Die geschäftliche Nutzung von KI erfordert die nachhaltige und zielgerichtete Entwicklung von KI-Systemen sowie deren Integration in betriebliche IT-Umgebungen. Das Paradigma der KI heisst “Trainieren statt Programmieren” und erfordert das Überdenken bestehender betrieblicher und technologischer Managementprozesse, z.B. in Entwicklung, Beschaffung und dem Betrieb von KI-Systemen.
In unserer Forschung entwickeln wir neue Managementmethoden, -prozesse und -strukturen, die es Unternehmen ermöglichen, KI sinnvoll und wertstiftend einzusetzen und somit langfristig Geschäftswert zu generieren.

Unsere aktuelle Forschung beantwortet folgende Problemstellungen:

• Organisationale Transformation und betriebliche Fähigkeiten für den Einsatz von KI (v.a. Reifegrade und Entwicklungspfade)
• Entwicklungs- und Betriebsmodelle für den Einsatz von KI
• Skalierung von KI-Systemen in produktive IT-Umgebungen
• Führung und Kommunikation für den Einsatz von KI in Unternehmen

Hierdurch beantworten wir die Frage, wie Organisationen den KI-Einsatz industrialisieren und professionalisieren können und welche Voraussetzungen hierfür erfüllt sein müssen.

In diesem Forschungsfeld beschäftigen wir uns mit der Durchführung realer KI-Projekte. Zum einen analysieren wir, weshalb ein Grossteil initiierter KI-Projekte scheitert, d.h., verworfen wird bzw. niemals “live geht”. Zum anderen arbeiten wir an der Entwicklung von Management-Praktiken, um – ausgehend von Ideen – über Prototypen zu erfolgreich betriebenen KI-Systemen in betrieblichen Umgebungen zu gelangen. In unserer Forschung identifizieren wir relevante Einflussfaktoren auf den KI-Projekterfolg, leiten geeignete Massnahmen ab und integrieren diese in ein KI-Projektmanagement-Ansatz.

Unsere aktuelle Forschung richtet sich auf folgende Problemstellungen:

• Systematische, d.h. Methoden- und Tool-gestützte Identifikation von KI Use Cases
• Barrieren in der Implementierung von KI-Systemen (v.a., soziotechnische Barrieren)
• Wert- und risikoorientierte Auswahl und Durchführung von KI-Projekten
• Integration von KI-Entwicklung in IT und Software-Engineering Prozesse (z.B. agil, DevOps)

Unsere Arbeit zielt darauf ab, das Spannungsfeld zwischen geschäftlicher Opportunität, menschlicher Erwünschtheit und technologischer Innovation mit geeigneten Methoden und Praktiken zu adressieren.

Im Themenbereich Design Thinking für Künstliche Intelligenz (DT4AI) untersuchen wir, wie die Innovation und Entwicklung von KI-Systemen stärker an Bedürfnissen von Nutzern bzw. Endnutzern orientiert werden kann. KI-Technologie macht zwar einen sehr wichtigen Teil in der Entwicklung von KI-Systemen aus, aber insbesondere in Frühphasen der Innovation und der anschliessenden Ausgestaltung von KI-Lösungen werden menschliche Bedürfnisse, Emotionen und Einstellungen oft unzureichend berücksichtigt.

In unserer Forschung entwickeln wir Modelle, Methoden und Tools mit verschiedenen Zielsetzungen:

• Methoden und Tools der nutzerzentrierten Bedürfnisidentifikation und -analyse (Need finding)
• Methoden und Tools zur Kontextualisierung von KI-Lösungen auf den Ebenen Individuum, Team und Organisation
• Modelle für die Gestaltung von User Interfaces bzw. der User Experience im Hinblick auf Akzeptanz und Nutzung von KI-Lösungen

Unsere Arbeit zielt darauf ab, KI Innovationen so zu entwickeln, dass die Nutzung Vertrauen in diese fördert und Ansprüche, Wertvorstellungen oder auch Ängste angemessen berücksichtigt werden.

Im Forschungsbereich Demokratisierung von KI bearbeiten wir Problemstellungen der unternehmensweiten Adoption von KI. Gerade für grosse Unternehmen ist es von zentraler Bedeutung KI nicht nur als Aufgabe einzelner Spezialisten zu begreifen, sondern vielmehr einen grossen Teil der Belegschaft in die Entwicklung von KI zu beteiligen.

Unsere Annahme ist, dass KI breit im Unternehmen verankert sein muss, wenn sie zukünftig Produkte, Dienstleistungen und Geschäftsprozesse unterstützen soll. Schliesslich müssen alle Mitarbeiter in die Lage versetzt werden, zu KI-Innovationen beizutragen, an den entsprechenden Entwicklungen teilzuhaben und auch den Betrieb von KI-Anwendungen im Unternehmensumfeld zu sicherzustellen.

Dementsprechend fokussiert sich unsere Arbeit auf folgende, beispielhafte Fragestellungen:

• Wie können Unternehmen die gesamte Belegschaft in die Lage versetzen, zur KI-Innovation beizutragen und daran teilzuhaben?
• Welche Handlungsfelder ergeben sich auf Ebene des Managements, der Betriebsführung und des Technologiebetriebs in der breiten Nutzung von KI?
• Wie können Unternehmen eine Balance zwischen Freiheit/Innovation mit KI und dem betriebswirtschaftlichen, nachhaltigen und verantwortungsvollen Einsatz von KI erreichen?

Unsere bisherige Arbeit zeigt, dass der unternehmensweite Einsatz eine Vielzahl von Spannungsfeldern schafft, die wir mit empirisch gestützter Forschung adressieren.

Im Forschungsbereich Augmentierung von Menschlicher Intelligenz beschäftigen wir uns mit Fragestellungen zur Ergänzung und Erweiterung der menschlichen Fähigkeiten durch den Einsatz von KI-Systemen. Den Menschen zu ersetzen ist weder ein Grundsatz noch das Ziel bei der Gestaltung von Mensch-KI-Systemen. Ganz im Gegenteil. Das synergetische Zusammenspiel von Mensch und KI führt zu einem Systemdesign, in dem beispielsweise Routinetätigkeiten an die KI abgegeben werden, wohingegen der Mensch seine Fähigkeiten in den Bereichen Kreativität, Interpretationsfähigkeit und situativem Entscheidungsvermögen einbringen kann.

Aus diesem Ansatz heraus resultieren für unsere Forschung beispielhaft nachfolgende Fragestellungen:

• Wie kann die Zusammenarbeit zwischen Mensch und KI erfolgreich gestalten werden?
• Wie lassen sich die Wertpotenziale der Augmentierung im Unternehmen identifizieren und analysieren?
• Welche Gestaltungsprinzipien sind für eine optimale Systemkonfiguration relevant?
• Wie erfolgt die Auswahl und erfolgreiche Implementierung geeigneter KI Verfahren im Kontext konkreter Anwendungsfelder?

Unsere Arbeit zielt darauf ab, eine wertorientierte Nutzung der jeweiligen Stärken von Mensch und Maschine im betrieblichen Umfeld zu realisieren.

Bei KI-Projekten werden in der Regel riesige Datenmengen zur Generierung von qualitativ hochwertigen Outputs benötigt. Die Akzeptanz einer KI-Lösung hängt in hohem Masse vom erstklassigen und präzisen Betrieb derselben ab. Da sich Trainingsdaten dynamisch ändern, muss dabei der komplette Lebenszyklus betrachtet werden. Der Forschungsbereich Data Bias und Data Pipeline Management beschäftigt sich mit dem Zugang zu Trainingsdaten und Verzerrungen in diesen, um das Vertrauen in die KI-Lösung dauerhaft sicherzustellen.

Hieraus ergeben sich nachfolgende Fragestellungen:

• Wie können wir einen erstklassigen, präzisen Betrieb unserer KI-Modelle über ihren gesamten Lebenszyklus hinweg gewährleisten?
• Welche Arten von Bias können in einem KI-Projekt auftreten?
• Wie können die verschiedenen Arten von Bias identifiziert und verhindert werden?
• Wie kann ein reibungsloser Zugang zu ausgezeichneten Trainingsdaten erfolgen?

Wir arbeiten an Vorgehensmodellen, um Ihr KI-Projekt auf potentielle Bias zu überprüfen und schlagen angepasste Mitigation Strategys vor, damit ihr Projekt über den gesamten Lebenszyklus hinweg frei von Verzerrungen ist.