Wie Design Thinking dabei hilft, Projekte mit künstlicher Intelligenz umzusetzen, beleuchtet Indeed-Chef Karel Golta in der neuen Ausgabe seiner KI-Kolumne.
Künstlich intelligente Systeme sind ohne Daten funktionslos. Daten zu sammeln ohne ein klares Ziel ist zwecklos. Um tatsächlich Wert zu generieren, müssen Daten durch KI in Aktivitäten verwertet werden – sonst ist unser Bestreben, Mensch und Maschine produktiv zu vereinen, hoffnungslos.
In der Medizin arbeiten Mensch und Maschine bereits erfolgreich zusammen. Studien zeigen, dass die Zusammenarbeit zwischen Ärzten und KI zu signifikant besseren Ergebnissen führt, als wenn jeder für sich alleine diagnostiziert, operiert und arbeitet. Doch wie gestaltet man die Kollaboration von Mensch und KI, wie entwickeln wir Zweck und Ziel in einem System, wo der Mensch die KI managt?
KI-Projekte sind keine IT-Projekte
Die landläufige Meinung in vielen Unternehmen: Ein Projekt mit KI ist ein IT-Projekt. Schließlich braucht es aufbereitete Daten, entsprechende Rechnerkapazitäten und Deep-Learning-Algorithmen. Alles Dinge, die traditionell der IT zugeschrieben werden.
»Richtige KI Projekte« sind nicht wirklich planbar oder vorhersehbar.
Ein Trugschluss, den ich häufig erlebe, und dem wir solange verfallen, bis wir endlich Silo-übergreifend zu arbeiten lernen. In Sachen KI gibt es zum Beispiel keine gelernten Use Cases. Aufgrund von Echtzeit Daten und kontinuierlich neuen Erkenntnissen werden wir auf beliebig viele, variable und komplexe Szenarien eingehen können, was die Granularität der Anwendungsfälle ins Unendliche steigert. Auch Personas werden irrelevant. Jeder einzelne Nutzer wird individuell auf der Basis seiner persönlichen Datenspur zur Person(a).
»Richtige KI Projekte« sind zudem nicht wirklich planbar oder vorhersehbar. Neuronale Netzwerke sind probabilistisch und heuristisch. Es geht also um wahrscheinlichkeitstheoretisches Kalkül. Man weiß im Vorfeld nicht sicher, was sie alles lernen werden, wie weit man gehen kann und möchte oder ob das Ergebnis überhaupt taugt. Ebenso wenig planbar sind die Kosten. Dies ist für den klassischen IT-Manager ein Graus und in seiner Komplexität auch nicht aus einer Abteilung heraus zu steuern.
Und nun? Sind KI-Projekte dem Kampf mit der Hydra gleichzusetzen oder DAS berufliche Abenteuer unserer Zeit?
Die Lösung: Design Thinking
Wollen wir KI Projekte erfolgreich anpacken, brauchen wir einen entsprechendes Mindset und passende Tools. Interdisziplinär ausgerichtete Menschen mit Fokus auf den User müssen zwingend Teil des Teams sein. Wichtig dabei: KI ist ein Werkzeug im Projekt und Schlüsseltechnologie der Lösung – nie aber das Ergebnis. Wie immer sollte zuerst mit den richtigen Fragen gestartet werden. Deshalb helfen auch hier die fünf grundsätzlichen Schritte des Design Thinking Prozesses. Mit dem Unterschied, dass auf Prozess- und Methodenebene Daten und Algorithmen integrativ mitwirken.
KI ist ein Werkzeug im Projekt und Schlüsseltechnologie der Lösung – nie aber das Ergebnis.
Identify: Hier versucht der Mensch das Menschliche zu verstehen. Seine Perspektive, Probleme und Situation. Auf der einen Seite durch die klassischen Methoden wie dem Shadowing, andererseits mit Hilfe von KI, indem er aus dem gigantischen Meer an Daten in Echtzeit relevante und neue Einsichten gewinnt und Muster erkennt. Dies war sonst auf Grund der Menge an Daten und dem fehlenden Kontext kaum möglich.
Explore: In dieser Phase werden die Herausforderungen (challenges) und Opportunitäten definiert. Dabei unterstützt KI die Projektteilnehmer in der Priorisierung dieser. Und ja, KI kann als Schlüsseltechnologie auch Teil der Opportunitätslandschaft sein.
Ideate: Endlich können Mensch und KI gemeinsam auf die Jagd nach großartigen Ideen gehen. Jedes Brainstorming erlebt durch ein KI getriebenes Ideenvorschlagswesen, welches aus allen möglichen Daten gefüttert wird, ein Feuerwerk an Kreativität und Geschwindigkeit. Auch die Echtzeitbewertung von Ideen (z.B. Abgleich Patentdatenbank) sowie die Priorisierung auf Grund von Nutzerpräferenzen (User-Daten) ist möglich.
Create: Selbst wenn KI nicht Teil der Schlüsseltechnologie ist hilft sie in diesem Schritt, alternative Designlösungen und Prototypen zu entwickeln und sofort zu testen. Wo sonst immer Zeit für Iterationen fehlte, ermöglicht KI multiple Durchgänge in kürzester Zeit und mit höchster Qualität.
Scale: Mit dem MVP geht es jetzt in den Markt. Und auch hier hilft uns KI zu bestimmen, welcher Markt wohl am erfolgreichsten skalieren wird. Kontinuierliches Tracking und kleine Optimierungen werden schneller und zielgerichteter ermöglicht.
Jeder der fünf Schritte wird auf eigene neue Tools wie AI Interaction Play, AI Empathy Testing und viele mehr zurückgreifen. Vor allem dann, wenn KI als Teil der Lösung funktionieren soll. Denn nicht nur müssen die Teilnehmer des Projektes mit KI das Zusammenarbeiten erlernen, sondern der End-User muss auch KI als Teil der Lösung akzeptieren. Der Wurm muss dem Fisch und nicht dem Angler schmecken.
Erst das Ziel, dann die Technik
KI ist eben kein IT Projekt. Sondern muss einen Nutzen für die Menschen haben. Wie heißt es so schön: wer einen Hammer als Werkzeug hat, sieht überall nur Nägel. Deshalb sollte man sich erst dann für eine Technologie oder Plattform (Chat Bot oder Conversational App, etc.) entscheiden, wenn man wirklich weiß, was man erreichen will. Auch ein Grund warum Design Thinking zumindest im Moment meine präferierte Methode ist.
Lesen Sie auch:
Teil 3 der KI-Kolumne: »Künstliche Intelligenz: Was Mensch und Maschine verbindet«
Teil 2 der KI-Kolumne: »Daten machen Krach«
Auftakt zu Karel Goltas KI-Kolumne: »Design for President?«
eDossier »Die Zukunft von Design im Zeitalter von Künstlicher Intelligenz«
Webinar-Video »Die Zukunft von Design im Zeitalter von Künstlicher Intelligenz«
[8385]
