Artikel versenden

Artificial Intelligence für Produktverantwortliche: Die AI-Reise starten




 

// / /

Als Produktmanager*in möchtest Du Dein Unternehmen unbedingt voranbringen und bist auf die Möglichkeit gestoßen, es mit dem Einstieg in Künstliche Intelligenz zu versuchen. Das Einlesen über Zeitschriften und Blog-Artikel hat bereits erste Ideen gebracht, und auch das erste Feedback aus Deinem Team war positiv. Jetzt stehst Du in den Startlöchern – doch wie kannst Du die Reise am besten starten?

Die Hürden beim Einstieg

Wie auch bei anderen Vorhaben gilt: Sobald man sich erst einmal mit einem Thema etwas detaillierter beschäftigt, stößt man unweigerlich auf Hürden und Hemmnisse, die den Start der Reise mindestens verzögern, wenn nicht sogar die ganze Reise zu einer unangenehmen Vorstellung machen, die man lieber rasch aus dem Gedächtnis streichen möchte.  Doch Stopp! – das soll Dir nicht passieren, da möchte ich Dir gerne weiterhelfen. Gut ist schon mal, die Hürden zu kennen, dann verlieren sie ihren Schrecken und man kann sie Stück für Stück überwinden.

Also los: Die Hürden, die mir bisher in Unternehmen beim Start begegnet sind, sind die folgenden:

  • Es gibt viel Einarbeitungsaufwand, um grundsätzlich zu verstehen, was AI überhaupt ist und wie genau die Maschinen lernen.
  • Es scheint unheimlich viele Möglichkeiten (Usecases) zu geben, in denen man Machine Learning einsetzen kann. Um sich da einen Überblick zu verschaffen, braucht es viel Zeit.
  • Um die richtigen Anwendungsbereiche im Unternehmen zu finden, braucht es ein Team aus unterschiedlichen Professionen und unterschiedlichen Teilen des Unternehmens.
  • Das Wissen über Machine Learning ist im Unternehmen ungleich verteilt. Die Data Analysts sind sehr weit, viele andere hinken hinterher und müssten erst auf einen einheitlichen Diskussionsstand gebracht werden.
  • Es gibt Bedenken, dass sich die Machtbalancen im Unternehmen verschieben: Gewinnt jetzt die Abteilung Data Analytics an Macht und wir Produktmanager*innen haben gar nichts mehr zu sagen?
  • Es ist sehr schwierig, das notwendige Wissen im Businessbereich und das notwendige Wissen im Bereich Machine Learning (Statistik, Wahrscheinlichkeiten, Algorithmen) zusammenzubringen.

Diese Hürden haben wir schon einmal überwunden

Und jetzt bitte alle einmal innehalten und überlegen. Kommt uns das vielleicht bekannt vor? Hatten wir so eine Situation mit ähnlichen Problemen nicht schon mal? Vor vielen Jahren, einige von uns erinnern sich noch, kam die Möglichkeit auf, Computer zu programmieren und damit Business-Probleme zu lösen. Schon damals mussten die Business-Verantwortlichen nicht selbst verstehen, wie man Computer programmiert. Im Rückblick wurden die angesprochenen Hürden nach und nach durch die folgenden Lösungen überwunden:

  • Die Entwicklung einer neuen Lösung erfolgt in einem Team. Zu Anfang, ich erinnere mich noch, waren es ein Business- Verantwortlicher und ein Entwickler (jemand der programmieren konnte, meist selbst beigebracht), die gemeinsam ein Programm entwickelten.
  • Später wurden die Teams größer, jede Person im Team hatte spezielle Aufgaben wie Business-Probleme beschreiben, Programme schreiben, Programme testen und Programme betreiben. Jeder im Team versteht etwas in seinem Bereich, die Gesamtlösung wird aber erst gut, wenn alle zusammenarbeiten.
  • Machtbalancen wurden immer zu Gunsten der Business-Seite entschieden. Nicht die Programmierer*innen haben die Macht (wenn auch sie unheimlich wichtig und ein rares Gut sind), sondern es wird im Sinne des Kunden die beste Lösung durch die Business-Verantwortlichen gesucht.
  • Das notwendige Wissen erarbeitet sich jeder in seiner Profession, dadurch ist es für einzelne Personen nicht zu aufwendig. Gemeinsam ist dann genug Wissen beisammen, um die neue Technologie zu nutzen.
  • Fehlt in einem Unternehmen zu Beginn noch ein Wissensbaustein, so kann das durch externe Spezialisten ausgeglichen werden. Wichtig ist nur, dass das Wissen dann intern gelernt und aufgebaut wird.

Wenn man all diese Parallelen berücksichtigt und Mut gefasst hat, dann kann die Reise beginnen.

Den richtigen Usecase finden – der AI Innovation Sprint

Irgendwo anzufangen ist eine Möglichkeit. Aus meiner Sicht ist es jedoch besser, in möglichst kurzer Zeit systematisch zu suchen. Hier bietet sich ein Format an, das bei Google für Produktentwicklungen eingesetzt wird: Der Google Design Sprint (s.u. Literaturtipp). Für meine Beratungspraxis bei der Einführung von AI-Lösungen habe ich auf Basis der Ideen von Jake Knapp und seinem Team den AI Innovation Sprint entwickelt.

Der AI Innovation Sprint ermöglicht es einem Team in nur fünf Tagen

  • gemeinsames Wissen über Machine Learning und AI aufzubauen.
  • möglichst viele Anwendungsbereiche für das eigene Unternehmen zu entdecken und zu bewerten.
  • Prototypen für ausgewählte Lösungen zu bauen und diese dann mit Kunden oder Kollegen zu validieren.

Wie beim Google Design Sprint gliedert sich das Ganze in fünf Schritte an den fünf verschiedenen Tagen:

  • Understand: AI als Technologie und die Anwendungsfelder von AI verstehen
  • Ideate: Ideen für eigene Usecases sammeln
  • Decide: Die Ideen genauer verstehen und sich dann für drei Kandidaten zur Implementierung entscheiden
  • Prototype: Entwicklung von Papier Prototypen für die drei Kandidaten (Anwnedungsszenario, Lernumgebung)
  • Validate: Die Lösungen mit Kunden, Interessenten und Kollegen validieren. Dann den Kandidaten auswählen, mit dem ein erstes AI Projekt gestartet werden soll.

Der Vorteil des AI Innovation Sprint ist es, das er strategisch verankert sehr systematisch abläuft und schnell ein Ergebnis liefert. Das erste Projekt kann starten und ein Team steht bereit, das die Implementierung im Unternehmen steuern kann. Dabei kann schon auf viel Feedback aufgebaut werden.

In meinen AI Innovation Sprint Workshops setze ich dann auf einer eigens entwickelten AI Canvas auf, die auf Basis der dort gestellten Fragen den Suchprozess für das Team leichter macht und auch sicherstellt, dass nicht einfach etwas vergessen wird. Als Methodenbasis setze ich auf den Liberating Structures auf, um bei den Teilnehmer*innen innovative Gedanken und Teamgeist zu befördern.

Nur Mut, Losgehen ist wichtig!

Ich wünsche Dir viel Freude und Erfolg dabei, wenn Du mit Deinem Team die Reise antrittst und erste Schritte machst. Wie bei allen Themen ist es wichtig, erst einmal loszulegen, um eigene Erfahrungen zu sammeln. Nicht immer braucht man sich Sorgen zu machen, wenn nicht alles bereit ist, man kann auf der Reise auch fehlende Dinge dazu kaufen. Wichtig ist aber, die Richtung zu kennen und eine Reiseplanung zu haben wie z.B. die 5 Stationen des AI Innovation Sprint. Einfach loslaufen geht im Zweifelsfall auch – mir wäre der mögliche Erfolg dann aber zu zufällig. Wenn Du noch Fragen zum Format hast oder bei den ersten Schritten Deiner Reise externe Begleitung möchtest, melde Dich gerne.

Anregungen und Kommentare sind wie immer herzlich willkommen.

Auch interessant:

Literaturtipp:

Knapp, Jake et al. (2016): Sprint: Wie man in nur fünf Tagen neue Ideen testet und Probleme löst, Redline Verlag

Quelle Foto: @alphaspirit – Fotolia.com

| Keine Kommentare

 
Top | Impressum | Datenschutz