KI-ULTRA

Fallberichte

Hier finden Sie Fallbeispiele aus den Organisationen, die als Unternehmenslabore am Projekt KI-ULTRA teilgenommen haben.

Unsere Fallbeispiele

Fallberichte

29 Unternehmen wurden im Rahmen der Feldforschungsphase von KI-ULTRA bei einem KI-Einführungs-projekt begleitet. Dabei wurden über einen Zeitraum von 6 bis 18 Monaten immer wieder Gespräche geführt, unterschiedliche Stakeholder befragt, gemeinsame Workshops zu wichtigen KI-Themen durchgeführt und so eine tiefgehende ethnographische Begleitung des Einführungsprojekts erreicht. Im Rahmen dieser Feld-forschung entstanden Fallstudien aus den einzelnen Unternehmen, die als wertvolle „Best-Practice“ ebenso wie als „Lessons Learned“ für andere Unternehmen dienen können. Stöbern Sie durch die einzelnen Berichte und lassen Sie sich inspirieren!

Schwarze Strichzeichnung von vier hohen, nebeneinander angeordneten Gebäuden, die eine Stadtlandschaft darstellen, zentriert auf einem hellen gelbgrünen kreisförmigen Hintergrund.

29 Unternehmen wurden begleitet

Ein schwarzes Uhrensymbol mit einem Pfeil, der einen Teilkreis bildet und auf einem hellgrünen kreisförmigen Hintergrund den Zeitablauf anzeigt.

Dauer der Begleitung: 6-18 Monate

Ein durchgehendes schwarzes Häkchen in einem hellgelbgrünen Kreis symbolisiert Bestätigung oder Genehmigung.

Entstanden sind wertvolle Best Practices!

Ein schwarzes Umrisssymbol eines Dokuments mit Textzeilen und einem Bleistift vor einem hellen, limettengrünen, kreisförmigen Hintergrund.

Stöbern Sie jetzt durch die Fallberichte!

Der schwarze Umriss eines Preisschilds mit der Aufschrift „KOSTENLOS“ vor einem hellgrünen, kreisförmigen Hintergrund.

Alle Angebote dieser Website sind kostenfrei!

Eine Auswahl spannender Fallberichte

Ein einfarbiges blaugrünes Quadrat ohne Muster, Text oder erkennbare Merkmale.
X

Siemens AG

Nano Prediction App
Siemens AG

 

Ort: Karlsruhe
Anzahl der Mitarbeitenden: 311.000
Gründungsjahr: 1847
Branche: Maschinenbau / Finanzen

Siemens AG

Nano Prediction App
Siemens AG

 

Place: Karlsruhe
Number of employees: 311,000
Year of foundation: 1847
Industry: Mechanical Engineering / Finance

Zwei Männer stehen sich in einem hellen, modernen Raum gegenüber und unterhalten sich. Ein Mann, ein grünes Hemd und ein Namensschild, lächelt und hält Papiere neben einem Tisch mit der Nummer 2.
© Ludmilla Parsyak

Ausgangssituation

Im Bereich Business Excellence der Siemens AG, die sich hauptsächlich mit Optimierung von (Finance‑) Prozessen befasst, wurde im Projektzeitraum von KI-ULTRA die Nano Prediction (Vorhersage) App ausgerollt. Sie ist eine »KI aus dem Koffer« und besonders, weil sie für verschiedene Anwendergruppen im Geschäftsbereich individuell nutzbar sein soll. Die Nano Prediction App wird von den Mitarbeitenden als Werkzeug zur Unterstützung bei ihren Planungstätigkeiten eingesetzt, indem sie jeweils mit den relevanten Daten gefüttert wird und dann Vorhersagen ausgibt.

Eine der größten Schwierigkeiten besteht darin, die Nano Prediction App effektiv zu skalieren und bestmöglich in bestehende Prozesse zu integrieren.

 

Lösungsansatz

Um die Skalierung und effektive Nutzung herbeizuführen, ist eine kontinuierliche Einbindung aller potenziellen User elementar.

Durch die Gründung einer User-Community mithilfe digitaler Tools zur Erstellung eigener sozialer Netzwerke (in diesem Fall: Microsoft Yammer) werden die Benutzenden auch über die Erstentwicklung hinaus eingebunden und können nach eigenem Ermessen Feedback geben sowie Bedarfe anmelden. Die Community wird von den Entwickler*innen begleitet.

Zusätzlich wird ein selbstentwickeltes Fragebogeninstrument eingesetzt, um zu prüfen, inwieweit die App den Ansprüchen genügt.

 

Beteiligte Interessensgruppen

Entwickler*innen und Benutzende sind im direkten Austausch über die Community-Plattform.

 

Technologie

Die Nano Prediction App ist eine intern entwickelte Software, die Mitarbeitenden bei Siemens bereits dabei hilft, genaue Prognosen zu erstellen. Sie ist eine lokale Vorhersageanwendung, die ohne technische oder Programmierkenntnisse genutzt werden kann. Es sind keine Konten/Rollen oder Cloud-Verbindungen erforderlich. Die App nutzt modernste Vorhersage- und KI-Methoden. Die Nutzer*innen sind in der Lage, schnell ein Gefühl für die Daten zu bekommen und eine Vorhersage auf Basis der eigenen Daten zu treffen. Darüber hinaus ist die App fähig, verschiedene Algorithmen/Methoden zu berücksichtigen, um ein bestmögliches Vorhersageergebnis zu erzielen.

 

Herausforderungen

Eine Herausforderung ist die Größe der Benutzendengruppe (ca. 200 Mitarbeitende). Durch den Self-Service-Ansatz der Nano Prediction App lässt sich nur schwer nachvollziehen, wie diese verwendet wird: Frequenz, Integration in Prozesse, Probleme, etc. lassen sich bei der Größe der Gruppe (mehr als 200 Personen) nur noch indirekt über Umfragen, stichprobenhafte UX-Tests und Interviews prüfen.

Ergebnis

Es wurden folgende UX-Methoden eingesetzt, um User-Feedback in die Weiterentwicklung einfließen zu lassen:

  • Usability Testing zur Verbesserung der Nutzer*innenführung (UX / UI)
  • Durchführung von Nutzer*innenbefragungen über einen Online-Fragebogen für ein allgemeines Meinungsbild
  • Dezidierte Nutzer*inneninterviews zur Identifikation von Hindernissen und Problemfeldern

 

Learnings

KI-Technologien für Vorhersagen lassen sich vielseitig anwenden; dabei ist es wichtig, alle Benutzenden im Blick zu behalten und ihnen eine Stimme zu geben. Trotzdem gibt es üblicherweise Benutzende, die sich besonders engagieren möchten und dafür geeignete Möglichkeiten brauchen. Standardisierte Instrumente können eingesetzt werden, um über heterogene Gruppen hinweg vergleichbare Evaluationsergebnisse zu erzielen.

 

Verlinkung zu den Leitfäden

  • KI-Lösungen menschenzentriert entwickeln (Leitfaden zu Strategie und Wandel für den KI-Einsatz);
  • Bedarfe aus Akteursperspektive (Leitfaden zur Durchführung von KI-Projekten)

Initial situation

The Nano Prediction app was rolled out in the Business Excellence division of Siemens AG, which mainly deals with the optimization of (finance‑) processes, during the KI-ULTRA project period. It is an “AI out of the box” and is special because it can be used individually by different user groups in the business area. The Nano Prediction app is used by employees as a tool to support them in their planning activities by feeding it with the relevant data and then issuing predictions.

One of the biggest difficulties is scaling the Nano Prediction App effectively and integrating it into existing processes in the best possible way.

 

Solution approach

In order to achieve scaling and effective use, continuous involvement of all potential users is essential.

By establishing a user community with the help of digital tools for creating their own social networks (in this case: Microsoft Yammer), users are also involved beyond the initial development and can provide feedback and register needs at their own discretion. The community is supported by the developers.

In addition, a self-developed questionnaire tool is used to check the extent to which the app meets the requirements.

 

Stakeholders involved

Developers and users are in direct contact via the community platform.

 

Technology

The Nano Prediction App is an internally developed software that already helps employees at Siemens to make accurate predictions. It is a local prediction application that can be used without any technical or programming knowledge. No accounts/roles or cloud connections are required. The app uses state-of-the-art forecasting and AI methods. Users are able to quickly get a feel for the data and make a prediction based on their own data. In addition, the app is able to take various algorithms/methods into account in order to achieve the best possible prediction result.

 

Challenges

One challenge is the size of the user group (approx. 200 employees). The self-service approach of the Nano Prediction App makes it difficult to understand how it is used: Frequency, integration into processes, problems, etc. can only be checked indirectly via surveys, random UX tests and interviews given the size of the group (more than 200 people).

Result

The following UX methods were used to incorporate user feedback into further development:

  • Usability testing to improve the user experience (UX / UI)
  • Conducting user surveys via an online questionnaire for a general opinion survey
  • Dedicated user interviews to identify obstacles and problem areas

 

Learnings

AI technologies for predictions can be used in a variety of ways; it is important to keep all users in mind and give them a voice. Nevertheless, there are usually users who want to be particularly involved and need suitable opportunities to do so. Standardized instruments can be used to achieve comparable evaluation results across heterogeneous groups.

 

Link to the guidelines

  • Developing human-centered AI solutions (guide to strategy and change for AI deployment);
  • Needs from a stakeholder perspective (guidelines for the implementation of AI projects)

Erfahren Sie mehr

Ein fettes schwarzes Ausrufezeichen in einem hellgelbgrünen Kreis, das eine Warnung oder einen wichtigen Hinweis symbolisiert.
Logo mit den Worten „DENK FABRIK“ in fettem rosa Text und „DIGITALE GESELLSCHAFT“ in kleinerem grauen Text. Die blaue Kopfsilhouette auf der rechten Seite löst sich in kleine Quadrate auf und suggeriert so die digitale Transformation.
Logo mit den Buchstaben ki, gefolgt von einem farbenfrohen kreisförmigen Design. Unten lautet der Text: Observatorium Künstliche Intelligenz in Arbeit und Gesellschaft.
Das Fraunhofer-Logo zeigt links grüne und weiße diagonale Linien, die ein abstraktes Design bilden, und rechts das Wort „Fraunhofer“ in schwarzer Schrift.
Logo der Universität Stuttgart mit gepunktetem Kreismuster auf der linken Seite. Der Text lautet: Universität Stuttgart, Institut für Arbeitswissenschaft und Technologiemanagement IAT.
© 2025 All rights reserved.