Wie wählt man das richtige KI-Unternehmen als Partner aus?

In diesem Artikel erläutern wir die verschiedenen Ansätze zur KI-Implementierung, von der Business Case-Analyse bis zum Go-Live. Jedes KI-Unternehmen hat seinen eigenen Ansatz oder seine eigene Methodik, um Kundenprobleme zu lösen. Die Folgen dieser Unterschiede sind anfangs oft schwer abzuschätzen, haben aber einen enormen Einfluss auf den endgültigen ROI und sogar die Erfolgsquote des gesamten Projekts. Schließlich erläutern wir, wie sich Trendskout von anderen KI-Unternehmen unterscheidet.

Einige Herausforderungen

Lassen Sie uns mit den größten Herausforderungen beginnen, die erfolgreiche AI-Anwendungen stehen sich der Kunde und das KI-Unternehmen gegenüber.

  • KI-Lösungen sind nur so effektiv wie die Qualität der gestellten Fragen. Oft ist dem Kunden klar, dass KI eine entscheidende Rolle bei der Optimierung eines bestimmten Prozesses spielen kann, aber die Frage ist noch nicht klar definiert. Zum Beispiel kann KI in der Tat einen Einfluss auf die Top Line haben, aber in welchem Funktionsbereich soll das geschehen - Umsatzprognose, digitale Konvertierung usw. - kann nur von intelligenten Managern und Führungskräften innerhalb der Organisation des Kunden in Absprache mit dem KI-Unternehmen festgelegt werden und natürlich nicht von der KI selbst.
  • Der Aufbau derrichtigen Innovationskultur in einer Organisation ist ein schrittweiser Prozess. KI wirkt sich nicht nur auf IT-bezogene Dienste in einem Unternehmen aus, sondern auch auf die Arbeitsweise anderer Dienste. Ein Mapping der verschiedenen Interessengruppen und ein guter Kommunikationsplan sind entscheidend.
  • Dass Datenqualität eine wichtige Voraussetzung für den technischen Erfolg eines KI-Projekts ist, ist kein Geheimnis. Genau wie "Daten sind niemals perfekt", ist auch dies ein Klischee. Zu Beginn eines jeden Projekts müssen alle Probleme mit Daten, Inkonsistenzen oder Unvollständigkeiten richtig erkannt werden. Anschließend müssen die Auswirkungen etwaiger Probleme auf den Projektfortschritt gemeinsam mit dem kooperierenden KI-Unternehmen bewertet werden.

Es gibt natürlich noch weitere Herausforderungen, aber wir werden diese in einem späteren Beitrag behandeln.

Dem aufmerksamen Leser wird aufgefallen sein, dass die oben genannten Herausforderungen bei fast jedem IT-Projekt auftreten. Es geht vor allem um fundierte Analyse und Kommunikation. Im Folgenden erläutern wir, wie die Wahl eines KI-Unternehmens und dessen entsprechender Ansatz die Qualität der Antwort des Unternehmens auf solche Herausforderungen bestimmt.

Ein Wasserfall oder ein iterativer Prozess?

Der Ansatz fast aller KI-Unternehmen kann entweder als Wasserfall- oder als iterativer Prozess betrachtet werden. Wir werden kurz erklären, was damit gemeint ist, und dann die Auswirkungen auf den Erfolg einer KI-Anwendung aufzeigen.

Der Wasserfall Prozess ist seit langem der Standard in der Softwareentwicklung. Kurz gesagt, es basiert auf der Annahme, dass die Bedürfnisse eines Softwareprojekts vor der Implementierung ermittelt werden können, wonach die eigentliche Programmierung in gerader Linie zum Ziel hin abgeschlossen wird. Obwohl die Einfachheit dieses Ansatzes eine gewisse Eleganz ausstrahlt, birgt er auch einige große Fallstricke.

Wasserfall-Modell

<Die Anforderungen oder Annahmen können sich im Laufe des Projekts aufgrund fortschreitender Erkenntnisse ändern. Per Definition können diese Änderungen während der Analyse vor der Implementierung nicht absorbiert werden. Diese Umfangserweiterung führt oft dazu, dass die Programmierarbeit nicht den tatsächlichen Bedarf löst, sondern einen virtuellen Bedarf, der nur im Analysedokument existiert.

Beispiele dafür sind KI-Anwendungen:

  • Zusätzliche Datenquellen sollten hinzugefügt werden,
  • Die Genauigkeit auf Basis der ersten Implementierung ist unzureichend und ein anderer KI-Algorithmus sollte verwendet werden,
  • Das KI-Modell muss noch zusätzliche Software steuern oder Informationen generieren,
  • ändert die Integrationsschnittstelle mit externen Systemen,
  • durch Drift ändert sich die Genauigkeit des Modells, so dass die ursprünglichen Datentransformationen, die Auswahl der Algorithmen und das Hyprtuning nicht mehr ausreichend sind,

Die zweite Konsequenz folgt direkt aus der ersten und betrifft entweder die Auswirkungen auf den ROI oder das Budget. Wenn man sich dafür entscheidet, an der ursprünglichen Analyse und Vorgehensweise festzuhalten, gerät der Mehrwert oder ROI des Projekts unter Druck. Denn was ist ein Projekt wert, das nicht mehr der Realität entspricht oder bei dem die Beteiligten nicht mitziehen? Eine zweite Möglichkeit besteht darin, das Projekt mit einer erneuten Analyse teilweise neu zu starten, was natürlich das Projektbudget und noch viel mehr aus dem Ruder laufen lässt, wenn beim zweiten Durchlauf zusätzliche Änderungen erforderlich sind.

Viele sagen, dass die Antwort auf diese Risiken ein Agiler Ansatz ist, der von der Annahme ausgeht, dass Anforderungen nicht im Voraus bekannt sein können und dass sie während eines iterativen Prozesses, in dem sich Entwicklung und Analyse abwechseln oder parallel erfolgen, geschärft werden. Scrum, Extreme Programming, Pair Programming... sind nur einige der Fachbegriffe, die unter diesen Begriff fallen.

Aufgrund des Realismus, der in diese agile Methode eingebettet ist, ist Scope Creep an sich kein Problem mehr, sondern fast schon eine notwendige Voraussetzung, um zu bestimmen, was in den verschiedenen Sprints (Zeitblöcken, in denen die Programmierung stattfindet) entwickelt werden muss. Leider ist auch dieser Ansatz nicht ohne Risiko.

Oftmals führen geänderte Anforderungen oder schlichtweg falsche Vorgaben zu Verzögerungen und letztendlich dazu, dass die vorgegebenen Budgets aufgrund eines viel längeren Entwicklungsprozesses nicht eingehalten werden können.

Fast alle KI-Unternehmen setzen bei der Implementierung auf einen Projektansatz und verwenden eine der oben genannten Methoden. Wenn Sie sich für ein KI-Unternehmen entscheiden, sollten Sie sich daher unbedingt fragen, welche der beiden Optionen bei der Entwicklung verwendet werden soll.

Welche Methode wendet Trenskout an?

Da Trendskout eine KI-Softwareplattform als Produkt anbietet und keine klassische Projektagentur ist, unterscheidet sich unser Ansatz erheblich. Wir gehen die Unterschiede in Bezug auf das Budget und die Auswirkungen der Änderungen durch.

Visuelle Trendskout KI-Software
  • Unsere Kunden abonnieren unsere Software und den Support und wissen im Voraus, was das Ganze kosten wird. Unsere Software unterstützt zahlreiche gebrauchsfertige KI-Analysen, Eingabe- und Ausgabeoptionen und eine komplette Datenumwandlungs-Engine zur Steigerung der Datenqualität. Wenn die Bedürfnisse des Kunden nicht mit unserem Angebot auf unserer Plattform übereinstimmen, wird dies ebenfalls bei den ersten Gesprächen deutlich gemacht. Auf diese Weise kann der Kunde sicher sein, wie hoch das erforderliche Budget sein wird.
  • Änderungen der Anforderungen sind in unserer Methodik ebenfalls willkommen und sind ein fester Bestandteil unserer Vision, dass einige KI-Experimente in kleinem Maßstab stattfinden sollten, bevor eine KI-Anwendung reif für den Ernstfall ist. Kunden können dies selbst tun, ohne KI-Ingenieure sein zu müssen, und auf benutzerfreundliche Weise lernen, wie sie ein Experiment zu einem produktionsreifen Modell verbessern können. Änderungen der Anforderungen haben also keine Auswirkungen auf das Budget, führen aber zu einem besseren Verständnis des Business Case. Natürlich bietet Trendskout hierfür Unterstützung, aber ohne die damit einhergehenden Budgetauswirkungen eines klassischen Implementierungsverlaufs.

Diese iterative Methode mit Budgetsicherheit lässt auch genügend Zeit, um die drei Herausforderungen in KI-Projekten anzugehen (Business Case-Analyse, Kommunikation und Datenqualität). Schließlich kann es nicht die Absicht sein, dass der Erfolg des KI-Business Case durch Verzögerungen oder unvorhergesehene Budgeterhöhungen überschattet wird.

 

Wenn Sie mehr aus Ihren Daten und Ihrem Verkaufsprozess herausholen wollen, helfen wir Ihnen als KI-Unternehmen gerne dabei. Kontaktieren Sie einen unserer Mitarbeiter ohne jegliche Verpflichtung.

Quelle: Vergleich von Software-Projektarchitekturen: agil, Wasserfall, spiralförmig und set-basiert

Bleiben Sie auch für die neuesten Nachrichten über KI auf dem Laufenden

*“ zeigt erforderliche Felder an

GDPR*
Dieses Feld dient zur Validierung und sollte nicht verändert werden.

Welchen Mehrwehrt haben KI und Machine Learning für Organisationen?

Holen Sie sich den kostenlosen Zugang zu unserem Resource Center mit interessanten Anwendungsfällen.

Auf Facebook teilen
Auf Twitter teilen
Auf LinkedIn teilen
Auf Pinterest teilen
Freigabe per E-Mail