Beim allgemeinen Hype um die generative AI vergisst man leicht, dass vor etwas mehr als einem Jahrzehnt eine andere Technologie – das Internet der Dinge oder Internet of Things (IoT) – ähnlich gefeiert wurde. In Kombination mit dem aufkeimenden Konzept der «Platform as a Service»-Architektur (PaaS) war das IoT zum Beispiel in der Lage, GE in die Liga der weltweit führenden Softwareunternehmen zu katapultieren. Bis 2019 wurden jedoch viele digitale Vermögenswerte im Zusammenhang mit Predix – dem ehrgeizigen Projekt, das diesen Sprung möglich machen sollte – von GE verkauft.
Das Scheitern des Predix-Projekts wurde in zahlreichen Artikeln ausführlich beschrieben, so dass wir die Geschichte hier nicht wiederholen wollen. Stattdessen möchten wir die Aufmerksamkeit auf die Lehren lenken, die aus der Umsetzung gezogen wurden.
Die Geschichte von GEs gescheitertem IoT-Versuch erinnert uns eindringlich an die Herausforderungen, die bei der Implementierung von transformativen Technologien auftreten können – eine Lektion, die besonders für den aufkeimenden Bereich der generativen AI relevant ist.
Interoperabilität
Im Jahr 2014 brachte GE Predix auf den Markt, die weltweit erste industrielle Cloud-basierte Plattform zur Speicherung und Analyse von Machine Data in grossem Massstab. Sie wurde entwickelt, um Signale von Industrieanlagen zu interpretieren und zu automatisieren, unabhängig vom Hersteller.
Doch die Verwendung proprietärer und veralteter Technologie erwies sich als Hindernis. Dieses Problem der Interoperabilität, insbesondere in Bezug auf Daten, kann sich auch auf AI-Projekte auswirken. Selbst wenn Daten vorhanden sind, sind sie dann wirklich zugänglich? Möglicherweise ist eine Umwandlung erforderlich, um die Daten richtig zu formatieren. Nach dem Erhalt der Daten bleibt die Frage: Ist die Datenplattform zuverlässig genug, um konsistent zu funktionieren?
Kultureller Wandel
Die Welt scheint heute von den Versprechungen der generativen AI mitgerissen zu werden, ähnlich wie bei der IoT-Revolution vor ihr.
Während Bedenken über die kulturellen Auswirkungen von AI häufig diskutiert werden, gibt es wahrscheinlich eine schweigende Mehrheit, die wirklich Angst vor dem Potenzial von AI hat, menschliche Aufgaben in allen Branchen zu ersetzen. Die anspruchsvolle Aufgabe des organisatorischen Change Managements darf nicht unterschätzt werden. Erfolgreiche Projekte müssen die Vorteile der AI aufzeigen und die Verbesserungen methodisch in die täglichen Arbeitsabläufe einbauen.
Technologische Komplexität
Die technische Herausforderung, alte Industriemaschinen für Predix umzurüsten, spiegelt sich in der Komplexität der Integration von AI in bestehende IT-Infrastrukturen wider. Generative AI-Projekte erfordern oft beträchtliche Rechenressourcen und für den effektiven Betrieb von Algorithmen können spezielle Umgebungen erforderlich sein.
Bestehende Systeme sind möglicherweise nicht für diese Komplexität gerüstet, so dass erhebliche IT-Upgrades erforderlich sind. Dieses Szenario kann sowohl den Zeitplan als auch das Budget des AI-Projekts in die Höhe treiben.
Kundenakzeptanz
Wenn Ihr generatives AI-Projekt die Art und Weise verändert, wie Kund:innen mit Ihren Produkten oder Dienstleistungen interagieren, müssen ihre Bereitschaft und Fähigkeit zur Anpassung berücksichtigt werden. Dies wird besonders schwierig, wenn die Kund:innen an Altsysteme gewöhnt sind.
Es ist von entscheidender Bedeutung, das AI-Erlebnis mit Blick auf die Kund:innen zu gestalten, während der Umstellung umfassende Unterstützung zu bieten und die Vorteile, die das neue AI-System für die Interaktion mit Ihren Produkten oder Dienstleistungen bringt, klar zu kommunizieren.
Implementierung
Die erfolgreiche Einführung einer gross angelegten Technologie wie der generativen AI erfordert ein Gleichgewicht zwischen technischen, menschlichen und geschäftlichen Überlegungen. Inspiriert von den Erfahrungen von GE finden Sie hier eine Reihe von praktischen Strategien für Ihr Unternehmen:
- Beginnen Sie mit einem Interoperabilitäts-Audit und einer Bewertung der kulturellen Bereitschaft, um potenzielle Konflikte oder Lücken zu ermitteln. Investieren Sie in umfassende Schulungen, um die Mitarbeitenden bei der Navigation in der neuen Technologielandschaft zu unterstützen.
- Bewerten Sie die Kapazität Ihrer bestehenden IT-Infrastruktur, um den Anforderungen der AI gerecht zu werden und erwägen Sie einen iterativen Ansatz für die Implementierung, der überschaubare Tests und eine schrittweise Ausweitung ermöglicht.
- Stellen Sie die Kund:innen immer in den Mittelpunkt Ihres Entwicklungsprozesses und beziehen Sie sie durch Umfragen, Betatests oder UX-Forschung mit ein. Sorgen Sie für eine transparente Kommunikation über die Vorteile des AI-Systems und die damit verbundenen Veränderungen und bieten Sie in der Übergangsphase umfassende Unterstützung.
- Stellen Sie sicher, dass Sie aus den abschreckenden Beispielen der Vergangenheit lernen und sie als Trittsteine und nicht als Stolpersteine auf Ihrem Weg zur technologischen Transformation nutzen.
Wenn es Ihnen gelingt, all diese Dinge zu erreichen, können generative AI-Projekte zu klaren Beispielen für eine erfolgreiche Integration werden und nicht zu deutlichen Warnungen vor dem Scheitern.
Mehr entdecken
Fragen?
Management