Künstliche Intelligenz hat die Zeit, die wir benötigen, um zu einer ersten Antwort zu gelangen, erheblich verkürzt. In den Bereichen Entwicklung, Qualitätssicherung, Design oder Support können wir Aufgaben in viel kürzerer Zeit als früher lösen oder vorantreiben. Dies verändert die Art und Weise, wie wir viele Aufgaben angehen, und macht die Bewertung, Auswahl und Verbesserung der Ergebnisse immer wichtiger.
Ein einfaches Beispiel ist die Codegenerierung. Eine KI kann innerhalb von Sekunden eine technisch valide Implementierung vorschlagen, doch um zu entscheiden, ob diese zur bestehenden Architektur passt, wie sie sich auf die Wartung auswirkt oder welche Auswirkungen sie auf den Rest des Produkts haben könnte, muss man das Projekt kennen. Das Gleiche gilt für einen Vorschlag für eine Benutzeroberfläche, eine Automatisierung oder eine Support-Aufgabe: Das Fachwissen des Experten ermöglicht es, das Ergebnis im Kontext zu bewerten und zu entscheiden, wie es genutzt werden soll.
Bei WATA Factory arbeiten wir auf diese Weise mit KI. Wir nutzen ihre Fähigkeit, Informationen zu generieren, zu verarbeiten und Aufgaben auszuführen, und kombinieren sie mit dem technischen und geschäftlichen Wissen unserer Fachleute. Erfahrung ist nach wie vor von entscheidender Bedeutung, um Probleme richtig zu formulieren und auf der Grundlage der Ergebnisse fundierte Entscheidungen zu treffen.
Der Wert der KI beginnt mit der richtigen Auswahl des Problems
Ein Unternehmen kann über viele Prozesse verfügen, in denen künstliche Intelligenz einen Mehrwert schaffen kann. Der erste Schritt besteht darin, zu ermitteln, bei welchen Prozessen ein klarer Bedarf besteht und wo eine Verbesserung eine relevante Wirkung erzielen kann.
Wenn man weiß, wie ein Prozess funktioniert, lässt sich erkennen, wo sich der Arbeitsaufwand tatsächlich konzentriert, und ein konkretes Ziel definieren. Möglicherweise liegt die Chance darin, den Zugang zu bestimmten Informationen zu erleichtern, eine sich wiederholende Aufgabe zu automatisieren, einen Teil des Arbeitsablaufs zu beschleunigen oder den Mitarbeitern zu helfen, mit mehr Kontext zu arbeiten. Eine klare Definition dieses Ziels erleichtert die Entscheidung, was wir von der Technologie benötigen und wie wir anschließend überprüfen können, ob die Lösung funktioniert.
Fachwissen liefert Informationen, die nicht immer dokumentiert sind
Ein wesentlicher Teil des Wissens eines Unternehmens ist in Spezifikationen, Verfahren, Wissensdatenbanken, Geschäftsregeln oder technischer Dokumentation festgehalten. Im Laufe der Zeit sammeln die Mitarbeiter jedoch auch Wissen an, das direkt aus ihrer Erfahrung stammt.
Manche Dinge weiß man, weil sie dokumentiert sind, andere wiederum, weil man schon oft mit ähnlichen Situationen konfrontiert war. Man weiß, welche Anforderungen in der Regel die meisten Fragen aufwerfen, welche Daten besonders sorgfältig geprüft werden sollten oder welche Entscheidungen Auswirkungen auf andere Teile des Produkts haben können. Dieses implizite Wissen entsteht im Laufe der Arbeit und hilft dabei, Situationen zu interpretieren, die auf dem Papier sehr ähnlich erscheinen mögen.
Dieses Wissen ist nützlich, um zu entscheiden, welche Informationen die KI nutzen soll, welche Aspekte besondere Aufmerksamkeit erfordern und wie der Kontext, mit dem sie arbeiten wird, organisiert werden soll. Die Dokumentation liefert einen Teil, die berufliche Erfahrung einen anderen. Berücksichtigt man beides, lassen sich Lösungen entwickeln, die viel besser auf die tatsächlichen Abläufe in einem Unternehmen zugeschnitten sind.
Mit KI ist die Fähigkeit zu bewerten genauso wichtig wie die Fähigkeit zu erschaffen
Wenn wir in kurzer Zeit einen ersten Vorschlag erhalten können, können wir auch mehr Alternativen vergleichen, bevor wir eine Entscheidung treffen. Dadurch kommt der Fähigkeit, Ergebnisse zu bewerten, große Bedeutung zu.
Die Kriterien variieren je nach Fachgebiet. In der Entwicklung können wir Wartbarkeit, Leistung, Sicherheit oder Kompatibilität mit der bestehenden Architektur bewerten. Im Bereich UX/UI können wir die Übersichtlichkeit der Benutzerführung, die Barrierefreiheit oder die Eignung einer Lösung für die vom Nutzer auszuführende Aufgabe analysieren. In der Qualitätssicherung (QA) können wir Szenarien nach Risiko, Auswirkung oder der Wahrscheinlichkeit eines Fehlers priorisieren.
Jedes Fachgebiet bringt eigene Kriterien zur Bewertung der Qualität einer Lösung mit. KI kann uns dabei helfen, Alternativen schnell zu generieren und zu vergleichen, während Fachwissen es ermöglicht, die geeigneten Kriterien auf die konkreten Anforderungen und Einschränkungen des Projekts anzuwenden.
Wie viel Autonomie soll der KI eingeräumt werden: Auswirkungen und Reversibilität
Wenn künstliche Intelligenz direkt in einen Geschäftsprozess eingebunden ist, müssen wir festlegen, welche Aktionen sie autonom ausführen darf und in welchen Momenten wir eine menschliche Überprüfung einbeziehen wollen.
Zwei Variablen sind für diese Entscheidung besonders hilfreich: Auswirkungen und Reversibilität. Wenn eine Aktion nur geringe Auswirkungen hat und leicht zu korrigieren ist, können wir ein höheres Maß an Autonomie in Betracht ziehen. Sind die Folgen schwerwiegender oder lässt sich eine Aktion nur schwer rückgängig machen, können wir zusätzliche Überprüfungen einführen.
Ein System kann beispielsweise automatisch Dokumente ausfindig machen oder Informationen klassifizieren. Bei anderen Aktionen können wir eine Bestätigung vor der Ausführung einbauen oder dafür sorgen, dass bestimmte Entscheidungen zusammen mit dem von der KI bereits gesammelten Kontext an den zuständigen Mitarbeiter weitergeleitet werden.
So können wir konkret festlegen, an welcher Stelle im Prozess ein Mensch eingreift. Der „Human-in-the-Loop“-Ansatz ermöglicht es, das Eingreifen eines Fachmanns auf jene Entscheidungen zu beschränken, bei denen der Kontext, die Erfahrung oder die Verantwortung eine spezifische Beurteilung erfordern.
Eine Lösung muss auch alternative Wege berücksichtigen
In der Praxis treten Situationen auf, die von den ursprünglich vorgesehenen abweichen. Es können Informationen fehlen, ein neuer Fall auftreten, Daten aus zwei Quellen voneinander abweichen oder es kann notwendig sein, zusätzliche Informationen einzuholen, bevor fortgefahren wird.
Diese Situationen können bereits bei der Konzeption berücksichtigt werden. Je nach Fall kann das System zusätzliche Daten anfordern, eine andere Quelle konsultieren, eine Bestätigung einholen oder die Aufgabe an eine Person weiterleiten.
Es ist auch wichtig zu definieren, wie diese Übergabe erfolgt. Wenn ein Mitarbeiter die Arbeit fortsetzen muss, ist es hilfreich, wenn er die gesammelten Daten, die konsultierten Quellen und die bis zu diesem Zeitpunkt durchgeführten Maßnahmen erhält. Auf diese Weise kann er an der Stelle weitermachen, an der sich der Prozess gerade befindet, und sich direkt auf den Teil konzentrieren, der seine Aufmerksamkeit erfordert.
Diese Fälle liefern zudem Informationen zur Verbesserung der Lösung. Wenn eine bestimmte Situation häufig ein Eingreifen erfordert, können wir analysieren, ob es eine Regel gibt, die integriert werden sollte, ob eine Informationsquelle fehlt oder ob diese Art von Fall einen spezifischen Ablauf erfordert.
Wie lässt sich feststellen, ob eine KI-Lösung einen Mehrwert bringt?
Sobald eine Lösung zum Einsatz kommt, können wir überprüfen, ob sie den Prozess, für den sie entwickelt wurde, verbessert. Dazu ist es sinnvoll, das angestrebte Ergebnis zu messen und nicht nur die vom System generierte Aktivität.
Die Kennzahlen hängen vom Ziel des jeweiligen Projekts ab. Wir können messen, wie viel Zeit oder manueller Aufwand eingespart wird, ob die richtigen Informationen abgerufen werden, wie viele Fälle einen Prozess korrekt abschließen, inwieweit ein Vorschlag angepasst werden muss, bevor er verwendet wird, oder in welchen Situationen ein professionelles Eingreifen erforderlich ist.
Anhand der Nutzungsdaten lassen sich zudem Muster erkennen, die dazu dienen können, die Lösung weiter anzupassen. Auf diese Weise bleibt die Bewertung stets mit dem Problem verknüpft, das wir von Anfang an lösen wollten.
KI verändert, wo ein Experte den größten Mehrwert schafft
Der Einsatz dieser Tools beeinflusst auch, wie Fachleute ihre Arbeit aufteilen.
Ein Entwickler kann eine erste Implementierung als Grundlage nutzen und sich stärker auf die Architektur und die Entscheidungen konzentrieren, die die Weiterentwicklung des Produkts bestimmen. Die Qualitätssicherung (QA) kann sich auf eine erste Reihe von Szenarien stützen, um Risiken genauer zu untersuchen, die eine spezifischere Überprüfung erfordern. Ein Designer kann verschiedene Ansätze schneller ausprobieren und mehr Zeit darauf verwenden, herauszufinden, welcher den Bedürfnissen der Nutzer am besten entspricht.
Ein Teil der Arbeit kann sich somit auf Architektur, Überprüfung, die Lösung komplexer Fälle und Entscheidungen mit Auswirkungen auf das Produkt konzentrieren. Dies sind Aufgaben, bei denen Kenntnisse über das Fachgebiet und das Projekt besonders wichtig sind und bei denen KI als Unterstützung dienen kann, um besser vorbereitet zur Entscheidung zu gelangen.
KI + Fachwissen: Von einer Möglichkeit zu einer echten Lösung
Die Anwendung künstlicher Intelligenz auf ein Produkt oder einen Prozess erfordert eine Reihe von Entscheidungen: eine konkrete Chance zu identifizieren, die richtigen Informationen einzubeziehen, Kriterien zur Bewertung der Ergebnisse festzulegen, den Grad der Autonomie zu definieren, verschiedene Szenarien zu berücksichtigen und zu messen, ob die Lösung das angestrebte Ziel erreicht.
Bei WATA Factory gehen wir diese Entscheidungen aus verschiedenen Fachbereichen heraus an. Wir verfügen über Fachleute aus den Bereichen Softwareentwicklung, Qualitätssicherung (QA), UX/UI, Support und Prozessoptimierung, was es uns ermöglicht, jedes Projekt unter den Gesichtspunkten Technologie, Produkt, Benutzererfahrung und geschäftliche Anforderungen zu analysieren.
Für unsere Kunden bedeutet dies, dass sie künstliche Intelligenz mit einem Team integrieren können, das sowohl die Möglichkeiten der Technologie als auch das Umfeld versteht, in dem sie eingesetzt wird. Unsere Aufgabe besteht darin, beide Aspekte miteinander zu verbinden, damit die KI einem konkreten Bedarf entspricht und sich nahtlos in bestehende Systeme und Prozesse einbinden lässt.
Da die Tools es ermöglichen, Informationen schneller zu generieren, zu verarbeiten und Aufgaben zügiger auszuführen, können unsere Fachkräfte sich stärker auf Entscheidungen konzentrieren, bei denen ihre Erfahrung den größten Mehrwert bringt. Bei WATA Factory wollen wir genau diese Kombination nutzen: künstliche Intelligenz, die unsere Möglichkeiten erweitert, und Fachkräfte mit der nötigen Erfahrung, um sie sinnvoll einzusetzen.
