HMD 57(1) - Februar 2020 - Business Impact Künstliche Intelligenz
Autor*innen mit den meisten Dokumenten
Auflistung nach:
Neueste Veröffentlichungen
- ZeitschriftenartikelWirtschaftliche Bewertung von KI in der Praxis – Status Quo, methodische Ansätze und Handlungsempfehlungen(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Ulrich, Maximilian; Bachlechner, DanielIm Zuge der voranschreitenden Digitalisierung rücken betriebswirtschaftliche Aspekte bei der Priorisierung von Transformationsvorhaben immer mehr in den Mittelpunkt. Besonders im produzierenden Gewerbe müssen sich Investitionen aufgrund des meist hohen Wettbewerbsdrucks und geringer Margen in relativ kurzer Zeit amortisieren, um umgesetzt zu werden. Während Identifikation, Entwicklung und technische Bewertung von Vorhaben schon recht gut gelingen und sich erste Vorgehensmodelle etabliert haben, fällt vielen Betrieben die wirtschaftliche Bewertung noch schwer. Vor allem bei Investitionen in Verfahren der künstlichen Intelligenz (KI), ist es heute noch kaum möglich, die Rentabilität zuverlässig zu bestimmen. In diesem Beitrag wird die Problematik der wirtschaftlichen Bewertung von KI von verschiedenen Seiten beleuchtet. Ziel ist die Ableitung von Handlungsempfehlungen unter Berücksichtigung der besonderen Bedürfnisse produzierender Unternehmen. In einem ersten Schritt wird ein Überblick über die aktuelle Nutzung von KI im produzierenden Gewerbe gegeben und die Erwartungshaltung bezüglich der Möglichkeiten und Grenzen von KI kritisch betrachtet. Anschließend erfolgt eine Bestandsaufnahme von Ansätzen zur wirtschaftlichen Bewertung von Projekten, welche in der Praxis zur Anwendung kommen oder in der Wissenschaft diskutiert werden. Abschließend werden konkrete Empfehlungen zur Umsetzung der Bewertung von Transformationsvorhaben gegeben. Darüber hinaus werden Forschungsbedarfe im Zusammenhang mit der betriebswirtschaftlichen Bewertung von KI offengelegt. Methodisch basiert der Beitrag sowohl auf der Aufarbeitung einschlägiger Literatur zum Thema, als auch auf Erfahrungen, welche die Verfasser des Beitrags bei der Umsetzung zahlreicher KI-Projekte im produzierenden Gewerbe gewonnen haben. With the advancement of digitalisation, the importance of relevant economic aspects is gaining focus. Particularly in the production industry, where high competitive pressure and small margins are common, digitalisation projects need to be profitable within a short time in order to be implemented. While standard processes for the identification, development and technical evaluation of such projects have already been established, and have been successful in practice, the evaluation of their economic value remains challenging. This is particularly true in the field of artificial intelligence (AI), where a reliable determination of profitability has yet to reach a consensus. In this article, we evaluate the difficulty regarding a reliable economic assessment of AI projects, discussing the problem from several different angles. Focusing on the particular requirements of the production industry, we give an overview of the current state of AI in practice, as well as critically evaluating common expectations of their potential and limits. Based on this, recommendations are given for how the economic value of such projects can be evaluated as well as for where future research effort should be focused. The content of this article is based on both an analysis of relevant literature on the subject as well as the authors’ expertise in the field, acquired through numerous projects in the field of AI in the production industry.
- ZeitschriftenartikelPotenziale von Chatbots für den innerbetrieblichen IT-Support(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Fiore, Dario; Thiel, Christian; Baldauf, MatthiasChatbots sind Software-Assistenten, mit denen in geschriebener Sprache interagiert werden kann. Die Fortschritte in der künstlichen Intelligenz und insbesondere in der Verarbeitung natürlicher Sprache haben der Technologie in den letzten Jahren einen Schub verliehen. Während diese im Kontakt mit Kunden bereits häufig anzutreffen sind, existieren wenige wissenschaftliche Studien zur innerbetrieblichen Anwendung von Chatbots. Diese Arbeit untersucht anhand eines funktionalen Prototyps mit Mitarbeitenden einer Bank und eines Krankenhauses in der Schweiz die Frage, inwiefern ein innerbetrieblicher Chatbot den IT Service Desk in relevanten Use Cases entlasten kann. Basierend auf den Erkenntnissen zur Benutzerfreundlichkeit und zur Eignung einzelner Anwendungsfälle kann auf die Nutzungsabsicht und somit eine tatsächliche Nutzung durch Mitarbeitende geschlossen werden. Für die Beurteilung des Entlastungspotenzials für den IT Services Desk durch innerbetriebliche Chatbots müssen allerdings Nutzen und Aufwände (z. B. für Entwicklung und Betrieb des Chatbots) abgewogen und unternehmensspezifisch beurteilt werden. Chatbots are software-based assistants which enable interaction using written language. Advances in artificial intelligence and especially in natural language processing have given a boost to the technology in recent years. While such bots are already commonly used for customer interactions, in-company applications and related scientific studies are rare. This work uses a functional prototype with employees of a bank and a hospital to investigate the question of how an in-company chatbot can relieve the IT service desk in relevant use cases. Based on the findings on user-friendliness and the suitability of individual use cases, the intention of use and thus the actual use by employees can be inferred. For the assessment of the potential of burden reduction of the IT services desk through internal chatbots, however, benefits and expenses (e.g., for the development and operation of the chatbots) must be weighed up and assessed on a company-specific basis.
- ZeitschriftenartikelRezension „Künstliche Intelligenz – Eine Einführung“(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Knoll, Matthias
- ZeitschriftenartikelRezension „Künstliche Intelligenz“(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) van Giffen, Benjamin
- ZeitschriftenartikelVerbinden von Natürlicher und Künstlicher Intelligenz: eine experimentelle Testumgebung für Explainable AI (xAI)(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Holzinger, Andreas; Müller, HeimoKünstliche Intelligenz (KI) folgt dem Begriff der menschlichen Intelligenz, der leider kein klar definierter Begriff ist. Die gebräuchlichste Definition, wie sie in der Kognitionswissenschaft als mentale Fähigkeit gegeben ist, enthält unter anderem die Fähigkeit, abstrakt, logisch und schlussfolgernd zu denken und gegebene Probleme der realen Welt zu lösen. Ein aktuelles Thema in der KI ist es, herauszufinden, ob und inwieweit Algorithmen in der Lage sind, solches abstraktes Denken und Schlussfolgern ähnlich wie Menschen zu erlernen – oder ob das Lernergebnis auf rein statistischer Korrelation beruht. In diesem Beitrag stellen wir eine von uns entwickelte frei verfügbare, universelle und erweiterbare experimentelle Testumgebung vor. Diese „Kandinsky Patterns“ ( https://human-centered.ai/project/kandinsky-patterns , https://www.youtube.com/watch?v=UuiV0icAlRs ), benannt nach dem russischen Maler und Kunsttheoretiker Wassily Kandinsky (1866–1944), stellen eine Art „Schweizer Messer“ zum Studium der genannten Problemstellungen dar. Das Gebiet, dass diese Problemstellungen behandelt wird „explainable AI“ (xAI) genannt. Erklärbarkeit/Interpretierbarkeit hat das Ziel, menschlichen Experten zu ermöglichen, zugrundeliegende Erklärungsfaktoren – die Kausalität – zu verstehen, also warum eine KI-Entscheidung getroffen wurde, und so den Weg für eine transparente und verifizierbare KI zu ebnen. Artificial intelligence (AI) follows the concept of human intelligence, which unfortunately is not a clearly defined concept. The most common definition, as given in cognitive science as a mental ability, includes the ability to think abstract, logical and deductively and to solve given problems of the real world. A current topic in AI is to find out whether and to what extent algorithms are capable of learning such abstract “thinking” and reasoning similar to humans—or whether the learning outcome is based on purely statistical correlation. In this paper we present a freely available, universal and extensible experimental test environment. These “Kandinsky Patterns”, named after the Russian painter and art theorist Wassily Kandinsky (1866–1944), represent a kind of “Swiss knife” for studying the problems mentioned above. The area that deals with these problems is called “explainable AI” (xAI). Explainability/Interpretability aims to enable human experts to understand the underlying explanatory factors—causality—i.e. why an AI decision was made, thus paving the way for a transparent and verifiable AI.
- ZeitschriftenartikelAgile Dokumentation: Anspruch und Wirklichkeit – eine fallstudienbezogene Analyse mehrerer Softwareentwicklungsprojekte(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Mathews, Laura; Holzweißig, KaiDie agile Softwareentwicklung gewinnt in der heutigen Unternehmenspraxis zunehmend an Bedeutung und löst an vielen Stellen klassische Vorgehensmodelle ab. Dies wirft aus wissenschaftlicher Sicht die Frage auf, welche Konsequenzen für etablierte Praktiken, wie beispielsweise die Softwaredokumentation, damit verbunden sind. Während die Dokumentation in der klassischen Softwareentwicklung einen hervorgehobenen Stellenwert besitzt, wird ihr Wert im Rahmen agiler Praktiken hingegen relativiert. Da weder im Agilen Manifest noch in den agilen Methoden konkrete Vorgaben hinsichtlich der Dokumentation existieren, stellt die Gestaltung dieser eine große Herausforderung für agile Projekte dar. Im Rahmen des vorliegenden Artikels wird daher eine kritische Betrachtung des Themas vorgenommen. Hierzu wird der aktuelle Stand der Forschung erhoben sowie eine fallstudienbezogene Analyse mehrerer Softwareentwicklungsprojekte bei einem weltweit tätigen Unternehmen der Softwareentwicklungsbranche durchgeführt. Die Ergebnisse zeigen, dass weder in Theorie noch Praxis verbindliche oder einheitliche Standards bezüglich der empfohlenen Dokumentationsartefakte sowie eines Dokumentationsvorgehens existieren. Dennoch werden durch die betrachteten Fallbeispiele verschiedene Realisierungsmöglichkeiten einer Softwaredokumentation im agilen Umfeld aufgezeigt. Ferner werden mögliche Gründe für die Heterogenität agiler Dokumentationspraktiken diskutiert, um Anhaltspunkte für weiteren Forschungsbedarf zu geben. Agile software development is becoming more and more relevant in today’s business practices and supersedes classical approaches in many places. From a scientific point of view, this change entails many consequences for established practices, such as for software documentation. While documentation is ascribed high importance in classical software development, its role is often subordinate in agile practices. As neither in the Agile Manifesto nor in the different agile methods any concrete guidelines regarding documentation are given, the criteria of good documentation are unclear for agile projects. This situation provides the motivation for the present article, which conducts a critical analysis of agile documentation. The current state of research is discussed and a case study of multiple software development projects is conducted at a global player in the software development industry. The results show that neither in theory nor in practice binding or uniform standards regarding recommended documentation artefacts and documentation approaches exist. However, the different case samples studied offer deeper insights into different options of software documentation in the agile context. Furthermore, potential reasons for the heterogeneity of agile documentation practices are discussed in order to provide indications for further research.
- ZeitschriftenartikelManagement von Künstlicher Intelligenz in Unternehmen(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) van Giffen, Benjamin; Borth, Damian; Brenner, WalterKünstliche Intelligenz bietet Unternehmen neue Möglichkeiten Prozesse, Produkte, Dienstleistungen und Geschäftsmodelle zu innovieren und bestehende zu verändern. Daher wird das professionelle Management Künstlicher Intelligenz in Unternehmen zu einer zentralen Aufgabe, um die neuen Wertversprechen mit produktiven Systemen zu realisieren. Der Beitrag stellt das St. Galler Management Modell für KI (SGMM-KI) vor und zeigt sieben Handlungfelder für den betrieblichen Einsatz von KI: (1) Management von Künstlicher Intelligenz, (2) Organisation des Betriebs, (3) Rechtliche Gestaltung, (4) Regulierung und Compliance, (5) Lebenszyklus-Management, (6) Management der Technologie-Infrastruktur, sowie (7) Cybersicherheit. Der vorliegende Artikel leitet konkrete erste Schritte an und richtet sich primär an Geschäftsleitungsmitglieder, IT- und Innovationsverantwortliche sowie Projektleiter, welche die neuen Wertversprechen der KI in der betrieblichen Praxis verwirklichen möchten. Artificial intelligence offers firms new opportunities to innovate processes, products, services and business models and to change existing ones. Therefore, the professional management of artificial intelligence in companies becomes an increasingly important task to realize the new value propositions with productive systems. The article presents the St. Gallen Management Model for AI (SGMM-AI) and highlights seven areas of action for the operational use of AI: (1) management of artificial intelligence, (2) organization of business operations, (3) legal, (4) regulation and compliance, (5) life-cycle management, (6) management of technology infrastructure, and (7) cyber security. This article provides guidance on the first steps of implementing AI. It is primarily targeted board members, IT, innovation and project managers who want to put the new value propositions of AI into practice.
- ZeitschriftenartikelRezension „Künstliche Intelligenz für Sales, Marketing und Service“(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Knoll, Matthias
- ZeitschriftenartikelImplikationen von Machine Learning auf das Datenmanagement in Unternehmen(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Kessler, René; Gómez, Jorge MarxMachine Learning ist ein Forschungsfeld mit großen Potenzialen und weitreichenden Anwendungspotenzialen. Big Data kann dabei als Enabler angesehen werden, da große und qualitativ hochwertige Daten stets die Grundlage für erfolgreiche Machine Learning-Algorithmen und -Modelle darstellen. Aktuell gibt es noch keinen voll etablierten Standardprozess für den Machine Learning-Life Cycle, wie es im Data Mining mit dem CRISP-DM beispielsweise der Fall ist, was zur Folge hat, dass gerade die Operationalisierung von Machine Learning-Modellen Unternehmen vor große Herausforderungen stellen kann. In diesem Beitrag werden anhand der Sicht auf die Beschaffenheit der Daten, die verschiedenen Rollen in Machine Learning-Teams und den Lebenszyklus von Machine Learning-Modellen Implikationen für das Datenmanagement in Unternehmen herausgearbeitet. Machine Learning is a trend research area with great potential and far-reaching application potentials. Big Data is an enabler, as large and high-quality data are always the basis for successful machine learning algorithms and models. There is currently no fully established standard process for the machine learning life cycle, as is the case in data mining with the CRISP-DM-Process, which means that the operationalization of machine learning models in particular can present companies with major challenges. In this article, the implications for data management in companies are worked out on the basis of the view of the nature of the data, the various roles in machine learning teams and the life cycle of machine learning models.
- ZeitschriftenartikelSocial Intranets als Grundlage für die interne Unternehmenskommunikation und Zusammenarbeit(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Däbritz, Vanessa; Frömder, Erik; Anke, JürgenEffektive Zusammenarbeit ist in der heutigen Zeit für erfolgreiche Unternehmen unverzichtbar. Besonders für international tätige Unternehmen kann ein Social Intranet die Erreichung der Unternehmensziele unterstützen sowie die Zusammenarbeit zwischen den Mitarbeitern vereinfachen. In diesem Beitrag wird speziell auf die interne Unternehmenskommunikation und Zusammenarbeit der Mitarbeiter eines internationalen Konzerns eingegangen. Ziel ist es, anhand theoretischer Betrachtungen und der innerhalb der Deutschen Telekom AG durchgeführten Studie zu deren Social Intranet namens „you and me“, Aussagen zur Wirksamkeit und Empfehlungen für die Gestaltung von Social Intranets abzuleiten. Effective collaboration is indispensable for successful businesses today. A social intranet can support corporate goals and simplify collaboration between employees, especially for international companies that face additional challenges. This paper addresses specifically the internal corporate communication and cooperation of the employees of an international corporation. The aim is to derive statements on the effectiveness and recommendations on the design of social intranets based on theoretical considerations and the study carried out within Deutsche Telekom on their social intranet with the “you and me”.