Kommentar von Frank Schulz, Precisely Vertrauenswürdige Künstliche Intelligenz basiert auf vertrauenswürdigen Daten

Anbieter zum Thema

Fsas Technologies GmbH

INFOMOTION GmbH

BigData-Insider

Was kommt Entscheidungsträgern in den Sinn, wenn sie an das Potenzial der Künstlichen Intelligenz (KI) für ihr Unternehmen denken? Vermutlich nicht nur ein einziger, sondern zahlreiche Anwendungsfälle. Allerdings gibt es einige Punkte, die Unternehmen beachten müssen, bevor sie sich auf KI-Initiativen einlassen – vor allem müssen sie sicherstellen, dass ihre Daten der Aufgabe gewachsen sind.

Befragt man mehrere Mitarbeiter oder Abteilungen im Unternehmen nach dem Potenzial der Künstlichen Intelligenz, so haben vermutlich alle eigene Bedürfnisse und Antworten wie beispielsweise:

• Chatbots für effiziente und personalisierte Unterstützung und zufriedenere Kunden

• schnelle und leistungsstarke KI-Empfehlungen zur Bereitstellung maßgeschneiderter Inhalte

• Anwendungen für maschinelles Lernen für schnellere und genauere Geschäftsprozesse

Das verdeutlicht den großen Einfluss von KI auf moderne Unternehmen. Sie ist nicht nur ein technologischer Fortschritt, sondern ein strategischer Vorteil. Allerdings müssen Unternehmen sicherstellen, dass ihre Daten der Aufgabe auch gewachsen sind.

Warum ist Datenintegrität für den KI-Erfolg so wichtig?

Wie sehen KI-fähige Daten aus? Sie müssen Datenintegrität aufweisen, also maximale Genauigkeit, Konsistenz und Kontext. Ohne vertrauenswürdige Daten gibt es keine vertrauenswürdige KI. Vertrauenswürdige Daten wiederum benötigen Datenintegrität.

Ohne genaue, konsistente und kontextbezogene Daten können selbst die fortschrittlichsten KI-Systeme ins Stocken geraten, was zu verzerrten Ergebnissen, unzuverlässigen Resultaten, mangelnder kontextbezogener Relevanz und letztlich zu einem Vertrauensverlust in KI führt. Unabhängig von der Art der Anwendungsfälle dürfen Unternehmen diese Risiken nicht auf die leichte Schulter nehmen. Ihre Investitionen werden sich nur dann auszahlen, wenn die KI-Systeme auf einem Fundament vertrauenswürdiger Daten aufbauen.

Es ist jedoch erwähnenswert, dass viele Unternehmen mit Problemen der Datenintegrität konfrontiert sind wie zum Beispiel:

• Schwierigkeiten, Daten schnell genug zu integrieren

• Verstehen und Steuern der verantwortungsvollen Nutzung von Daten

• Beobachtung und Verbesserung der Datenqualität

• Anreicherung mit Daten von Drittanbietern und räumlichen Erkenntnissen für einen tieferen Kontext

• Gewährleistung von Sicherheit und Datenschutz

Mehrere – oder alle – dieser Herausforderungen treffen auf viele Unternehmen zu. In der letzten Super Focus Group des Gartner-IT-Symposiums gaben nur vier Prozent der Teilnehmer an, dass ihre Daten KI-fähig sind.

Drei Überlegungen zur Datenintegrität bei der Lösung von KI-Problemen

Sollte ein Unternehmen mit schädlichen Verzerrungen, unzuverlässigen Ergebnissen und einem Mangel an kontextueller Relevanz konfrontiert sein, beginnt der Weg zu einer fairen und verantwortungsvollen KI-Entwicklung mit strategischer Datenintegration, Qualitätsmanagement, Governance-Verfahren, räumlicher Analyse sowie Datenanreicherung.

Um vertrauenswürdige KI-Ergebnisse zu erzielen, müssen Unternehmen ihren Ansatz auf drei entscheidende Überlegungen in Bezug auf die Vollständigkeit, die Vertrauenswürdigkeit und den Kontext der Daten stützen. So können diese Aspekte berücksichtigt werden:

• 1. Ein vollständigerer Datensatz hilft, das volle Potenzial der KI auszuschöpfen. Unternehmen müssen Datensilos aufbrechen und wichtige Daten aus allen relevanten Quellen in Amazon Web Services (AWS) integrieren. Dadurch wird sichergestellt, dass KI-Modelle auf einen umfassenden Datensatz zugreifen können, wodurch Verzerrungen minimiert und die Genauigkeit verbessert werden kann.

• 2. KI-Anwendungen müssen mit vertrauenswürdigen Daten versorgt werden, um zuverlässige Ergebnisse zu erzielen. Durch die Implementierung robuster Datenqualitätsmaßnahmen kann sichergestellt werden, dass Daten genau, konsistent und standardisiert sind sowie ein Governance-Rahmen geschaffen werden, um die Qualität im Laufe der Zeit zu erhalten. Die Verwendung vertrauenswürdiger Daten zum Trainieren und Feinabstimmen von ML- und GenAI-Modellen in Amazon SageMaker und Amazon Bedrock ist für zuverlässige KI-Vorhersagen und Entscheidungen unerlässlich.

• 3. Unternehmen müssen ihren Daten Kontext hinzufügen, um relevantere und differenziertere Antworten zu erhalten. Durch Anreicherung der Daten mit räumlichen Einblicken und Informationen von Drittanbietern, werden Genauigkeit, Tiefe und Relevanz für KI-Anwendungen gewährleistet. Unternehmen können dies erreichen, indem sie Daten von Drittanbietern und räumliche Einblicke in ihre Amazon-SageMaker- und Amazon-Bedrock-Umgebungen bringen.

Fortschritte mit vertrauenswürdiger KI

Es gab in den vergangenen Jahren immer wieder KI-Pannen, die Schlagzeilen machten: von Chatbots für Unternehmen, die das Produkt eines Konkurrenten empfehlen, bis hin zu KI-verfassten Schriftsätzen mit gefälschten Zitaten. Das sind Beispiele aus der Praxis, die zeigen, welche negativen Auswirkungen schlechte Datenpraktiken auf KI-Ergebnisse haben können, unabhängig von Anwendungsfall oder Branche.

Um den Erfolg von KI-Technologien zu gewährleisten und Pannen zu vermeiden, müssen sich Unternehmen von Anfang an für die Integrität der Daten einsetzen. Dies muss in der KI-Strategie oberste Priorität haben, um die Fallstricke von „Garbage in, Garbage everywhere“ zu vermeiden und vertrauenswürdige sowie leistungsstarke KI-Lösungen zu gewährleisten. Nur so lassen sich KI-Initiativen zukunftssicher machen.

(ID:50342896)