Anfangs war die Entwicklung und Nutzung von KI im Wesentlichen eine Angelegenheit für große Unternehmen. Mit den Daten, den Datenspezialisten, der Rechenleistung und den finanziellen Ressourcen hatten sie eine Art Monopolstellung inne, die es ihnen ermöglichte, KI-Modelle zu erstellen und Lösungen zur Anwendungsreife zu bringen. Jetzt beginnt es zu sprühen: Kleinere Unternehmen erkennen die Vorteile und Anwendungsmöglichkeiten in ihren Betrieben. Es entsteht ein Markt für KI-Lösungen, die auf die Ausgangssituation von Unternehmen mit geringeren Ressourcen zugeschnitten sind. Hier sind die wichtigsten Entwicklungen:
Big Data galt früher als Maß aller Dinge für das Training einer KI: Je mehr Daten, desto besser das Ergebnis. Für Großkonzerne war das kein Problem, kleinere Unternehmen hatten jedoch das Nachsehen und wurden aufgrund fehlender Trainingsdaten weitgehend von der Nutzung von KI-Lösungen ausgeschlossen. Aber viel hilft nicht immer viel; es kann auch verwirren und dazu führen, dass das Wesentliche aus den Augen verloren wird. Derzeit dreht sich der Wind, denn es ist nun klar, dass man auch mit weniger Daten ziemlich weit kommen kann. Small Data ist der Name des Trends, sozusagen das Gegenteil von Big Data. Das bedeutet, dass Unternehmen, die nicht über Big Data verfügen, wieder im Spiel sind. Aber Small Data bedeutet auch, Daten auszuwählen und genau die Daten zu verwenden, die für die Lösung eines bestimmten Problems geeignet sind. Darüber hinaus ist Small Data ressourcenschonend, da der Stromverbrauch für die Verarbeitung von weniger Daten geringer ist.
Nicht jedes Unternehmen ist in der Lage, selbst ein KI-Modell für bestimmte Aufgaben zu entwickeln. Allerdings stehen mittelständische und kleinere Unternehmen oft vor ähnlichen oder vergleichbaren Problemen wie große Unternehmen.
Angesichts der wachsenden Bedeutung von KI auch für kleine Unternehmen und zunehmend professionalisierten und standardisierten Entwicklungsprozessen stellen große Cloud-Anbieter Plattformlösungen zusammen mit den erforderlichen Tools wie Algorithmen zur Verfügung. Dies ermöglicht es Unternehmen, Indikatoren für ihre Aufgaben zusammenzustellen und zu visualisieren und selbst Analysen durchzuführen. Darüber hinaus gibt es mittlerweile auch vollständig standardisierte Anwendungen, die Unternehmen auch ohne KI-Fachwissen als „KI as a Service“ nutzen können, beispielsweise für die Erkennung von Bildern und Texten oder Dokumenten. Diese zunächst recht einfachen Anwendungen werden immer komplexer und damit für ein breiteres Spektrum von Unternehmen interessant.
Unternehmen und Organisationen, von KMUs bis hin zu Behörden, versinken in Papierkram: Lieferscheine, Anträge und Bescheinigungen, Bestellungen, Kündigungen, Änderungsmitteilungen und Rechnungen müssen umgehend erfasst, zugeordnet und die darin enthaltenen Informationen für die weitere Verarbeitung bereitgestellt werden, vorzugsweise in digitaler Form. Mitarbeiter führen diese eher mühsame und fehleranfällige Aufgabe oft manuell aus. IDP (Intelligent Document Processing) nutzt eine Kombination aus OCR (Optical Character Recognition) und KI, um die Papierflut nahezu fehlerfrei zu bewältigen und diesen Prozess zu automatisieren. Die Digitalisierung von Unterlagen kann wiederum als Grundlage für die weitere Automatisierung von Arbeitsabläufen dienen. Angesichts des Fachkräftemangels gewinnt IDP als Einstiegs- und Basistechnologie zunehmend an Bedeutung und steht auch kleineren Unternehmen im Rahmen von AI as a Service zur Verfügung.
Fazit
KI wandelt sich von einem Werkzeug, das von teuren Spezialisten für spezifische Probleme in finanzstarken Großunternehmen entwickelt wurde, zu einem breit einsetzbaren – und erschwinglichen – Werkzeug, das auch für kleinere Unternehmen ohne fundierte KI-Kenntnisse oder die Mittel zum Aufbau solcher Kenntnisse geeignet ist. Für sie bieten KI-Services, die als Dienstleistung genutzt werden können, Einstiegsmöglichkeiten in die Automatisierung und die Grundlage für weitere Automatisierungsmaßnahmen.
