Best Practice Seminar

Künstliche Intelligenz als Treiber im Innovationsmanagement

Donnerstag, 19. September 2019 - 9:00 bis Freitag, 20. September 2019 - 16:30

Science Lab, 80799 München

Programm downloaden

Künstliche Intelligenz (KI) und Machine Learning sind heute in aller Munde und kaum ein Unternehmensbereich experimentiert nicht mit der verheißungsvollen Technologie. Im Marketing übernehmen Chatbots den Dialog mit Kunden, in der Produktion werden Ausfallzeiten mit Hilfe von Predictive Maintenance verringert und digitale Assistenten bieten mit Sprachinterfaces eine ganz neue User Experience.
Auch im Kontext von Innovation spielt KI eine immer größere Rolle. KI wird einerseits im Innovationsprozess eingesetzt, um Methoden und Tools zu automatisieren und zu optimieren. Z.B. werden Algorithmen trainiert, um Konsumentenbedürfnissen automatisch zu erkennen und zu clustern. Darüber hinaus ist KI auch ein immer wichtiger werdender Gestaltungsparameter von innovativen Produkten und Services. Beispielsweise helfen uns Bilderkennungsalgorithmen in unseren Smartphones dabei, nach Fotos von Sonnenuntergängen oder Hunden zu suchen. Zwar haben die allgemein verbreiteten Prinzipien und Tugenden des Innovationsmanagements weiterhin Geltung, dennoch müssen Innovationsprozesse adaptiert werden, um die Potenziale von KI zu realisieren.

Ziele

  • Sie gewinnen ein grundsätzliches Verständnis für KI: Was ist Machine Learning, worin unterscheiden sich Supervised und Unsupervised Learning, welche Anwendungen von KI gibt es, welche Rolle spielen  Daten in KI Projekten und wie sehen typische Phasen in datengetriebenen Projekten aus?
  • Sie erhalten einen Überblick über den Einsatz von KI im Innovationsprozess: wie unterstützt KI die Analyse von Kundenbedürfnissen, das Technologiescouting oder die Ideenevaluierung?
  • Sie können Innovationsprozesse designen, die auf KI-basierte Produktund Serviceinnovationen zugeschnitten sind: Problemdefinition, Machbarkeits- und Sinnhaftigkeitsprüfung von KI Einsatz, Data Audit, Ideation und KI Blueprinting sowie Prototyping und Testing.

Inhalte

  • Einordnung von starker und schwacher KI
  • Machine Learning (supervised und unsupervised)
  • KI-basierte Innovationsmethoden inkl. Fallbeispielen
  • KI-basierte Produkte und Services
  • Human-Centered Machine Learning Ansatz
  • Einordnung in bestehende Innovationsansätze (Design Thinking, Lean Startup Methode etc.)
  • Beispiele für Prototyping mit KI