Erfolg durch KI in Forschung, Entwicklung und Innovation

Künstliche Intelligenz (KI) verändert Forschung, Entwicklung und Innovation (F&E&I), indem sie neue Möglichkeiten eröffnet, um einige der drängendsten Herausforderungen der Welt zu bewältigen, darunter Nachhaltigkeit, Gesundheitswesen, Klimawandel, Nahrungsmittel- und Energiesicherheit sowie die Unterstützung von Organisationen, um besser zu innovieren und bahnbrechende Produkte und Dienstleistungen auf den Markt zu bringen.

KI in F&E&I ist nicht neu. Allerdings hat der Aufstieg von generativer KI (GenKI) und großen Sprachmodellen (LLM) ihre Fähigkeiten erheblich verstärkt, was zu beschleunigten Durchbrüchen und einer insgesamt verbesserten Innovation geführt hat.

Wie können Organisationen von KI in ihren F&E&I-Bemühungen profitieren, und welche besten Praktiken sollten sie anwenden, um Erfolg zu erzielen? Um dies herauszufinden, führte das Blue Shift Institute von Arthur D. Little (ADL) eine umfassende Studie durch, in der über 40 KI-Anbieter, Experten und Praktiker interviewt und über 200 Organisationen aus dem öffentlichen und privaten Sektor befragt wurden. Der resultierende Bericht, Eureka! on Steroids: KI-getriebene Forschung, Entwicklung und Innovation, bietet eine detaillierte Analyse der aktuellen Landschaft und der zukünftigen Entwicklung von KI in Forschung und Innovation.

Unsere Analyse konzentriert sich auf fünf Schlüsselbereiche:

KI bietet Vorteile in allen Bereichen von F&E&I – aber sie ersetzt keine Menschen

Jeder Baustein von F&E&I kann von KI profitieren, von Technologie- und Marktwissen bis hin zu Innovationsstrategie, Ideenfindung, Portfolio- und Projektmanagement sowie IP-Management. Wenn wir diese Vorteile verstehen, ergeben sich drei wichtige Faktoren:

• KI wird Forscher ergänzen, anstatt sie zu ersetzen, ihre Zeit freimachen und es ihnen ermöglichen, produktiver und kreativer zu sein
• KI hilft bei der Lösung von unlösbaren Problemen, die zuvor nicht in Angriff genommen werden konnten, weil die Technologie über Geschwindigkeit und die Fähigkeit verfügt, zu skalieren und zu lernen, was neue Innovationswege eröffnet
• KI wird eine “Planer-Denker”-Position einnehmen, die über die Inhaltsgenerierung und Suche hinausgeht und komplexere Rollen wie Wissensmanager, Hypothesengenerator und Assistent für F&E&I-Teams übernimmt.

Wenn es darum geht, zu entscheiden, ob KI verwendet werden soll, um einen bestimmten F&E&I-Anwendungsfall zu lösen, gibt es kein allgemeines Modell, das eingesetzt werden kann. Um zu verstehen, welcher KI-Ansatz die besten Ergebnisse liefern wird, müssen Organisationen sich auf zwei Faktoren konzentrieren – die Art und Menge der verfügbaren Daten (von wenig bis viel) und die Natur der gestellten Frage (von offenen bis spezifischen). Gleichzeitig kann ein einzelner KI-Ansatz möglicherweise nicht optimale Ergebnisse liefern – die meisten intelligenten Systeme, die in den letzten 15 Jahren entwickelt wurden, sind Systeme von Systemen. Diese sind unabhängige KI-Systeme, Modelle oder Algorithmen, die für spezifische Aufgaben entwickelt wurden und bei Kombination eine größere Funktionalität und Leistung bieten.

Erfolg erfordert acht gute Praktiken

Basierend auf Interviews mit Forschern, KI-Wissenschaftlern, Gründern und Leitern von F&E-Abteilungen in digitalen, Herstellungs-, Marketing- und F&E-Teams sehen wir acht gute Praktiken, die einen erfolgreichen KI-Einsatz unterstützen. Organisationen müssen:

• Agile Methoden anwenden, damit Teams schnell in einem sich schnell verändernden KI-Umfeld arbeiten können
• Robuste Grundlagen schaffen, indem sie sich auf Datenqualität, Zusammenarbeit innerhalb der Organisation und die Nutzung von proprietären Daten konzentrieren
• Eine strategische Wahl zwischen dem Aufbau, Kauf und Feinabstimmung von Modellen treffen, wobei der letztere Ansatz oft der effektivste ist
• Analytische Kompromisse berücksichtigen, um Fortschritte während von Proof-of-Concept-Projekten zu gewährleisten, wie z.B. bei der Entscheidung zwischen der Beschaffung und der Synthese von Daten, der Präzision gegenüber der Rückrufquote und der Unteranpassung gegenüber der Überanpassung
• Proaktiv Datenwissenschaftstalente nutzen, einschließlich der Partnerschaft mit externen Organisationen, um notwendige Fähigkeiten zu erwerben
• Sich mit der IT abstimmen, um Sicherheit und Compliance mit Experimentationsgeschwindigkeit in Einklang zu bringen
• Schnell Vorteile demonstrieren und Benutzerzustimmung erhalten, um Vertrauen aufzubauen und weitere Investitionen zu ermöglichen
• Systemleistung kontinuierlich überwachen und pflegen, insbesondere im Hinblick auf Modellverbesserungen

3. Die technologischen Komponenten sind jetzt vorhanden

Wie bei den meisten KI-Anwendungsfällen besteht die Wertschöpfungskette von F&E&I aus drei Schichten – Infrastruktur, Modelentwickler und Anwendungen.

Im Hinblick auf die Infrastruktur ist der Aufwand für die Implementierung und Wartung ausreichender Rechenleistung groß, aber Hosting-Anbieter bieten zunehmend Inferenz-as-a-Service-Modelle an, die Inferenzen und Abfragen in der Cloud ausführen, um die Notwendigkeit von internen Infrastrukturen zu beseitigen, die Vorabinvestitionen zu senken und den Zugang zu KI zu demokratisieren.

Die Wertschöpfungskette für KI in F&E&I ist stark von großen Open-Source-Modellen von Anbietern wie Meta, Microsoft und Nvidia abhängig. Allerdings spielen auch kleinere Anbieter wie Mistral und Cohere sowie akademische Institutionen eine wichtige Rolle im Ökosystem.

Am Anwendungs-Ende der Kette wurden allgemeine und spezielle F&E&I-Anwendungen bereits entwickelt, um die meisten Anwendungsfälle abzudecken, mit über 500 Anwendungen, die den gesamten F&E&I-Prozess abdecken.

Die Zukunft ist unklar – aber Szenario-Planung hilft beim Verständnis

Wie KI in F&E&I sich entwickeln wird, hängt von den Ergebnissen von drei Hauptfaktoren ab – Leistung, Vertrauen und Affordability. Die Kombination dieser Faktoren führt zu sechs plausiblen Zukunftsszenarien auf einem Spektrum zwischen KI, die jeden Aspekt von F&E&I transformiert, und KI, die nur in ausgewählten, risikoarmen Anwendungsfällen eingesetzt wird. Auf einer Skala von maximalem bis minimalem Einfluss sind diese Szenarien:

• Blockbuster: KI wird zum wichtigsten Aspekt im gesamten F&E&I-Zyklus, verändert Organisationen auf dem Weg und macht Daten zum neuen Grenzbereich.
• Crowd-Pleaser: KI ist bequem, erschwinglich und für tägliche Produktivitätsaufgaben geeignet, aber es verfehlt die Lieferung von wissenschaftlichem/kreativem Wert.
• Crown Jewel: KI liefert Produktivität und wissenschaftliche Durchbrüche, aber nur für Organisationen, die es sich leisten können – was zu einer Zwei-Geschwindigkeits-Welt in F&E&I führt.
• Problem Child: Trotz einiger herausragender Anwendungsfälle und erschwinglicher Lösungen verfehlt KI es, ihren Wert zu demonstrieren – F&E&I-Organisationen bleiben besorgt über Datensicherheit, Deontologie und mangelnde Interpretierbarkeit.
• Best-Kept Secret: KI-Leistung verbessert sich, aber hohe Kosten machen Organisationen risikoscheuer. Geringes Vertrauen und Bürokratie begrenzen die Adoption, und nur wenige neue, mutige Experimente werden gestartet.
• Cheap & Nasty: KI wird weit verbreitet in Anwendungsfällen mit geringem Risiko eingesetzt, aber nur als Prototyping- oder Brainstorming-Tool. Unzuverlässige Systeme werden streng geprüft, und die Ausgaben werden verifiziert, was die Produktivitätsgewinne einschränkt.

Das Verständnis dieser Szenarien ist wichtig für F&E&I-Organisationen, da sie ihren Weg für die KI-Adoption vorzeichnen.

Die Zeit für F&E&I-Organisationen zu handeln ist jetzt

In einigen Situationen ermöglicht KI bereits zweistellige Verbesserungen in Zeit, Kosten und Effizienz bei der Formulierung, Produktentwicklung, Intelligenz und anderen F&E&I-Aufgaben. Das bedeutet, dass unabhängig davon, welches Szenario sich abspielt, sechs unumkehrbare Schritte F&E&I-Organisationen helfen, Resilienz aufzubauen und die Vorteile von KI zu nutzen. Sie müssen:

• Talent managen und ermächtigen, sicherstellen, dass die Belegschaft die notwendige Ausbildung und Expertise hat, um KI zu nutzen, wenn notwendig die Implementierung an externe Anbieter im mittleren Zeitraum auslagern
• KI-generierte Inhalte kontrollieren, Risikomanagementprozesse aktualisieren und Validierungsmethoden öffentlich teilen, um Vertrauen aufzubauen
• Daten teilen und zusammenarbeiten, mit dem breiteren öffentlichen und privaten Sektor-Ökosystem zusammenarbeiten, um eine erfolgreiche KI-Adoption zu fördern
• Für die langfristige Ausbildung, die breiteste mögliche Benutzerpopulation über KI-Grundlagen, erforderliche Fähigkeiten und potenzielle Risiken aufklären
• Organisation und Governance neu gestalten, sie über die IT hinaus ausdehnen, um eine senior-level-Fokussierung zu bieten und Silos zu durchbrechen, um die Zusammenarbeit zu erleichtern
• Rechenressourcen mutualisieren, mit Partnern zusammenarbeiten oder interne Ressourcen teilen, um aktuelle und zukünftige Infrastrukturbedürfnisse kosteneffektiv zu decken

Jenseits dieser unumkehrbaren Schritte wird der Erfolg durch die Schaffung eines ausgewogenen Portfolios von KI-basierten F&E&I-Investitionen erzielt, die mit den Unternehmenszielen abgestimmt sind. Dies bedeutet, den Umfang, die Kosten und die Vorteile spezifischer KI-Anwendungsfälle zu berücksichtigen und diese zu nutzen, um die Optimierung des Innovationsprojekt-Portfolios voranzutreiben. Entscheidungen sollten auf strategischen Zielen, Fähigkeiten und Marktwissen sowie dem Kontext basieren, in dem Organisationen operieren.

Jeder Schritt der Forschungs-, Entwicklungs- und Innovationswertschöpfungskette kann durch KI transformiert werden, indem menschliche Forscher ergänzt werden, um Produktivität zu steigern und bahnbrechende Innovationen zu ermöglichen. Diese Chancen müssen gegen eine Reihe von Herausforderungen rund um Leistung, Vertrauen und Affordability abgewogen werden, was bedeutet, dass Organisationen jetzt handeln müssen, um ihre F&E&I-KI-Bemühungen zu positionieren, um unabhängig von der Zukunft Erfolg zu erzielen.

Dieser Artikel wurde mit Unterstützung von Albert Meige, Zoe Huczok, Arnaud Siraudin und Arthur D. Little verfasst.