Künstliche Intelligenz hat zahlreiche Branchen und Arbeitsweisen verändert – und die Softwareentwicklung bildet da keine Ausnahme. Sie ermöglicht es Entwickler:innen, Aufgaben schneller, effizienter und eigenständiger zu erledigen und liefert wertvolle Einblicke in die Customer Experience.
Bei Gofore beobachten wir ein wachsendes Interesse unserer Kund:innen an den Möglichkeiten der KI-Nutzung. In zahlreichen gemeinsamen Workshops konnten wir dieses Thema intensiv beleuchten. Auch in Kund:innenprojekten setzen wir zunehmend KI-Tools ein – so hat sich beispielsweise die Nutzung von ChatGPT innerhalb von anderthalb Jahren fast verachtfacht. In diesem Blog teilen wir unsere Erkenntnisse und konkrete Auswirkungen von KI – sowohl aus der Perspektive der Softwareentwicklung als auch in Bezug auf die Customer Experience, basierend auf unseren Projekterfolgen.
Wie verändert KI die Arbeit von Softwareentwickler:innen konkret?
Die Vorteile von KI lassen sich aus vielen Perspektiven betrachten. Optimal eingesetzt kann sie die Softwareentwicklung nach unseren Erfahrungen um das 2- bis 4-Fache beschleunigen – Aufgaben, die früher eine Woche dauerten, können in ein bis zwei Tagen erledigt werden. Solche Ergebnisse sind jedoch selten und hängen von vielen Faktoren ab, etwa der Art des Projekts. Die finale Verantwortung und Überprüfung bleiben weiterhin beim Menschen.
Beim Beschleunigen von Arbeitsprozessen spielt die Erfahrung der Fachkraft eine entscheidende Rolle. Senior-Entwickler:innen profitieren von einer Effizienzsteigerung von 10–20 %, während Junior-Entwickler:innen mit KI-Tools ihre Effizienz um bis zu 80 % steigern können.
Softwareentwickler:innen benötigen oft den Austausch mit anderen, was Wartezeiten und Verzögerungen verursachen kann. KI ermöglicht selbstständiges Lernen auf einem ausreichenden Niveau, sodass Aufgaben flüssiger voranschreiten. Dadurch kann in einem breiteren Themenfeld gearbeitet werden, als es ohne KI möglich wäre. KI hilft, sich die nötigen Fähigkeiten anzueignen, um Fortschritte zu machen und anschließend selbstbewusst und sicher das nächste Kompetenzlevel zu erreichen.
Wichtig ist dabei immer das Gesamtbild. Beschleunigungen in einem Bereich können Engpässe in anderen verursachen. Alle Phasen müssen daher gleichzeitig ausreichend optimiert werden, um den Entwicklungsprozess sinnvoll zu gestalten und den größtmöglichen Nutzen aus KI für die Arbeitsweise zu ziehen.
KI revolutioniert die Personalisierung
Wenn wir über Effizienz sprechen, geht es nicht nur um die tägliche Arbeit von Entwickler:innen. Besonders spannend ist der Nutzen von KI für den Endkund:innen. Kund:innenerlebnisse werden immer individueller, da KI Daten umfassender nutzbar macht. Je nach Kontext können Endkund:innen ein Unternehmen oder Privatpersonen sein. Eine klare Definition des Endkund:innen ist entscheidend, um dessen Bedürfnisse zu verstehen und die relevanten Aspekte zu identifizieren.
Bereits vorhandene Informationen aus früheren Interaktionen lassen sich gezielt nutzen. Digitale Daten helfen dabei, relevante Erkenntnisse aus der Vergangenheit hervorzuheben und für die nächste Interaktion einzusetzen. Im besten Fall ermöglicht dies, Kund:innen proaktiv und passgenau die richtigen Dienstleistungen anzubieten. Gleichzeitig sparen Fachkräfte Zeit, da Kund:innenkontakte gezielter und relevanter gestaltet werden können.
Praxisbeispiele für KI-gestützte Personalisierung
Finnischer Arbeitsmarktservice:
Gofore hat für den finnischen Arbeitsmarktservice eine KI-gestützte Lösung entwickelt, die die Jobsuche personalisiert. Früher mussten Arbeitssuchende ihre Daten in einem bestimmten Format eingeben, um Unterstützung zu erhalten. Dank KI können sie nun ihre Berufserfahrung in Freitextform schildern, und die KI hilft bei der Strukturierung. Ein Matching-Algorithmus verknüpft mehrere Methoden: Er erkennt themenbezogene Begriffe in Profilen und Stellenanzeigen, vergleicht Schlüsselwörter und führt textbasierte Ähnlichkeitsanalysen durch.
Projekt LEA – Analytik für Familien mit Kindern:
Im LEA-Projekt haben wir mithilfe von KI und Advanced Analytics Sozial- und Gesundheitsregisterdaten auf eine völlig neue Weise analysiert. Dadurch konnten wir 100 verschiedene Familientypen identifizieren – definiert durch rund 400 Variablen. Dies eröffnet neue Möglichkeiten für personalisierte, familienzentrierte Entscheidungen und eine bedarfsgerechte Steuerung von Dienstleistungen.
ASKO-Projekt für Kela:
Für Kela haben wir die Strukturen und Prozesse kund:innenorientierter gestaltet. Mithilfe multidisziplinärer Daten konnten 50 verschiedene Kund:innengruppen identifiziert werden. Dies führte zu einem besseren Verständnis der Vielfalt an Kund:innenbedürfnissen und half, gezielt darauf zu reagieren, um unnötige Anfragen und Bearbeitungsaufwände zu reduzieren.
Erfolgsfaktoren für Personalisierung in Organisationen
Um Personalisierung erfolgreich umzusetzen, sollten Organisationen folgende Aspekte berücksichtigen:
- Kund:innensegmentierung: Fortschrittliche Tools nutzen, um die Vielfalt der Kund:innen besser zu verstehen.
- Datenmanagement: Systeme implementieren, die Kund:innendaten erfassen, analysieren und in sinnvolle Maßnahmen umsetzen.
- Flexible Strukturen: Prozesse anpassen, um auf unterschiedliche Kund:innenbedürfnisse schneller reagieren zu können.
- Technologie & KI: Maschinelles Lernen und KI gezielt einsetzen, um große Datenmengen zu verarbeiten und personalisierte Erlebnisse zu schaffen.
- Mitarbeitendeschulung: Teams befähigen, neue Technologien zu nutzen und Datenanalysen sinnvoll zu interpretieren.
- Kontinuierliche Optimierung: Personalisierungsstrategien regelmäßig anhand von Kund:innenfeedback und sich wandelnden Anforderungen anpassen.
Interessierst du dich für Gofore als Arbeitgeber?