Ein Teil der Berater Arbeit ist es Hypothesen zu bilden und zu schauen ob die Hypothesen zu treffen oder entsprechende Handlungsoptionen zu entwickeln.

Typischerweise hat man einen Kontext, verschiedene Rollen im System und man möchte die typischen Perspektiven und Ängste aus diesen Rollen grob antizipieren. Wir denken an Heinz v. Förster „Wahrheit ist die Erfindung eines Lügners“

Selbstverständlich ist erstmal „selber denken“ ein wichtiger Startpunkt. Doch wir Menschen sind von unserem eigenen Standpunkt und unserer eigenen Wahrnehmungskette abhängig. Deshalb kann die KI uns helfen neue Perspektiven zu entwickeln, die uns aus unseren Wirkungsketten herausbringt.

Beispiel:

Kontext: Einführung von KI im Unternehmen

Managerrollen: CEO, Vertrieb, HR, Betriebsrat, CIO, Marketing, Finanzen, Entwicklung, Produktion

Aufgabe: je Rolle (9) und Perspektive 5 Hypothesen zu entwickeln und zu jeder Hypothese 5 Lösungsmöglichkeiten. Das macht 9 mal 5 mal 5 = 225 Ideen und Lösungsmöglichkeiten

Umgebungskontext: Abbau von Belegschaft

Methodeneinsatz: Systemische Betrachtung

Prompteinsatz: Auf den Kontext zu entwickeln von der KI selber

Übergeordnete Perspektive: Kritiker

Natürlich kann man auch nur 3 Hypothesen entwickeln lassen, dann wäre es 91 Ideen.

Wie können wir Hypothesen schnell mit der KI entwickeln?

Workflow:

1. Thema
2. Zielgruppe
3. Kontext

in ein Airtable Dokument bringen

4. Make Workflow designen
5. Prompts erstellen
6. Erstellen eines Ergebnis Dokuments

Prompt Design

Der Hauptprompt wurde mit diesen Werkzeugen entwickelt:

Make Workflow.

Der Workflow erstellt 225 Ideen um die Hypothesen zu test und aufzulösen.

Erklärung des Workflows:

1. Webhooks: Der Workflow beginnt mit einem Webhook, der als Auslöser fungiert. Webhooks sind automatisierte Nachrichten, die von einer App gesendet werden, wenn dort etwas passiert. In diesem Fall wartet der Webhook auf eine eingehende Datenübertragung, um den Workflow zu starten.
2. Airtable – Get a Record: Nachdem der Webhook ausgelöst wurde, wird als nächster Schritt ein Datensatz aus Airtable abgerufen. Airtable ist eine Cloud-Plattform, die Datenbankfunktionalitäten mit einer tabellenähnlichen Benutzeroberfläche kombiniert. Hier holt der Workflow Informationen aus einem spezifischen Datensatz in der Hypothesen Datenbank.
3. Google Docs – Create a Document from a Template: Anschließend wird ein Google-Dokument aus einer Vorlage erstellt. Dies bedeutet, dass der Workflow eine vordefinierte Dokumentvorlage verwendet, um ein neues Google-Dokument zu generieren.
4. Airtable – Update a Record: Nach der Erstellung des Google-Dokuments wird der Workflow zurück zu Airtable geleitet, um einen Datensatz zu aktualisieren. Dies könnte bedeuten, dass der Workflow Informationen zum neu erstellten Google-Dokument in Airtable einträgt, wie z.B. einen Link zum Dokument oder einen Status.
5. OpenAI (ChatGPT, Whisper, DALL-E): Dieser Schritt zeigt, dass der Workflow eine Integration mit OpenAI-Diensten verwendet, um eine Komplettierung zu erstellen, was auf die Nutzung von KI-Tools wie ChatGPT für Textgenerierung, Whisper für Sprachverarbeitung oder DALL-E für Bildgenerierung hindeutet.
   

   Hier werden die Hypothesen gebildet!

   
   
6. Iterator: Der Iterator ist ein Tool, das es ermöglicht, über eine Sammlung von Daten zu iterieren, also jeden Punkt einzeln zu durchlaufen. In diesem Workflow gibt es zwei Iteratoren, was darauf hindeutet, dass der Prozess eine Schleife enthält, in der Aktionen für mehrere Elemente einer Datenmenge durchgeführt werden.
   

   Wir splitten die Rollen und die Hypothesen in den zwei Schritten

   
   
7. Mehrere OpenAI-Komplettierungen: Es gibt weitere Schritte, die die OpenAI-API nutzen, möglicherweise um weitere Verarbeitung oder Datenextraktion mit Hilfe der KI durchzuführen.
8. Google Docs – Insert a Paragraph to a Document: Gegen Ende des Workflows fügt der Prozess einen Absatz in ein Google-Dokument ein. Dies könnte dazu dienen, das Dokument mit den Ergebnissen oder Ausgaben der vorherigen Schritte zu aktualisieren.

Beispiel eines Ergebnis aus dem Google Document (38 Seiten)

Weitere Entwicklung des Workflows:

1. Der Workflow kann auch mit Methoden angereichert werden, das die verschiedenen Lösungsmöglichkeiten über eine Prompttechnik oder Lösungsmethode angewiesen werden
2. Ein weiterer Steuerungsmechanismus ist die Anzahl der Hypothesen und Lösungen, das ist einfach über Variablen zu lösen
3. Der Kontext kann detailliert mitgegeben werden, damit die aktuelle Stimmung mit aufgenommen wird. Abbau von Belegschaft ist es was anderes als Mitarbeiter einzustellen.
4. Es können auch spezielle Graphen für Mitmaps gebaut werden, die die Abhängigkeiten zwischen den Hypothesen zeigen.

Verbindungen und Abhängigkeiten:

Hauptknoten: Einführung von KI-Technologien im Unternehmen

1. CEO

Hypothese 1: Destabilisierung des Geschäftsmodells

Hypothese 2: Mangelnde Transparenz im KI-Entscheidungsprozess

Verbindung zu HR-Manager Hypothese 5 (Kommunikationsprobleme)

Hypothese 3: Verlust von menschlichem Urteilsvermögen

Verbindung zu CTO Hypothese 4 (unerwartete technische Probleme)

Hypothese 4: Investitionen auf Kosten anderer Bereiche

Verbindung zu CFO Hypothese 2 (versteckte Kosten)

Hypothese 5: Negative Auswirkungen auf das öffentliche Image

Verbindung zu Leiter der Rechtsabteilung Hypothese 4 (ethische Kontroversen)

2. CTO

Hypothese 1: Technische Herausforderungen der Integration

Hypothese 2: Herausforderungen in der kontinuierlichen Aktualisierung

Hypothese 3: Fehlen qualifizierten Personals

Verbindung zu HR-Manager Hypothese 3 (umfangreiche Schulungen notwendig)

Hypothese 4: Unerwartete technische Probleme

Hypothese 5: Schnelle Veralterung der KI-Technologie

3. CFO

Hypothese 1: Unzureichender finanzieller ROI

Verbindung zu CEO Hypothese 4 (Investitionen auf Kosten anderer Bereiche)

Hypothese 2: Versteckte Kosten

Hypothese 3: Budgetüberschreitungen

Hypothese 4: Unterschätzte Schulungskosten

Verbindung zu HR-Manager Hypothese 3 (umfangreiche Schulungen notwendig)

Hypothese 5: Langfristige Realisierung von Kosteneinsparungen

4. HR-Manager

Hypothese 1: Unruhen und Widerstand unter Mitarbeitern

Verbindung zu CEO Hypothese 2 (Mangelnde Transparenz kann Widerstand fördern)

Hypothese 2: Verlust von Arbeitsplätzen

Hypothese 3: Notwendigkeit umfangreicher Schulungen

Hypothese 4: Negativer Einfluss auf Unternehmenskultur

Hypothese 5: Kommunikationsprobleme in Teams

5. Leiter der Rechtsabteilung

Hypothese 1: Datenschutzverletzungen

Hypothese 2: Rechtliche Haftung

Hypothese 3: Erschwerung der Compliance

Hypothese 4: Ethische Kontroversen

Verbindung zu CEO Hypothese 5 (negative Auswirkungen auf das öffentliche Image)

Hypothese 5: Unzureichende Vorbereitung auf rechtliche Herausforderungen

Zusammenfassung der Abhängigkeiten:

CEO und HR-Manager Hypothesen zeigen eine enge Verbindung zwischen der Sorge um die Transparenz, Mitarbeiterkommunikation und -zufriedenheit.

CTO und HR-Manager haben gemeinsame Berührungspunkte, wenn es um die Notwendigkeit der Schulung und Qualifizierung des Personals geht.

Zentrale finanzielle Bedenken (CFO) sind sowohl mit Entscheidungen des CEO (Investitionsrichtungen) als auch mit Anforderungen des HR-Managers (Schulungskosten) verknüpft.

CEO und Leiter der Rechtsabteilung verbindet die Sorge um das öffentliche Image, insbesondere in Bezug auf ethische Überlegungen.

Wie sieht der Projektplan aus?

Projektplan zur Einführung von KI-Technologien in einem Unternehmen

1. Einleitung

Ziel des Projekts:
Implementierung von KI-Technologien in verschiedenen Abteilungen des Unternehmens, um Effizienz, Produktivität und Innovationsfähigkeit zu steigern, während gleichzeitig die Herausforderungen und Bedenken der Mitarbeiter adressiert werden.

2. Projektorganisation

Projektleitung: Nominierung eines Projektleiters für jede Abteilung (CEO, CIO, Marketing, Entwicklung, Finanzen, Produktion).

Projektteams:

• Bildung interdisziplinärer Teams bestehend aus Abteilungsleitern, Entwicklern, KI-Experten und Mitarbeitern.

Externe Berater:

• Einbindung von externen KI-Experten und Sicherheitsberatern.

3. Projektphasen

Phase 1: Analyse und Planung

• Risikoanalyse und Identifikation der KI-Potenziale in den jeweiligen Abteilungen.
• Erstellung eines detaillierten Implementierungsplans, der Zeitplan, Budget, benötigte Ressourcen und Schulungsbedarf umfasst.
• Entwicklung von Richtlinien und Standards für den Einsatz von KI im Einklang mit ethischen Prinzipien und Datenschutzbestimmungen.

Phase 2: Vorbereitung und Schulung

• Durchführung von Schulungen und Weiterbildungen für Mitarbeiter zur Vermittlung von KI-Kompetenzen.
• Einrichtung von Mentoring- und KI-Trainingsprogrammen zur Förderung des Wissensaustauschs.
• Aufbau einer IT-Infrastruktur, die für KI-Anwendungen geeignet ist.

Phase 3: Implementierung

• Pilotprojekte zur Erprobung der KI-Lösungen in kleinem Rahmen.
• Schrittweise Implementierung der KI-Systeme unter kontinuierlicher Überwachung und Anpassung.
• Einbindung von KI in bestehende Prozesse und Anpassung der Abläufe.

Phase 4: Überwachung und Bewertung

• Kontinuierliches Monitoring der KI-Systeme und Sammlung von Feedback zur Leistungsfähigkeit und Akzeptanz.
• Regelmäßige Überprüfung und Anpassung der KI-Lösungen basierend auf dem Feedback und technologischen Entwicklungen.
• Durchführung von unabhängigen Audits zur Sicherstellung der KI-Sicherheit und -Transparenz.

Phase 5: Optimierung und Skalierung

• Optimierung der KI-Lösungen basierend auf erworbenen Erfahrungen und Erfolgsmetriken.
• Skalierung der erfolgreichen KI-Lösungen auf andere Bereiche des Unternehmens.

4. Kommunikation und Change Management

• Entwicklung einer Kommunikationsstrategie, um Transparenz zu schaffen und den Informationsfluss zu gewährleisten.
• Adressierung von Bedenken und Widerständen durch offenen Dialog und aktive Beteiligung der Mitarbeiter.
• Förderung einer KI-positiven Unternehmenskultur durch Sensibilisierungsmaßnahmen und das Teilen von Erfolgsgeschichten.

5. Projektabschluss

• Abschlussbericht mit einer detaillierten Bewertung der Projektziele, erreichten Ergebnisse und gewonnenen Erkenntnisse.
• Identifikation von Best Practices und Lernmomenten für zukünftige Projekte.
• Anerkennung und Belohnung für die Beteiligten als Anerkennung für ihren Beitrag zum Projekterfolg.

6. Risikomanagement

• Identifikation potenzieller Risiken bei der Einführung von KI und Entwicklung von Gegenmaßnahmen.
• Regelmäßige Risikobewertungen während des gesamten Projektverlaufs.

7. Budgetplanung

• Detaillierte Aufstellung der Projektkosten inklusive Schulungen, Technologieinvestitionen, externer Beratung und sonstiger Ressourcen.
• Laufende Überwachung und Anpassung des Budgets basierend auf dem Projektfortschritt.

8. Zeitplan

• Erstellung eines Zeitplans für jede Phase des Projekts mit festgelegten Meilensteinen und Deadlines.
• Flexible Anpassungen des Zeitplans, um auf unvorhergesehene Herausforderungen reagieren zu können.

Das Ziel dieses umfangreichen Projektplans ist es, eine strukturierte und systematische Vorgehensweise bei der Implementierung von KI-Technologien zu schaffen, welche die Vorteile der Technologie maximiert, während potenzielle Risiken und Bedenken effektiv adressiert werden.

Wie die Hypothesen in den Projektplan geflossen sind:

Um die Hypothesen aus dem bereitgestellten Text in den Projektplan zu integrieren, habe ich die Anliegen und Lösungsvorschläge, die sich aus den Hypothesen ergeben, als konkrete Aktionspunkte in die verschiedenen Phasen des Projektplans einfließen lassen. Hier eine detaillierte Darstellung, wie die Integration erfolgte:

Analyse und Planung

• In dieser Phase wurde berücksichtigt, dass die Hypothesen verschiedene Bedenken hinsichtlich der Implementierung von KI in den Abteilungen des Unternehmens aufwerfen. Deshalb war die Risikoanalyse und die Identifikation von KI-Potenzialen ein kritischer Schritt, um frühzeitig auf diese Bedenken einzugehen.

Vorbereitung und Schulung

• Die Sorge um den Verlust von Expertenwissen, die Unsicherheit in Bezug auf den Datenschutz und die Angst vor Fehlinterpretationen durch KI fanden hier Berücksichtigung. Durch Schulungen und die Schaffung einer Kultur des Wissensaustauschs sollten diese Bedenken adressiert und die Mitarbeiter auf den Einsatz von KI vorbereitet werden.

Implementierung

• Die schrittweise Implementierung von KI-Systemen und die Durchführung von Pilotprojekten ermöglichen eine direkte Auseinandersetzung mit den Herausforderungen, wie zum Beispiel die Anpassung von Produktionslinien an KI-Technologien oder der Widerstand der Belegschaft gegen den Verlust von Kontrolle. Diese Vorgehensweise zielt darauf ab, potenzielle Probleme frühzeitig zu erkennen und zu lösen.

Überwachung und Bewertung

• Diese Phase adressiert direkt die Bedenken bezüglich unerwarteter KI-Fehler und der Überwachung durch KI-Technologien, indem ein regelmäßiger Überprüfungsmechanismus etabliert wird. Durch die Evaluation der KI-Implementierung und das Sammeln von Feedback soll sichergestellt werden, dass die KI-Systeme den Unternehmensstandards und -zielen entsprechen.

Optimierung und Skalierung

• Die kontinuierliche Optimierung und Anpassung der KI-Systeme trägt dazu bei, langfristig die Qualität und Genauigkeit der KI-gestützten Prozesse zu verbessern und somit Bedenken wie etwa den Qualitätsverlust durch zu schnelle Implementierung von KI-Lösungen zu adressieren.

Kommunikation und Change Management

• In dieser übergreifenden Komponente wurden Lösungsvorschläge zur Kommunikation, Feedback-Einholung und aktiven Einbeziehung der Mitarbeiter eingearbeitet, um den Widerstand gegen KI und die Sorge um Veränderungen innerhalb der Unternehmenskultur zu überwinden.

Dadurch, dass die Hypothesen und deren Lösungsvorschläge in die verschiedenen Phasen des Projektplans integriert wurden, wird sichergestellt, dass strategische Überlegungen hinsichtlich der Bedenken und Herausforderungen der KI-Implementierung von Beginn an berücksichtigt und adressiert werden.

Fazit

Mit den entsprechenden Vorgaben: „Bitte sei so kritisch wie möglich oder entwickele unkonventionelle Lösungen“ können sehr interessante Lösungsmöglichkeit entwickelt werden die meine blinden Flecke besser ausleuchten.