Aufgrund der hochgradigen Automatisierung, Sicherheit und Transparenz der Entscheidungen wird die Wertschöpfung der Unternehmen weitaus höher sein, als das zum gegebenen Zeitpunkt vorstellbar ist. Die Unternehmen werden sich in ganzheitlicher Weise und in unglaublicher Geschwindigkeit auf alle Veränderungen des Umfelds einstellen können. Die Aufgaben des Managements fokussieren auf das Schaffen strategischer Vorgaben und die Einhaltung von ethischen, ökologischen und nachhaltigen Bedingungen. Sämtliche Systemzustände sind zu jedem Zeitpunkt einsehbar, damit wird zudem die Sicherheit erhöht und es werden vielfältigste Simulationen möglich.
Wie Software-Algorithmen Entscheidungen treffen
So wie jeder Unternehmer oder Manager weiß, dass sein Alltag in hohem Maße vom Treffen von Entscheidungen abhängig ist, wird dieses künftig auch die Kernaufgabe von Software-Algorithmen sein. Deren Vorteil ist, dass diese besonders große Datenmengen bewältigen können und ihr Entscheidungsverhalten vollständig nachvollziehbar ist. Das Verfahren zur Entscheidungsfindung beruht auf der Berechnung von Korrelationen, diese werden in Folge als Entscheidung sichtbar.
Der große Unterschied zu Menschen ist, dass diese meist unter unzureichender Information und mittels intuitiven Abwägungen zu Entscheidungen kommen. Hier zeigt sich der Vorteil der strengen Logik und weitaus umfangreicheren Datenbewältigung der Software. Nur bei Bedarf muss oder kann der Mensch auf einer Metaebene Entscheidungen treffen, um einen stimmigen Rahmen für die Einzelscheidungen zu schaffen.
Das bedeutet jedoch nicht, dass die Software nicht auch Fehler erzeugt. Doch diese werden systematisch als Grundlage für zielorientiertes Lernen herangezogen. Vor allem zu Beginn des Lernprozesses kommt es häufig zu Fehlentscheidungen – diese werden jedoch sofort aufgegriffen und an den Algorithmus zurückgemeldet.
Zunehmende Entscheidungs-Qualität durch Deep Learning
Diese zunehmende Qualität der Entscheidungen von Software-Algorithmen beruht auf dem Prinzip der neuronalen Netzwerke. Diese sind im Grunde zunächst völlig „dumm“. Sie bestehen aus Knoten, die miteinander verbunden sind, und das Netzwerk trifft Entscheidungen auf der Grundlage dieser Verbindungen. Aber wie werden diese Entscheidungen getroffen? Die Aufgabe jedes Knotenpunktes besteht darin, eine kontinuierliche „Inventur“ durchzuführen. Dieses Verfahren funktioniert auf der Grundlage einer im Grunde einfachen mathematischen Struktur.
Der Begriff Deep Learning bezeichnet die Funktionsweise des neuronalen Netzes mit der Verknüpfung mehrerer Schichten und Algorithmen, um über einfache Aufgaben eine immer höhere Intelligenz zu erreichen.
Ein klassisches Beispiel beruht auf der Bilderkennung: Ein digitales Bild hat eine „Bipmap“, auch als „bmp“ bekannt. Diese besteht aus mehr oder weniger hochaufgelösten Punkten mit unterschiedlichen Farben und Grauwerten. Nimmt man nun diese Bipmap und gibt sie in den Inventory-Knoten ein, wird dieser sich die einzelnen Punkte anschauen und z.B. erkennen, ob der Punkt hell oder dunkel ist. In Folge gibt er diese Informationen an seinen Nachbarpunkt weiter. Jetzt schaut er sich die Situation an und stellt fest, ob hier ein Kontrast vorhanden ist oder nicht, damit er anhand von mehreren Stellen sehen kann, ob eine Linie im Bild gegeben ist. In den folgenden Schritten kann festgestellt werden, ob die Linie für die Umgebung härter oder weicher ist, ob sie gerade oder gekrümmt ist. Er kann dann feststellen, ob es vielleicht eine Nase oder ein Ohr ist – wie viele Nasen oder Ohren es gibt – und ob es vielleicht insgesamt ein Gesicht ist. Durch den Empfang mehrerer Gesichtsbilder lernt das System zu erkennen, welche Eigenschaften eine Bitmap (oder ein Teil einer Bitmap) haben muss, um ein Gesicht darzustellen. Schließlich lassen sich diese Gesichter dank einer Datenbank auch bestimmten Personen zuordnen, wie es ja mittlerweile bereits gut bekannte Praxis ist, z.B. bei Handy-Security oder der digitalen Foto-Verwaltung.
Auf diese Weise lernt der Algorithmus mit hoher Geschwindigkeit und übertrifft seine menschlichen Kollegen bald bei Weitem. Wo also der Mensch ein Ende seiner Lernkurve erreicht, kann die Software annähernd unbegrenzt weiterlernen.
Es ist davon auszugehen, dass bereits in den nächsten zehn Jahren viele Anwendungen in Unternehmen auf Grundlage dieser selbstlernenden Algorithmen funktionieren werden und in Folge dessen ein immer dichteres Netzwerk für Software-Entscheidungen entsteht – bis hin zu einem superintelligenten Gesamtorganismus.
Entscheidungen im Sinne des Gesamtoptimums
Diese zunehmend softwaregesteuerten Unternehmen werden eine völlig neue Dimension der Aufgabenbewältigung erreichen. Sie werden erheblich genauer und schneller sein, weitaus vielfältigere Probleme lösen, sie werden nicht ermüden und Tag und Nacht sowie ohne Wochenende und Urlaub langfristig außerordentlich kostengünstig operieren. Damit wird die Struktur der Unternehmen auch stark von den traditionellen hierarchischen Organigrammen abweichen. Die starren Grenzen innerhalb von Abteilungen werden aufgelöst und auch zu Lieferanten, Behörden und Partnern werden interaktive Schnittstellen entstehen.
Weit über die bisherige Entwicklung der Technologien mit immer stärkeren Prozessoren und größeren Speicherkapazitäten hinaus kommt es zu einer vollkommenen Integration sämtlicher Funktionsbereiche und damit zu einer überproportionalen Steigerung der Wertschöpfung – mittlerweile wird hier bereits vom „New Value Development“ gesprochen.
Ein wesentlicher Grund für die völlig neue Dimension dieses Entscheidungs-Netzwerks ist, dass die Software streng auf das Gesamtoptimum des Unternehmens ausgerichtet werden kann und dabei kontinuierlich weiterlernt. Hingegen werden dann zutiefst menschliche Spannungen zwischen einzelnen Bereichen und Abteilungen aufgrund unterschiedlicher offizieller oder inoffizieller, subjektiver Zielsetzungen Geschichte sein.
Zudem sorgt auf Basis von Software-Entscheidungen die vollständige Transparenz des Gesamtsystems dafür, jegliche Abweichungen sofort identifizieren und korrigieren zu können. Diese übergeordnete Kontrollfunktion kann künftig von Menschen punktuell durchgeführt werden, das dahinterliegende Berichtssystem jedoch dabei auf Wunsch und Knopfdruck ganz leicht zu bedienen sein.
Entscheidungen auf Basis vielfältigster Szenarien
Ein weiteres Argument für KI-gestützte Software Entscheidungen ist, dass diese weitaus langfristiger ausgerichtet werden können, als dies bei den menschlichen Entscheidungen zumeist der Fall ist. Aufgrund ihrer begrenzten Aufnahme- und Verarbeitungskapazität sind Menschen nicht imstande, vor allem weit in die Zukunft gerichtete Aspekte von Entscheidungen im vollen Umfang zu erfassen und einfließen zu lassen. Auch wenn sie im Glauben sind, dass ihr Denken rationalen Kriterien folgt, kommt es zu erheblichen Lücken. Zudem sind Menschen nicht fähig, die mit der fortschreitenden Zukunft zunehmende Zahl an Szenarien durchzurechnen. Hier ist die KI-basierte Software im selbstfahrenden Unternehmen haushoch überlegen: Sie kann Echtzeit auf sämtliche Unternehmensdaten zugreifen, diese mit unvorstellbar großen Mengen an externen Daten kombinieren und daraus jegliches gewünschtes Szenario berechnen.
Die zunehmenden Komplexität des Umfelds lässt sich auch an den weltweit extrem zunehmenden Datenmengen erkennen: In den Jahren 2018–2025 wird es etwa zu einer Verfünffachung der Datenmengen kommen, wie die International Data Kooperation berechnet hat. Die zunehmende Herausforderung für die Unternehmen dabei ist, dass es nicht um die Speicherung von immer mehr Datenmengen geht, sondern um die Lösung des Problems der aktiven Nutzung. Da immer mehr Menschen heute schon von diesem „Information Overflow“ überfordert sind ist es schlüssig, dass in Zukunft diese Aufgaben durch Software erledigt werden müssen. Die obersten Entscheidungsträger werden jedoch weiterhin die Menschen bleiben.
Agile Software-Entscheidungen werden die Organisationsform beeinflussen
Die Herausforderung für viele Unternehmen besteht darin, auf Marktveränderungen, neue Technologien oder wachsende Konkurrenz durch Startups, individuelle Kundenwünsche und Personalmangel bzw. -bedarfe zu reagieren. Damit sind sie ständig inneren und äußeren Einflüssen und Veränderungen ausgesetzt. Das Tempo des Wandels beschleunigt sich auch mit der Globalisierung und Technisierung. In klassischen, hierarchisch strukturierten Organisationsformen können die gleichzeitig oft schlecht vernetzten Abteilungen aufgrund ihrer Arbeitsweise oft nicht mit diesem Tempo mithalten – und die Potenziale der agilen Entwicklung durch die Software können nicht ausgeschöpft werden. Daher wird es zwangsläufig auch einen Wandel der Organisationsformen geben, denn nur so ist es möglich, Produkte, Services und Geschäftsfunktionen schnell an diese Veränderungen anzupassen und weiterzuentwickeln. Entscheidend dabei ist, dass Entscheidungen und Aufgaben geteilt und dezentralisiert werden. Der größte Vorteil dieser Software-basierten agilen Organisation ist wiederum, dass alle konsequent die gleichen gemeinsamen Ziele verfolgen.
