Kommentar von von James Fisher, Qlik Generative KI – 4 Tipps zum Einsatz in der Datenanalyse

Anbieter zum Thema

QlikTech GmbH

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

Die Kombination von Data Analytics und KI schafft neue Möglichkeiten, fundierte Erkenntnisse zu gewinnen und Prognosen aufzustellen. Im Mittelpunkt steht dabei die Organisation, Konsolidierung und Kuratierung von Daten für generative KI-Anwendungen.

Künstliche Intelligenz mischt die Wirtschaftswelt derzeit ordentlich auf. Die Möglichkeiten der Produktivitätssteigerung sind verlockend. Gleichzeitig gibt es immer mehr Bedenken in Bezug auf Sicherheit und Datenschutz sowie negative Folgen für die Gesellschaft. Noch weiß niemand, welche Auswirkungen der fortschreitende Einsatz von KI genau haben wird. Aber es ist zu vermuten, dass sie ähnlich tief greifend sein werden wie die Veränderungen durch das Internet.

Am Anfang besteht immer Unsicherheit, wie sich eine neue Technologie auf Arbeit und Privatleben auswirken wird. Hinzu kommt die Angst vor dem Unbekannten. Viele Menschen sind noch unerfahren beim Umgang mit der Technologie und wissen nicht, welche Möglichkeiten sie bietet.

Klar ist aber, dass KI eine revolutionäre Technologie ist, speziell für den Bereich Data Analytics. Die sogenannte Generative KI funktioniert nur mit Daten. Sie trainiert Systeme auf bestimmte Muster und Strukturen in Daten sowie deren Beziehungen zueinander. Auf dieser Basis kann das Modell neue und bedeutsame Schlussfolgerungen ziehen. Umso wichtiger ist es, Daten effizient zu organisieren. Die Experten von McKinsey empfehlen eine Datenarchitektur, mit der Unternehmen die Nutzung von generativer KI skalieren und auf diese Weise mehr und bessere Erkenntnisse gewinnen können. Generative KI ist auch nicht für jeden Einsatz geeignet: Sogenannte große Sprachmodelle können zum Beispiel zu „Halluzinationen“ neigen oder Fragen mit plausiblen, aber unwahren Behauptungen beantworten. Sie eignet sich auch noch nicht für die direkte Analyse großer Mengen von Tabellendaten oder die Bewältigung komplizierter numerischer Optimierungsprobleme.

Damit die Kombination von generativer KI mit Datenanalysen zum Erfolg führt, sollten Unternehmen insbesondere vier Bereiche in den Blick nehmen: die Anzahl der Datenquellen, die Richtlinien im Umgang mit Daten (Data Governance), die Datenaufbereitung sowie die Maßnahmen, die sich aus den Daten ergeben. Aus diesen Bereichen lassen sich folgende Handlungsempfehlungen ableiten:

1. Vielfältige Datenquellen einbeziehen

Idealerweise werden KI-Daten aus einer Vielzahl von Quellen generiert, darunter Mainframes, SAP-Dateien sowie SaaS-Anwendungen, die zudem in verschiedenen Formaten vorliegen können. Nur wenn die Daten konsolidiert werden, kann die KI sie organisieren und aufschlussreiche Erkenntnisse daraus gewinnen und Muster erkennen, auf deren Basis sie fundierte Vorhersagen und Analysen erstellt. Die Kombination einer Vielzahl von Datenarten und -quellen verbessert die KI-Algorithmen. Zudem lassen sich dadurch Verzerrungen und Beschränkungen (Cognitive Bias) reduzieren, die entstehen können, wenn die Analyse nur auf einem Datensatz basiert.

2. Eine effektive Data Governance einführen

Daten von schlechter Qualität sowie ungenaue oder unvollständige Informationen können dazu führen, dass falsche Schlüsse aus den Analysen abgeleitet werden. Und das kann wiederum zur Folge haben, dass Unternehmen Entscheidungen treffen, die ihre Effizienz oder Innovation nicht verbessern, sondern sogar einschränken. Mit einer Data Governance, also einer regulierten Erfassung, Speicherung, Verarbeitung und Vernichtung von Daten, lässt sich ein zentrales automatisiertes Datensystem aufbauen. Damit gehört Datenchaos der Vergangenheit an.

Wie sicher sind die der KI anvertrauten Daten? Auch in Sachen Sicherheit und Datenschutz wirft Generative KI Fragen auf, die viele Nutzer vom Einsatz abhalten. Unternehmen müssen im Umgang mit digitalen Informationen bestimmte Sicherheitsmaßnahmen einhalten. Die EU plant zudem den Artificial Intelligence Act, der konkrete Rechtsvorschriften zum Einsatz von KI enthält. Data-Governance-Konzepte helfen, sie einzuhalten.

3. Erkenntnisse aus Daten leicht verdaulich darstellen

Daten lassen sich auf unterschiedliche Weise präsentieren – etwa in Form von Diagrammen, Grafiken oder Tabellen. Um Ergebnisse zielgerichtet nutzen zu können, sollten sie so aufbereitet werden, dass sie leicht zu verstehen und die daraus abgeleiteten Aktionen nachvollziehbar sind. Generative KI macht Daten „leichter verdaulich“ – in Form von Visualisierungen und Dashboards. Das verbessert die Datenkompetenz im Unternehmen und ermöglicht es, mehr Mitarbeiter in Analysen einzubinden und komplexe Datenprobleme anzugehen.

4. Generative KI mit operativen Systemen vernetzen

Erkenntnisse aus Daten sind nur so gut wie die daraus abgeleiteten Maßnahmen. Durch die Verbindung von generativer KI mit operativen Systemen beispielsweise lassen sich automatische Aktionen auslösen. Die Integration KI-gestützter Analysen ermöglicht das Untersuchen von Daten in Echtzeit und liefert unmittelbare Erkenntnisse und Empfehlungen zu vordefinierten Auslösern oder Schwellenwerten. Diese Auslöser lassen sich dann auf spezifische Aktionen oder Warnungen einstellen, wenn die jeweiligen Bedingungen erfüllt sind. Mit solchen Automatisierungslösungen ohne Code entstehen fortschrittliche Workflows. Unternehmen, die ihre Geschäftsanwendungen daran anbinden, können direkt von ihren Systemen entsprechende Maßnahmen auslösen.

Fazit

In der Vergangenheit wurden Daten- und Analyseplattformen hauptsächlich für das menschliche Auge entwickelt. Durch den Einsatz von KI wird sich ihre Funktionsweise verändern. Der Trend geht zur Organisation, Konsolidierung und Kuratierung von Daten für generative KI-Anwendungen. Das schafft bessere Dateneinblicke, da bereits eine große Menge an Daten effizient und effektiv sortiert wurde. Die Einbindung von KI-Funktionen in die Datenanalyse ist der Weg zu fundierteren Einsichten in Echtzeit. Und durch die Integration in bestehende Systeme können wir KI mit vertrauten Tools nutzen – und damit die Angst vor dem Unbekannten überwinden.

(ID:49586232)