How to Use Case – die systematisierte Entwicklung von (gen)AI-Ideen mithilfe eines leichtgewichtigen Use Case Frameworks

In der Energiewirtschaft ist die Integration von Künstlicher Intelligenz (KI) eine Schlüsselkomponente für zukünftige Innovationen. Insbesondere die Integration von generativer KI (GenAI) eröffnet neue Möglichkeiten zur Effizienzsteigerung und zur Bewältigung komplexer Herausforderungen. Um (Gen)AI-Themen und Anwendungsfälle erfolgreich und zielgerichtet zu entwickeln, ist ein strukturierter Rahmen unerlässlich. In diesem Blog-Beitrag beschreibe ich ein mehrstufiges Framework, das Orientierung bei der Entwicklung von Use Cases bietet und genAI-spezifische Anforderungen berücksichtigt.

1. Discovery – die Themenfindung

Die erste Stufe des Frameworks wird als Discovery bezeichnet. Sie konzentriert sich auf die anfängliche Identifizierung potenzieller genAI-Themen und Anwendungsfälle in allen Dimensionen und Größenordnungen. Hierfür werden verschiedene Quellen genutzt, darunter Trends, Marktentwicklungen und interne Anforderungen. Bei der Betrachtung interner und externer Einflüsse sollte dem Aspekt der interdisziplinären Zusammenarbeit besondere Beachtung geschenkt werden: Unterschiedliche Perspektiven und Expertisen ermöglichen die Identifizierung vielfältiger Themen. Der Aufbau eines dedizierten genAI-Kompetenzzentrums kann dazu beitragen, die Themengenerierung zu begleiten und zu koordinieren und darüber hinaus innerhalb der Organisation für das noch wenig verstandene Thema “genAI” zu sensibilisieren und aufzuklären.

2. Lenkungsausschuss

Es wird ein Lenkungsausschuss eingerichtet, der die strategische Ausrichtung des Frameworks sicherstellt und die initial identifizierten genAI-Themen und Anwendungsfälle einer ersten Validierung unterzieht. Als Bewertungskriterien spielen hier vor allem die initial abgeschätzten Potenziale sowie deren Fit zur (gen)AI-Vision / -Strategie eine entscheidende Rolle. Darüber hinaus werden hier erste potenzielle Teamkonstellationen abgestimmt, die sich im weiteren Verlauf der Use Case Entwicklung den identifizierten Themen widmen. Bei der Auswahl der Mitglieder des Lenkungsausschusses sollten neben genAI-Experten, IT und Management auch Datenschutzbeauftragte und Betriebsräte einbezogen werden, um die genAI-sensiblen Aspekte „Sicherheit“ und „Datenschutz“ frühzeitig zu adressieren.

3. Ideengenerierung

Nachdem die ersten genAI-Themen und Anwendungsfälle identifiziert und für die weitere Untersuchung ausgewählt wurden, ist es wichtig, das Verständnis dieser Themen zu konkretisieren. Da Dimension und Umfang stark variieren können, kann es notwendig sein, eine Themen- und Clusteranalyse durchzuführen, um dedizierte und handhabbare Anwendungsfälle zu identifizieren. Sobald dies geschehen ist, generieren zuvor festgelegte interdisziplinäre Teams mittels Kreativitätstechniken Lösungsideen für die genAI Cases.

4. Ideenbewertung und -priorisierung

Die Bewertung und Priorisierung der genAI Use Cases erfolgt durch eine eingehende Validierung entlang zuvor definierter Kriterien in den Kerndimensionen „Komplexität“ und „Geschäftsnutzen“. Der Geschäftsnutzen wird maßgeblich durch beispielsweise Kundenerlebnis, Produktivitäts-/Effizienzgewinne, Kosteneinsparungen oder Imagegewinn beeinflusst. Die Komplexität hingegen umfasst Kriterien wie Implementierungsaufwand, Datenqualität/-schutz, Abhängigkeiten, benötigte Fähigkeiten, involvierte Stakeholder. Ein bewährtes Mittel zur Klassifizierung der Komplexität sind T-Shirt-Größen (etwa S, M, L, XL). Die Gewichtung der Bewertungskriterien im Vorfeld ist gerade im genAI-Kontext von besonderer Bedeutung. Hervorzuheben sind hier die primär genAI-kritischen Kriterien Sicherheit, Datenschutz und vorhandene Fähigkeiten/Kompetenzen.

An die Bewertung der genAI-Anwendungsfälle schließt sich eine übersichtliche Visualisierung der Ergebnisse an. Dies kann mit Hilfe einer Priorisierungsmatrix erfolgen. Diese schafft die notwendige Entscheidungsgrundlage, um die Lösungsideen gegeneinander zu priorisieren und darüber hinaus mögliche Cluster zu identifizieren. Der abschließende Schritt der Priorisierung beinhaltet die Überführung der Use Cases mit den Lösungsideen in eine Umsetzungsroadmap, um auch den Faktor Umsetzungszeitraum zu berücksichtigen.

5. Prototyping

Hier beginnt bereits die Umsetzung der zuvor evaluierten genAI Use Cases. Für ausgewählte Use Cases werden erste Prototypen entwickelt und getestet. Bei der Entwicklung der Prototypen müssen genAI-spezifische Anforderungen wie Transparenz, Nachvollziehbarkeit und Sicherheit (weiter-)gedacht werden. Beispielsweise müssen alle Prototypen sicherstellen, dass die Entscheidungen der KI-Algorithmen nachvollziehbar sind und dass generative Daten sicher und vertraulich behandelt werden. Auch der Aspekt der Halluzinationen der KI muss beim Prototyping unbedingt überprüft werden.

6. Implementierung/Skalierung

Nach erfolgreichem Abschluss des Prototypings werden die Prototypen in den entsprechenden Unternehmensbereichen implementiert und bei erfolgreicher Implementierung skaliert und optimiert. Da durch genAI Use Cases völlig neue Anwendungen und Services entstehen können, ist es elementar, begleitend zur Implementierung durch dedizierte Change Management Maßnahmen nachhaltig Vertrauen und Akzeptanz in der Organisation zu schaffen. Hier könnte auch das bereits erwähnte AI Competence Center eine wichtige Rolle spielen.

Fazit

Zusammenfassend bietet das vorgestellte leichtgewichtige Use Case Framework eine wertvolle Orientierung für die systematisierte Entwicklung von (Gen)AI Cases in der Energiewirtschaft. Es verdeutlicht die Schritte von der Themenfindung bis zur Umsetzung und betont die Bedeutung interdisziplinärer Zusammenarbeit sowie genAI-spezifischer Anforderungen wie Sicherheit, Datenschutz und Kompetenzaufbau innerhalb des gesamten Frameworks. Durch die strukturierte Vorgehensweise können die Potenziale von genAI effizient erschlossen und zielgerichtet in der Organisation verankert werden.