Kommentar von Oliver Schröder, Informatica

Intelligente KI beginnt mit intelligenten Daten

| Autor / Redakteur: Oliver Schröder / Nico Litzel

Der Autor: Oliver Schröder ist General Manager DACH, Informatica
Der Autor: Oliver Schröder ist General Manager DACH, Informatica (Bild: Informatica)

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.

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, auch wenn viele es glauben. Ähnlich wie der Mensch stützt sich KI auf Bezugspunkte und Erfahrungen, um die 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. Das ist ein ziemlich ernüchternder Fakt – vor allem bei einem Investitionsvolumen von 19,1 Milliarden US-Dollar für KI-Systeme im Jahr 2018. Diese Zahl wird 2019 weiter steigen.

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.

Ein Beispiel dafür ist die KI-gesteuerte Rekrutierungs-Engine bei Amazon, mit der die Lebensläufe von Bewerbern überprüft wurden: Das System führte keine geschlechtsneutrale Bewertung von Bewerbern für Positionen als Software-Entwickler durch. Grund dafür war, dass das KI-System vor allem mit Lebensläufen männlicher Bewerber geschult war. Ein geplantes, von IBM Watson Health entwickeltes Onkologie-Tool wurde 2017 eingestellt, weil es mit den zugrunde liegenden Daten Probleme gab. Dazu gehörten schwer zu lesende, handschriftliche Notizen von Ärzten, inkonsistente Verwendung elektronischer Krankenakten und eine Vielzahl von Akronymen in analogen und digitalen Aufzeichnungen.

Wenn es den 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. Darüber hinaus sollten sie ihren Ansatz hinsichtlich der Metadaten neu bewerten. 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. Dazu gehört auch das gesamte vorhandene Wissen und die Variablen, an die die Experten vielleicht nicht mehr denken, weil sie zur Routine geworden sind und es keine Notwendigkeit mehr gibt, sie zu artikulieren.

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. Die Lücke zwischen Angebot (verfügbaren Talenten) und Nachfrage führt dazu, dass bei fast 50 Prozent der europäischen Unternehmen vermutet wird, dass sie Schwierigkeiten haben, Data-Scientist-Positionen zu besetzen.

Organisationen benötigen, kurz gesagt, mehr Mitarbeiter, nicht weniger. Data Scientists werden aufgrund ihrer Kenntnisse in fortgeschrittener Mathematik und statistischer Datenanalyse benötigt. Diese speisen die Künstliche Intelligenz und generieren damit die benötigten Erkenntnisse, die notwendig sind, um bessere Geschäftsentscheidungen zu treffen. Daten-Ingenieure sind hingegen nötig, um die Infrastruktur und Architektur für die Datengenerierung aufzubauen, zu testen und zu warten, die einer effektiven KI zugrunde liegt. Unternehmen müssen Mitarbeiter rekrutieren, die über diese Fähigkeiten verfügen. Für Unternehmen, die einen Wettbewerbsvorteil benötigen, ist KI die Antwort.

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 3.0 genannt. Er definiert das nächste Zeitalter vertrauenswürdiger Unternehmen – und ist gleichzeitig ein wichtigeres Unterscheidungsmerkmal als beispielsweise der Produktpreis. Um dieses Potenzial auszuschöpfen, ist jedoch ein größeres Engagement hinsichtlich der Daten und ihrer Nutzung notwendig.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46012408 / Künstliche Intelligenz)