Priorisierung: der Dreh- und Angelpunkt vom POC zur Produktion

Wir hören oft von Kunden, dass sie begeistert sind, was sie mit Daten und KI erreichen können, aber nicht sicher sind, wie das geht. Oder dass die Tech-Teams zwar „alles dabei“ sind, aber die nötigen Kräfte nicht aufbringen können. Es ist nicht so, dass sie nicht wissen, was sie tun sollen – sie könnten eine Reihe von Initiativen oder Anwendungsfällen auflisten, die von Erkenntnissen aus ihren Daten profitieren oder auf die sie KI anwenden könnten. Doch viele Unternehmen scheinen unter institutioneller Lähmung zu leiden. 

Auf dem Snowflake Summit diesen Sommer dachte eine Führungskraft eines großen Fertigungsunternehmens wehmütig darüber nach: „Wenn wir nur wüssten, was wir wissen.“ Mit anderen Worten: Stellen Sie sich all die Maßnahmen vor, die wir ergreifen könnten, wenn wir Erkenntnisse aus all den gesammelten Daten, all dem, was wir über unsere Kundschaft oder Produkte wissen, gewinnen könnten. 

Die Herausforderung besteht jedoch darin, zu wissen, wo man anfängt. Und die Antwort: bei der Vorarbeit: Es geht darum, was Sie vorbereiten müssen, bevor Sie das Tool überhaupt in Betrieb nehmen. Stellen Sie sich vor, Sie bauen ein Haus ohne Pläne. Doch noch bevor der Architekt den Bleistift zu Papier bringt, gibt es eine Wunschliste mit Ausstattungsmerkmalen für das Traumhaus. Wie stellen Sie sich Ihr Leben im Haus vor? „Nun, wir möchten die herrliche Aussicht des Anwesens nutzen. Um die Aussicht zu maximieren, benötigen wir große Panoramafenster oder eine umlaufende Veranda. Wir möchten auch die Bewohnbarkeit des Hauses mit viel Stauraum sicherstellen, also den Schrankraum nicht vergessen.“ Nachdem ich diesen Prozess kürzlich durchlaufen habe, weiß ich das genau. Meine Wunschliste war lang. 

Dann kommt der schwierige Teil. Sie haben ein Budget und wahrscheinlich einige Regeln zu befolgen, wie das Baugesetzbuch oder die Nachbarschaftsverordnungen. Einschränkungen erfordern es, schwere Entscheidungen zu treffen und bestimmte Eigenschaften gegenüber anderen zu priorisieren. Idealerweise können Sie mit einer soliden Grundlage und wichtigen Funktionen beginnen und einige der anderen später hinzufügen. Und vielleicht müssen Sie lernen, wie Sie einige Dinge selbst erledigen können, sodass Ihre gewünschten Funktionen zu DIY-Projekten werden. Doch wahrscheinlich werden einige dieser Projekte nicht das Licht der Welt erblicken.

Klingt vertraut? Vielleicht haben Sie ein Haus gebaut. Oder vielleicht haben Sie eine Daten- und KI-Strategie entwickelt und angefangen, sie zu nutzen. Sie haben die Möglichkeiten aufgezeigt und mit einer Reihe von Pilotprojekten experimentiert, aber jetzt ist es an der Zeit herauszufinden, was den Unterschied macht.

Laut einem kürzlich veröffentlichten Artikel der Harvard Business Review scheitern 80 % der KI-Projekte, bevor sie es in Produktion schaffen. Diese Zahl wurde zur Veranschaulichung des Scheiterns herangezogen. Bei genauerer Betrachtung zeigt sich jedoch, dass einige dieser 80 % absichtlich fallen gelassen wurden. Der erste Schritt auf dem Weg von der Experimentierphase zur Implementierung ist die Auswahl der Projekte oder Produkte, die weitergeführt werden sollen. Wie es mir ein CDO vor Jahren beschrieben hat, besteht das Ziel der Priorisierung darin, sicherzustellen, dass die Aussicht den Aufstieg wert ist.

Ideen kommen aus allen Bereichen des Unternehmens, und das ist gut so. Ideenvielfalt sollte gefördert werden. KI-Sandboxes und Hackathons regen zum Experimentieren an. Letztlich müssen diese Ideen aber auf den Prüfstand. Ein strenges und transparentes Priorisierungsframework sorgt dafür, dass die vorgeschlagenen Projekte und Produkte den Geschäftszielen entsprechen und das Team sie realistisch erstellen kann. 

Die Aussicht. In der obigen Matrix zeigt die y-Achse grob gesagt die Ausrichtung auf strategische Geschäftsziele. Hier würden Sie die potenzielle „Aussicht“ abschätzen. 

• Ist die Initiative auf Geschäftsziele ausgerichtet? Priorität müssen Projekte oder Produkte haben, die einen direkten Bezug zu bestimmten Geschäftszielen haben. Gibt es einen Sponsor für die Initiative? Datenprodukte bringen nur dann einen Nutzen, wenn sie zum Handeln anregen – es sei denn sie werden von Endnutzenden eingesetzt. Dazu braucht es Zusammenarbeit zwischen Geschäfts- und Datenteams und Aufklärung auf beiden Seiten darüber, was erforderlich und möglich ist. 

• Können mehrere Geschäftsbereiche davon profitieren? Viele Datenteams betonen die Wiederverwendung als Priorität: Der Wert steigt, je mehr Geschäftsbereiche das KI-Modell oder Datenprodukt nutzen. Stellen Sie sich beispielsweise vor, ein Elektronikhersteller möchte verstehen, wie seine Geräte genutzt werden und von wem. Ein „Produktnutzung“-Datenprodukt könnte einem Kundenunternehmen eine Customer-360-Ansicht bieten, um zu sehen, welche Produkte Kund:innen verwenden, und eine Product-360-Ansicht, um zu sehen, welche Kund:innen ein bestimmtes Produkt verwenden. 

• Wie hoch ist die voraussichtliche Rendite? Dies beginnt mit der Identifizierung der zu messenden Kennzahlen, idealerweise im Hinblick auf den unternehmerischen Mehrwert, und der Festlegung eines geschätzten Einsatzes. Die Priorisierung erfordert den konkreten Vergleich zwischen konkurrierenden Initiativen. 

Der Anstieg. Die x-Achse spiegelt die Komplexität und Machbarkeit einer bestimmten Initiative wider, um festzustellen, ob sie in Bezug auf Ressourcen und Risiken erreichbar ist. Hier würden Sie den erforderlichen „Anstieg“ abschätzen.

• Sind die Daten verfügbar? Die wichtigste Voraussetzung sind die Daten, mit denen das Modell trainiert werden kann. Sind interne Daten einfach verfügbar und zugänglich? Erfordert das Modell Umwandlung oder Zugriff auf unstrukturierte Daten? Würde ein angemessenes Training externe Daten wie Partnerdaten oder andere Drittanbieterdaten erfordern, um das Risiko von Bias oder Halluzinationen zu minimieren? 

• Welche Fähigkeiten und Tools sind erforderlich? Hier müssen Sie realistisch sein, ob Sie die Ressourcen haben, um zu liefern, und was nötig ist, um dorthin zu gelangen. Eine KI-Initiative sollte sich nicht wie ein Science-Fiction-Film anfühlen. 

• Gibt es Risiken oder andere Bedenken? Zunächst einmal verfolgt das KI-Gesetz der EU einen risikobasierten Regulierungsansatz und klassifiziert KI-Systeme in vier verschiedene Risikostufen: inakzeptabel, hoch, begrenzt und minimal. Eine Reihe von Tools kann dabei helfen, das Risikoniveau zu bewerten und Orientierung zu den relevanten Vorschriften und Anforderungen zu geben. 

• Wie viel kostet der Aufbau und die Bereitstellung? Letztlich ist dies ein Geschäftsfall und erfordert eine Schätzung der Kosten für den Aufbau, die Bereitstellung und die Pflege des KI-Modells im Laufe der Zeit. Diese Schätzungen sollten auch die Technologie und die Datenerfassung sowie erforderliches Training umfassen. Es geht nicht nur um die Entwicklung einer Anwendung. 

Das Ergebnis ist eine Matrix, in der jedes potenzielle Produkt oder Projekt platziert und hinsichtlich der prognostizierten Aussicht und des erforderlichen Anstiegs bewertet werden kann.

Die 2-mal-zwei-Matrix ergibt folgende Kategorien: 

• Schnelle Erfolge: Tolle Aussicht, kurzer und einfacher Aufstieg. Diese Initiativen stehen voll und ganz im Einklang mit strategischen Geschäftszielen und werden entweder als weniger komplex oder als äußerst praktikabel erachtet. 

• Gar nicht erst versuchen: Geringere Aussicht, harte Arbeit. Diese Initiativen gelten als härter und potenziell weniger wert, was den Aufwand nicht unbedingt wert ist. 

• Langfristige Investitionen: Tolle Aussicht, aber langer und steiler Anstieg.Von diesen Initiativen wird erwartet, dass sie einen erheblichen Wert liefern, aber sie gelten als komplexer oder mit deutlich mehr Risiko oder Ressourcenanforderungen verbunden. Diese können in kleinere Initiativen oder Komponentendatenprodukte aufgeteilt werden, die später aggregiert werden könnten, um den vollen Nutzen zu erzielen. 

• Näher untersuchen: Geringere Aussicht, aber relativ kurzer und einfacher Aufstieg. Es wird erwartet, dass diese Initiativen einen gewissen Nutzen bringen (sonst würden sie nicht vorgeschlagen werden), aber weniger strategisch ausgerichtet sind. Sie gelten jedoch als relativ einfach zu liefern. Es ist eine mögliche Option, aber nur wenn Zeit und Ressourcen übrig sind, daher die niedrigere Priorität.

Dies ist kein optionaler Prozess. Der Übergang vom Proof of Concept zum Produkt/Projekt bringt schwere Entscheidungen mit sich. Ein formaler Priorisierungsrahmen stellt sicher, dass Initiativen gleich und transparent bewertet werden, dass Initiativen die Geschäftsstrategie unterstützen, dass Initiativen für das Unternehmen machbar sind und dass Ressourcenbedarf und erwartete Ergebnisse aufeinander abgestimmt sind.

Um mehr darüber zu erfahren, wie Snowflake-Kunden die KI-Reise von Überzeugungsarbeit und Experimentierfreude bis hin zur Operationalisierung und Transformation zurückgelegt haben, lesen Sie unseren Leitfaden zu effektiver KI für Data Executives.