ChatGPT & Co entlasten von Routine

Generative KI schafft dem Qualitätsmanager Freiraum für strategische Aufgaben

ChatBots werden den Qualitätsmanager nicht überflüssig machen, sondern ihm zu einer wichtigeren Rolle in der Unter­neh­mensführung verhelfen, sagt Prof. Dr. Dirk Stein, Hochschullehrer und  KI-Experte bei der Cycle International Holding AG, Düsseldorf tätig. Künstliche Intelligenz wird das Qualitätsmanagement von Routine­aufgaben befreien und ihm zugleich die Informationen liefern, die für strategische Beratung und Inno­vationsförderung notwendig sind.

qm-aktuell.de:  Herr Professor Stein, ich habe ChatGPT gefragt, ob KI den Qualitätsmanager überflüssig machen wird. Die Antwort war ein klares Nein. Wie sehen Sie das?

Prof. Dr. Dirk Stein: Die Antworten von ChatGPT sollen ja zum Teil, wie kürzlich eine Untersuchung aus Stanford festgestellt hat, qualitativ schlechter werden. Die Zuverlässigkeit von GPT-4 soll z. B. von März auf Juni bei der Erkennung von Primzahlen von 97,6 auf 2,4 Prozent gesunken sein. Warum weiß derzeit niemand. Aber im Ernst: Ich glaube das auch nicht, dass Qualitätsmanager überflüssig werden. Die Frage der Verdrängung durch KI wird mit Sorge für viele Jobrollen im Unternehmen gestellt, aber ein Qualitätsmanager kann in diesem Kontext keinesfalls ersetzt werden. Wie auch immer: Generative KI hat zweifellos einen Nerv der Zeit getroffen, weil KI helfen wird den Fachkräftemangel zu lindern. In einer IBM-Umfrage unter 3.000 CEO’s sagten jüngst Zweidrittel der Befragten, dass insbesondere Aktionäre und Investo­ren ihren Einsatz geradezu fordern.

qm-aktuell.de: Und das auf dem Hintergrund, dass diese KI-Instrument die Unternehmensführung nach Meinung vieler geradezu umkrempeln werden?

Prof. Dr. Dirk Stein: Das ist ein Riesenthema: die Zukunft der Unternehmensführung. Für jede Funktion im Unternehmen müssen wir uns fragen, wie die Arbeitsteilung Mensch und Maschine künftig aussieht. Wieviel Auto­nomie wollen wir digita­len Assistenzsystemen künftig bei Entscheidungen zubilligen? Interessanter­wei­se, darüber gibt es eine Studie vom MIT, fühlen wir Menschen uns, je mehr wir über Algorithmen wissen, umso mehr herausgefordert, die KI zu provozieren. Wir wollen irgendwie beweisen, dass sie Fehler macht und wir besser sind als die Maschine. Das Thema artificial leadership muss nach meiner Meinung in der Unter­nehmensführung bei der Entscheidungsfin­dung völlig neu gedacht werden. Wir werden uns mit der Mensch-Maschine-Arbeitsteilung viele bisher völlig ungelöster Probleme einhandeln. Ein Beispiel dafür ist ein aktueller Fall vor dem Europäischen Gerichtshof: Laut Gutachter verstoßen die mit KI ermittelten Score-Werte der Schufa gegen Europarecht – sie dürfen nicht benutzt und veröffentlich werden, bevor ein Mensch sie geprüft hat. Eben­so im Innovationsmanagement: Wenn eine KI das Konzept einer Erfin­dung hervorbringt, die zu einem Patent führt – was passiert dann? Kann eine KI im Sinne des Patentrechts Erfinder sein? AI-Inven­torship wird gerade global diskutiert: In den USA gibt es Präzedenzfälle; in Südafrika wurde eine KI-ent­wickelte neuartige Thermoskanne patentiert, in anderen Län­dern erkennen Gerichte so etwas nicht an. Die rechtlichen Rahmenbedingungen werden uns noch lange beschäftigen.

qm-aktuell.de: Wenn wir auf den Qualitätsmanager fokussieren: Was bringt ihm der Einsatz von ChatGPT & Co?

Prof. Dr. Dirk Stein: Ich würde aufgrund ungelöster Datenschutzfragen nicht empfehlen ChatGPT einzusetzen. Generative KI lässt sich für den Eigenbedarf relativ schnell und simpel etablieren. In einem Unternehmen der Versicherungsbranche beispielsweise haben wir in vier bis sechs Wochen ein komplettes Team zu Datenexperten mit Grundfähigkeiten ausgebildet. Es ging darum, im Pro­dukt­entwicklungsprozess der Versicherung den Beratungsvorgang mit Rechtsanwälten zu optimieren. Da ist man auf die Idee gekommen, dass alle juristisch wasserdichten Vertragsentwürfe für Versicherungsprodukte der Vergangenheit, ich formuliere es mal salopp, in eine Maschine hineinzukippen. Daraus ließen sich Vertragstexte zu neuen Produkten entwickeln, ohne jedes Mal die teuren Juristen einbinden zu müssen, was viel Geld spart. Für das QM sehe ich viele Ansätze, wie die Arbeit beschleunigt und gestaltet gemacht werden kann. Bei der Automatisierung von Standardarbeiten sehe ich den größten Bedarf. Dafür kann man alle QM-Informa­tio­nen, statt sie zu einem großen Anbieter zu geben, in ein eigenes neuronales Netz einfließen lassen und dieses Lernen für die eigenen Ressourcen nutzen. Das hört sich gigantisch an, ist aber mit ganz einfachen Mitteln machbar. Viele Standardaufgaben lassen sich so erledigen, der ChatBot kann mit den Daten eigenständig z.B. Audit­berichte schreiben, wo sich ohnehin viele Textbausteine wiederholen. Einschränkungen wird es im Augenblick noch bei der Analyse von Kennzahlen geben, denn generative KI i.e. im Falle ChatGPT ist nicht zum Rechnen entwickelt worden. Es gibt aber andere Modelle, die besser rechnen können. Da muss man das jeweilige Unternehmen prüfen, welches Instrument sinnvoll einsetzbar sind. Das Ergebnis wird in jedem Fall sein, dass sich der Qualitätsmanager viel mehr strate­gischen Fragestellungen widmen kann

qm-aktuell.de: Der Qualitätsmanager wird von Routine entlastet und kann sich Aufgaben widmen, die man ihm seit Jahren zuschreibt, die er bisher aber kaum leisten kann: Strategie- und Innovationsberatung der Unternehmensleitung?

Prof. Dr. Dirk Stein: Genau, das gilt für ihn wie für alle Leitungsfunktionen im Unternehmen. Die Maschine kümmert sich gewisser­maßen um den laufenden Betrieb, wo die Führungskraft nur im Bedarfsfall einmal eingreifen muss, und die Füh­rungskraft kann sich auf die Zukunftsfragen konzentrieren. Das ist das Thema der organisationalen Ambidextrie: Das QM bezieht sich ja immer auf das aktuelle Bestandsgeschäft, da ist der Qualitätsmanager heute gebunden. Für die Unternehmen wäre aber viel dringender, mit ihm zusammen das Innovationsgeschäft voranzutreiben. Der Qualitätsmanager könnte mit seinem Wissen, das aus den von technologischen Assistenten wie auch von KI bereitge­stellten Daten generiert wird, viel zu Produkt- und Serviceinnovation, vielleicht auch zur Entwicklung neuer Geschäftsmodelle beitragen und es in Transformationsprojekte einbringen. Das ist ein echter Mehrwert, der dem Unternehmen entstehen könnte.

qm-aktuell.de: Wie kommt das Qualitätsmanagement zu diesem Ziel? Welche Schritte sind notwendig?

Prof. Dr. Dirk Stein: Das ist von Unternehmen zu Unternehmen unterschiedlich. Ich empfehle dem Qualitätsverantwortlichen, zu­nächst eine Bestandsaufnahme zu machen: Welche Routinetätigkeiten fallen häufig an, die er vielleicht manuell und mit wenig technologischer Unterstützung ausführt? Wie oft sind die nötig und welchen Aufwand pro­duzieren sie? Ich würde dann die Routineaufgaben priorisieren und schauen, mit welchen Instrumenten ich sie technologisch unterstützen kann, so dass ich mehr Zeit für das Innova­tionsgeschäft bekomme. Das ist für mich der allererste und wichtigste Schritt.

qm-aktuell.de: Ich denke, das wird den meisten nicht schwerfallen. Schwierig wird es dann beim dem Technologieeinsatz.

Prof. Dr. Dirk Stein: Ja, das QM braucht Mitarbeiter, die sich mit maschine learning und data science auskennen. Das gilt grund­sätzlich in allen anderen Unternehmensbereichen – ohne future skills geht es künftig gar nicht. Aber in größeren Unternehmen sind Mitarbeiter mit Automatisierungs- und maschine learning-Kenntnissen immer vorhanden – oder die Ressourcen vorhanden, solche einzukaufen.

qm-aktuell.de: In Zeiten des Fahrkräftemangels ist Letzteres vielleicht nicht ganz so einfach ….

Prof. Dr. Dirk Stein: Ich mache immer wieder die Erfahrung, dass Unternehmen sie hier selbst oft im Wege stehen. Man müsste sich im HR-Bereich ernsthafter fragen, wie man zum attraktiven Arbeitgeber wird und im Recruiting von bürokrati­schen und überzogenen Anforderungen herunterkommt. Ich will das nicht vertiefen, weil ich etwas Anderes wichtiger finde: Sie müssen den eigenen Mitar­beitern in allen Bereichen Wissen und Verständnis dafür vermitteln. In Zukunft dürfte jede Job-Rolle mit 20 bis 30 Pro­zent data analytics-, also data science-Tätigkeiten vertraut sein, d.h. die Fähigkeit besitzen, Daten zu inter­pret­ieren und daraus Entscheidungsprozesse vorzubereiten. Wenn eine generative KI, ein neuronales Netz für das QM unternehmensspezifisch erstellt werden soll, dann müssen daraus entsprechend auch Analysen und Entscheidungen abgeleitet werden. Dann ist die Frage: Macht man das automatisiert oder halb­automa­tisiert oder wie auch immer. Voraussetzung ist in jedem Fall, zunächst allen Mit­arbeitern des QM grundlegende data science skills und ein grundsätzliches Verständnis von KI und der Metho­den zu vermitteln, die in der KI ange­wendet wer­den. Wenn das vorhanden ist, steht ein Prototyp in sechs Wo­chen; dann hat das QM auch ein eigenes kleines neuronale Netz. Die erwähnte Versicherung hat damit von An­fang an einen sechs­stelligen Betrag an Rechtsberatungskosten eingespart. Die Effizienzgewinne sind gigantisch. Nur ein weite­res Beispiel: In der Marketingabteilung einer großen Baumarktkette hat ChatGPT die Effizienz so gesteigert, dass statt neun SEO-Mitarbeiter nur noch zwei gebraucht werden. Auf eine QM-Abteilung übertra­gen ließe sich vielleicht ein Mitarbeiter einsparen. In Zeiten des Fachkräftemangels wäre es allerdings töricht, diesen Menschen zu kün­digen – er muss ins Innovationsgeschäft und helfen neue Produkte / Dienstleistungen mitentwickeln.

qm-aktuell.de: Ganz praktisch gefragt: Wie sollte der Qualitätsmanager agierten, um sein Arbeitsfeld in dieser Richtung umzugestalten. Was ist seine Strategie?

Prof. Dr. Dirk Stein: Der zukunftsorientierte Qualitätsmanager sollte bereit sein, die Technologie der generativen KI – es gibt noch viele andere – zu seinem Vorteil zu nutzen, um Raum für strategische Tätigkeit zu schaffen, was letztlich auch seiner Position im Unternehmen zugutekommt. Er sollte die oben angesprochene Bestandsaufnahme und Prio­risierung vornehmen und dann versuchen, auf zwei oder drei Gebieten im kleinen Maßstab zu zeigen, was die KI im Qualitätsmanagement zu leisten imstande ist. Mit solch kleinen sogenannten use cases sollte er zur Geschäftsführung gehen und dort vortra­gen, was im Kleinen schon mal was ausprobiert worden ist und welche Vorteile erreicht worden sind. Keine Geschäftsführung wird ohne einen solchen Lackmustest keine Entscheidung über einen KI-Einsatz treffen. Solche gewissermaßen im Verborgenen aufge­bau­ten use cases geben die notwendige Glaubwürdigkeit. Auf dieser Basis kann der Qualitätsmanager entlang seiner Priorisierung aufzeigen, wo sich sonst noch Prozesse optimieren lassen und welchen Nutzen das bringt. Wenn das alles umgesetzt ist, so kann er argumentieren, kann das Unternehmen das QM viel strategischer im Innovationsmanagement nutzen. Die ganze Fülle der Qualitätsdaten – Q-Kontrolldaten, Auditinforma­tionen, Fehleranalysen usw. – werden sich in der Produkt- und Serviceneuentwicklung viel besser nutzen lassen, weil dann auch die Zeit und der Freiraum dafür vorhanden sein wird.