Operationalisierung der AI-Roadmap – aber wie?

Kaum ein anderes Thema wird in den Medien so häufig thematisiert und diskutiert wie Künstliche Intelligenz (KI). Die Expertenmeinungen sind hierbei divers.

Während Kritiker die Gefahren des Datenmissbrauches ausgehend von der Datenspeicherung auf US-amerikanischen Datenserver, wie etwa Azure oder AWS, sowie die Abhängigkeit von KI-Tools hervorheben, sehen Befürworter insbesondere die Effizienzsteigerung in zahlreichen Prozessen sowie die einhergehende Produktivitätssteigerung der Mitarbeitenden als essenziellen Vorteil an.

Zudem stehen Banken vor den Herausforderungen zu entscheiden, in welchem Bereich und in welchem Umfang KI in die Wertschöpfungskette integriert werden soll und kann.

Selektion der Anwendungsfälle als erster entscheidender Erfolgsschlüssel

Ehe konkrete Anwendungsbereiche selektiert werden, bedarf es im ersten Schritt der Definition von strategischen Zielen, siehe hierzu Prozessschritt eins der Abbildung 2. Die Implementierung eines x-beliebigen Chatbots kann aus Bankensicht ggf. nicht den gewünschten Erfolg bringen, da dieser möglicherweise nicht in Einklang mit den zentralen Unternehmenszielen steht.

In diesem Kontext müssen sich die Entscheidungsträger vor Augen führen, dass KI einerseits zur Produktivitätssteigerung der Belegschaft durch die Befähigung neuer KI-Skills, wie etwa einer zeitlich effizienteren Recherchetätigkeiten rund um Gesprächsvorbereitungen oder Analysetätigkeiten führen kann. Andererseits kann KI zur effizienten Prozessbearbeitung bis hin zur Vollautomatisierung führen, wodurch Kosten eingespart werden können.

In Folge der strategischen Einordnung sind diverse Eckpfeiler zu beleuchten, so dass die langfristigen Ziele und schlussendlich etwaige KI-Services im Einklang stehen. Die nachfolgende Abbildung zeigt unser Strategiehaus, welches die wesentlichen Pfeiler der Unternehmensvision und somit der Unternehmensstrategie umfasst.

Nachdem die strategischen Leitblanken definiert sind, bedarf es einer Prozessanalyse zur Identifizierung von Optimierungshebel. Nur durch eine Prozessanalyse können gezielte Handlungsfelder identifiziert und daraufhin konkrete AI-Services abgeleitet werden.

Da diverse Banken noch “Berührungsängste“ mit KI haben und den Anwendungen teilweise kritisch gegenüberstehen, würde sich eine Kurzanalyse auf Basis von Assessments (strukturierte Interviews) mit ausgewählten Key-Playern eignen, siehe Prozessschritt 3b des nachfolgenden Schaubildes. Anschließend könnten weitere Detailanalysen folgen.

Alternativ biete sich eine Detailanalyse zu Beginn der Konzeption einer AI-Roadmap, so dass die Wertschöpfungsströme auf Basis des Lean Six Sigma Ansatzes analysiert werden. Ausgehend von einer strukturierten Prozessanalyse können individuelle KI-Assistenten entwickelt werden, welche direkt einen “spürbaren“ Mehrwert im Alltag der Belegschaft sicherstellen.

Die nachfolgende Abbildung visualisiert den idealtypischen Prozess zur Ableitung einer AI-Roadmap.

Nachdem eine AI-Roadmap definiert wurde, empfehlen wir die iterative Entwicklung und Integration von KI-Assistenten.

Während sich betriebswirtschaftlich erhebliche Potentiale durch KI-Assistenten ergeben, sind auf der anderen Seite vor allem Mitarbeiterängste und damit verbundene Widerstände inkl. Vertrauensthematiken rund um die Datenspeicherung von KI-Anwendungen zu berücksichtigen.

Infolgedessen empfehlen wir die iterative Einführung von KI-Assistenten sowie eine stringente Kommunikationsstrategie, so dass die Mitarbeitenden den Mehrwert dieser Technologie verstehen und alltäglich wahrnehmen können. Hierbei ist zu unterstreichen, dass KI-Assistenten die Menschen nicht ersetzen, sondern von repetitiven Aufgaben entlasten sollen. Somit können aus Mitarbeitersicht KI-Assistenten erhebliche Mehrwerte liefern.

Zudem empfehlen wir den stückweisen Ausbau der KI-Anwendungsfälle inkl. den Ausbau der KI-Funktionen. Zum Vertrauensaufbau und der Akzeptanzsicherung könnte sich zunächst ein KI-Assistent anbieten, welcher “nur“ öffentlich zugängliche Daten analysiert und bewertet.

Im Anschluss an eine Pilotphase könnten die Tools um interne Datensätze erweitert werden.

Schlussendlich ist zu unterstreichen, dass die Operationalisierung einer AI-Roadmap stark mit der Kommunikationsstrategie einhergeht. Dadurch sollen Widerstände sowohl innerhalb der Belegschaft als auch gegenüber den Kunden vermieden werden, so dass sie die KI-Fähigkeiten sowie die Datenspeicherung transparent verstehen können.

Fazit und Ausblick

Infolgedessen sollten sich Banken intensiv und zeitnah mit den Möglichkeiten der KI-Implementierung auseinandersetzen. Wie die obigen Ausführungen zeigen, sind hierbei jedoch der geplante Prozess sowie die Mitarbeitereinbindung relevant, so dass die Integration erfolgreich gelingt und die KI-Services langfristig eingesetzt werden können.