"Verschwende keine Zeit mit KI um der KI willen. Lass dich von dem motivieren, was sie für dich tun wird, nicht davon, wie sehr sie nach Science-Fiction klingt.“ Cassie Kozyrkov, Chief Decision Scientist bei Google
Vielen Unternehmen fällt es schwer, KI-Anwendungsfälle zu definieren und zu priorisieren. Das eigentliche Problem haben jedoch die Unternehmen, die die Herausforderung unterschätzen. Sie haben das Gefühl, dass sie das Gleiche schon viele Male zuvor gemacht haben.
Schließlich hat jede Firma ein Programm zur Digitalen Transformation und auch haben die meisten Anwendungsfälle für Big Data identifiziert. Man könnte annehmen, dass sich die Methoden nicht allzu sehr unterscheiden sollten, um erfolgreiche KI-Anwendungsfälle auszuwählen.
In unserem Bericht teilen wir unsere Erfahrungen und Ansätze, um KI-Anwendungsfälle zu identifizieren und zu priorisieren und bieten einen Leitfaden, um Fallstricke zu umgehen.
Die grundsätzliche Herausforderung und der Unterschied zu Digitalen und Big Data Anwendungsfällen ergibt sich aus der Verflechtung von Daten und lernenden Algorithmen bis hin zu einer aktiven Entscheidungsfindung durch das System. Diese Aspekte beeinflussen die Art, den Wert und die Einfachheit von implementierten KI-Anwendungsfällen.
Unser Bericht stützt sich auf zahlreiche Beispiele aus der Praxis, sowie auf die Erfahrungen führender KI-Experten, unter anderem vom Siemens AI Lab.
Autoren des Whitepapers
- Hendrik Brakemeier, Senior AI Strategist bei appliedAI Initiative
- Philipp Gerbert, Future Shaper bei UnternehmerTUM und Director bei appliedAI Initiative
- Philipp Hartmann, Director of AI Strategy bei appliedAI Initiative
- Andreas Liebl, Managing Director bei UnternehmerTUM und appliedAI Initiative
- Maria Schamberger, Senior AI Strategist bei appliedAI Initiative
- Alexander Waldmann, Director of Operations bei appliedAI Initiative