Kommentar von Prof. Dr. Mohammad Madhavi, GISMA University of Applied Sciences Die stetig wachsende Bedeutung von Open Source, Big Data und KI

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

QUNIS GmbH

Xpand Solutions GmbH

Seit das Unternehmen OpenAI im November 2022 ChatGPT veröffentlicht hat, sorgt der auf Künstlicher Intelligenz (KI) basierende Chatbot fast täglich für Schlagzeilen – und dafür, dass sich die Menschen mit den Themen „Maschinelles Lernen” und „Künstliche Intelligenz” auseinandersetzen. Sowohl Privatpersonen als auch Unternehmen lernen, den Chatbot bei der Arbeit zu Hilfe zu nehmen.

Jedoch entspricht ChatGPT nicht dem Open-Source-Ansatz, auch wenn der Firmenname Gegenteiliges vermuten lässt. Der Chatbot und seine Antworten basieren zwar größtenteils auf frei verfügbarem Wissen, die Technologie ist aber nicht öffentlich zugänglich und kann somit auch nicht eingesehen oder modifiziert werden. Dabei können Unternehmen von der Open-Source-Bewegung und Data Science nachhaltig profitieren, indem eigene Programme und Tools weiterentwickelt und die ohnehin gesammelten Datenmengen sinnvoll verarbeitet werden.

Datensätze = Datenschätze

Obwohl der Begriff seit den 1960er-Jahren verwendet wird, wurde Data Science erst 2001 von William S. Cleveland als eine eigenständige Disziplin in einem wissenschaftlichen Artikel geführt – damit ist sie noch ein ziemlich junges Fachgebiet. Data Scientists in Unternehmen befassen sich unter anderem mit der Analyse großer Datensätze und generieren Informationen aus diesen Datenmengen, um daraus Handlungsempfehlungen für das Unternehmensmanagement abzuleiten. Zu ihren Aufgaben gehören beispielsweise die Vorbereitung, Bereinigung, Analyse und visuelle Aufbereitung von Daten. Schließlich produzieren wir in vielen Bereichen unseres Lebens unzählige unstrukturierte Daten, beispielsweise über Online-Shopping oder -Buchungen, die durch Data Scientists und KI ausgewertet werden müssen. Ziel von Data Science und den Handlungsempfehlungen ist die Optimierung von unternehmerischen Entscheidungen und Arbeitsabläufen.

Einer Umfrage unter Führungskräften aus den Bereichen Business und IT zufolge sehen 81 Prozent in dem exponentiellen Datenwachstum eine große Chance und halten Daten für wertvoll für den Gesamterfolg. Gleichzeitig befürchten 57 Prozent der Befragten, dass die Datenmengen so schnell anwachsen werden, dass ihr Unternehmen nicht mithalten könne. Nicht nur große Konzerne und IT-Firmen, auch kleine und mittelständische Unternehmen müssen lernen, das Potenzial ihrer gesammelten Daten zu erkennen und auszuschöpfen.

Profit aus Open Source, Big Data und KI schlagen

Für Unternehmen bedeutet dies konkret: aktiv werden! Die Wahrscheinlichkeit, dass sich der momentane Trend noch einmal umkehrt oder versiegt, dürfte überaus gering sein. Stattdessen scheint der aktuelle Hype die globalen Tech-Giganten eher zu einem Wettrennen anzustoßen, der die weiteren Entwicklungen exponentiell beschleunigen dürfte. Entsprechend gilt es, das eigene Business auf die sich wandelnden Strukturen einzustellen, um künftige Wettbewerbsnachteile zu vermeiden. Die Unternehmer müssen die Frage klären, wie sie von Open Source, Big Data und KI profitieren können.

Eine zusätzliche Herausforderung für Unternehmen liegt in der stetigen Evolution von Data Science und den zur Auswertung verfügbaren Daten. So verliert die klassische, rückblickende Analyse von strukturiert verfügbaren Daten zunehmend an Bedeutung. Stattdessen liegt der Fokus derzeit vermehrt auf fortlaufenden Echtzeitanalysen. Zusätzlich sollen durch die Verarbeitung von Daten zu nutzbaren Informationen aktuelle Ereignisse und Markttrends besser analysiert werden, um so künftige Entwicklungen optimal zu antizipieren.

Vielseitige Anwendungsbereiche

Ob im Sicherheitsbereich, bei der Optimierung von Verkehrsinfrastrukturen, in der Medizintechnik oder der rein kommerziellen Vermarktung von Produkten und Dienstleistungen: Big Data ist die neue industrielle Revolution unserer Gesellschaft. Data Science lässt sich in allen Unternehmensbereichen einsetzen, in denen eine Vielzahl an Daten aufkommt. Eine offensichtliche Branche ist hier unter anderem der bereits erwähnte Online-Handel bzw. E-Commerce. In diesem Bereich kann das Kaufverhalten der Konsumentinnen und Konsumenten oder das Feedback in den sozialen Netzwerken analysiert werden, um die Werbemaßnahmen entsprechend anzupassen. Aber auch in Unternehmensbereichen, wo etwa Prognosen getroffen oder Ziele festgelegt werden müssen, ist die Analyse und Verarbeitung von Daten essenziell. Hier können als Beispiele das Gesundheits- oder Finanzwesen genannt werden, wo die Medikation von Patientinnen und Patienten oder aber Gewinn- und Umsatzzahlen mithilfe von Data Science optimiert werden können.

Selbst Unternehmen, die bereits etablierte Strukturen zur internen Datenanalyse haben, müssen agil bleiben. Neue Entwicklungen bringen stets neue Chancen mit sich. Tatsächlich lassen sich dank KI und Big Data mittlerweile präzise Prognosen über den Erfolg künftiger Maßnahmen treffen. Als Beispiel sei die Kreativplattform Shutterstock genannt, die dank ihrer Datenanalyse erstaunliche Vorhersagen zu beliebten Farben und Motiven liefert. Hätten Sie zum Beispiel gedacht, dass die Farbe Silber in den letzten drei Weihnachtssaisons in der Online-Werbung eine durchgehend höhere Klickrate als Gold erzielte? Von Oktober bis Dezember 2021 generierte Silber 252 Prozent mehr Klicks als Gold. Findige Entrepreneure sollten sich derartige Erkenntnisse zunutze machen.

Datenmengen müssen in brauchbare Informationen verwandelt werden

Um Data Science angesichts steigender Datenmengen erfolgreich zu betreiben, müssen Künstliche Intelligenzen auf verschiedene Arten angewandt werden, um aus den Datensätzen nutzbare Informationen und Erkenntnisse zu gewinnen. Data-Science-Projekte im Unternehmen zu implementieren, ist heutzutage vor allem aus zwei Gründen viel einfacher und attraktiver als noch vor 20 Jahren: Datafizierung und Demokratisierung von Data Science und angewandter KI. Während die Datafizierung Unternehmen immer mehr Daten liefert, sorgt die Datendemokratisierung für den Zugang zu erfassten Daten und Technologien für alle Mitarbeiterinnen und Mitarbeiter.

Moderne Unternehmen stehen dem Umgang mit Daten heutzutage viel offener gegenüber als früher – oft fehlt es aber an Data Scientists, die nutzbare Informationen aus den Datensätzen ableiten können. Hier kommt die immer weiter wachsende Open-Source-Bewegung ins Spiel, die es praktisch jedem ermöglicht, Data Science zu betreiben und KI anzuwenden.

Open Source vereinfacht Data Science

Die Open Source Community spielt bei der Entwicklung von KI eine Schlüsselrolle. Viele der beliebtesten Bibliotheken für maschinelles Lernen, wie TensorFlow und PyTorch, sind Open Source. Das bedeutet, dass jeder den Code für seine Zwecke verwenden, Kopien des Codes modifizieren und weiterverbreiten kann. Dies erleichtert es Entwicklerinnen und Entwicklern in Unternehmen, zusammenzuarbeiten und eigene, stärker auf das Geschäftsfeld zugeschnittene Applikationen aus bereits bestehender Software zu entwickeln.

Open Source erleichtert es den Unternehmen, KI-Anwendungen in ihre Produkte und Dienstleistungen zu integrieren. Sind Codes frei zugänglich, können Unternehmen ihn zum Aufbau ihrer eigenen KI-Systeme verwenden, ohne in teure proprietäre Software investieren zu müssen. Dies hat zu einer Vielzahl von KI-gestützten Produkten und Dienstleistungen geführt, von Chatbots bis hin zu selbstfahrenden Autos.

Gleichzeitig treibt die KI auch die Entwicklung neuer Open Source Tools und -Technologien voran. So können beispielsweise generative Modelle verwendet werden, um Code und andere Inhalte zu generieren, was es Entwicklern erleichtert, neue Open-Source-Projekte zu erstellen. Einer der vielversprechendsten Bereiche der KI-Forschung ist die Überschneidung von KI und Open Source. Durch einen freien Zugang zu KI kann Open Source dazu beitragen, die Technologie zu demokratisieren und sicherzustellen, dass sie zum Nutzen der Allgemeinheit eingesetzt wird.

Künstliche Intelligenz und Open Source treiben sich gegenseitig voran

KI und Open Source sind zwei der wichtigsten transformativen Technologien unserer Zeit. Die Open-Source-Community hat eine Schlüsselrolle bei der Entwicklung von KI gespielt. Gleichzeitig beschleunigt KI wiederum die Entwicklung neuer Open Source Tools und -Technologien. Gemeinsam haben diese beiden Technologien das Potenzial, die Art und Weise, wie wir leben und arbeiten, zum Besseren zu verändern.

(ID:49300941)