Damit KI-Use Cases erfolgreich und zielgerichtet umgesetzt werden können, muss zunächst ein Grundverständnis für diesen konkreten Anwendungsfall aufgebaut werden.

An dieser Stelle wird ein identifizierter KI-Use Case detailliert auf verschiedene Aspekte hin beschrieben. Dazu gehört neben der Darstellung von Problem- und Zielstellung und involvierter Prozesse auch die Beschreibung von technischen und wirtschaftlichen Rahmenbedingungen.

Als Ergebnis erhalten Sie einen vollständig beschriebenen KI-Use Case inklusive eines KI-Pipeline Diagramms. Das dient als Grundlage für weitere Experten zur Umsetzung des Use Cases. Für alle Projektbeteiligten sind somit alle notwendigen Rahmeninformationen einheitlich beschrieben und kommuniziert. Damit wird ein einheitliches Verständnis und ein gemeinsames Zielbild für Experten aus verschiedenen Fachbereichen aufgebaut.

Um die ausgearbeiteten Ergebnisse dieses Kapitels übersichtlich aufbereitet zu haben, eignet sich die Nutzung der nachfolgenden Vorlage in Form eines KI-Use Case Steckbriefes.

• KI-Use Case Steckbrief in Anlehnung an BDEW (2020) (o.J.)
  Fraunhofer IAO
• Künstliche Intelligenz für die Energiewirtschaft (2020)
  BDEW

Zuerst erfolgt der Aufbau des Prozessverständnisses. Mit Hilfe verschiedener Methoden der Prozessdarstellung können involvierte und beeinflusste Prozesse veranschaulicht und mit Hilfe mancher Methoden sogar maschinenlesbar gestaltet werden. Dadurch wird darüber hinaus eine gemeinsame Verständnisgrundlage für Beteiligte geschaffen, da Informationsflüsse gut verständlich dargestellt werden. Neben Start- und Endpunkten der betrachteten Prozesse sollten auch relevante Zwischenschritte und Varianten erfasst und dargestellt werden. Da KI-Experten oft zum ersten mal mit den relevanten Prozessen in Berührung kommen, ist eine generelle Vorstellung und insbesondere eine vor-Ort-Begehung sinnvoll, um das gemeinsame Verständnis zu fördern und auf ein ähnliches Niveau zu bringen. Folgende Methoden können dafür genutzt werden:

• BPMN (vielbenutzte Darstellungsmethode, maschinenlesbar)
• UML (Unified Modeling Language)
• Prozessskizzen

Die Nutzung von BPMN empfiehlt sich hierbei, da diese Methode auch für Nicht-Experten gut verständlich ist.

• BPMN Lexikon
  o.V. (o.J.)
• Triple KI: Vom Projektprozess zum Geschäftsprozess
  Damian Kutzias (Juni 2022)

Sind die zugrundeliegenden Prozesse dargestellt, kann die Problemstellung strukturiert ausgearbeitet werden, die mit Hilfe des KI Einsatzes verbessert, bzw. gelöst werden soll. Hier erfolgt allerdings erst die Beschreibung des Problems, die Zielstellung wird im Anschluss ausgearbeitet.

Die Problembeschreibung sollte zunächst allgemein und losgelöst von KI erfolgen. Es wird also eine neutrale Problembeschreibung angestrebt. KI ist ein Werkzeug zur Problemlösung, weshalb erst nachfolgend geprüft wird, ob KI tatsächlich das geeignete Mittel ist.

• Triple KI: Vom Projektprozess zum Geschäftsprozess
  Damian Kutzias - Fraunhofer IAO (Juni 2022)
• Von Use Case bis Unternehmenskultur: Wie Sie KI in der Produktion erfolgreich einführen
  Johannes Wimmer - Fraunhofer IAO (April 2023)

Die Methode 5W entstammt ursprünglich aus dem Qualitätsmanagement und dient zur Identifizierung der Kernursache und Konkretisierung einer erkannten Problemstellung.

1. Beschreibung des Problems (Art, Umfang, involvierte Prozesse, betroffene Bereiche, involvierte Prozesse, …)
2. Stellen der Frage „Warum liegt dieses Problem vor?“
3. Ermittlung des Grundes für das Problem
4. Wiederholen der Schritte 2 und 3 bis die Wurzel des Problems, die Ursache, erkannt wurde

• Die Frage „Warum?“ muss nicht zwingend genau fünf mal gestellt werden. Es können auch mehr oder weniger Durchläufe zielführend sein.
• Ein Problem kann mehrere und nicht nur eine Ursache haben.
• Das Erkennen der Wurzel eines Problems ist nicht immer zweifelsfrei möglich. Stützen Sie sich dennoch nur auf Fakten und nicht auf Annahmen. Falsche Annahmen können die Ursachenanalyse in falsche Richtungen bewegen.
• Versuchen Sie möglichst aktuelle Daten zur Untersuchung einer Problemstellung zu verwenden.
• Fokussieren Sie sich nicht auf Lösungen des Problems, sondern nur auf die Ursachen.

Problemstellung: Das Laufband funktioniert nicht.

• Warum funktioniert das Laufband nicht mehr?

Weil der Motor nicht läuft

• Warum läuft der Motor nicht mehr?

Weil die Sicherung durchgebrannt ist

• Warum ist die Sicherung durchgebrannt?

Weil der Motor überlastet war

• Warum war der Motor überlastet?

Weil sich Schmutz und Staub angesammelt haben

• Warum hat sich Schmutz Staub angesammelt?

Weil das Laufband nicht regelmäßig gewartet wurde
Die Wurzel des Problems ist also, dass das Laufband nicht regelmäßig gewartet wurde.

• 5-Why-Methode (o.J.)
  BWL-Lexikon
• 5-Why-Methode (o.J.)
  Adobe

Anhand der klar strukturierten Problemstellung kann nun die (strategische) Zielstellung des KI Use Cases beschrieben werden. Mit quantifizierbaren Zielen lassen sich:

1. Fortschritte der Zielerreichung bewerten und
2. Aufwand und Nutzen für Investitionsentscheidungen von technischen Alternativen bewerten.

Mit nachfolgender Methode können Ziele strukturiert formuliert werden. Ergänzend hilft die darauffolgende Methode SMART, um Ziele adäquat zu formulieren. Die beiden Methoden sollten hierbei zusammen und ergänzend genutzt werden.

OKR steht für Objectives and Key Results und ist eine Methode zur Zielsetzung und Leistungsmessung.

Objectives – Was wollen wir erreichen?: Objectives sind die übergeordneten Ziele, die eine Organisation, ein Team oder eine Einzelperson erreichen möchte. Objectives geben auf einer übergeordneten Ebene eine Richtung vor und sollten eher qualitativ formuliert werden.

Key Results – Wie messen wir die Ergebnisse?: Key Results sind spezifische Messgrößen, anhand derer der Fortschritt bei der Erreichung der Objectives gemessen werden kann. Sie sollten SMART formuliert sein. Sie setzen dabei den Fokus und Prioritäten für Objectives.

Folgendes Vorgehen eignet sich:

1. Formulierung eines oder mehrerer Objectives
2. Formulierung einer oder mehrerer Key Results je Objective
3. Regelmäßige Aktualisierung und Überwachung der Key Results

• Es kann hilfreich sein, die Methode OKR für das gesamte Unternehmen anzuwenden und dann weiter auf Abteilungen und Teams herunterzubrechen.
• Ziele sollten bewusst und dosiert gewählt werden, zu viele Ziele können überfordernd wirken.
• Nutzen Sie die SMART-Methode zur Formulierung der Key Results
• Zur Erreichung der Key Results kann die parallele Aufstellung von geeigneten Maßnahmen oder Aktionen förderlich sein.

Objective: Steigerung der Effizienz der Produktionslinie

- Key Result 1: Reduzierung der Durchlaufzeit um 10% bis Ende 2023
- Key Result 2: Senkung der Ausschussrate um 5% bis Ende 2023
- Key Result 3: Verringerung des Bestands in der Produktionslinie um 10% bis Ende 2023

• OKR-Methode
  OKRExperten - Erno Marius Obogeanu-Hempel (o.J.)
• OKR-Methode
  Karriere Bibel - Anja Rassek (2022)
• What is OKR?
  FourWeekMBA (o.J.)

Die SMART-Methode dient zur klaren und konkreten Formulierung von Zielstellungen.

Ziele müssen Spezifisch (specific), Messbar (measurable), Erreichbar (achievable), Relevant (relevant) und Terminiert (timed) sein, damit keine Interpretationsspielräume entstehen und eine eindeutige Überwachung der Zielerreichung ermöglicht wird. Um Ziele SMART zu formulieren, prüfen sie folgende Punkte:

• Spezifisch

Ziele sollten klar, präzise und verständlich sein, indem eine Zielvereinbarung spezifisch und prägnant in einem Satz formuliert wird. Das Ziel sollte speziell auf den eigenen Kontext angepasst werden.

• Messbar

Ziele sollten quantifizierbar sein, um den Fortschritt messen und überprüfen zu können. Nur so lassen sich Erfolg oder Misserfolg bewerten.

• Erreichbar

Die Ziele sollten erreichbar und realistisch sein. Dabei sollten Bedingungen wie Ressourcen, Fähigkeiten oder auch andere Faktoren wie Arbeitszeiten beachtet werden.

• Relevant

Das Ziel sollte für das Unternehmen eine Bedeutung und Nutzen haben und mit den langfristigen Plänen oder der Strategie eines Unternehmens übereinstimmen. So kann sichergestellt werden, dass die Bereitschaft der Mitarbeiter und die Bereitstellung nötiger Ressourcen gegeben ist.

• Terminiert

Ziele sollten ein Enddatum haben, damit eine Dringlichkeit entsteht und der nötige Fokus geschaffen wird. Ohne einen klar definierten Zeitrahmen geraten Ziele oft in Vergessenheit oder werden aufgrund fehlender Priorität vernachlässigt.

• Nutzen Sie zur Aufstellung der Ziele Experten aus jeweiligen Fachbereichen, um fundiertere Einschätzungen zu Zielen treffen zu können.
• Sollten Ziele nicht erreicht werden, reflektieren Sie die Gründe dafür.
• Bedingungen können sich im Laufe eines Projekts ändern. Ziele können also auch angepasst werden, falls es notwendig und nicht verhinderbar wird.
• Es kann hilfreich sein, Ziele in verschiedene Teilziele zu zerlegen, um realistischere Einschätzungen treffen zu können und um das Ziel besser zu überwachen.

Unspezifisch: Ich möchte meine Produktion verbessern.
Spezifisch: Ich möchte den Output meiner Produktion um 5% steigern.

Nicht konkret messbar: Die Qualität meiner Produkte soll gesteigert werden.
Messbar: Die Ausschussquote soll um 5% verringert werden.

Nicht erreichbar: Wir wollen unseren Output um 20% ohne Investitionen steigern und beachten dabei nicht Maschinen- und Mitarbeiterkapazitäten.
Erreichbar: Unter Beachtung aktueller Mitarbeiter- und Maschinenkapazitäten wollen wir unseren Output um 10% steigern.

Nicht Relevant: Wir haben Qualitätsprobleme und wollen unsere Social Media Follower um 20% steigern.
Relevant: Wir haben Qualitätsprobleme und wollen ein Qualitätsmanagementsystem einführen.

Nicht terminiert: Wir wollen Qualität und Output steigern.
Terminiert: Wir wollen Qualität und Output bis Ende 2023 steigern.

Daraus abgeleitete konkrete Zielstellungen:

1. Durch die Einführung eines Qualitätsmanagementsystems wollen wir unsere Ausschussquote bis Ende 2023 um 5% verringern.
   
2. Der Output soll durch geeignete Maßnahmen und bei Beachtung aktueller Mitarbeiter- und Maschinenkapazitäten bis Ende 2023 um 10% gesteigert werden.

• SMART-Methode
  Bundesministerium des Innern und der Heimat (o.J.)
• SMART Ziele richtig formulieren!
  Asana- Julia Martins (2023)

An dieser Stelle kann schon eine erste Prüfung stattfinden, ob KI tatsächlich ein geeignetes Werkzeug zur Problemlösung ist. Diese Einschätzung kann aber zunächst ein Bauchgefühl sein, in einer späteren Bewertung überlegen Sie, ob eine der nachfolgenden KI-Fähigkeiten zur Lösung Ihres Problems beitragen kann:

• Computer Vision (Bildverarbeitung)
• Computer Audition (Audioverarbeitung)
• Computer Linguistik (Textverständnis)
• Advanced Robotics (Robotik)
• Forecasting (Prognose)
• Discovery (Entdecken)
• Planning (Planen)
• Creation (Erstellung neuer Inhalte)

Daneben sollten zudem Risiken erfasst werden, die während des Projekts auftreten können. Mit einer Überwachung können Risiken frühzeitig erkannt und entsprechende Maßnahmen eingeleitet werden. Nachfolgende Methoden bieten zum einen die Anleitung zur Analyse und Bewertung von Ideen und zum anderen Strategien zum Umgang mit potenziell auftretenden Problemen. Fehlendes Risikomanagement ist selbst eine häufige Ursache für das Scheitern von KI-Projekten und sollte daher nicht vernachlässigt werden. Scheitern erste Pilotprojekte, kann das zu einer Akzeptanzminderung unter der Belegschaft führen. Daher ist es auch empfehlenswert, eine feste Verantwortlichkeit für das Risikomanagement festzulegen. Solch eine Person benötigt dafür eine gewisse Entscheidungsgewalt und gewisse Befugnisse. Hier kann bspw. auf bestehende betriebliche Eskalationsketten oder andere Quellen zur Risikominimierung zurückgegriffen werden. Beispielhafte Risiken in KI Projekten sind u.a.:

• Ethisches Risiko (z.B. Gender- oder Diversitätsbias)
• Cybersicherheit (z.B. in automatisierten Prozessen)
• Regulatorisches Risiko (z.B. behördliche Vorgaben)
• Erfroderliche Menschliche Interaktion (kann Fehlerquelle sein)

Die Risikomatrix dient zur Analyse von Projektrisiken hinsichtlich ihrer Eintrittswahrscheinlichkeit und ihres Ausmaßes.

Zur Analyse von Risiken eignet sich die nachfolgende Risikomatrix, die entsprechend der darauffolgenden Vorgehensweise angewendet wird:

1. Identifizieren von Risiken
   Als erstes wird eine Liste potenzieller Risiken erstellt, die Ihr Projekt betreffen könnten. Methoden wie Brainstorming, eine Mind Map oder ein LLM können bei der Ideengenerierung helfen.
2. Bestimmen des Risikoausmaßes
   Schätzen Sie das Ausmaß eines Risikos entsprechend nachfolgender Risikoklassen ein, falls diese Gefährdung tatsächlich eintreten sollte:
   -Vernachlässigbar
   -Begrenzt
   -Beträchtlich
   -Existenzbedrohend
   
3. Beurteilung der Eintrittswahrscheinlichkeit
   Beurteilen Sie, mit welcher Häufigkeit ein bestimmtes Risiko eintritt, wie wahrscheinlich es ist, dass ein bestimmtes Risiko eintritt:
   -Selten, bzw. sehr unwahrscheinlich
   -Mittel, bzw. unwahrscheinlich
   -Häufig, bzw. wahrscheinlich
   -Sehr häufig, bzw. sehr wahrscheinlich
4. Bestimmen der Auswirkung
   Ordnen Sie die analysierten Risiken auf der Matrix entsprechend ihres Ausmaßes und ihrer Eintrittswahrscheinlichkeit ein.
5. Priorisierung von Risiken entsprechend der Matrix
   Eine Möglichkeit zur Priorisierung ist die Zuordnung der Zahlenwerte 1-4 zu den jeweils qualitativen Klassen der beiden Achsen. Die Auswirkung lässt sich folgendermaßen berechnen:
   Auswirkung = Ausmaß x Eintrittswahrscheinlichkeit
   Dementsprechend wird jedes Risiko mit einem Wert zwischen 1-16 bewertet.
   Ordnen Sie die Risiken entsprechend ihrer Bewertung. Je höher die Bewertung, desto größer die Auswirkung.

• Prüfen Sie, ob Sie in vergangenen Projekten bereits ähnliche Risiken analysiert haben oder ob solche Risiken bereits eingetreten sind, um fundiertere Analysen anzufertigen.
• Aktualisieren und Prüfen Sie die Risikomatrix im Projektverlauf erneut, da sich Umfeldbedingungen und auch damit verbundene Risiken, bzw. deren Ausmaß und Eintrittswahrscheinlichkeit ändern können.
• Entsprechend der Risikoanalyse sollten zu allen Risiken Maßnahmen eine entsprechende Risikobehandlung und ggf. eine Maßnahmenplanung umgesetzt werden. Dafür können Sie die entsprechende Methode zur Risikobehandlung in der Toolbox verwenden.

Für den Anwendungsfall „Erstellung von individuellen Trainingsplänen“ wird die Methode nachfolgend veranschaulicht.

Identifizierte Risiken inklusive Bewertung von Eintrittswahrscheinlichkeit und Ausmaß:

• Risikoanalyse
  BSI (o.J.)
• Risikomatrix
  Asana (2022)

Die Risikobehandlung zeigt Strategien auf, wie mit Risiken, bzw. Gefährdungen umgegangen werden kann.

Zum Umgang mit Risiken können grundlegend vier verschiedene Möglichkeiten unterschieden werden. Prüfen Sie die aufgelisteten Optionen in folgender Reihenfolge für jedes Risiko, bzw. für jede Gefährdung:

1. Risikovermeidung
   Es erfolgt eine Umstrukturierung des Projekts in dem Maße, dass ein Risiko nicht mehr wirksam werden kann. Solch ein Vorgehen ist empfehlenswert, wenn Gegenmaßnahmen realisiert werden können, der Aufwand aber zu hoch ist und/oder wenn das Risiko generell nicht akzeptiert werden kann.
2. Risikoreduktion
   Durch zusätzliche Maßnahmen wie eine umfangreiche Überwachung oder andere Sicherheitsvorkehrungen kann das Ausmaß, aber auch die Eintrittswahrscheinlichkeit eines Risiko reduziert werden.
3. Risikotransfer
   Im Rahmen des Risikotransfers werden Risiken verlagert und nicht mehr selbst getragen. Das kann z.B. durch Versicherungen, Auslagerungen an Dienstleister oder ähnliche Vorgehen realisiert werden.
4. Risikoakzeptanz
   Sollte der Aufwand für Gegenmaßnahmen zu groß sein, sollten keine Gegenmaßnahmen bekannt sein, sollten Risiken nur unter sehr speziellen Bedingungen eintreten oder nur zu einer begrenzten Auswirkung führen, kann ein Risiko auch akzeptiert werden.

• Entworfene Maßnahmen oder andere Vorgehen sollten bestenfalls in einem Maßnahmenplan festgehalten werden. Dieser enthält zusätzliche Informationen wie bspw. Verantwortlichkeiten, Terminierungen und ein Fortschrittstracking.
• Für ein spezifisches Risiko können mehrere Maßnahmen ergriffen werden.

Die in der Risikomatrix identifizierten und bewerteten Risiken werden nachfolgend auf Strategien zur Risikobehandlung untersucht. Entsprechend ihrer Priorisierung sind sie von der größten hin zur geringsten Risikoauswirkung sortiert:

• Risikobehandlung
  BSI (o.J.)
• Maßnahmenplanung
  Asana, Alicia Raeburn (2023)

Nach dem Aufbau des Geschäftsverständnis wird nun das Technologie- und Datenverständnis als Vorbereitungen weiterer Arbeiten geschärft. Dafür werden erst allgemeine Daten- und Technologieaspekte zur generellen Beschreibung des KI Use Cases erfasst. Erst im nächsten Schritt werden die Daten genauer untersucht.

• Welche Daten werden benötigt?
• Sind diese Daten vorhanden?
• Ist es überhaupt möglich, an diese Daten zu kommen?
• Wie können diese Datenbeschafft werden, wie kann auf das System zugegriffen werden?
• Sind weitere Schritte zur Datenerfassung nötig?

Daneben sollte auch schon geprüft werden, ob und welche Werkzeuge/Modelle zur Lösung meines Problems vorhanden sind und diese für eine spätere Auswahl notieren. Diese Recherche wird erst später vertieft, ein erster Überblick ist ausreichend.

• CRISP-DM
  Rüdiger Wirth und Jochen Hip (2000)

Ein Pipeline-Diagramm ist eine Übersicht über Datenerhebung und -verarbeitung, Modellbildung und Entscheidungsfindung zu einem KI-unterstützten Prozess. Die Pipeline fördert dabei nicht nur das gegenseitige Verständnis von technischen und nicht-technischen Spezialisten, sondern kann auch als erstes Konzept für die initiale Modellierung und spätere Umsetzung verstanden werden. Im weiteren Projektverlauf können dem Pipeline-Diagramm und dem Projektsteckbrief noch weitere Informationen, wie bspw. konkrete Technologien, hinzugefügt werden. Ergebnisse/Inhalte:

• Priorisierte Systemanforderungen
• Anforderungen an Entwicklungsprozess
• Auswahl eines machbar erscheinenden Lösungsansatzes
• Erkannte Nutzen und Anwendungsschwerpunkte
• Erste (grobe) Risikobewertung
• Sensibilisierung für Datennutzung vor dem Hintergrund des Datenschutzes

• ML4P Whitepaper (2020)
  Fraunhofer

Ein KI-Pipeline-Diagramm ist eine Visualisierung der Datenverarbeitung durch eine ganzheitliche Darstellung der Verarbeitungskette (Datenerhebung und -verarbeitung, Modellbildung und Entscheidungsfindung) in KI-Use Cases.

Das KI-Pipeline-Diagramm stellt ein visuelles Hilfsmittel dar und dokumentiert ein gemeinsames Prozessverständnis unter allen Projektbeteiligten. Es handelt sich also um ein visuelles Hilfsmittel zur Unterstützung der Kommunikation und kann insbesondere auch als geeignetes Kommunikationsmittel zum Management genutzt werden. Im Diagramm wird ein Zusammenhang zwischen technischen Maßnahmen und Eingriffen in einen Prozess dargestellt.

Folgende Operationstypen und Darstellungsweisen sind für ein KI-Pipeline-Diagramm zulässig:

• Quelle, Senke, Stream-Verarbeitung, Persistierung (Datenbank), Modellbildung, Modellanwendung
• Verbindung nur passender Schnittstellen (Dreieck: Datenstrom, Halbkreis: Modell-Transfer)
• Ende-zu-Ende Darstellung als abgeschlossenes Diagramm (keine Operationen mit unbenutzten offenen Schnittstellen)
• Manuelle Ausführung werden als Personen-Piktogramm dargestellt
• Entscheidungen mit Prozessauswirkungen als Stern dargestellt.

Zur Erstellung des Diagramms eignet sich folgendes Vorgehen, Darstellung:

1. der Datenquellen,
2. von Persistierung(en) (Datenbank(en)),
3. der Modellbildung,
4. der Modellanwendung,
5. der Senke,
6. der Datenströme inkl. Übertragungshäufigkeit,
7. von manuellen Ausführungen und
8. von Entscheidungen mit Prozessauswirkungen.

• Bringen Sie bei der Erstellung des Diagramms KI-Experten, Prozessspezialisten und Prozessbediener zusammen, um ein möglichst ganzheitliches Ergebnis zu erhalten.
• Falls Sie ohne Experten dieses Diagramm erstellen und dabei Schwierigkeiten haben, konzentrieren Sie sich vor allem auf mögliche Datenquellen und die Senke(n), also die angestrebten Ergebnisse. Beim Aufstellen der Zwischenschritte können Experten an späterer Stelle unterstützen.
• Nutzen Sie das Diagramm entlang des gesamten Entwicklungsprozesses Ihres Anwendungsfalls. Dadurch sichern Sie eine einheitliche Kommunikationsgrundlage, auf der eventuelle Änderungen einsehbar sind.

Für das Beispiel der individuellen Trainingsplanerstellung wird nachfolgend ein KI-Pipeline-Diagramm dargestellt:

• ML4P Whitepaper (2020)
  Fraunhofer