Rückblick: 21. IEEE Conference on Business Informatics (CBI) 2019 in Moskau

In meinem heutigen Beitrag möchte ich einen kurzen Rückblick auf die wissenschaftliche Konferenz «IEEE Conference on Business Informatics 2019» geben, welche vom 15. Bis 17. Juli erstmals in Moskau ausgetragen wurde.  Die Konferenz richtet sich ausdrücklich an ein breites Forschungsspektrum aus dem Bereich der Wirtschaftsinformatik: Von «Business Process Management» über «Industry 4.0» bis «Artificial Intelligence for Business» waren sowohl theoretische als auch praxisorientierte Forschungsarbeiten vertreten. Meine Anwesenheit war der Tatsache zu verdanken, dass mein Forschungsartikel zu Bankinnovationen und der Risikotragfähigkeit von Banken nach einem Double-Blind-Review-Verfahren für den Track «Artificial Intelligence for Business» angenommen wurde, den ich in Moskau präsentieren durfte. Darüber hinaus habe ich den Track «Industry 4.0 (Industry Applications)» als Co-Chairholder moderiert.

Natürlich habe ich mir auch die Vorträge anderer Wissenschaftler zu ihren Forschungen angeschaut, insbesondere in meinem Forschungsbereich, welcher die Modellierung von KI-Applikationen und die Evaluation ihrer organisatorischen Auswirkungen umfasst. Daher möchte ich insbesondere die Ergebnisse der Forschung von Prof. Sandkuhl von der Universität Rostock vorstellen, dessen Arbeit sich mit der Entwicklung einer Methode zur Einführung Künstlicher Intelligenz in Unternehmen befasst. Dieser Beitrag unterstreicht die Relevanz meiner Forschung zur Wirkungsanalyse von KI auf die Unternehmensorganisation und bestätigt den Schwerpunkt der ersten beiden Workshops aus unserem Forschungskreis CC Ecosystems: Bevor man KI-Applikationen im Unternehmen implementiert, sollte man sich zuerst mit dem Begriff KI auseinandersetzen.

Putting AI into Context – Method Support for the Introduction of Artificial Intelligence into Organizations

Der Artikel von Prof. Sandkuhl basiert auf zwei grundlegenden Annahmen:

  1.  Künstliche Intelligenz ist eine «hyped technology» – also eine Technologie, deren Nutzen (noch) spekulativer Natur ist und deren Potenziale von Anwendern überschätzt werden.
  2. KI-basierte Anwendungen sind letztlich nichts anderes als eine Form von Informationssystemen, die es zu designen und entwickeln gilt. Eine Methode zur Einführung von KI in Unternehmen sollte zudem keine Perspektive einnehmen, die allein auf die technologischen Möglichkeiten fokussiert, sondern den Nutzen für die Organisation in den Mittelpunkt stellt.

Prof. Sandkuhl analysiert im Rahmen seiner Arbeit zunächst zwei KI-Projekte hinsichtlich der Erwartungshaltung im Vorfeld und der aufkommenden Probleme im organisatorischen Kontext. Zu diesem Zweck wertet er Interviews mit Projektbeteiligten mittels qualitativer Content-Analyse aus. Hierbei zeigt sich, dass der Begriff Künstliche Intelligenz nicht hinreichend verstanden wird und dass die Technologie zu stark im Mittelpunkt steht. Die «Success-Stories» vieler Unternehmen sowie die Marktstudien zu den Potenzialen von KI führen zudem zu erhöhten Erwartungen an die Technologie seitens der Entscheider. Hierdurch kommt es unter anderem zum stupiden Transfer von Anwendungen aus Fremd-Domänen in die eigene Domäne – häufig mit unabsehbaren Folgen für die Organisation. Häufig ist zudem nicht klar, wie die KI-Projekte implementiert werden sollen. Dies betrifft z. B. Anforderungen an Datenformat, -struktur und -qualität sowie dringend benötigtes Expertenwissen, um die Applikation mittels der vorhandenen Daten aufzusetzen.

Auf Grundlage dieser Erkenntnisse und der zuvor genannten Annahmen kommt Prof. Sandkuhl zu dem Schluss, dass im Zuge der Entwicklung von KI-Projekten auf bestehende Methoden zur Softwareentwicklung zurückgegriffen werden kann und es keiner neuen methodischen Instrumente bedarf. Zudem wird auf Grundlage der Interviews festgestellt, dass man insbesondere Machbarkeitsstudien und der Anforderungsanalyse von KI-Projekten Aufmerksamkeit schenken sollte. Unter der Annahme, dass eine KI-Lösung in bestehende Prozesse und in eine Applikationslandschaft integriert werden muss, wird die Methode zur Einführung von KI-Projekten im Kontext des Enterprise Architecture Managements entwickelt. Die Methode besteht aus den folgenden 4 Schritten:

  1. Modellierung der organisatorischen Anforderungen des KI-Projektes
    • Welche Rollen und Geschäftsprozesse sind potenziell von der KI-Anwendung betroffen?
    • Welche Datenstrukturen werden von der Anwendung genutzt oder verändert?
    • Welche Anwendungen und Services werden als Datenquelle oder Projektionsfläche der Ergebnisse genutzt?
  2. Technologie-spezifische Anforderungserhebung
    • Welche Anforderungen ergeben sich hinsichtlich Datenformat, -strukturen, -qualität und -menge?
    • Welche Kompetenzen erfordert der Umgang mit der Technologie?
    • Wie werden Input- oder Output-Daten (Text, Sprache) in maschinenlesbare Formate umgewandelt?
    • Wie definieren wir Qualität und welche Rechenleistung benötigen wir, um sie sicherzustellen?
  3. Systematische Analyse des KI-Kontextes unter Beachtung der Anforderungen aus 1. und 2.
    Die Unternehmensarchitektur wird einer Gap-Analyse bezüglich folgender Fragestellungen unterzogen:
    • Sind die benötigten Datenstrukturen vorhanden?
    • Welche Applikationen und Prozesse sind von der KI-Anwendung betroffen?
    • Sind die benötigten Kompetenzen vorhanden und erfüllt die aktuell genutzte Technologie die Performance-Anforderungen der KI-Anwendung?
    • Sind die absehbaren Veränderungen für die Organisation akzeptabel?
  4. Entscheidung über die Machbarkeit
    Die Machbarkeit wird auf Grundlage der vorangegangenen Schritte in Abhängigkeit weiterer relevanter Faktoren dargestellt, dies können z. B. integrierte Datenquellen und anwendungs-spezifische Trainingsdaten sein.

Die Methode von Prof. Sandkuhl wurde im Zuge der Einführung einer Instant-Payments-Lösung bei einem deutschen Zahlungsverkehrsdienstleister angewendet. Die Anwendbarkeit der Methode konnte im Projekt bestätigt werden. Bei der Modellierung der Abhängigkeiten zwischen Anforderungen und Gegebenheiten haben sich bestehende Enterprise-Architecture-Methoden wie bspw. ArchiMate bewährt. Nichtsdestotrotz haben sich für die Methode von Prof. Sandkuhl folgende Verbesserungspotenziale offenbart:

  • Stärkere Betrachtung der Auswirkungen des KI-Projekts auf organisatorische Rollen
  • Anleitung zur Identifikation relevanter oder betroffener Prozesse und Rollen
  • Unterstützung bei der Auswahl geeigneter KI-Technologien anhand bestehender Daten

Alles in allem belegt Prof. Sandkuhls Forschung, dass KI-Projekte nicht allein auf einem technologischen Ansatz basieren, sondern an den organisatorischen Kontext angepasst werden sollten. Künstliche Intelligenz ist kein Allheilmittel und bei der Planung und Entwicklung von KI-Applikationen sollte ebenso rigoros vorgegangen werden wie bei «normalen» Informationssystemen [1].

Implikationen für meine weitere Forschung

Die Forschungsergebnisse von Prof. Sandkuhl bestätigen den im CC Ecosystems eingeschlagenen Ansatz der Analyse organisatorischer Auswirkungen Künstlicher Intelligenz. So wurde in den ersten beiden Workshops der Begriff KI aus verschiedenen Perspektiven beleuchtet und somit ein einheitliches Verständnis aufgebaut. Aktuell erarbeite ich ein Modell zur Darstellung der Auswirkungen von KI-Applikationen, dessen zentrale Komponente die Fähigkeiten von KI bilden, welche auf dem Periodensystem der Künstlichen Intelligenz nach Prof. Kris Hammond [2] und den menschlichen Intelligenzformen nach Prof. Howard Gardner basieren [3]. Dieses Modell soll es nicht nur ermöglichen, eine KI-Applikation grundlegend zu designen und Anforderungen an die organisatorische Einbettung abzuleiten, sondern auch, potenzielle Auswirkungen auf betroffene Rollen und Prozesse aufzuzeigen. Daraus können Potenziale für die Remodellierung von Prozessen abgeleitet werden. Das Wirkungsmodell soll den Verantwortlichen ebenfalls die Möglichkeit geben, unerwünschte potenzielle Konsequenzen, z. B. durch die KI-Applikation entstehende logische Brüche im Prozess, noch vor der Entscheidung für oder gegen die Anwendung zu erkennen und das Design ggf. anzupassen. Somit wird ein wichtiger Beitrag zur Anforderungsanalyse von und Machbarkeitsstudie für KI-Applikationen geleistet und der Grundstein für eine organisatorisch nachhaltige Implementierung von Künstlicher Intelligenz in Unternehmen gelegt.

Abseits der Forschung

Die Conference on Business Informatics bot natürlich nicht nur spannende wissenschaftliche Beiträge, sondern auch ein schön ausgestaltetes Rahmenprogramm. Dieses führte in das eigens für die Konferenzteilnehmer am Montag geöffnete Puschkin-Museum unweit des Kremls, in welchem unter anderem Kunstwerke von Henri Matisse, Pablo Picasso und Edvard Munch ausgestellt werden. Zum Abschluss der Konferenz gab es ein feierliches Dinner im Gorki-Park mit musikalischer Begleitung durch ein Streichquartett und eine Sängerin. Darüber hinaus habe ich im Rahmen der Konferenz interessante Persönlichkeiten kennenlernen dürfen und auch der kulturelle Austausch kam nicht zu kurz, immerhin waren 23 Nationen vertreten. Im nächsten Jahr wird die Konferenz in Antwerpen stattfinden und ich hoffe, mit einem Forschungsbeitrag zu den organisatorischen Auswirkungen Künstlicher Intelligenz wieder teilnehmen zu dürfen.

Quellen:

[1] Sandkuhl, K. (im Druck). Putting AI into Context – Method Support for the Introduction of Artificial Intelligence into Organizations. In Proceedings 21. IEEE International Conference on Business Informatics (CBI 2019).

[2] bitkom (2018). Digitalisierung gestalten mit dem Periodensystem der Künstlichen Intelligenz: Ein Navigationssystem für Entscheider. https://www.bitkom.org/sites/default/files/2018-12/181204_LF_Periodensystem_online_0.pdf

[3] Gardner, H. (1987). The Theory of Multiple Intelligences. Annals of Dyslexia, 37, 19-35. Retrieved from http://www.jstor.org/stable/23769277

Christian Dietzmann

Christian ist Doktorand im CC Ecosystems mit Fokus auf dem Einsatz Künstlicher Intelligenz in Finanzinstituten. Die Leidenschaft für Finanzinnovationen packte ihn während seiner Tätigkeit für das Kompetenzzentrum (damals noch CC Sourcing) während des Bachelorstudiums. Nach dem Bachelor in Business Economics (B.Sc.) sammelte Christian Bankingerfahrung in der UniCredit-Gruppe und widmete sein Masterstudium in Management Sciences (M.Sc.) dem Schwerpunkt «Banken und Versicherungen». Seine empirische Masterarbeit verfasste er zum Thema «Bank Innovation and Bank Risk-Taking». Nach dem Masterabschluss arbeitete er als Management-IT Consultant und beriet Unternehmen der Finanz- und Energiebranche.
Christian Dietzmann

Kommentar verfassen