Bereich Data-Science nicht durch die Software-Tools ersetzt werden. Dies macht weitere Unterstützung z. B. bei den Themen Datenschutz, IT-Sicherheit, Datensouveränität, Modellgüte sowie der Fachexpertise notwendig.

Als Schlussfolgerung aus der Untersuchung von AutoML, Low-Code und No-Code sollten KMU mitnehmen, dass es zwar bereits ein breites Angebot an konkreten Software-Lösungen gibt, die den Personal- und Ressourceneinsatz bei der Implementierung von KI reduzieren können. Die Notwendigkeit von KI-Fachkompetenz wird jedoch nicht durch die Tools ersetzt werden, auch wenn diese langfristig die Art des erforderlichen Fachwissens verändern werden. Um bestmöglich aufgestellt zu sein, sollten KMU konkret prüfen, wie sich die eingesetzte KI-Technologie in die bestehende IT-Landschaft des Unternehmens einfügt, welche Datenformate und Standards unterstützt werden, wie transparent und anpassungsfähig die Lösungen sind und wie sich die Kostenstruktur darstellt. Sie sollten auch die Entwicklung von Portabilitäts- und Migrationsstrategien für ihre Lösungen in Betracht ziehen, um zukünftige Flexibilität zu gewährleisten.

Um bereits mit Vorwissen in die Auswahl der Tools einzusteigen, bietet auch Mittelstand-Digital Qualifizierungsformate an. Besuchen Sie dazu gerne die Veranstaltungen der Zentren, wie bspw. https://www.mittelstand-digital.de/MD/Redaktion/DE/TERMIN-IMPORT/Archiv_sortiert_nach_Jahr_und_Monat_der_Veranstaltung/2024/01/1700824339000-8144-Termin.html
oder
https://www.mittelstand-digital.de/MD/Redaktion/DE/TERMIN-IMPORT/Archiv_sortiert_nach_Jahr_und_Monat_der_Veranstaltung/2024/03/1700818847000-8140-Termin.html.

1 https://de.statista.com/statistik/studie/id/38585/dokument/kuenstliche-intelligenz-statista-dossier/?locale=de

2 https://www.wik.org/fileadmin/user_upload/Unternehmen/Veroeffentlichungen/
Diskus/2023/WIK_Diskussionsbeitrag_Nr_501.pdf