Erinnern Sie die Faszination „Star Wars“? Die Begeisterung über die Freundschaft und die reibungslose Zusammenarbeit zwischen R2-D2, Luke Skywalker, C-3PO, Obi-Wan/Ben Kenobi?
Mit Hilfe der künstlichen Intelligenz scheint sich dieses Zusammenspiel von Mensch und Maschine, das damals rein fiktiv und doch so „natürlich“ erschien, bald zu verwirklichen; zumindest teilweise. Schon heute können intelligente Maschinen klar strukturierbare, logische Aufgaben für uns übernehmen und uns entlasten: Wer will z.B. Archive oder Datenbanken nach Patenten filtern oder in Social Media Foren und im Internet nach bestimmten Trends und Kundenbedürfnissen suchen? Wäre es nicht schön, Alexa zu bitten, Ihnen alle relevanten Patente rund um das Thema E-Mobilität mit dem Fahrrad zu zeigen oder sie zu fragen, welche Anforderungen Hippsters Generation Y Zielgruppen beim Kauf oder Verleih von E-Scootern stellen?

Der Begriff Künstliche Intelligenz ist heute viel umfangreicher und komplexer geworden, schon alleine, weil die verschiedenen Ausprägungen der Intelligenz – von der emotionalen, sozialen, sensomotorischen und kognitiven – im Zeitalter der Digitalisierung mitgedacht und -diskutiert werden.

Autonome Innovation etwa baut auf der Idee auf, dass Produkte als Folge der Digitalisierung nicht das Ergebnis eines Innovationsprozesses sind, sondern auch „intelligente“ Produkte in der Lage sein werden, sich zu aktualisieren und ständig zu erneuern. Sie können zum Beispiel Daten darüber sammeln, wie sie verwendet werden, was die Menschen an ihnen mögen, welche Probleme sie mit ihnen haben, etc. Basierend auf diesen Daten werden Updates durchgeführt oder die nächste Generation kann automatisch spezifiziert und erstellt werden. Natürlich kann dies auf lange Sicht das visionäre Bild sein, aber Tesla ermöglicht es Ihnen bereits heute, Ihr Auto aufzurüsten und neue Funktionen zu erhalten. Amazon analysiert bereits die tatsächlich verkauften Produkte und erstellt meistverkaufte Konfigurationen. Basierend auf Ihren Präferenzen verfügt Netflix und Spotify über mehr als ein Jahrzehnt Erfahrung mit Empfehlungssystemen, die Kundeninhalte liefern.

Die Anwendung von KI erfordert eine Bereitschaft für AI – eine KI Readiness, derer es verschiedene Nutzungsadaptionen gibt. Sie geschieht auf drei Ebenen der Einsatzbereitschaft: Erstens im Hinblick auf die Bereitschaft eines Individuums, KI bei Innovationen zu nutzen. Zweitens wird der technologische Aspekt der KI durch die Untersuchung verschiedener Arten von KI-Technologien sowie durch eine genauere Betrachtung spezifischer Innovationsaufgaben abgedeckt, die KI-Algorithmen möglicherweise verbessern können. Drittens geht es um organisatorische Aspekte im Zusammenhang mit der Einführung von KI im Bereich Innovation. Diese Trias ist nicht isoliert zu denken. Was erreicht der KI-willigste Einzelne, wenn die Organisation KI avers agiert? Was die intensivste Bereitschaft eines KI Einsatzes, wenn technische Parameter nicht erfüllt werden können?

Was passiert, wenn Algorithmen das Innovieren revolutionieren? Wie kann ein Paradigmenwechsel hin zu autonomer Innovation gelingen? Was bremst das Potenzial von KI im Innovationsbereich und welche Herausforderungen sind zu bewältigen, um KI erfolgreich für Innovationsprozesse im Unternehmen einzusetzen?

In HYVEs neu veröffentlichten Studie Wie Künstliche Intelligenz und Algorithmen das Innovieren revolutionieren antworten 163 KI-affine Manager auf diese und andere Fragen. Die Studie zeigt auf, wie essentiell Wissen und Erfahrung für ein Erkennen von KI-Potenzial ist, welchen Nutzen Manager heute in KI sehen und wie utopisch autonome KI noch wahrgenommen wird. Zumal Ressourcen für KI vielfach Mangelware sind und die Implementierung oft nicht klar ist. – Dabei planen 60% der befragten Manager eine extensive Nutzung von KI im Innovationsbereich!

KI schont Ressourcen? Auf lange Sicht mag das zutreffen; zur Implementierung indes braucht es eine Menge bereitgestellter man- und technology-power. Dass nur 20% der befragten Manager angeben, dass ebendiese derzeit zur Verfügung gestellt wird zeigt ein Gap zur geplanten Nutzung.

Die Ergebnisse von HYVEs KI Studie in sechs Thesen:

1. KI wird im Innovationsbereich immer präsenter und offenbart großes Potenzial, trifft aber auf ein noch immer geringes Maß an Wissen und Erfahrung
2. Der sinnvolle Einsatz von KI für analytische Innovationsaufgaben ist offensichtlich, das Poten-zial für kreativere Aufgaben bleibt KI-erfahrenen Unternehmen vorbehalten
3. Der Nutzen von KI wird primär in der Effizienzsteigerung gesehen und gerade von noch KI-unerfahrenen Unternehmen weniger in der Entwicklung neuer Geschäftsfelder oder Schaffung neuartiger Innovationen
4. KI wird auch in naher Zukunft den Menschen nur unterstützen, aber keine Entscheidungen treffen. Autonome KI bleibt fürs erste ein Zukunftsszenario
5. Die organisatorischen Rahmenbedingungen werden in der Mehrheit positiv gesehen und er-muntern zum Einsatz von KI. Die zur Verfügung gestellten Ressourcen sind allerdings knapp
6. Zum Vorgehen, wie man KI für den Innovationsbereich implementieren soll, gibt es unter-schiedliche Sichtweisen und nur wenig Übereinstimmung, Orientierung oder Anleitung

Die Ergebnisse der Studie zeigen, dass KI nicht nur das Potenzial bietet, radikal neue Innovationen hervorzubringen, sondern auch das Innovationsmanagement neu zu denken. KI revolutioniert die Art und Weise von Innovation; läutet eine neue Innovationsära ein. Während um das Jahr 2003 das gängige Innovationsparadigma von Closed zu Open Innovation wechselte und damit die Öffnung des Innovationsprozesses nach außen und die aktive Einbindung von Kunden und Mitarbeitern mittels internetbasierter Methoden wie Crowdsourcing propagiert wurde, arbeiten Unternehmen nach derzeit vorherrschendem Verständnis an ihren Innovations-Ökosystemen und forcieren das Innovieren gemeinsam mit Start-ups und Corporate Innovation Teams in Innovation Labs, Inkubatoren und Acceleratoren. Agile Sprint Formate, Design Thinking, Lean Startup und Scrum Methoden sind dabei täglich Brot.

Künftig werden diese und andere Innovationsformate mittels KI und Machine Learning unterstützt und dadurch effizienter und besser werden. Die Euphorie bei diesem Zukunftsbild ist jedenfalls hoch und das Potenzial riesig. Allerdings tut sich trotz dieser positiven Einschätzung außer vereinzelten Experimenten relativ wenig Konkretes. Viele Anstrengungen, technologische Weiterentwicklung und die Erledigung von Hausaufgaben ist notwendig, um das Potenzial von KI erfolgreich und systematisch zu nutzen. Erfahrungsgemäß zeigen sich die wahren Probleme und Herausforderungen nämlich erst bei der tatsächlichen Nutzung. Dennoch lassen sich, wie Beispiele zeigen, bereits jetzt beachtliche Vorteile gerade bei Analysen zur Bedürfnis- und Trendidentifikation realisieren. Eine Auseinandersetzung mit dem Thema ist also nicht nur hip, sondern notwendig.

Wie sich KI allerdings am besten nutzen lässt und wie dabei genau vorzugehen ist, bleibt vage und erfordert das Verlassen des etablierten modus operandi. Vieles wird sich diesbezüglich in den kommenden Jahren ändern und es ist zu entscheiden, wie man das Thema für sich nutzt – eher als Anwender oder dann doch eher als Pionier, der versucht, mit KI beim Innovieren Neuland zu betreten und sich dadurch Wettbewerbsvorteile zu sichern. Der Aufbau entsprechender
Kompetenzen und die Verstärkung des Ökosystems mit zusätzlichen KI-Partnern scheint jedenfalls sinnvoll und ist in vollem Gange.