‍

Gen KI-Sprechstunde für Unternehmen

Haben Sie Fragen zur Einführung generativer KI in Ihrem Unternehmen?
Wir bieten Ihnen eine offene Sprechstunde der KI-Werkstatt informieren.
‍
wann:  jeden Freitag, 13-14 Uhr per Anmeldung unter https://calendly.com/stefan-wittenberg/ki-sprechstunde
wo: per Zoom unter https://htw-berlin.zoom-x.de/j/61221380518

wer: Prof. Dr. Stefan Wittenberg und Prof. Dr. Andre Beinrucker

‍

‍

Vorgehensmodell zur Einführung generativer KI

‍

Die KI-Werkstatt hat Vorgehensmodell für den Einsatz generativer KI entwickelt, mit Unternehmen aus Berlin validiert
und iterativ weiterentwickelt. Das Pilotprojekt wurde mit den Unternehmen Finetech GmbH & Co. KG und der NBB Netzgesellschaft Berlin-Brandenburg mbH & Co. KG (Gasag Gruppe) durchgeführt.

‍

Das Vorgehensmodell besteht aus vier Phasen mit einzelnen Unterphasen:
‍

1. Discovering-Phase:

• Datengetriebene Discovery: Identifikation erster Use-Cases auf Basis von Daten, ohne direkt Mitarbeitende einzubinden.
• Top-Down-Discovery: Das Management priorisiert die identifizierten Use-Cases nach strategischer Relevanz.
• Bottom-Up-Discovery: Mitarbeiter-Workshops zur weiteren Identifikation und Verfeinerung der Use-Cases.
  ‍

2. Scoping-Phase:

• Priorisierung der Use-Cases: Analyse von Kosten und Nutzen, Bewertung des Aufwand-Nutzen-Verhältnisses und Zuordnung zu strategischen Zielen.
• Identifikation von Showstoppern: Prüfung auf regulatorische, technische oder organisatorische Hürden, die eine Umsetzung verhindern könnten.
• Use-Case-Konzeption: Detaillierte Ausarbeitung der priorisierten Use-Cases mit Zielgrößen, Verantwortlichkeiten und grobem Umsetzungsplan.
  ‍

3. Piloting-Phase:

• Technologie- und Anbieterauswahl: Auswahl geeigneter Tools, Plattformen oder Partner für die Umsetzung des Piloten.
• Agile Pilotenentwicklung: Umsetzung des Use-Cases in einem iterativen Vorgehen, eng begleitet durch das Projektteam und erste Anwender.
• Rollout im Pilotbereich: Einführung des Piloten in einem klar abgegrenzten Unternehmensbereich, inkl. Begleitmaßnahmen zur Erfolgsmessung.
  ‍

4. Scaling-Phase:

• Strategische Skalierung: Ableitung einer unternehmensweiten KI-Strategie basierend auf den Erkenntnissen aus dem Piloten.
• Compliance und IT-Security: Sicherstellung von Datenschutz, rechtlicher Konformität und sicherer Systemintegration im gesamten Unternehmen.
• Organisation und Umsetzung: Rollout auf weitere Unternehmensbereiche, Anpassung von Prozessen und Strukturen, Verstetigung durch Governance.
  ‍

Schulungs- und Change-Maßnahmen:
Diese Maßnahmen begleiten alle Phasen und beginnen mit der Schulung der Geschäftsführung, um sie mit den Möglichkeiten und Grenzen der KI vertraut zu machen. Anschließend werden Führungskräfte und der Betriebsrat einbezogen. Es wird ein abteilungsübergreifendes KI-Team aufgebaut, und durch Mitarbeiterveranstaltungen sowie den KI-Marktplatz wird für eine offene Kommunikation und Partizipation gesorgt. Vor dem flächendeckenden Rollout findet schließlich eine verpflichtende Mitarbeiterschulung statt, um alle auf den neuesten Stand zu bringen.

‍

‍

-> Die KI-Werkstatt unterstützt schwerpunktmäßig in den Phasen Discovering, Scoping und Piloting. Hier freuen wir uns über die Vermittlung von Studierenden für Abschlussarbeiten und Pratika. Auf Anfrage stehen wir Unternehmen im Rahmen von Auftragsforschungsprojekten auch unterstützend zur Verfügung.
‍

‍

‍

Im Kern der Identifikation von Use-Cases für generative KI steht die Verbindung eines Top-Down mit einem Bottom-Up-Ansatz.

Im Top-Down Ansatz wird die Managementperspektive eingenommen und es werden aus Sicht des Geschäftsmodelles und einer datenbasierte Analyse mögliche Use-Cases abgeleitet. Die Top-Down-Sicht wird um eine Bottom-Up-Sicht ergänzt, in der aus Mitarbeitendenperspektive konkrete Optimierungsideen aus dem Tagesgeschäft abgeleitet werden. In einer sich anschließenden Konsolidierung und Priorisierung entsteht im Anschluss ein Use-Case-Backlog für das Unternehmen.

‍

‍

(1) https://arxiv.org/abs/2303.10130

‍

Das Projekt erfolgt in enger Kooperation mit dem Projekt Generative KI in der Berliner Unternehmenslandschaft (BerGPT)

und dem Projekt Digital +

‍

‍

Englisch Version:
‍
Implementation Model for Introducing Generative AI in SMEs

1. Discovering Phase:

• Data-Driven Discovery: Identification of initial use cases based on data, without directly involving employees.
• Top-Down Discovery: Management prioritizes the identified use cases according to strategic relevance.
• Bottom-Up Discovery: Employee workshops for further identification and refinement of use cases.

2. Scoping Phase:

• Use Case Prioritization: Cost-benefit analysis, assessment of effort-benefit ratio, and alignment with strategic goals.
• Identification of Showstoppers: Examination of regulatory, technical, or organizational obstacles that could hinder implementation.
• Use Case Design: Detailed elaboration of the prioritized use cases with target metrics, responsibilities, and a rough implementation plan.

3. Piloting Phase:

• Technology and Vendor Selection: Choosing suitable tools, platforms, or partners for the pilot implementation.
• Agile Pilot Development: Iterative implementation of the use case, closely supported by the project team and initial users.
• Pilot Rollout: Introduction of the pilot in a clearly defined company area, including accompanying success measurement activities.

4. Scaling Phase:

• Strategic Scaling: Development of a company-wide AI strategy based on insights gained from the pilot.
• Compliance and IT Security: Ensuring data protection, legal compliance, and secure system integration across the company.
• Organization and Implementation: Rollout to other business units, adjustment of processes and structures, institutionalization through governance.

Training and Change Management Measures:
These measures accompany all phases, beginning with training for the executive management to familiarize them with the opportunities and limitations of AI. Subsequently, managers and the works council are involved. A cross-departmental AI team is formed, and open communication and participation are promoted through employee events and an AI marketplace. Before company-wide rollout, mandatory employee training is conducted to bring everyone up to speed.

‍

‍

‍