KI in der Firma: Warum geniale Tools oft scheitern

Wo lässt sich Künstliche Intelligenz in Unternehmen zielführend einsetzen und warum sind manche Anwendungen, auch wenn sie praktisch sind, zum Scheitern verurteilt? Wieland Alge, der mit MAD ventures in Technologie-Start-ups in der Gründungsphase investiert, hat Antworten.

KURIER: In welche Start-ups bzw. KI-Anwendungen investieren Sie?

Wieland Alge: Für uns ist das Problemverständnis sehr wichtig: Gibt es ein reales Problem, das gelöst wird und gibt es auch jemanden am Markt, der dieses Problem wirklich lösen will.

Will man Probleme nicht immer lösen?

In vielen Branchen gibt es Probleme, die Technologie lösen oder verbessern könnte, man hat sich aber daran gewöhnt, mit diesem Problem zu leben.

Ein Beispiel?

Die Verkehrsplanung. Das wissen wir aus leidvoller Erfahrung mit einer unserer Firmen, die wir aber erfolgreich verkaufen konnten. Der Multimodalverkehr könnte durch Technologie besser gelenkt werden, aber der Markt entwickelt sich sehr zäh. Warum? Weil es niemanden gibt, der hier einen Schmerz hat oder zur Rechenschaft gezogen wird, wenn die Ampel schlecht geschaltet ist oder die öffentliche Verkehrsbewegung falsch priorisiert ist. Das ist ein Grundproblem von Start-ups: Dass man manchmal objektiv tolle Dinge entwickelt, aber keiner interessiert sich dafür.

Bei welcher Technologie war Ihnen klar: Die lässt sich gewinnbringend einsetzen? 

Das erfolgreichste Beispiel ist die Firma Innerspace. Die hat mit einem Virtual-Reality-Training geschafft, superkritische Prozesse in der Pharmaindustrie zu standardisieren, die in der letzten Phase der Produktion über den Erfolg entscheiden. Wie Spritzen sicher und zuverlässig abgefüllt werden zum Beispiel. Das stellte sich als so relevant heraus, dass man plötzlich bei fünf der Top-20-Pharmabetriebe innerhalb der vergangenen zwei Jahre Lieferant wurde als Mini-Firma.

Spannend ist: Sie haben erkannt, dass die KI beim Thema Zahlen fehleranfällig ist. 

Es gibt KI-Modelle, die darauf trainiert sind, überschaubare Zahlenmengen zu organisieren. Man kann also aus irgendwelchen Datenmengen oder Excel-Listen Dashboards bauen lassen. Schlecht ist sie bei nicht definierten Zahlenmengen. Dass vier mal vier 16 ist, weiß eine KI, weil sie oft genug den Satz vier mal vier ist 16 gelesen hat und sehr selten vier mal vier ist 17. Es ist wie unser Auswendiglernen beim Einmaleins. Was sie aber nicht gut kann, ist beispielsweise Tabellen analysieren. Fragt man nach dem fünftgrößten Land Asiens, kann sie vielleicht eins bis drei nennen, danach wird es schwierig. Denn die KI durchforstet eine ganze Menge Quellen. Tabellen haben aber oft kein Ranking, sind alphabetisch geordnet oder nach Einwohnerzahl, Fläche. Das hilft der KI nicht weiter und dann schätzt sie irgendwas.