Industrielle Revolution oder doch nur Nischentechnologie? Einige Familienunternehmen starten erste Projekte mit künstlicher Intelligenz. Die rechnen sich zwar noch nicht in Form von Umsatzgewinnen, versprechen aber dennoch eine positive Wirkung, etwa auf das Image und die Stellung am Arbeitsmarkt.

Die Theorie der Black Box beschreibt ein System, bei dem lediglich der Input und der Output analysiert werden. Was dazwischen steht und passiert, ist nicht relevant. Als Black Box kann man auch die gesellschaftliche Debatte rund um künstliche Intelligenz bezeichnen. Was wirklich drinsteckt, dafür interessiert sich und das weiß kaum jemand. Entscheidend scheint lediglich, was vorne in die Box reinkommt – eine alte Wirtschaftsordnung oder ein altes Geschäftsmodell – und was hinten rauskommt: irgendetwas Neues. Mit derartigen Ungenauigkeiten kommen Unternehmer, die künstliche Intelligenz womöglich für ihr Geschäftsmodell einsetzen wollen, nicht weiter. Sie müssen sich konkret fragen: Wo will ich hin? Und was muss dazu in der schwarzen Kiste passieren?

Um mitreden zu können, hilft die Definition: Der künstlichen Intelligenz (KI) – auf Englisch Artificial Intelligence (AI) – liegt das maschinelle Lernen zugrunde: Ein künstliches System, das mit Daten gefüttert wird, lernt, in diesen Datensätzen Muster zu erkennen. Kommen komplett neue Daten auf die KI zu, wird der Algorithmus Antrainiertes wiederfinden und Anomalien erkennen. Manche Unternehmer, Fondsmanager sowie Berater und Gründer versprechen dadurch die größte Revolution unserer Zeit. Dass künstliche Intelligenz einen großen Einfluss hat, wenn sie im Unternehmen angekommen ist, darauf verweist zum Beispiel die dritte Ausgabe der Studienreihe „State of AI in the Enterprise“ von Deloitte. Acht von zehn Unternehmen, die bereits künstliche Intelligenz ins Unternehmen geholt haben, bezeichnen die Technologie in diesem Kontext als sehr bedeutend oder sogar erfolgskritisch.

Familienunternehmer trauen dem Braten indes noch nicht. Sie sind zögerlich, was die Umsetzung von Zukunftstechnologien wie Blockchain, virtuelle Realität oder eben künstliche Intelligenz angeht. Zu diesem Ergebnis kommt die Studie „Digitale Transformation im Mittelstand und in Familienunternehmen“ der WHU aus dem Jahr 2020. Lediglich 13 Prozent der befragten Unternehmen gaben bei der Umfrage an, Industrie-4.0-Technologien zu nutzen.

Musste vor der KI-Einführung den Betriebsrat überzeugen: Bernhard Sack.

Foto: tel-inform

Was braucht es, damit Familienunternehmen den ersten Schritt wagen? Bei tel-inform war es der Impuls der neuen Generation. Das Unternehmen begann 1846 als H. Sack Baustoff-, Kohlen- und Holzhandel in Grieth am Niederrhein. Als Vertreter der fünften Generation erkannte Heinz Sack zu Beginn der neunziger Jahre, nachdem er sich aus dem Handelsgeschäft zurückgezogen hatte, dass der Aufbau von Kundenservicestrukturen insbesondere über das Telefon ein neues Geschäftsmodell sein könnte. Er gründete 1996 die tel-inform Telefon- und Database-Marketing GmbH, die sich in der Folge auf telefonische Kundenservices – auch außerhalb der Baubranche – spezialisierte.

Sein Sohn Bernhard Sack sammelte nach dem Studium erst bei der Otto Group Erfahrung. Mit dem Otto-Kapitalgeber eVenture Capital Partners (heute Eventures) war er in San Francisco unterwegs. Als er schließlich 2013 in das familiäre Unternehmen einstieg, begann der Nachfolger, an internen Abläufen zu tüfteln, die IT-Lösungen des Unternehmens zu modernisieren und – inspiriert von seinen Erfahrungen in San Francisco – das erste Projekt mit maschinellem Lernen anzugehen. Das Wichtigste für die Umsetzung war bei tel-inform einfach zu generieren: die Daten.

Bei der Suche nach dem wertvollsten Gut der digitalen Welt gilt: Je mehr man davon hat, umso besser. Prof. Dr. Michael Decker, der den Bereich „Informatik, Wirtschaft und Gesellschaft“ des Karlsruher Instituts für Technologie (KIT) leitet, erklärt: Um den Algorithmus einer KI zu entwickeln, brauche es im ersten Schritt Daten für das Training. Im zweiten Schritt müssten mit einem anderen Datensatz die gelernten Zusammenhänge des Systems überprüft werden. Der dritte Schritt sei dann das Testen des Lernerfolgs auf einem dritten, unbekannten Datensatz und die Beurteilung des Ergebnisses für das eigene Vorhaben.

Für tel-inform hieß das Folgendes: Bei jedem Gespräch, bei dem Anrufer und Servicekraft bereit waren, es aufzeichnen zu lassen, wurde die Gesprächsstruktur von der KI analysiert. Kriterien waren etwa: Wann spricht ein Mitarbeiter welche Themen an? Benutzt er oder sie Füll- oder gar Schimpfwörter? Zu welchen Momenten verwenden die Mitarbeiter, die im Auftrag von Anwaltskanzleien, Immobilienmaklern, Handwerkern oder Steuerberatern zum Hörer greifen, die Formeln „danke“ oder „gern“?

Bernhard Sack war klar, dass ein lernender Algorithmus der Performance des Unternehmens guttun würde. „Eine Führungskraft hat gar nicht so viel Zeit, jedes Kundengespräch eines Mitarbeiters anzuhören und zu bewerten, geschweige denn Vorschläge zur Verbesserung zu machen“, sagt der Geschäftsführende Gesellschafter des Unternehmens, das mehr als 300 Mitarbeiter beschäftigt. Maschinelles Lernen erlaubt es tel-inform heute, Tausende von Gesprächen auszuwerten, und kann die Frage klären: Erreicht der Telefonservice die Qualitätsvorstellungen, die ein Auftraggeber hat?

Jeder Dreck ist anders

Im Gegensatz zu tel-inform, wo die Daten zum Training der KI bereits vorhanden waren, musste Caramba Chemie mit Hauptsitz in Duisburg, eine Tochterfirma der Berner Group, den Datensatz für ihr KI-Projekt erst einmal schaffen. Die Idee: In den Waschstraßen, die Caramba mit Reinigungsmitteln beliefert, sollte eine KI-Lösung installiert werden, die je nach Grad der Verschmutzung des Autos die Art und die Dosierung des Mittels anpasst. Dafür musste natürlich eines her: Daten.

Ideengeber Dr. Bernd Weyershausen, Geschäftsführer Marketing & Sales sowie F&E des Herstellers von chemischen Spezialprodukten mit rund 300 Mitarbeitern, und sein Team gingen dafür auf zwei Waschstraßen zu. Dort schossen sie mehrmals über ein Jahr Tausende Fotos von verschmutzten Autos. „Der Schmutz aller Jahreszeiten muss dokumentiert werden, denn Dreck ist je nach Wetter unterschiedlich“, erklärt Weyershausen. Die KI sollte den Unterschied zwischen Sauber und Dreckig erkennen lernen, Reinigungsmittel entsprechend dosieren beziehungsweise je nach Schmutz auswählen.

Für die Algorithmen suchte sich Caramba externe Unterstützung. Das ist der Regelfall, wie die AI-Studie von Deloitte bestätigt: Deutsche Unternehmen setzen nur in 8 Prozent der Fälle auf eine gänzlich interne Entwicklung der künstlichen Intelligenz. Auf einen externen Dienstleister zurückzugreifen hatte für Weyershausen den Vorteil, die Kosten besser einschätzen zu können. Vor allem bei einem Pilotprojekt, von dem er nicht wusste, wie es sich – wenn überhaupt – auf die Bilanz auswirken wird. Nach Angaben von Weyershausen hat die Entwicklung des Algorithmus einen hohen fünfstelligen Betrag gekostet: „Damit liegt das Projekt in einem ähnlichen finanziellen Rahmen wie die Entwicklung oder Weiterentwicklung eines chemischen Produkts bei uns.“

Künstliche Intelligenz – Balsam für das Unternehmensimage

Inzwischen hat die KI Verschmutzungsgrade gelernt zu erkennen. Caramba tüftelt nun am zweiten Schritt: dem Prototyp der intelligenten Waschstraße. Damit könnten die Betreiber in Zukunft Ressourcen sparen und bräuchten weniger Produkte von Anbietern wie Caramba. Gefährdet das nicht den eigenen Umsatz? Nein, sagt Geschäftsführer Weyershausen. „Unser Marktanteil wird dadurch größer.“ Allein die Publicity durch den Anstoß des KI-Projekts habe Neukunden gebracht. Zudem werde Caramba anders wahrgenommen. „Wir sind nicht mehr nur die, die Kanister liefern, sondern ein Partner für Innovationen“ sagt der gelernte Chemiker. Wie sich die KI-Lösung in Zukunft auf den Umsatz auswirken wird, bleibe abzuwarten und hänge von der erreichbaren Steigerung des eigenen Marktanteils und der gegenläufig wirkenden Reduzierung des Chemieverbrauchs ab.

Dabei ist die KI nicht immer des Rätsels Lösung. Beim Erkennen von Mustern und Ähnlichkeiten in einer großen Datenmenge ist die Maschine dem Menschen bereits jetzt weit voraus, sagt Michael Decker vom KIT. Aber eine Sache kann die KI-Lösung nicht: Kausalitäten erkennen und erklären. Deshalb gilt für Unternehmen, die eine KI-Lösung einsetzen möchten, zu prüfen, inwieweit das überhaupt sinnvoll ist.

Bei Bernhard Sack in Kleve telefonieren aktuell mehrere Teams der 300 Mitarbeiter mit Hilfe der Künstlichen Intelligenz, die in der Lage ist, in Echtzeit Gespräche auszuwerten und dem Mitarbeiter während des Gesprächs Tipps und Hinweise zu geben. Damit hat die Lösung technisch das übertroffen, was Sack erwartet hatte. Lässt sich das sofort in einer Umsatzsteigerung ablesen? Dazu macht das Unternehmen keine Angaben. Die Feedbackkultur bei tel-inform sei deutlich besser geworden, erklärt der Geschäftsführer. „Gespräche zur Leistung der Mitarbeiter am Telefon waren früher sehr subjektiv geprägt und unvollständig. Heute ist der Grundsatz von Qualitätssicherung, dass die KI die komplette Auswertung einer Vielzahl von Gesprächen vornimmt. So hat die Führungskraft eine bessere Basis, und die Bewertung ist weniger beeinflusst, sondern faktenbasiert.“ Glücklichere Mitarbeiter, mehr Transparenz und eine bessere Feedbackkultur, die auf Fakten basiert – das müsse den Service verbessern, Kunden zufriedener stellen und wirtschaftlich ein Erfolg sein, so der Schluss von Sack.

Decker erwartet, dass mehr Unternehmen – auch eigentümergeführte – in Zukunft maschinelles Lernen vor allem in zwei Bereichen einsetzen werden. Erstens im Virtuellen, denn da sei die Datenerhebung einfach, und eine KI könne schnell anfangen zu lernen. Ein Beispiel für ein Familienunternehmen, das dort bereits angesetzt hat, ist der Erfurter Buchgroßhändler Zeitfracht GmbH. Auf der Basis von KI soll die Software des Unternehmens lernen, wie sich Zeitfracht-Artikel zukünftig im Internet verkaufen werden, um auf den Markt zu reagieren und Trends oder saisonale Anlässe einzubeziehen.

Der zweite Bereich, in dem Decker die KI für gut zu implementieren hält, ist die industrielle Produktion. „Hier ist der Vorteil, dass Roboter in der Produktion von geschulten Leuten betrieben und angelernt werden – mit Sicherheitsmaßnahmen und in einem Setting, das kontrolliert ist. Es muss dann nicht alles von Beginn an perfekt, ultraschnell und sehr effektiv sein.“

Das Familienunternehmen Ortlinghaus-Werke aus Wermelskirchen im Bergischen Land arbeitet bereits hieran. Der Hersteller von Kupplungen, Bremsen und Antriebslösungen hat in der Produktion eine KI-Lösung im Einsatz, die Abläufe optimiert, indem sie Durchlaufzeiten aus Produktionsaufträgen auswertet und mit möglichen Einflussfaktoren gegenrechnet. Mit jedem neuen Auftrag lernt die KI weiter.

Kein Arbeitsplatzkiller

Bernd Weyershausen kam die Idee zur KI-Lösung beim Abendessen.

Foto: Caramba

Ob sie das auch bald in einem Setting außerhalb des Internets und der Produktion tun wird? Decker ist skeptisch. Die Entwicklungen seien noch nicht so weit, wie sie scheinen. Der mediale Hype mit den „wildesten Beispielen“, wie er es nennt, verzerre die Wahrnehmung der Fähigkeiten der KI. Die Regeln und Herausforderungen der physikalischen Umwelt machen den intelligenten Maschinen heute noch sehr zu schaffen. Einen anderen Mythos will der Wissenschaftler ebenfalls ausräumen: „Die KI wird nach heutiger Einschätzung kein Arbeitsplatzkiller werden. Die Einführung wird menschliche Arbeit verändern, aber nicht auslöschen, und wird – je nach Anwendungsbereich – zu einem Upskilling oder Downskilling der Arbeitskraft führen.“

Außerdem: An ausgebildeten Fachkräften im Bereich Künstliche Intelligenz mangelt es in Deutschland weiterhin, sagt die Deloitte-Studie „State of AI in the Enterprise“. Hier müssten sich Familienunternehmen als attraktive Arbeitgeber positionieren, um den Anschluss nicht zu verlieren. Ein erfolgreiches KI-Pilotprojekt könne große Wirkung haben, so die Studie. Bernhard Sack will sein Unternehmen in Kleve zu einem digitalen Treiber machen. Um für sich zu werben, müsse das Image nach innen und nach außen stimmen. Deswegen seien bei dem aktuellen KI-Projekt die harten Zahlen auch nicht so entscheidend, um es als Erfolg zu bezeichnen, sagt der Geschäftsführende Gesellschafter. Er stellt fest, dass das erste KI-Projekt das Interesse von Fachkräften wie Auftraggebern gleichermaßen geweckt habe.

Dieser Ansatz passt durchaus zum Bild der Black Box. Der 2002 verstorbene französische Mathematiker und Philosoph René Frédéric Thom sagte über das Gebilde: „Der einzig denkbare Weg, um das Innere einer Black Box aufzudecken, ist, damit zu spielen.“ Und wie bei den meisten Spielen ist das Ergebnis vorher nicht zu 100 Prozent abschätzbar, und um zu gewinnen, muss der Spieler ein gewisses Risiko eingehen.

Aktuelle Beiträge

So sichern Unternehmer­familien ihr Vermögen
Whitepaper sichern »
Whitepaper sichern »
So sichern Unternehmer­familien ihr Vermögen