Von James Wilson, Paul R. Daugherty

Künstliche Intelligenz wird immer besser darin, Aufgaben zu lösen, die bislang als Domäne der menschlichen Intelligenz galten: Dazu gehören die Diagnose von Krankheiten, die Übersetzung von Fremdsprachen oder der Kundenservice. Und die technische Entwicklung schreitet immer schneller fort. Das weckt verständlicherweise Ängste, dass menschliche Arbeitskräfte am Ende quer durch alle Branchen von künstlicher Intelligenz (KI) ersetzt werden könnten. Dies ist jedoch kein zwingendes Szenario – und auch nicht das wahrscheinlichste. Nie zuvor waren digitale Werkzeuge so gut auf uns zugeschnitten. Nie zuvor haben wir so intensiv mit ihnen gearbeitet. KI wird die Art und Weise verändern, wie wir arbeiten – und ebenso die Aufgabenverteilung. Vor allem aber wird sie menschliche Fähigkeiten nicht ersetzen, sondern verbessern und ergänzen.

Natürlich haben viele Unternehmen KI bislang dazu genutzt, Prozesse zu automatisieren. Aber jene Organisationen, die sie hauptsächlich dazu nutzen, die Belegschaft zu verkleinern, werden nur kurzfristige Produktivitätszuwächse verbuchen können. Wie unsere Untersuchung in 1500 Unternehmen belegt, zeigen sich die deutlichsten Leistungszuwächse, wenn Menschen und Technik zusammenarbeiten (siehe Kasten "Der Wert der Zusammenarbeit").

Durch die Kombination ihrer Fähigkeiten können Menschen und KI ihre jeweiligen Stärken gezielt steigern: Das betrifft einerseits die Kompetenz in der Führung, der Teamarbeit, der Kreativität und in den sozialen Fähigkeiten von Menschen. Und andererseits die Schnelligkeit, Skalierbarkeit und quantitativen Möglichkeiten der Maschinen. Was für Menschen eine ganz normale Sache ist – wie etwa einen Witz zu machen –, kann für Maschinen überaus schwierig zu verstehen sein. Und was für Maschinen eine einfache Angelegenheit ist – so wie die Analyse von großen Datenmengen –, wird für Menschen immer unmöglich bleiben. Unternehmen brauchen beide Arten von Kompetenzen. Um die Vorteile dieser Partnerschaft vollständig für sich zu nutzen, müssen Unternehmen verstehen, wie Menschen die Leistungen von Maschinen am effektivsten steigern können. Und wie Maschinen Leistungen auf den Gebieten verbessern, die zu den Stärken der Menschen gehören. In einem weiteren Schritt müssen Unternehmen ihre Prozesse so aufstellen, dass sie diese Partnerschaft wirklich fördern. Im Rahmen unserer Untersuchungen und Arbeiten auf diesem Feld haben wir Leitlinien entwickelt, die Unternehmen helfen, dies zu erreichen – und so die Kraft der kombinierten Intelligenz für sich arbeiten zu lassen.

Den Menschen kommen gleich drei entscheidende Rollen zu: Sie müssen die Maschinen dahingehend entwickeln, dass sie bestimmte Aufgaben lösen können. Vor allem aber müssen sie die maschinellen Lösungen erklären – besonders dann, wenn die Resultate der Intuition entgegenlaufen oder strittig sind. Zudem müssen sie dafür sorgen, dass die Technik verantwortungsbewusst eingesetzt wird, etwa indem sie verhindern, dass Roboter Menschen Schaden zufügen.

Trainieren

Algorithmen für maschinelles Lernen müssen darin trainiert werden, die Aufgaben zu lösen, für die sie entwickelt wurden. Im Rahmen dessen müssen riesige Datenmengen zusammengestellt werden, mit deren Hilfe zum Beispiel maschinelle Übersetzungsapps lernen können, wie Redewendungen verwendet werden. Apps aus dem Medizinbereich müssen lernen, wie Krankheiten erkannt werden können. Maschinen, die sich mit Beratung befassen, müssen lernen, wie sie finanzielle Entscheidungen unterstützen können. Zusätzlich müssen KI-Systeme darin trainiert werden, so gut wie möglich mit Menschen zusammenzuarbeiten. Viele Organisationen quer durch alle Branchen beginnen gerade erst damit, ihre Rolle als Trainer auszugestalten. Führende Technologieunternehmen und Wissenschaftler sind indes schon weiter: Sie verfügen bereits über professionelles Personal fürs Training und ein hohes Maß an Expertise.

Ein gutes Beispiel dafür ist Cortana, Microsofts KI-Assistent. Es hat lange gedauert, bis der Bot die richtige Persönlichkeit für seine Aufgaben hatte: souverän, fürsorglich und hilfsbereit, ohne dabei rechthaberisch zu sein. Es brauchte unzählige Stunden, bis das Team – zu dem unter anderem ein Lyriker, ein Schriftsteller und ein Dramatiker gehörten – der Maschine diese Eigenschaften eingeflößt hatte. Auch bei Apples Siri und Amazons Alexa sorgten menschliche Trainer dafür, dass sie passende Persönlichkeiten für ihre jeweilige Marke entwickelten. Siri hat beispielsweise genau die richtige Prise Überheblichkeit, die Kunden in der Regel mit Apple verbinden.

Aktuell sollen KI-Assistenten lernen, komplexere und subtilere menschliche Eigenschaften in ihr Repertoire aufzunehmen, etwa Mitgefühl. Das Start-up Koko, ein Ableger des MIT-Media-Labs, hat eine Technologie entwickelt, die KI-Assistenten so erscheinen lässt, als hätten sie Mitleid. Wenn ein Nutzer einen schlechten Tag hat, antwortet Koko nicht mit einer Floskel wie "Das tut mir sehr leid". Stattdessen fragt das System nach zusätzlichen Informationen und hilft dem Nutzer, die Dinge in einem anderen Licht zu betrachten. Ist er etwa gestresst, kann es gut sein, dass Koko ihm vorschlägt, die Anspannung als positiven emotionalen Zustand zu betrachten, aus dem Veränderungen hervorgehen können.

Erklären

Je mehr es der KI gelingt, Schlüsse aus schwer durchschaubaren Prozessen zu ziehen – das sogenannte Blackbox-Problem –, desto dringender braucht es menschliche Experten, die anderen erklären, wie die Maschine zu ihren Schlussfolgerungen kommt. Solche "Erklärer" sind im Besonderen in evidenzbasierten Branchen wichtig – beispielsweise in der Medizin oder bei juristischen Fragen. Hier müssen Praktiker verstehen, wie die KI den Input verarbeitet und Informationen gewichtet hat, um auf ein bestimmtes Urteil oder eine medizinische Empfehlung zu kommen. Versicherungsunternehmen und die Justiz brauchen diese Experten, um zu erklären, aus welchen Gründen ein autonom fahrendes Auto eine Route eingeschlagen hat, die zu einem Unfall geführt hat, oder warum ein Zusammenstoß nicht vermieden werden konnte. Auch in stark regulierten Branchen sind Experten unverzichtbar – genauso wie in allen Geschäftsfeldern, in denen Kontakt zu Kunden besteht. Vor allem dann, wenn Ergebnisse, die mit maschineller Unterstützung erzielt wurden, als unfair, nicht den rechtlichen Vorschriften entsprechend oder als falsch angesehen werden könnten.

Die neuen Vorschriften der Europäischen Union zum Datenschutz (Datenschutz-Grundverordnung, DSGVO) geben den Verbrauchern das Recht, Erklärungen zu Entscheidungen zu verlangen, die aufgrund von Algorithmen getroffen wurden. Etwa wenn es um die angebotenen Zinskonditionen bei Kreditkarten oder für Hypotheken geht. Das sind Bereiche, in denen KI für mehr Arbeitsplätze sorgen wird. Experten gehen davon aus, dass Unternehmen insgesamt rund 75 000 neue Stellen schaffen werden, um allein die Vorschriften der neuen europäischen Datenschutzrichtlinie erfüllen zu können.

Überwachen

Unternehmen werden neben den Fachleuten, die maschinelle Resultate erklären, noch weitere Experten brauchen. Experten, die kontinuierlich überprüfen, dass KI-Systeme reibungslos und sicher arbeiten und darüber hinaus verantwortungs- bewusst eingesetzt werden. Dazu gehört auch der Einsatz von Spezialisten – auch als Sicherheitsingenieure bezeichnet –, die sich damit beschäftigen, potenzielle Sicherheitslücken zu antizipieren und Schäden durch KI abzuwenden. Die Entwickler von Industrierobotern haben viel Mühe darauf verwendet, zu gewährleisten, dass Maschinen menschliche Kollegen erkennen und sie nicht verletzen. Diese Spezialisten können von großem Nutzen sein, wenn es darum geht, Analysen der Erklärexperten auszuwerten, etwa im Falle eines tödlichen Unfalls, wenn ein autonom fahrendes Auto beteiligt war.

Andere Gruppen von Fachleuten sorgen dafür, dass KI-Systeme ethische Normen einhalten. Wenn sich herausstellt, dass ein KI-System für Kreditgenehmigungen bestimmte Menschen in der Bevölkerung diskriminiert – was durchaus schon passiert ist –, sind Ethikexperten gefragt. Ihre Aufgabe ist, den Problemen auf den Grund zu gehen und sie offen anzusprechen. Eine ähnliche Rolle haben Data-Compliance-Manager. Sie sind angehalten, dafür zu sorgen, dass die Daten, mit denen die KI arbeitet, den Datenschutzrichtlinien und anderen Verbraucherschutzregelungen entsprechen. Andere kümmern sich außerdem darum, dass die Systeme Informationen ausschließlich verantwortungsbewusst verwenden. Wie viele Techunternehmen nutzt Apple KI, um persönliche Details über Verbraucher zu sammeln, die Apple-Produkte oder die Software nutzen. Das Ziel ist ein besseres Kundenerlebnis – aber zügelloses Sammeln von Daten kann die Privatsphäre verletzen, Kunden verärgern und gegen Rechtsvorschriften verstoßen. Das "Differential-Privacy-Team" von Apple soll dafür sorgen, dass die KI soviel wie möglich über eine Gruppe von Nutzern erfährt – allerdings ausschließlich im statistischen Sinn. Die Privatsphäre bleibt von der Datenerhebung unberührt.

Maschinen helfen Menschen

Schlaue Maschinen helfen den Menschen, ihre Kompetenzen auszubauen. Und das auf drei unterschiedlichen Wegen. Sie können unsere kognitiven Fähigkeiten verstärken, mit Kunden und Mitarbeitern interagieren – und so Zeit schaffen für anspruchsvollere Aufgaben. Zudem können sie menschliche Fähigkeiten unterstützen und unsere physischen Kräfte erweitern.

Verstärken

Künstliche Intelligenz kann unsere analytischen Fähigkeiten und unsere Entscheidungsfindung verbessern, indem sie die richtigen Informationen zur richtigen Zeit zur Verfügung stellt. Aber sie kann auch die Kreativität erhöhen. Das ist der Fall beim System Dreamcatcher des Designunternehmens Autodesk: Es befeuert selbst bei außerordentlich erfahrenen Designern die Fantasie. Eine Designerin füttert Dreamcatcher mit den Kriterien, die ihr Produkt erfüllen soll: Ihr Stuhl soll beispielsweise etwa 140 Kilogramm tragen, die Sitzfläche muss sich 46 Zentimeter über dem Boden befinden, das Material dafür darf nicht mehr als 75 US-Dollar kosten und vieles mehr. Sie kann auch Informationen von Stühlen einspeisen, die ihr besonders gut gefallen. Dreamcatcher wirft daraufhin Tausende von Entwürfen aus, die die Kriterien erfüllen. Oft sind sie Anstoß für Ideen, die der Designerin anfänglich gar nicht in den Sinn gekommen wären. In einem weiteren Schritt lässt sie die Software wissen, welche Entwürfe sie mag und welche nicht. Daraufhin schlägt Dreamcatcher eine neue Auswahl von Designs vor. Während dieses sich wiederholenden Prozesses führt Dreamcatcher unzählige Berechnungen durch, um sicherzustellen, dass die Designvorschläge alle gewünschten Kriterien erfüllen. So kann die Designerin sich auf das konzentrieren, was zu den einzigartigen Stärken von Menschen gehört: auf ihr Urteilsvermögen und ihr ästhetisches Gespür.

Interagieren

Die Zusammenarbeit von Mensch und Maschine eröffnet Unternehmen die Möglichkeit, auf vollkommen neue und effiziente Weise mit Mitarbeitern und Kunden zu kommunizieren. KI-Assistenten wie Cortana machen Unterhaltungen zwischen Menschen oder im Auftrag von Menschen erheblich leichter. Cortana kann Meetings transkribieren oder eine Version des Meetings zur Verfügung stellen, in der sich Gesprochenes durchsuchen lässt. Das kann eine große Hilfe für diejenigen sein, die nicht an dem Treffen teilnehmen konnten. Diese Anwendungen sind zudem grundsätzlich skalierbar. Ein einziger Chatbot kann beispielsweise gleichzeitig eine große Anzahl von Kunden mit Standarddienstleistungen versorgen, unabhängig davon, wo sich die Kundschaft befindet. SEB, eine große schwedische Bank, setzt ihre virtuelle Assistentin Aida ein, um mit Millionen von Kunden in Kontakt zu treten. Weil Aida Unterhaltungen in natürlicher Sprache führen kann und Zugriff auf riesige Datenmengen hat, ist sie in der Lage, viele der häufig gestellten Fragen zu beantworten, etwa zu Kontoeröffnungen oder zu Zahlungen ins Ausland. Sie stellt Nachfragen und löst so Probleme. Zudem analysiert sie die Tonlage des Anrufers und erfasst seine Stimmung. Sie erkennt beispielsweise, ob der Gesprächspartner frustriert oder zugewandt ist. Und sie nutzt diese Information, um den nachfolgenden Service zu verbessern. Wenn es das System nicht schafft, ein Problem zu lösen – was in 30 Prozent der Fälle vorkommt –, verbindet es den Anrufer mit einem Kundenberater. Aida verfolgt das Gespräch weiter, um ähnliche Probleme künftig ohne menschliche Hilfe in den Griff zu bekommen. Weil Aida den Kundenberatern die einfachen Anfragen abnimmt, können die sich um komplexere Fragestellungen und Probleme kümmern – vor allem um solche von unzufriedenen Anrufern, die viel Einfühlungsvermögen erfordern.

Unterstützen

Künstliche Intelligenzsysteme wie Aida und Cortana existieren in erster Linie digital. Andere Anwendungen werden jedoch von Robotern verkörpert, die menschliche Arbeiter unterstützen. Weil sie mit hoch entwickelten Sensoren, Motoren und Auslösern ausgestattet sind, schaffen es durch KI betriebene Maschinen inzwischen, Menschen und Dinge zu unterscheiden. Deshalb können sie mittlerweile zuverlässig und sicher eingesetzt werden, um Seite an Seite mit Menschen in Fabriken, Lagerhäusern und Labors zu arbeiten. In der Produktion beispielsweise entwickeln sich Roboter von potenziell gefährlichen und "dummen" industriellen Maschinen zu intelligenten, kollaborativen "Kollegen", die Zusammenhänge erfassen können. Der Arm dieser sogenannten Cobots kann wiederkehrende Aufgaben wie das Heben von schweren Lasten erledigen. Der Mensch übernimmt ergänzende Aufgaben, die Geschicklichkeit und menschliches Urteilsvermögen erfordern, so wie etwa der Zusammenbau eines Getriebemotors. Hyundai baut das Cobot-Konzept um Exoskelette aus. Die tragbaren Roboterapparaturen, die sich ihrem Nutzer und ihrer Umgebung in Echtzeit anpassen, werden es Mitarbeitern in der Fertigung ermöglichen, ihre Aufgaben mit übermenschlicher Ausdauer und Kraft zu erfüllen.

Das Geschäft neu erfinden

Damit Unternehmen den größtmöglichen Nutzen aus der Anwendung von KI ziehen können, müssen sie sich neu aufstellen. Dazu müssen sie zunächst den operativen Bereich definieren, der verbessert werden soll. Es kann sich dabei um einen sperrigen internen Prozess handeln – wie eine zu schleppende Stellenbesetzung durch die Personalabteilung – oder um ein bisher unlösbares Problem, das nun mithilfe von KI angegangen werden kann. Dazu zählt etwa die schnelle Identifikation von unerwünschten Reaktionen auf Medikamente bei Patienten. KI-Systeme und hoch entwickelte Analysetechniken fördern zuweilen auch bislang versteckte Schwierigkeiten zutage, die nun dank KI zugänglich sind.

Als Zweites müssen Unternehmen Lösungen entwickeln und dazu alle Beteiligten im Rahmen eines Co-Creation-Prozesses einbeziehen. Die Stakeholder sollen sich dabei beispielsweise vorstellen, wie sie KI-Systeme nutzen können, bestimmte Prozesse zu verbessern. Ein gutes Beispiel dafür ist der Fall eines großen Agrarun- ternehmens. Es wollte den Bauern ihre Arbeit erleichtern und dazu KI-Technologie einsetzen. Das Unternehmen verfügte über eine große Menge von Daten zu Bodenbeschaffenheiten, Witterungsverläufen, vorangegangenen Ernten und vielem mehr.

Der ursprüngliche Plan war, eine KI-Anwendung zu entwickeln, mit der sich der künftige Ernteerfolg genauer vorhersagen lässt. In den Diskussionen mit Landwirten stellte sich allerdings heraus, dass es ein weit dringlicheres Problem gab: Was sich die Bauern wirklich wünschten, war ein System, das ihnen in Echtzeit dabei hilft, die Produktivität zu erhöhen. Sie wünschten sich Unterstützung bei Entscheidungen darüber, welche Pflanzen sie anbauen sollten, wo sie angebaut werden sollten und wie viel Dünger die Landwirte dafür in die Erde einbringen müssen.

Das Unternehmen entwickelte ein entsprechendes KI-System, und die ersten Versuche verliefen durchaus vielversprechend: Die Landwirte waren mit den Ernteergebnissen, die sie mithilfe der Anwendung erzielten, sehr zufrieden. Die Resultate des ersten Testlaufs wurden in das System eingepflegt, um den Algorithmus zu verbessern. Genau wie bei dem Schritt, in dem es darum geht, den Anwendungsbereich zu bestimmen, können neue KI und Analysetechniken den Prozess der Co-Creation unterstützen, indem sie neue Ansätze zur Verbesserung von Prozessen liefern.

Der dritte Schritt ist, die vorgeschlagene Lösung zu skalieren und weiterzuverfolgen. Die schwedische Bank SEB entwickelte ihr KI-System Aida zunächst, um ihre 15 000 Mitarbeiter zu unterstützen. Erst später setzte das Kreditinstitut die künstliche Intelligenz als Chatbot für seine eine Million Kunden ein. Im Rahmen unserer Arbeit mit Hunderten Unternehmen haben wir fünf Themenbereiche in den Geschäftsprozessen identifiziert, die Unternehmen typischerweise verbessern wollen: Flexibilität, Geschwindigkeit, Skalierbarkeit, Entscheidungsprozesse und Personalisierung (siehe Kasten "Die Performance steigern").

Wenn Sie Ihre Geschäftsprozesse neu aufstellen wollen, müssen Sie zunächst entscheiden, welches dieser Themen für die gewünschte Transformation entscheidend ist. Hierher gehört auch, dass Sie sich darüber klar werden, wie Sie eine intelligente Zusammenarbeit dazu nutzen können, das Thema anzugehen. Und welche Anpassungen und Zielkonflikte sich daraus in Bezug auf andere Prozesse ergeben.

Flexibilität

Für die Führungsmannschaft von Mercedes-Benz wurden starre Prozesse immer mehr zum Problem. Die Kunden, mit denen das Unternehmen besonders lukrative Geschäfte machte, verlangten nach immer stärkerer Individualisierung der S-Klasse-Limousinen. Die Fertigungsstraßen des Automobilherstellers waren darauf jedoch nicht ausgelegt.

In der Vergangenheit war der Herstellungsprozess in der Branche ein sehr starrer Prozess, der aus automatisierten Einzelschritten bestand und von "dummen" Robotern abgearbeitet wurde. Um die Flexibilität zu vergrößern, ersetzte Mercedes einige der Roboter durch KI-unterstützte Cobots. Zudem stellte es den Prozess neu auf: Im Zentrum stand nun die Zusammenarbeit von Mensch und Maschine. Am Produktionsstandort Stuttgart heben Cobots nun schwere Teile und positionieren sie dort, wo sie hinsollen. Gesteuert werden sie dabei von Menschen. Die Maschinen werden damit der verlängerte Arm der Mitarbeiter. Das System macht die Arbeiter zu Kontrolleuren des Herstellungsvorgangs jedes einzelnen Autos. Dabei müssen sie selbst weniger körperliche Arbeit leisten, sondern lenken, was die Roboter tun.

Die Mensch-Maschine-Teams bei Mercedes Benz können spontan auf Änderungen reagieren. Die Cobots können im Werk via Tablet umprogrammiert werden und andere Aufgaben übernehmen, wenn es der Produktionsablauf erfordert.

Diese Flexibilität ermöglicht dem Automobilhersteller eine bislang beispiellose Individualisierung. Mercedes ist jetzt in der Lage, die Fertigung in Echtzeit an die Wünsche der Kunden in den Autohäusern anzupassen, von den Komponenten des Armaturenbretts über die Qualität des Sitzleders bis hin zu den Ventilkappen der Reifen. Die Folge: Kein Auto, das die Werkshalle verlässt, gleich dem anderen.

Geschwindigkeit

Bei einigen Geschäftsprozessen ist das Tempo das entscheidende Kriterium. Ein Beispiel ist die Aufdeckung von Kreditkartenbetrug. Unternehmen haben nur wenige Sekunden Zeit, um zu entscheiden, ob sie eine bestimmte Transaktion genehmigen sollten. Wenn sie betrügerisch ist, tragen sie mit hoher Wahrscheinlichkeit den Schaden. Wenn es sich jedoch um eine legale Transaktion handelt, verlieren sie die Provision auf den Einkauf und verärgern ihre Kunden.

Wie viele andere Banken auch, hat HSBC eine KI-basierte Lösung entwickelt, um Kreditkartenbetrug noch schneller und genauer zu erkennen. Die KI überwacht und bewertet täglich Millionen von Transaktionen. Dazu nutzt sie Informationen wie den Ort eines Einkaufs, das Verhalten des Kunden, IP-Adressen und andere Daten, um Muster zu erkennen, die auf einen möglichen Betrug hinweisen. HSBC führte das System zuerst in den USA ein, wo es die Zahl von unerkannten Betrugsfällen genauso deutlich senkte wie die Anzahl der falsch positiven Resultate. HSBC führte sein KI-System anschließend auch in Großbritannien und Asien ein. Die Danske Bank arbeitet ebenfalls mit künstlicher Intelligenz und verbesserte seit der Einführung die Quote beim Erkennen von Betrugsfällen um 50 Prozent. Die Rate bei den falsch positiven Ergebnissen ging sogar um 60 Prozent zurück. Der Rückgang bei den falsch positiven Meldungen ermöglicht den Ermittlern, ihr Augenmerk auf jene Fälle zu richten, die das KI-System zwar gemeldet hat, aber auf den ersten Blick nicht eindeutig einzuordnen sind.

Der Kampf gegen Finanzbetrug ist wie Wettrüsten: Eine bessere Erkennung macht Betrüger noch einfallsreicher, was wiederum zu noch ausgefeilteren Überwachungsmethoden führt, was den Zyklus wieder in Gang bringt. Deshalb haben Algorithmen und Bewertungsmodelle, die im Kampf gegen betrügerische Machenschaften eingesetzt werden, nur eine sehr kurze Halbwertzeit und müssen laufend nachgebessert werden. Zudem verwenden unterschiedliche Länder und Regionen verschiedene Modelle. Nicht zuletzt deshalb werden ganze Legionen von Datenanalysten, IT-Fachleuten und Experten auf dem Gebiet der Finanzkriminalität an der Schnittstelle von Mensch und Maschine gebraucht: Sie müssen gewährleisten, dass die Software den Betrügern immer einen Schritt voraus ist.

Bei vielen Geschäftsprozessen hapert es an der Skalierbarkeit. Oft ist dies das größte Hindernis für Verbesserungen. Das trifft vor allem auf Prozesse zu, die durch intensive menschliche Arbeit und minimale maschinelle Unterstützung geprägt sind. Ein Beispiel ist der Einstellungsprozess bei Unilever. Der Konsumgütergigant suchte nach einem Weg, um mehr Diversität in seine 170 000 Mitarbeiter zählende Belegschaft zu bringen. Die Personalabteilung entschied, dass sich das Unternehmen auf die Einstiegspositionen konzentrieren und den besten Neuzugängen einen schnellen Aufstieg ins Management ermöglichen sollte. Wie sich zeigte, war das bisherige Verfahren jedoch nicht geeignet, um potenzielle Kandidaten in ausreichend großer Zahl zu beurteilen. Vor allem dann nicht, wenn jeder Bewerber individuell berücksichtigt werden sollte. Das aber war entscheidend, wenn das Unternehmen sicherstellen wollte, dass Aspiranten mit unterschiedlichen Hintergründen und exzellentem Potenzial angeheuert werden würden.

So kombinierte Unilever menschliche Stärken und KI-Fähigkeiten, um ein skalierbares und gleichzeitig individuelles Auswahlverfahren zu erreichen: In der ersten Runde des Prozesses lädt das Unternehmen seine Bewerber zu einem Onlinespiel ein. Dabei geht es darum, Charaktereigenschaften wie Risikoaversion zu ermitteln. In diesen Spielen gibt es weder richtige noch falsche Antworten – aber sie helfen Unilevers KI-System dabei einzuschätzen, welcher Bewerber für eine bestimmte Position am besten geeignet sein könnte. In der zweiten Runde werden die Kandidaten gebeten, ein Video von sich zu drehen, in dem sie Fragen zu der Position beantworten, auf die sie sich beworben haben. Die Antworten werden von einem KI-System ausgewertet. Dabei achtet es nicht nur auf den Inhalt des Gesagten, sondern auch auf die Körpersprache und die Tonlage. Die Bewerber, die laut KI-System nach dieser Runde am besten abgeschnitten haben, werden zu persönlichen Gesprächen eingeladen. Nach der Interviewrunde wird die Entscheidung über ein Jobangebot von Mitarbeitern gefällt.

Es ist noch zu früh, um zu beurteilen, ob das neue Einstellungsverfahren die besseren Mitarbeiter auswählt. Das Unternehmen verfolgt den Erfolg der Neuzugänge genau – aber noch fehlen ausreichend Daten. Allerdings steht jetzt schon fest, dass das neue Verfahren die Skalierbarkeit von Unilevers Recruitingprozess erheblich verbessert hat. Zum Teil sicherlich auch, weil Jobsuchende über ihr Smartphone leicht teilnehmen können, hat sich die Zahl der Bewerber innerhalb eines Jahres auf 30 000 erhöht. Die Zahl der Universitäten, die sie repräsentieren, stieg von 840 auf 2600. Auch die sozioökonomische Diversität der neuen Mitarbeiter nahm zu. Zudem hat sich die durchschnittliche Zeit zwischen Bewerbung und Einstellungsentscheidung von vier Monaten auf vier Wochen verkürzt. Gleichzeitig verbringen Recruiter nun 75 Prozent weniger Zeit damit, Bewerbungen zu sichten.

Der Einsatz von KI hilft Mitarbeitern dabei, bessere Entscheidungen zu treffen, indem sie maßgeschneiderte Informationen und Hilfestellungen liefert. Vor allem für die Mitarbeiter in Schlüsselpositionen kann das überaus wertvoll sein: Hier kann eine einzige richtige Einschätzung massiven Einfluss auf das Endergebnis haben.

Denken Sie beispielsweise daran, wie viel besser Instandhaltung und Wartung funktioniert, seitdem "digitale Zwillinge" – also virtuelle Modelle von realen Gerätschaften – im Einsatz sind. General Electric (GE) arbeitet mit Softwaremodellen seiner Turbinen und anderer Industrieprodukte. Die Software wird fortlaufend mit Daten versorgt, die sich aus dem Betrieb des echten Produkts ergeben. Weil das Unternehmen ständig große Mengen von Informationen aus dem Einsatz in der realen Welt sammelt, verfügt es mittlerweile über einen ungeheuren Fundus von Daten. Und zwar von solchen, die während des störungsfreien Betriebs anfallen, und jenen, die bei abweichender Leistung entstehen. GEs Anwendung Predix, deren Algorithmus auf maschinellem Lernen basiert, kann inzwischen voraussagen, wann ein bestimmtes Teil in einer bestimmten Maschine ausfallen könnte.

Die Technologie hat den entscheidungsintensiven Prozess der Wartung und Instandhaltung von industrieller Ausrüstung grundlegend verändert. Predix könnte beispielsweise einen unerwarteten Rotorverschleiß in einer Turbine feststellen, die Betriebshistorie der Turbine prüfen sowie anzeigen, dass sich die Schäden in den vergangenen Monaten vervierfacht haben. Und zusätzlich die Warnung herausgeben, dass sich die Nutzungsdauer des Rotors um geschätzte 70 Prozent verkürzen wird, sofern nichts unternommen wird. Das System generiert passende Lösungsvorschläge, wobei es den gegenwärtigen Zustand der Maschine und ihr Betriebsumfeld berücksichtigt. Es liefert auch Daten von vergleichbaren Schäden und Reparaturen an anderen Turbinen. Zusammen mit den Lösungsvorschlägen macht Predix auch Angaben zu deren Kosten und finanziellen Vorteilen. Zusätzlich informiert das System über die Eintrittswahrscheinlichkeit der von ihm für die Analyse verwendeten Annahmen. Ohne Predix wäre es wohl ein glücklicher Zufall, wenn Techniker den Rotorschaden bei ihren Wartungsarbeiten entdeckten. Möglicherweise wäre der Schaden so lange verborgen geblieben, bis der Rotor endgültig kaputt gewesen wäre. Ein solcher Ausfall käme das Unternehmen teuer zu stehen. Predix sorgt dafür, dass die Wartungsmechaniker ihr Augenmerk auf potenzielle Schäden richten, bevor ernsthafte Probleme entstehen. Das System versorgt sie mit allen Informationen, die nötig sind, um richtige Entscheidungen zu treffen. Einige davon haben durchaus das Potenzial, Millionen von Dollar für GE einzusparen.

Den Kunden ein maßgeschneidertes Markenerlebnis zu bescheren ist so etwas wie der Heilige Gral des Marketings. Dank KI-Unterstützung kann eine solche Personalisierung mittlerweile in bislang unvorstellbarer Präzision und Größenordnung erreicht werden. Der Streamingdienst Pandora nutzt KI-Algorithmen da, individuelle Playlists für jeden seiner Kunden zu erstellen. Und die Kundschaft umfasst immerhin Millionen von Menschen. Der Algorithmus stützt sich dabei auf die Vorlieben der Hörer: ihre Lieblingssongs, Künstler und favorisierten Genres. Ein weiteres Beispiel ist Starbucks. Wenn die Kunden damit einverstanden sind, nutzt das Unternehmen KI dazu, ihre mobilen Geräte zu erkennen und die Bestellhistorie aufzurufen. Das ermöglicht es den Baristas, ihren Kunden gezielte Vorschläge für die nächste Bestellung zu machen.

Die KI-Technologie tut das, was sie am besten kann: Sie sichtet und verarbeitet einen umfangreichen Datenschatz, um passende Angebote oder Dienstleistungen vorzuschlagen. Und die Menschen machen ihrerseits das, was sie am besten können: Sie nutzen ihre Intuition und ihr Urteilsvermögen, um Empfehlungen zu geben oder eine passende Auswahl aus einem vorgegebenen Angebot zu treffen. Die Carnival Corporation setzt KI dazu ein, das Kreuzfahrterlebnis von Millionen Reisenden auf ihre individuellen Vorlieben zuzuschneiden. Mit dem Ocean Medallion, einem tragbaren Gerät, und ihren Smartphones können sich Passagiere mit einem Netzwerk auf den Schiffen verbinden. Maschinelles Lernen führt dazu, dass die Daten, die über das Medallion sowie über Sensoren und Systeme im ganzen Schiff gesammelt werden, ständig verarbeitet werden. Ziel ist, dafür zu sorgen, dass Gäste stets das Beste aus ihrem Urlaub machen. Der Anhänger erleichtert das Boarding und das Verlassen des Schiffs, er verfolgt die Aktivitäten der Reisenden, assistiert beim Einkaufen, indem er sich mit der Kreditkarte der Gäste verbindet, und ist gleichzeitig Schlüssel für die Kabinen. Zusätzlich ist er mit einem weiteren System verbunden, das die Wünsche der Gäste antizipiert und dem Personal hilft, individuellen Service anzubieten. So kann die Mannschaft jedem Gast auf ihn zugeschnittene Vorschläge zu Aktivitäten oder besonderen Abendveranstaltungen unterbreiten.

Um einen Geschäftsprozess neu aufzustellen, braucht es mehr als die Einführung von künstlicher Intelligenz. Es erfordert auch die konsequente Bereitschaft, Mitarbeitern neue Fähigkeiten zu vermitteln. Sie müssen das lernen, was wir "Fusion-Skills" nennen, also jene Kompetenzen, die es ihnen ermöglichen, wirklich erfolgreich an der Schnittstelle zwischen Mensch und Maschine zu arbeiten. Als Erstes müssen Menschen lernen, bestimmte Aufgaben an Maschinen zu delegieren. Ärzte müssen beispielsweise Vertrauen entwickeln, um sich bei der Auswertung von Röntgen- und MRT-Bildern durch Computer unterstützen zu lassen. Mitarbeiter müssen lernen, wie sie menschliche Stärken mit denen von Maschinen kombinieren können, um auf Ergebnisse zu kommen, die weder der Mensch noch die Maschine allein erreicht hätten.

Ein gutes Beispiel dafür ist die von Robotern unterstützte Chirurgie. Mitarbeiter müssen in der Lage sein, ihren intelligenten, maschinellen Helfern neue Fähigkeiten beizubringen, und selbst immer wieder trainieren, ohne Reibungsverluste in KI-unterstützten Prozessen zu arbeiten. Sie müssen wissen, welche Fragen sie einem KI-Agenten stellen sollten, um die gewünschten Informationen zu erhalten. Zudem muss es Mitarbeiter geben, die ähnlich wie in Apples Differential-Privacy-Team dafür sorgen, dass das KI-System ihres Unternehmens verantwortungsbewusst und ausschließlich im legalen und ethisch vertretbaren Rahmen verwendet wird. Wir gehen davon aus, dass sich die Aufgaben in Unternehmen künftig an den gewünschten Ergebnissen der neu aufgestellten Geschäftsprozesse orientieren. Die Organisation eines Unternehmen wird sich in Zukunft an den verschiedenen Kompetenzen ausrichten und nicht mehr an eng gefassten Jobtiteln. Beim amerikanischen Telekommunikationskonzern AT&T ist der Umbau schon in vollem Gange. Das Unternehmen wandelt sich vom Festnetz- zum Mobilfunkanbieter und bildet 100 000 Mitarbeiter für neue Positionen aus. Um die Transformation zu schaffen, hat AT&T sein Organigramm komplett überarbeitet. Rund 2000 Jobtitel wurden abgeschafft und eine deutlich kleinere Anzahl von Kategorien gebündelt, die ähnliche Fähigkeiten und Anforderungen umfassen. Einige dieser Kompetenzen sind genau das, was man erwarten würde – beispielsweise Expertise im Umgang mit Daten und ihre Verarbeitung. Andere sind weniger offensichtlich. So wie die Fähigkeit, einfache Anwendungen aus dem Bereich maschinelles Lernen zum Cross-Selling von Dienstleistungen zu nutzen.

Fazit

Die meisten Tätigkeiten an der Schnittstelle von Mensch und Maschine erfordern, dass Mitarbeiter neue und andere Aufgaben lösen – so wie das Trainieren eines Chatbots. Sie erfordern aber auch, dass die gleichen Aufgaben anders gelöst werden, etwa der Einsatz eines Chatbots, um den Kundenservice zu verbessern.

Bislang haben sich nur wenige der von uns untersuchten Unternehmen darangemacht, ihre Geschäftsprozesse mit dem Ziel zu überdenken, die Zusammenarbeit von menschlicher und maschineller Intelligenz zu optimieren. Die Lektion ist jedoch eindeutig: Unternehmen, die KI in erster Linie nutzen, um Personal zu ersetzen, verschenken große Teile des Potenzials von künstlicher Intelligenz. Eine solche Strategie ist von Beginn an falsch gedacht. Die führenden Unternehmen der Zukunft werden diejenigen sein, die die Intelligenz von Menschen und Maschinen klug kombinieren und ihre operativen Bereiche, ihre Märkte sowie ihre Branchen transformieren. Und nicht weniger wichtig: auch ihre Belegschaft.

Von H. James Wilson, Paul R. Daugherty

Kompakt

Der Ausblick

Künstliche Intelligenz (KI) verändert Unternehmen grundlegend. Den größten Nutzen hat sie, wenn sie dazu eingesetzt wird, menschliche Fähigkeiten und Stärken zu unterstützen statt Personal zu ersetzen.

Die Details

Menschen müssen Maschinen trainieren, Resultate erklären und sicherstellen, dass KI verantwortungsbewusst eingesetzt wird. KI kann die kognitiven Fähigkeiten und die Kreativität von Menschen verbessern. Sie nimmt Mitarbeitern Standardaufgaben ab und erweitert ihre physischen Möglichkeiten.

Die Anwendung

Unternehmen sollten ihre Geschäftsprozesse neu denken und sich darauf konzentrieren, KI dort einzusetzen, wo sie größere operative Flexibilität oder Geschwindigkeit, neue Größenordnungen, bessere Entscheidungen oder eine stärkere Personalisierung von Produkten und Dienstleistungen anstreben. Zahlreiche Unternehmen, unter anderem Mercedes Benz und Unilever, haben mit dieser Vorgehensweise schon Erfolge erzielt.

Die Autoren

H. James Wilson ist Managing Director für Informationstechnologie und Business Research bei Accenture Research.

Paul R. Daugherty ist Chief Technology und Innovation Officer bei der Unternehmens-beratung Accenture. Beide sind Koautoren von "Human + Machine: Reimagining Work in the Age of AI", erschienen bei Harvard Business Review Press.

© HBP 2018