Das Potenzial von Daten in der KI-Ära ausschöpfen
Künstliche Intelligenz und maschinelles Lernen können Firmen helfen, effizienter und mit größerer Automatisierung zu arbeiten. Die Umsetzung von KI und ML kann problematisch sein.
Die KI-Revolution hat begonnen: Innerhalb nur weniger Monate haben Anwendungen, die auf künstlicher Intelligenz(KI) und Machine Learning (ML) basieren, deutlich gemacht, dass sie nahezu alle Lebensbereiche verändern werden. Auch Unternehmen können erheblich profitieren, indem sie die Automatisierung ihrer Kernprozesse beschleunigen und ihre Data-Analytics-Fähigkeiten ausbauen. Doch dafür müssen sie zuerst wesentliche Hindernisse aus dem Weg räumen.
Wer je Zweifel hatte, ob es für künstliche Intelligenz und Machine Learning je massentaugliche Anwendungsfälle geben wird, hat in den letzten Wochen und Monaten eine deutliche Antwort erhalten. Das US-amerikanische Startup OpenAI hat mit seinem Chatbot ChatGPT eine Welle losgetreten, die inzwischen nicht nur die großen Tech-Unternehmen erfasst hat. Die Auswirkungen dieser Entwicklung sind heute schon auf wirtschaftlicher und gesellschaftlicher Ebene zu spüren.
Herausforderungen in verschiedenen Dimensionen
Für Unternehmen stellt sich dadurch jetzt die Frage, wie sie KI und ML nutzen können, um ihre Abläufe zu optimieren. Erschwert wird dies jedoch durch eine Reihe von Faktoren: Dazu muss etwa die unsichere wirtschaftliche Situation gezählt werden – die Kosten sind durch die Inflation weiterhin hoch, die Lieferketten sind noch immer instabil und die benötigten Fachkräfte fehlen an jeder Ecke. Infolgedessen tun Unternehmen sich schwer damit, schnell zu reagieren und wichtige Veränderungen wie die Implementierung neuer Technologien voranzutreiben.
Dazu kommt: Zwar stehen Legacy-Technologien dem Fortschritt häufig im Weg, der sogenannte Rip-and-Replace-Ansatz erscheint Führungskräften dann aber oft doch als zu großer Schritt. Denn dabei werden komplexe und veraltete Systeme vollständig durch moderne Systeme ersetzt. Damit sind in der Regel nicht nur hohe Kosten verbunden, auch die Mitarbeiter müssen einen völlig neuen Umgang mit diesen Tools und Systemen erlernen. All dies zusammengenommen kann allerdings dazu führen, dass überhaupt nichts unternommen wird, da eine klare IT-Strategie fehlt und die Angst vor teuren Fehlern groß ist.
Daneben erweisen sich auch die bisherigen Datenmanagementpraktiken von Unternehmen oft als Problem, die verhindern, dass die Vorteile von KI- und ML-Tools wirklich zum Tragen kommen. Denn dafür sind zugängliche Daten notwendig: Daten müssen dezentral gespeichert sein und dort eingesetzt werden, wo sie tatsächlich benötigt werden. Nur dann ist eine präzise Entscheidungsfindung im Unternehmen möglich. Dies scheitert allerdings an Datensilos, manuellen Prozessen und dem Fehlen des notwendigen internen Know-hows.
KI/ML-as-a-Service und Augmented Analytics verbessern die Datennutzung
Doch Unternehmen müssen sich diesen Herausforderungen nun stellen. Denn alle wichtigen neuen Technologien, die die Zukunft prägen werden, erfordern neue Systeme, einen Kulturwandel und eine effizientere Datennutzung – ob es KI und ML oder auch das Metaverse ist. Unternehmen müssen diesen Herausforderungen aktiv begegnen, um ihr Wachstum zu beschleunigen, ihre Abläufe zu optimieren, ihre Innovationskraft zu stärken und – im Endeffekt – nicht von der Konkurrenz überholt und abgehängt zu werden.
Der Schlüssel liegt hierbei darin, sich auf die Strategie für das Kerngeschäft und besonders erfolgversprechende Projekte zu konzentrieren und diese durch Business-Intelligence-Funktionen zu ergänzen. Ein KI/ML-as-a-Service-Modell stellt außerdem sicher, dass jeder die richtigen Informationen im richtigen Format erhält, um schnelle und fundierte Entscheidungen zu treffen.
Dieses Vorgehen verspricht den größten Nutzen bei geringeren Kosten im Vergleich zum Rip-and-Replace-Ansatz. Zudem hilft ein solches As-a-Service-Konzept für KI und ML dabei, Daten zu demokratisieren und die Datenkompetenz im Unternehmen zu erhöhen, da jeder, der sie braucht, Zugriff erhält und mit ihnen arbeiten kann. Damit werden Daten nicht mehr nur von einigen wenigen Data-Science-Spezialisten kontrolliert, sondern sie stehen allen Mitarbeitern zur Verfügung, die womöglich aufgrund ihrer individuellen Expertise daraus Erkenntnisse gewinnen, die sonst verborgen geblieben wären.
Entscheidend sind dabei aber die Tools, die für diese Datennutzung eingeführt werden. Dazu gehören vor allem Low-Code-/No-Code-Plattformen. Diese basieren auf KI und ML und helfen dabei, Aufgaben innerhalb des Analyse-Workflows zu automatisieren. Damit fallen sie unter den Begriff Augmented Analytics – gemeint sind damit intuitive, intelligente Tools für die Datenaufbereitung, -analyse und -visualisierung. Sie vereinfachen die gesamte Nutzererfahrung und tragen so dazu bei, dass auch Mitarbeiter, die weniger technisch versiert sind, das Potenzial von Daten ausschöpfen können.
„Ein As-a-Service-Konzept für KI und ML hilft dabei, Daten zu demokratisieren und die Datenkompetenz im Unternehmen zu erhöhen, da jeder, der sie braucht, Zugriff erhält und mit ihnen arbeiten kann. Damit werden Daten nicht mehr nur von einigen wenigen Data-Science-Spezialisten kontrolliert, sondern sie stehen allen Mitarbeitern zur Verfügung, die womöglich aufgrund ihrer individuellen Expertise daraus Erkenntnisse gewinnen, die sonst verborgen geblieben wären.“
Vijay Raman, ibi, Cloud Software Group
Fazit
Angesichts der wirtschaftlichen Herausforderungen, mit denen Unternehmen mindestens in diesem Jahr noch konfrontiert sind, müssen sie Wege finden, effizienter und effektiver zu arbeiten. KI und ML können dabei einen wertvollen Beitrag leisten: Sie ermöglichen es Mitarbeitern, Daten besser zu nutzen, da sie ihnen schnellere und qualitativ hochwertigere Erkenntnisse bereitstellen, um nahezu in Echtzeit fundierte Entscheidungen zu treffen. In einem volatilen Markt kann dies der entscheidende Faktor sein, der den Unternehmenserfolg sichert.
Über den Autor: Vijay Raman ist Executive Sponsor und leitet den ibi-Geschäftsbereich der Cloud Software Group für das gesamte ibi-Portfolio, einschließlich der Business Intelligence- und Datenanalyseprodukte. Er ist für die funktionsübergreifende Zusammenarbeit im gesamten Unternehmen verantwortlich und entwickelt die Marketing-, Produkt- und Benutzerstrategie mit Kunden und Partnern.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
