So wird KI zum Prozess-Booster

Künstliche Intelligenz ist längst kein Science-Fiction-Thema mehr. Sie ist in Form einer großen Experimentierwiese längst in den Unternehmen angekommen. Das zeigt der diesjährige HR-Report von Hays, der in Zusammenarbeit mit dem Institut für Beschäftigung und Employability (IBE) erstellt wurde. Er belegt: Bereits über 40 Prozent der befragten Unternehmen nutzen KI-Lösungen, weitere 17 Prozent befinden sich gerade in der Umsetzungsphase.

Viele der Organisationen begreifen künstliche Intelligenz dabei weniger als Chance, ihre Innovationskraft zu stärken, sondern vielmehr als Hebel, neuen Schwung in „alte Themen“ wie Prozessoptimierung zu bringen: Sie wollen ihre Produktivität steigern und ihre Services verbessern, indem sie mithilfe der KI große Datenmengen schneller verarbeiten (34 Prozent) sowie ihre bisherigen Abläufe verschlanken (45 Prozent).

Wenn die künstliche Intelligenz in erster Linie als Prozess-Booster dienen soll, um möglicherweise im Anschluss daran mehr Freiräume und Kapazitäten für Innovationen zu haben, macht dieses Vorgehen durchaus Sinn.

Doch damit KI tatsächlich zum Prozessbeschleuniger wird, empfiehlt Harald Huber, Managing Director Research & Development von der USU GmbH, einem führenden Lösungsanbieter im Bereich IT Services & Knowledge Management, Unternehmen, vor der Einführung eines KI-Systems folgende Überlegungen anzustellen:

1. Erkennen Sie die Potenziale von generativer KI in den (Customer-Service-)Prozessen

Starten Sie am besten damit, bestehende Kundendialoge zu analysieren und auszuwerten. Ziel sollte es sein, jene Dialoge zu finden, die eine hohe Wiederholungsquote aufweisen und die sich möglichst leicht durch Large Language Models umsetzen lassen. Denn diese entfalten ihr Potenzial dadurch, dass sie wiederkehrende Dialogmuster erkennen und automatisieren. Anders als herkömmliche Chatbots, die vielleicht bisher nur anhand hinterlegter Frage-Antwort-Muster in Aktion treten konnten, kommt die generative KI mit weitaus komplexeren Dialogen klar. Hier geht es nicht mehr nur darum, auf eine Frage eine vordefinierte Antwort zu geben, sondern aus einem Kunden-Dialog extrahieren zu können, welche Informationen der Kunde situativ benötigen könnte. Aber auch unabhängig von bestehenden Prozessen im Kundenservice sollten Führungskräfte generell die bestehenden Arbeitsabläufe (z.B. Produktkommunikation, Vertriebsprozesse) auf Redundanzen und wiederkehrende Elemente durchleuchten.

2. Definieren Sie die Ziele anhand Ihrer gewonnenen Erkenntnisse aus der Analyse

Um mehr Effizienz und damit Geschwindigkeit in die relevanten Unternehmensprozesse zu bekommen, ist es wichtig, klarzustellen, welches Ziel genau mit der Einführung von künstlicher Intelligenz verfolgt werden soll. Beim Einsatz eines Sprachmodells kann es darum gehen, den Kundenservice auf eine neue Qualitätsstufe zu hieven. Dazu ein Beispiel: Ein Hersteller von Industriegütern wollte über seine Unternehmenswebsite den Vertrieb günstiger Produkte automatisieren, um seine Servicemitarbeitenden zu entlasten. Ziel war hier in erster Linie die Effizienzsteigerung durch Automatisierung. Allerdings stellte sich bei der Auswertung der Kundendialoge heraus, dass Kunden in Ausnahmefällen für diese Produkte umfangreiche Beratung benötigen. Die KI wurde anschließend so umgebaut, dass sie genau diese Ausnahmefälle erkannte. Also wurde am Ende aus dem Ziel der Effizienzsteigerung allein auch das Ziel der gesteigerten Servicequalität.

© PeopleImages (Getty Images)

3. Analysieren Sie die bislang größten Fehlerquellen und Zeitfresser

Um hier die besten Erkenntnisse zu generieren, ist einiges an Aufwand nötig. Denn mögliche Zeitfresser oder Fehlerquellen können am ehesten identifiziert werden, wenn alle Serviceprozesse möglichst transparent gemacht werden. Häufig sind diese allerdings nicht zentral organisiert, sondern liegen immer in den jeweiligen Fachbereichen wie dem Vertrieb oder auch dem Produktbereich. Erschwerend kommt hinzu, dass oft separate Serviceeinheiten für digitale und analoge Produkte existieren. Um die größten KI-Potenziale zu erkennen, müssen Führungskräfte also zunächst verstehen, in welchen Unternehmensbereichen es langatmige Prozesse gibt, die häufig zeitintensiv und fehleranfällig sind. Dabei empfiehlt es sich, mit den wichtigsten Serviceeinheiten für die Hauptprodukte oder Services zu starten. Erst wenn klar ist, in welchen Schritten eine Serviceleistung abläuft, kann das Unternehmen die Leistungen für die KI hinterlegen und automatisierbare Abschnitte identifizieren.

4. Erweitern und aktualisieren Sie Ihre Wissensdatenbanken und CRM-Systeme

Damit die neue Generation von KI-Systemen einen konstruktiven Beratungsdialog führen kann, muss sie mit Millionen Datenparametern trainiert werden. Dafür ist es unbedingt notwendig, die relevanten Inhalte über eine Wissensdatenbank zu strukturieren. Denn Maschinen wie ChatGPT verfügen zwar inzwischen über ein hoch entwickeltes Sprachwissen, nicht aber über das Sachwissen, um Kunden zu diversen Produkten und Services zu beraten. Gibt es bereits eine Wissensdatenbank im Unternehmen, dann muss sie so erweitert werden, dass sich aus Produktbeschreibungen passende Kausalketten ableiten lassen. Nur wenn die generative KI diese Abhängigkeiten erkennt, kann sie vormals isolierte Textbausteine oder Dokumente wie Handbücher oder Kataloge in den richtigen Kontext einbinden und strukturieren. Zudem sollte die KI in der Lage sein, ihre Antworten auf den Sprachstil des Unternehmens und die jeweilige Zielgruppe anzupassen.

5. Analysieren Sie, wie Dialoge bisher aufgebaut wurden und wie das Zusammenspiel von Mensch und Maschine nahtlos ineinandergreifen kann

Hier geht es im Wesentlichen darum, sich zu überlegen, wie das künftige Zusammenspiel zwischen Mensch und Maschine funktionieren soll. Führungskräfte sollten darauf achten, dass bei Beteiligten nicht der Eindruck entsteht, die KI solle menschliche Arbeitskraft ersetzen. Stattdessen könnten sie erläutern, wie die neue Technologie die Beschäftigten von überbordenden Servicetätigkeiten entlastet. Wenn Änderungen eingeführt werden sollen und sich damit die Entscheidungswege verändern, sollte das auf eine Weise passieren, die die Serviceteams in ihrer Arbeit respektiert und unterstützt. Am besten erst die Skeptiker im Haus adressieren. Denn nicht selten kommt heraus, dass sich Sprachmodelle nur mit dem Fachwissen dieser Personen überhaupt trainieren lassen.

6. Weiterbildung: Welche Kompetenzen sind dafür bereits im Unternehmen vorhanden und welche müssen noch aufgebaut werden

Sowohl das Topmanagement als auch das mittlere Management sollten sich in puncto generativer KI kontinuierlich weiterbilden, um nicht den Anschluss zu verlieren. Wobei die operativen Einheiten mehr Detailtiefe zu KI-Tools benötigen als die Unternehmensspitze. Je nachdem wo im Unternehmen die ersten Pilotprojekte zum Einsatz kommen, wird auch bei den nötigen Kompetenzen entsprechend der Fokus liegen. Kommt KI aus der Verantwortung der IT heraus zum Einsatz, geht es vermutlich stark um Datenkompetenz und Rationalität. Kommt sie hingegen im Vertrieb zu Einsatz, geht es eher um die Kommunikation mit Kunden und Mitarbeitenden.

Fazit:

Generell gilt, nicht gleich nach der beschriebenen Analyse in eine umfangreiche Prozessgestaltung zu gehen, die viele Kapazitäten bindet. Zielführender ist es, nach der Analyse erst einmal klein anzufangen und sich die Zeit zu nehmen, mit den Möglichkeiten, die die generative KI bietet, herumzuspielen. Das hat auch den Vorteil, dass technisch nicht so versierte Entscheiderinnen und Entscheider zunächst ein Gefühl dafür bekommen, was die KI leisten kann, und was nicht.