Software-Studie KI
Künstliche Intelligenz im Technologie- und InnovationsmanagementMuster in Daten für einen Erkenntnisgewinn zu nutzen, ist nicht neu. Erst die Technologiesprünge der jüngeren Vergangenheit aber machen das systematische Auswerten großer Datenmengen zu einer wettbewerbskritischen Kompetenz. In vorliegender Studie finden Sie einen Überblick über aktuelle Herausforderungen und zukünftige Entwicklungen zum Einsatz von KI im Innovationsmanagement.
Vorwort und Ersteller der Studie
Insbesondere die Fortschritte in den Bereichen Künstliche Intelligenz und Maschinelles Lernen haben neue Werkzeuge ermöglicht, die auch die frühen Phasen des Technologie- und Innovationsmanagements den kommenden Jahren revolutionieren werden.
Dabei handelt es sich um Softwarelösungen, die verschiedene Datenquellen zusammenführen, korrelieren und analysieren, um Entscheidungsprozesse zu fundieren. Durch ihre komplexitätsstrukturierenden Ansätze können sie zu einer Senkung der für die frühen Phasen typischen Unsicherheiten und dem damit verbundenen erhöhten Ressourcenaufwand beitragen.
.
„Sie basieren auf dem Einsatz von Methoden der Künstlichen Intelligenz (KI).“
.
Während KI bereits in vielen Unternehmensbereichen eine Schlüsseltechnologie darstellt, beginnt sie zunehmend auch die Art und Weise zu verändern, wie Innovationen entstehen und Produkte entwickelt werden. KI ermöglicht es, Aufgaben mit bislang großem Systematisierungsaufwand zu vereinfachen und effizienter zu gestalten.
Sie kann dabei unterstützen, die immer schneller steigende Anzahl an oft kurzlebigen Informationen und Innovationsimpulsen aus einer Vielzahl von unterschiedlichen Quellen schneller als bisher zu erfassen, zu strukturieren, zu filtern, zu analysieren und für das eigene Unternehmen nutzbar zu machen. Durch den KI-Einsatz ergibt sich somit das Potenzial, Kundenbedarfe, technologische und marktseitige Entwicklungen sowie die sich daraus ergebenden Opportunitäten besser zu erkennen.
Wie sieht das Engineering der Zukunft aus?
Zu dieser Frage entwickelt das Fraunhofer IEM in Paderborn überzeugende Lösungen – von der Geschäftsidee über die Umsetzung bis hin zum Markterfolg. Im Fokus stehen intelligente Produkte, Produktionssysteme, Dienstleistungen und Softwareanwendungen. Wissenschaftlerinnen und Wissenschaftler arbeiten interdisziplinär an neuen Methoden, Werkzeugen sowie Prozessen und setzen innovative Technologien ein, um die Wettbewerbsfähigkeit von Kunden und Partnern langfristig zu sichern.
TIM Consulting wurde im Juni 2009 auf Basis der Philosophie der Fraunhofer-Gesellschaft gegründet, die die nutzenstiftende Anreicherung von Industrieprojekten mit Erkenntnissen der angewandten Wissenschaft anstrebt. TIM Consulting unterstützt renommierte Firmen bei Themen wie Technologie-Früherkennung, Neugeschäft-Generierung, Roadmapping und Optimierung des Innovationssystems.
Ihr Ansprechpartner zur Studie:
Dr. Dipl.-Ing. Ulrich Hutschek
Senior Expert Technology Strategy & Foresight
M + 49 (0) 172 7261 573
ulrich.hutschek@tim-consulting.de
Einsatz in der Unternehmenspraxis
Anwenderunternehmen und aktuelle Herausforderungen aus Sicht der Anwender und Anbieter.
Framework zur Einordnung
Die drei Ebenen des Frameworks: Anwendungsebene, Toolebene und Technologieebene.
Übersicht und Analyse der Tool-Landschaft
Einordnung der Tools in die Prozessebene, die Technologieebene und Analyse.
Unternehmensintegration und ausblick
Unternehmensintegration und wesentliche Entwicklung in den nächsten 3 bis 5 Jahren.
EINSATZ IN DER UNTERNEHMENSPRAXIS
Mehrheitlich gaben die Tool-Anbieter an, dass es sich bei ihren Kunden um Großunternehmen handelt. Mögliche Gründe sind dabei insbesondere die mit zunehmender Unternehmensgröße wachsende Bedeutung des Technologie- und Innovationsmanagements sowie die gleichzeitig steigende Investitionsfähigkeit und -bereitschaft.
Gleichzeitig nimmt der Einsatz von KI-Tools auch bei abnehmenden Mitarbeiterzahlen zu, was in der Bestrebung begründet sein könnte, fehlende Kompetenzen/Ressourcen im Technologie- und Innovationsmanagement zu kompensieren.
.
„Die Verteilung der Anwederunternehmen hinsichtlich Größe und Branchenzugehörigkeit zeigt ein klares Bild“
.
Auch in Bezug auf Branchenzughörigkeit lässt sich ein klares Bild erkennen.
Vor allem für das produzierende Gewerbe (Automobilbau, Luftfahrt, Maschinen- und Anlagenbau etc.) ist der Einsatz von KI-Tools im Technologie- und Innovationsmanagement von großer Bedeutung, darauf folgen Unternehmen in den Bereichen BioTech & Chemie sowie Banking & Insurance, die in ähnlichem Umfang auf KI-Tools zurück- greifen – diese Verteilung kann vermutlich auf die große Relevanz von Investitionsentscheidungen in diesen Branchen zurückgeführt werden.
Gerade auf nur auf einen Sprung hier?
Hier können Sie sich die komplette Studie mitnehmen:
„Womit werden wir in Zukunft unser Geld verdienen?“
„Welche Produkte und Anwendungsfelder bringen in der Zukunft den Umsatz?“
„Welche Risiken birken diese Strategien?“
Diese und weitere Fragen beantworten wir Ihnen gerne! Melden Sie sich!
Ihre Daten werden selbstverständlich vertraulich behandelt und nicht an Dritte weitergegeben.
Dr. Dipl.-Ing. Ulrich Hutschek
Senior Expert Technology Strategy & Foresight
M + 49 (0) 172 7261 573
ulrich.hutschek@tim-consulting.de
Dr. Dipl.-Ing. Ulrich Hutschek
Senior Expert Technology Strategy & Foresight
M + 49 (0) 172 7261 573
ulrich.hutschek@tim-consulting.de
HERAUSFORDERUNGEN AUS SICHT DER ANWENDER
Für die vorliegende Studie wurden Interviews mit Vertretern von Technologieunternehmen geführt, die bereits Erfahrung mit KI-Tools gesammelt haben oder deren Einsatz aktuell in Erwägung ziehen. Bei dein Interviewpartnern handelte es sich um die jeweils für die frühen TIM-Phasen verantwortlichen Personen, bspw. CTOs, Innovations- und Foresighting-Manager.
FAZIT „Es wird sowohl komplizierter als auch komplexer, relevante Entwicklungen frühzeitig zu erkennen, richtig einzuschätzen und die richtigen Entscheidungen in einem möglichst schlanken Prozess daten- und faktenbasiert abzuleiten.“
Sie haben weitere Fragen zum Thema Anwender?
Wir helfen Ihnen gerne weiter, rufen sie uns gerne an oder lassen Sie uns einen Termin über Calendly festlegen: +49 (0) 711 3151 5661
KERNAUSSAGEN
- Die Anzahl der relevanten Datenquellen stellt viele Unternehmen vor große Probleme. Den Überblick zu behalten und Daten verschiedener Quellen sinnvoll zusammenzuführen wird dabei zunehmend schwieriger.
. - Auch die Datenkomplexität wächst stetig bzw. die Wirkzusammenhänge sind schwerer nachzuvollziehen. Beispielsweise haben neue Datenformate wie bspw. Sprach- und Videodaten (z.B. Social Media) in einer Vielzahl von Analysen großes Interpretationspotenzial – dies zu heben ist allerdings nicht trivial.
. - Durch den Einsatz von KI erhoffen sich Anwender insbesondere Unterstützung bei der Strukturierung großer Datenmengen bzw. bei der Identifikation von Mustern und Analogien in diesen Daten. Die Nutzung von KI im Rahmen einer Entscheidungsunterstützung wird hingegen noch skeptisch gesehen. Der Anwenderfokus liegt demnach eher auf einer Effizienz- denn auf einer Effektivitätssteigerung.
. - Die Notwendigkeit, Neuprodukte in immer kürzeren Abständen auf den Markt zu bringen, ist an sich nicht neu, bekommt aber im Kontext der oben genannten Datenproblematik neues Gewicht, bzw. die Herausforderungen der Datennutzung und der Produktentwicklung bedingen sich gegenseitig.
. - Viele Branchen verzeichnen einen Trend zu wachsenden Ökosystemen mit neuen Marktteilnehmern und neuen Geschäftsmodellen. Vor diesem Hintergrund wird das Beobachten und Bewerten von Entwicklungen jenseits der aktuellen Kernkompetenzen für viele Unternehmen wichtiger, um Substitutionsgefahren frühzeitig zu erkennen.
HERAUSFORDERUNGEN AUS SICHT DER ANBIETER
Neben den Anwender-Interviews wurden auch Vertreter der Tool-Anbieter interviewed. Dabei handelte es sich insbesondere um deren Geschäftsführer, Technik- oder Sales-Verantwortliche.
FAZIT „Die Vertreter der Tool-Anbieter nehmen ähnliche Herausforderungen wahr wie die der Anwenderunternehmen: Durch die Zunahme an Daten und Datenquellen wird es immer komplexer, relevante Entwicklungen frühzeitig zu erkennen, einzuschätzen und zielführende Entscheidungen zu treffen. Die Integration der Software-Tools in die kundenseitigen Prozesse und IT-Systeme, wird dabei als zusätzliche Herausforderung wahrgenommen.“
Sie haben weitere Fragen zum Thema Anbieter?
Wir helfen Ihnen gerne weiter, rufen sie uns gerne an oder lassen Sie uns einen Termin über Calendly festlegen: +49 (0) 711 3151 5661
KERNAUSSAGEN
- Anbieter sehen sich oftmals mit Herausforderungen bei der Integration ihrer Tools in die IT-Infrastruktur von Anwenderunternehmen konfrontiert. Gleichzeitig müssen Anwenderunternehmen die Tools auch in ihre TIM-Prozesse einbinden, um deren effiziente Nutzung sicherzustellen und gewonnene Erkenntnisse effektiv zu verwerten.
. - Suite vs. „One Tool per Function“: In dem noch jungen Feld der KI-gestützten Frühphasentools entstehen weiterhin Softwarelösungen, die auf ein spezifisches Use-Case-Feld zugeschnitten sind, gleichzeitig gibt es bereits erste „Vollsortimenter“ bzw. Suites (s. Kap. 3 sowie Kap. 4). Allerdings ist noch nicht mit sicherheit abzusehen, welches der beiden Paradigmen hier die Oberhand behalten wird, was die mittelfristige Produktplanung auf Anbieterseite erschwert.
. - Ebenso wie die Kunden, nehmen auch die Anbieter die Anzahl der relevanten Datenquellen als Hürde dar, einerseits aufgrund der Notwendigkeit einer IT-seitigen integration, andererseits aufgrund restriktiver Datenschutzbestimmungen, die zu Schwierigkeiten bezüglich der Einbeziehung relevanter Daten führen können.
. - Auch die wachsende Datenkomplexität stellt Tollanbieter vor Herausforderungen – je aufwendiger die Dateninterpretation, umso schwieriger deren Automatisierung.
Neugeschäftgenerierung
Anstatt in teure Forschungs- und Entwicklungsaktivitäten zu investieren und neue Kompetenzen aufzubauen, bietet es sich an, mit bereits bestehenden Kompetenzen neue Geschäftsfelder zu entwickeln.
Sie werden überrascht sein, mit wie wenig Risiko oder Forschungs- und Entwicklungsarbeiten sich in kürzester Zeit umsatzstarke Geschäftsfelder finden lassen.
”Gerade für mittelständische Unternehmen bietet die Cross-Industry-Methode interessante Möglichkeiten, innovative und zukunftsfähige Geschäftsfeld-Erweiterungen mit überschaubarem Aufwand und vertretbarem Risiko auf der Basis bestehender Technologie-Kompetenzen zu erreichen.”
Dr. Dipl.-Ing. Ulrich Hutschek
Senior Expert Technology Strategy & Foresight
M + 49 (0) 172 7261 573
ulrich.hutschek@tim-consulting.de
FRAMEWORK ZUR EINORDNUNG
FRÜHE PHASEN DES TECHNOLOGIE- UND INNOVATIONSMANAGEMENT
Der Fokus der frühen TIM-Phasen liegt auf der Exploration neuer Möglichkeiten, Wertangebote zu differenzieren und Kundenbedürfnisse zu adressieren. In diesem Zusammenhang müssen Entscheidungen bezüglich der Allokation von Ressourcen getroffen werden, obwohl die Ergebnis-Planbarkeit einer hohen Unsicherheit unterliegt.
„Womit werden wir in Zukunft unser Geld verdienen?“
„Welche Produkte und Anwendungsfelder bringen in der Zukunft den Umsatz?“
„Welche Risiken birken diese Strategien?“
Diese und weitere Fragen beantworten wir Ihnen gerne! Melden Sie sich!
Ihre Daten werden selbstverständlich vertraulich behandelt und nicht an Dritte weitergegeben.
Dr. Dipl.-Ing. Ulrich Hutschek
Senior Expert Technology Strategy & Foresight
M + 49 (0) 172 7261 573
ulrich.hutschek@tim-consulting.de
Dr. Dipl.-Ing. Ulrich Hutschek
Senior Expert Technology Strategy & Foresight
M + 49 (0) 172 7261 573
ulrich.hutschek@tim-consulting.de
ÜBERSICHT UND ANALYSE DER TOOL-LANDSCHAFT
Details, Steckbriefe und Kurzbeschreibungen zu den einzelnen Tools finden Sie in der der kompletten Studie die Sie sich kostenlos downloaden können.
EINORDNUNG DER TOOLS IN DIE TECHNOLOGIEEBENE UND ANALYSE
- Semantische Technologien sowie Machine Learning sind aktuell die vorherrschenden Technologien. Sie kommen insbesondere in den ersten drei TIM-Phasen zum Einsatz. So können Zusammenhänge und Muster in großen Datenmengen erkannt werden, beispielsweise in Patent-, Startup- oder Publikationsdatenbanken.
. - Natural Language Processing unterstützt hauptsächlich bei der weitern inhaltlichen Analyse von semantisch vorstrukturierten Daten. Im Zusammenspiel der KI-Technologien ist es so möglich, individuelle Suchfelder zu analysieren, die Erstellung von Szenarien zu fundieren sowie Trends und technologische Entwicklungen effizient aus der Vielzahl der zu Verfügung stehenden Daten zu identifizieren. Dabei greift ein Teil der Smart-Data-Tools auch auf Aspekte der Kognitiven Modellierung zurück.
. - Kundenbedarfsanalyse, Ideengenerierung sowie Ideenbewertung und -auswahl werden bislang nur vereinzelt von Tool-Anbietern adressiert. Im Bereich der Kundenanalyse werden dabei vorwiegend Semantische Technologien eingesetzt, bei der Ideengenerierung liegt der Fokus auf NLP.
. - Über alle Phasen hinweg kommen Action Planning und Optimierung bisher kaum zur Anwendung: Erstere KI-Technologie kommt dabei vermehrt in anderen Anwendungs bzw. Unternehmensbereichen zum Einsatz. Auch die Automatisierung ganzer Prozessschritte sowie komplexer Abläufe wird im TIM heute noch nicht umgesetzt.
. - Computer Vision, also die Nutzung von Bilddaten für das Technologie- und Innovationsmanagement wird aktuell noch sehr wenig in den Tools eingesetzt. Die Verwendung von Bilddaten wird aber laut den Aussagen einiger Tool-Anbieter in Zukunft an Relevanz für den TIM-Bereich gewinnen.
UNTERNEHMENSINTEGRATION und AUSBLICK
STRATEGIE
Laut Tool-Anbietern ergeben sich Herausforderungen für die Anwendung der Software-Lösungen in der nicht klar definierten Zielsetzung und der unklaren Erwartungshaltung für den Einsatz. Des weiteren profitieren Unternehmen durch abgesteckte Suchfelder für neue Impulse, die sich beispielweise aus der Unternehmens-, Digitalisierungs- oder Technologiestrategie ableiten lassen oder sich an den Kompetenzen und Marktleistungen des Unternehmens orientieren.
PROZESSE
Der Integration in Prozesse des Unternehmens ist eine große Bedeutung beizumessen: Findet eine Einbettung in bestehende Prozesse nicht statt, bleibt der Einsatz der Smart-Data-Tools wirkungslos. Eine effiziente Entscheidungsfindung und einfache Kommunikation der Ergebnisse werden erschwert. Unternehmen benötigen die sogenannte absorptive capacity, also die Fähigkeit, neue Lösungsansätze aufzunehmen und zu nutzen.
IT-SYSTEME
Die technische Integration in die bestehende IT-Infrastruktur ist die geringste Hürde,da Smart-Data-Tools typischerweise als Cloud-Lösungen mit einfachem Browser-Zugang und Software-as-a-Service (SaaS) angeboten werden. Um Unternehmensdaten und bestehendes Unternehmenswissen jedoch effektiv zu nutzen, ist eine Einbettung in das IT-Ökosystem mithilfe geeigneter Schnittstellen erforderlich.
Hierbei zeigt sich, dass die Schnittstellenthematik zu externen Datenquellen (z.B. Patentdatenbanken, Publikationsdaten) und internen Datenquellen (z.B. Vertriebsdaten, Forschung und Entwicklung) sowie zu weiteren Tools des bestehenden Software-Ökosystems in Unternehmen immer wichtiger werden.
MENSCH
Neben Ängsten bezüglich möglicher Veränderungen im Unternehmen existieren bei Anwendern oftmals Hürden in Hinblick auf notwendige Kompetenzen zur effektiven Arbeit mit Smart-Data-Tools. Sie benötigen die Fähigkeit Daten zu bewerten und im Sachzusammenhang zu interpretieren (Data Literacy), um die entscheidenden Erkenntnisse aus den Daten abzuleiten.
Wesentliche Entwicklung in den nächsten 3 bis 5 Jahren
Neue Datentypen
Bereits heute werden unterschiedlichste, meist textbasierte Daten für Erkenntnisse in den frühen Phasen eingesetzt (z.B. Publikationen, Social Media). Ein wesentlicher Trend ist die Einbindung neuer Datentypen. So werden in Zukunft Audio- und Video-Formate immer wichtiger. Die Integration dieser in die Smart-Data-Tools sind Gegenstand aktueller Weiterentwicklungen.
Hier zeigt sich jedoch in jüngster Vergangenheit, dass Daten und die aus der Analyse resultierenden Erkenntnisse manipuliert werden können: die Sicherstellung der Datenqualität und somit auch des Vertrauens in Daten ist wichtiger denn je.
Tiefgreifende Integration in die Unternehmensprozesse
Ohne die Integration von Smart-Data-Tools in die Unternehmensprozesse bleibt deren Einsatz wirkungslos. Vor diesem Hintergrund müssen Unternehmen zwei Herausforderungen adressieren. Erstens sind zielführende Anwendungsfälle in den frühen Phasen zu definieren, in denen Smart-Data-Tools einen signifikanten Mehrwert für das Unternehmen schaffen. Zweitens ist sicherzustellen, dass die Ergebnisse der Smart-Data- Tools richtig interpretiert und in den übergeordneten Unternehmensprozess zurückgespielt werden. Wesentliche Erfolgsfaktoren dafür sind zum einen die sogenannte Data Literacy.
Verknüpfung von Daten als Schlüssel
Eine wesentliche Entwicklung ist die zunehmende Verknüpfung von unterschiedlichen Datentypen und -quellen (Linked Data) zur Entscheidungsfindung. Heute werden unterschiedliche Datenquellen oftmals isoliert voneinander betrachtet. Dies gilt sowohl für Daten aus unternehmensinternen IT-Systemen (z.B. ERP-Systeme) als auch externe Datenquellen (z.B. Patentdatenbanken). Die Verknüpfung dieser Datenquellen untereinander und die Analyse versprechen einen Mehrwert für die frühen Phasen des Technologie- und Innovationsmanagements. Daher spielt die Integrationsfähigkeit der Smart-Data-Tools in das IT-Ökosystem über geeignete Schnittstellen eine zentrale Rolle. Für den Endnutzer verschwinden diese jedoch immer mehr hinter den Tools.
Datenbasierte Entscheidungsfindung
In den frühen Phasen des Technologie- und Innovationsmanagements werden oftmals weitreichende, strategische Entscheidungen getroffen. Heute werden diese Entscheidungen durch datenbasierte Analysen von Smart-Data-Tools lediglich unterstützt. Die hohe Komplexität der zu treffenden Entscheidungen sowie das (noch) fehlende Vertrauen in die Ergebnisse der Smart-Data-Tools haben eine (Teil-)Automatisierung bisher verhindert.
Für die Zukunft zeigt sich jedoch, dass ein zunehmender Automatisierungsgrad für gewisse Aufgaben und Entscheidungen in den frühen Phasen zu erwarten ist. Eine wesentliche Voraussetzung für mehr Vertrauen sind eine bessere Verständlichkeit, Transparenz und Erklärbarkeit der Ergebnisse. Hier stellen Vereinfachung durch z.B. „No-Code Plattformen“ oder auch „Explainable AI“ dar, sodass sich der Anwenderkreis nicht nur auf Daten- Analysten beschränkt. Darüber hinaus bieten die ständigen Weiterentwicklungen der Smart-Data-Tools eine einfachere Nutzung und erhöhte Usability. Der hohen Komplexität wird durch die ständige Weiterentwicklung der Methoden der Künstlichen Intelligenz und damit der Abbildung des Expertenwissens heutiger Technologie- und Innovationsmanager Rechnung getragen.
Neugeschäftgenerierung
Anstatt in teure Forschungs- und Entwicklungsaktivitäten zu investieren und neue Kompetenzen aufzubauen, bietet es sich an, mit bereits bestehenden Kompetenzen neue Geschäftsfelder zu entwickeln.
Sie werden überrascht sein, mit wie wenig Risiko oder Forschungs- und Entwicklungsarbeiten sich in kürzester Zeit umsatzstarke Geschäftsfelder finden lassen.
”Gerade für mittelständische Unternehmen bietet die Cross-Industry-Methode interessante Möglichkeiten, innovative und zukunftsfähige Geschäftsfeld-Erweiterungen mit überschaubarem Aufwand und vertretbarem Risiko auf der Basis bestehender Technologie-Kompetenzen zu erreichen.”
Dr. Dipl.-Ing. Ulrich Hutschek
Senior Expert Technology Strategy & Foresight
M + 49 (0) 172 7261 573
ulrich.hutschek@tim-consulting.de