KI ALLEIN IST KEINE WUNDERWAFFE
Unternehmen müssen die heutigen Daten- und Analyserollen neu definieren, um aus KI gewonnene Erkenntnisse bestmöglich zu nutzen.
Erforderlich sind eine sorgfältige Planung und gute Daten, damit die Systeme intelligent werden. Denn ein Ki-algorithmus kann nur so gut und genau sein wie die Daten, die für sein Training verwendet werden. Zugriffsbereite Daten lassen sich gut in hybriden Cloud- und Multi-cloudumgebungen bereitstellen.
Ausnahmsweise ist der Hype um eine Technologie einmal gerechtfertigt. Künstliche Intelligenz (KI) hat das Potenzial, alles zu verändern: die Art und Weise, wie wir arbeiten, wie wir leben, wie wir Entscheidungen treffen und sogar, wie wir die menschliche Natur verstehen. In verschiedenen Formen existieren Ki-technologien bereits seit mehreren Jahrzehnten. Dank der schieren Explosion von Daten – der Rohstoff, der die KI antreibt – haben sich diese Technologien in den vergangenen Jahren mit einer rasanten Geschwindigkeit weiterentwickelt.
Innerhalb der nächsten zehn Jahre soll das Internet der Dinge (IOT) auf geschätzte 150 Milliarden vernetzte Sensoren anwachsen. Diese sind in Haushaltsgeräte, Fahrzeuge und Industrieroboter integriert, die die von Menschen konsumierten Produkte herstellen. Auch am eigenen Körper tragen Menschen Sensoren – in Form von Fitnesstrackern oder medizinischen Geräten. Diese Vielzahl von Sensoren erzeugen kontinuierlich neue Daten und speisen die Ki-systeme. Diese sind entsprechend programmiert, auf dieser Informationsbasis bessere Services, Produkte und Kundenerfahrungen zu schaffen. Organisationen wissen, dass sie diese neuen Herausforderungen meistern müssen. Diejenigen, die die Datenflut am besten nutzen, sind in der Lage, schnellere und intelligentere Entscheidungen zu treffen und somit relevantere und überzeugendere Angebote zu unterbreiten. Sie können damit die Art und Weise, wie ihr Unternehmen in einer modernen digitalen Welt funktioniert, maßgeblich ändern.
Das Ganze hat aber einen Haken: KI allein ist keine Wunderwaffe. Ähnlich wie der Mensch, stützt sich KI auf Bezugspunkte und Erfahrungen, um seine Intelligenz zu entwickeln. Darüber hinaus spielen auch die zugelieferten Daten eine wichtige Rolle, damit sich die Vorteile von KI realisieren lassen. Sind die zur
Schulung und Entscheidungsfindung der künstlichen Intelligenz verwendeten Daten unvollständig oder von schlechter Qualität, werden die Ki-investitionen keinen entsprechenden Return-on-invest generieren. Dies ist ein ziemlich ernüchternder Fakt – vor allem, da Gartner in seiner „2019 CIO Survey: CIOS Have Awoken to the Importance of AI“feststellte, dass Ki-implementierungen in den verganenen vier Jahren um 270 Prozent gewachsen sind, Tendenz weiterhin steigend. Es gibt kaum ein Unternehmen, das keine Ki-initiative plant oder bereits mit der Realisierung beschäftigt ist.
KI IST NUR SO GUT WIE DIE ZUGRUNDE LIEGENDEN DATEN
Im Gegensatz zu Flash-laufwerken und mobilen Apps ist die KI keine eigenständige Plug-and-play-technologie. Es braucht eine sorgfältige Planung und gute Daten, damit die Systeme intelligent werden. Ein Ki-algorithmus kann nur so gut und genau sein wie die Daten, die für sein Training verwendet werden. Mit anderen Worten: Ein einseitig verzerrter Daten-pool sorgt letztlich für voreingenommene Entscheidungen. Fehlerhafte Datensätze ziehen ebenso fehlerbehaftete Entscheidungen nach sich. Wenn es Unternehmen ernst damit ist, sich von objektiven Erkenntnissen leiten zu lassen, müssen sie eine entsprechend starke Datengrundlage schaffen. Die Qualität des Datenmanagements ist ebenso wie die Forschung & Entwicklung oder die Unternehmenskultur eine wichtige Grundlage für erfolgreiche Ki-initiativen.
ARGUMENTE FÜR EIN GUTES DATA MANAGEMENT
Mit KI lassen sich Daten besser analysieren und die menschliche Entscheidungsfindung verbessern. Allerdings gibt es noch eine Reihe von Unternehmen, die die Komplexität und Volatilität der Daten nicht managen und somit die Vorteile von KI nicht vollständig realisieren können. Das Ergebnis: Ki-implementierungen werden daran gehindert, wirklich intelligent zu sein.
It-führungskräfte erkennen, dass neuen Technologien wie KI harte Arbeit erfordern. Zukunftsorientierte Unternehmen haben herausgefunden, wie sie Menschen und Technologie gemeinsam nutzen können, damit ihre KI erfolgreich ist – und sich
deren Potenzial ausschöpfen lässt. Dazu sind neue, datenorientierte Rollen und Prozesse nötig. Es geht nicht darum, sich rein von alten Architekturen zu lösen. Es ist vielmehr notwendig, Betriebsmodelle neu zu gestalten, um der neuen Technologiewelle gerecht zu werden.
Aus technologischer Sicht ist klar, dass eine solide Data Management-strategie eine wichtige Voraussetzung für eine effektive KI ist. Für KI ist nicht das oftmals gehypte Front-end (wie ein virtueller Assistent), sondern das Daten-back-end ausschlaggebend. Daten sind die Grundlage für jede Veränderung, denn unternehmenskritische Erkenntnisse entstehen nur auf Basis guter Daten. Die künstliche Intelligenz kann dazu beitragen, dass der gesamte Weg der Daten sich über das komplette Unternehmen nachverfolgen lässt, aufgezeichnet wird und sichtbar ist – und so in jede Transformationsaktivität eingespeist werden kann.
Dies stellt eine Reihe von Anforderungen an die Data Management-teams. Sie müssen den Datenzugang aus einer Vielzahl etablierter und neu entstehender Datenquellen vereinfachen sowie ihre Datenbereinigungstechniken verfeinern, um ungültige oder redundante Daten aus den wichtigsten Datensätzen zu bereinigen. Ziel ist es, dass sie alle Fragen hinsichtlich ihrer Herkunft und Qualität der für die Entscheidungsfindung benötigten Daten beantworten können. Um dies zu erreichen, benötigen sie eine Data Management-plattform, die künstliche Intelligenz implizit auf der Data Engineering-ebene nutzen kann.
DREIERLEI DATENEXPERTEN BENÖTIGT, UM ERKENNTNISSE ZU NUTZEN
Unternehmen müssen die heutigen Daten- und Analyserollen neu definieren, um aus KI gewonnene Erkenntnisse bestmöglich zu nutzen. Bereits bevor sie ihre Ki-lösung entwickeln oder auswählen, müssen sie die Möglichkeiten, Grenzen, Verzerrungen und Lücken innerhalb ihres Daten-pools verstehen. Dieser sehr menschliche Prozess erfordert, dass Daten-teams mit internen Experten zusammenarbeiten, um zu verstehen, wie das Geschäft funktioniert.
Diese Erkenntnis erfordert ein Team bestehend aus Data Scientists und Daten-ingenieuren, die über umfangreiches Know-how in diesem Bereich verfügen. Idealerweise wird es von einem Chief Data Officer geleitet. Allerdings sind solche Fachkräfte extrem gefragt und gleichzeitig am Markt kaum verfügbar.
KI wird darüber hinaus die Kundenbeziehung neu definieren und weiterentwickeln. Sie bietet außerdem die Möglichkeit, das Wissen über die Kunden zu vertiefen und auf dieser Basis Produkte und Services zu entwickeln, die direkt auf ihre Anforderungen zugeschnitten sind. Dieser neue Kundenvertrag ist Bestandteil des Generationswechsels und wird auch Data 4.0 genannt. Er definiert das nächste Zeitalter vertrauenswürdiger Unternehmen – und ist gleichzeitig ein wichtigeres Unterscheidungsmerkmal als beispielsweise der Produktpreis.