KI und ML als Treiber der digitalen Transformation Fünf Ratschläge für die Praxis

Wenn es um die optimierte Entscheidungsfindung oder automatisierte Geschäftsprozesse geht, zählen branchenunabhängig Künstliche Intelligenz (KI) und Machine Learning (ML) zu den Top-Trends in Unternehmen.

Firmen zum Thema

InterSystems GmbH

MIP Ges. für EDV-Beratung und Management-Training mbH

Sinequa

TIBCO Software GmbH

Dem virtuellen InterSystems AI+ML Summit 2021 zufolge setzen Unternehmen heutzutage verschiedene KI- und ML-Ansätze erfolgreich in der betrieblichen Praxis ein. Als Ratgeber für den nächsten Schritt stellt InterSystems fünf Ratschläge für den erfolgreichen Einsatz von KI im Unternehmen vor:

• 1. Realistische Anwendungsfälle definieren
  Die einzelnen Schritte des KI-Projekts sollten im Vorfeld getestet und trainiert und die fachlichen Anforderungen mit den technologischen Möglichkeiten abgeglichen werden.

• 2. Datenqualität optimieren und eine leistungsfähige Datenplattform evaluieren
  Da relevante Daten von hoher Qualität zu den erfolgskritischen Faktoren für KI-Projekte zählt, sollte das Datenmanagement auch für die Aufgaben gewappnet sein. InterSystems empfiehlt hier das Konzept der Data Fabric („Datengewebe“).

• 3. Einfachen Einstieg in die Welt der KI finden
  Um in der Welt der KI Fuß zu fassen, empfiehlt InterSystems ein einfacheres Projekt wie beispielsweise Mustererkennung oder Prozessautomatisierung. Robotic Process Automation (RPA) bietet sich dabei als Einstieg an.

• 4. Unterschiedliche Deployment-Modelle prüfen
  KI-Projekte können auf Servern vor Ort („On-Premise“), in der Private oder Public Cloud oder in einem hybriden Modell bereitgestellt werden. Allerdings bieten Cloud-Modelle Vorteile bei der simplen und unkomplizierten Bereitstellung und einfachen Skalierbarkeit.

• 5. Eine KI-Kultur entwickeln und gezielt KI-Know-how aufbauen
  Aufgrund der zukunftsentscheidenden Bedeutung der Technologie ist es wichtig, eine KI-Kultur innerhalb eines Unternehmens zu entwickeln. Die Voraussetzungen dafür sind gut, solange die Mitarbeiter vom Wert ihrer Daten überzeugt sind.

(ID:47371409)