NET 12/2024

www.net-im-web.de 12/24 29 KI in der Industrie holder, von der Geschäftsführung bis zu den Endbenutzern, müssen in den Ver- änderungsprozess einbezogen und über die Vorteile und die Funktionsweise der neuen Systeme aufgeklärt werden. Geschieht dies bereits bei der Projektauswahl und -planung, hilft dies, Widerstände abzubauen und die Akzeptanz und Nutzung der KI-Lösungen zu fördern. Insgesamt benötigen Unterneh- men, die KI erfolgreich im industriellen Umfeld einsetzen möchten, eine solide Basis aus genauer Kenntnis ihrer Prozesse und Abläufe, qualitativ hochwertigen Daten, sorgfältiger Projektselektion und effektivem Change Management. Nur so können sie sicherstellen, dass die KI nicht nur technisch implementiert, sondern auch effektiv genutzt wird, um echten Mehrwert zu schaffen. Strukturierte Umsetzung Künstliche Intelligenz mag neu sein und zu großen Veränderungen im industriellen Umfeld führen – der Werkzeugkasten für (digitale) Transformationen ist längst be- kannt: Systems Engineering bietet einen mächtigen Rahmen und vielfältige Me- thoden für die strukturierte Umsetzung von KI-Projekten im industriellen Umfeld. Durch den modellbasierten Systemansatz ermöglicht Systems Engineering eine ganz- heitliche Betrachtung komplexer Systeme. Dieser Ansatz erleichtert das Verständ- nis, wie einzelne Komponenten innerhalb eines industriellen Systems interagieren, und bietet eine strukturierte Methode zur Problemlösung und Optimierung. Ein zentraler Bestandteil des Systems Engineering ist das strukturierte Anforderungs- und Risikomanagement. Unternehmen können damit präzise de- finieren, welche spezifischen Ziele sie mit dem Einsatz von KI erreichen wollen, und gleichzeitig Risiken frühzeitig identifizieren und bewerten. Dies ist besonders wichtig, da KI-Projekte oft Neuland betreten und somit unvorhergesehene Herausforderungen mit sich bringen können. Die iterative Entwicklung und kontinuierliche Verbesserung sind eben- falls entscheidende Methoden im Systems Engineering, die besonders bei KI-Projekten zur Anwendung kommen. Diese Ansätze ermöglichen es, Projekte in kleineren, über- schaubaren Phasen zu entwickeln, die es erlauben, regelmäßig Feedback zu sammeln und die KI-Systeme entsprechend anzupas- sen. Diese Flexibilität ist entscheidend, um sicherzustellen, dass die KI-Anwendungen auch wirklich den Bedürfnissen des Unter- nehmens dienen. Neben Systems Engineering ist das bereits erwähnte Change Manage- ment ein unverzichtbarer Bestandteil der erfolgreichen Implementierung von KI- Projekten. Um alle Stakeholder – von der Entscheidungsebene bis in den operativen Bereich – erfolgreich auf die Reise der digitalen Transformation mitzunehmen, müssen Veränderungen sorgfältig geplant und kommuniziert werden. Dies schließt eine umfassende Schulung der Mitarbeiter mit ein, um sicherzustellen, dass sie nicht nur die technischen Aspekte der KI ver- stehen, sondern auch deren Potenzial und Vorteile erkennen. Insgesamt bietet Systems Engi- neering robuste und erprobte Methoden, die Unternehmen dabei helfen können, die Komplexität von KI-Projekten zu bewälti- gen und diese erfolgreich im betrieblichen Alltag zu integrieren. Johannes H. Diedrich Systems Engineering bietet einen mächtigen Rah- men und vielfältige Methoden für die strukturierte Umsetzung von KI-Projekten im industriellen Um- feld KI-Systeme benötigen hochwertige Daten, um effektiv zu lernen und zu funktionieren. Unternehmen müssen sicherstellen, dass sie Zugang zu zuverlässigen, sauberen und strukturierten Daten haben (Fotos: Alcatel-Lucent Enterprise, shutterastock)