Prostock-studio - stock.adobe.co
Wann steigen KI und Machine Learning zum Mainstream auf?
Der Einsatz von künstlicher Intelligenz und maschinellem Lernen wird durch zwei Hürden gebremst: sind sind kostspielig und komplex. Wie die Integration dennoch gelingt.
Es ist noch nicht allzu lange her, dass künstliche Intelligenz (KI) nur eine übermäßig benutzte Marketingaussage war. Viele Softwarehersteller, die Anwendungen mit Algorithmen oder ausgefeilten regulären Ausdrücken (RegEx) angeboten haben, verpassten ihren Produkten den KI-Stempel, obwohl es vollkommen am Thema vorbei war.
Zeiten und Technologien verändern sich, und der Markt ist mittlerweile in zwei Lager gespalten. Manche Hersteller benutzen vordefinierte Frameworks für ihre Anwendungen und manche Hersteller erfinden das Rad neu und entwickeln komplett eigenständige Modelle. Das Besprechen der Vor- und Nachteile der beiden Wege ist ein anderes Thema, interessanter ist die generelle Bedeutung für die Benutzer.
KI-Einsatz wird durch zwei Hürden verlangsamt
Zuerst gibt es eine finanzielle Herausforderung. KI-Lösungen sind meist state of the art und kommen mit einem entsprechenden Preisschild. Aber das ist keine Neuigkeit für Unternehmen, wenn es um den Einsatz neuer Technologien geht. Im Grunde genommen ist der Hintergrund immer identisch: Das Reduzieren von Kosten, oder das Erhöhen der Effizienz. Das war so bei der Entwicklung des Webstuhls, dem Einsatz des Fließbandes beim Automobilbau, und der IT-Automatisierung. Die Kalkulation ist immer gleich: Können wir die operativen Kosten der menschlichen Arbeit durch Technologien ersetzen? Wo ist der Punkt, an dem sich die Investition amortisiert?
IT-Security ist ein einfaches Beispiel. Wie viele Stunden dauert die Untersuchung von verdächtigem Verhalten? Wie viele Analysten durchforsten Log-Dateien, und wieviel kostet der ganze Vorgang? Das ist eine Aufgabe, die tatsächlich an eine Maschine delegiert werden kann, die viel schneller arbeitet und Resultate in Minuten, wenn nicht sogar Sekunden, aufbereiten kann. Das bedeutet nicht, dass die Analysten überflüssig werden, ganz im Gegenteil: Sie können sich nun um Aufgaben und Projekte kümmern, die Kreativität erfordern, was für Maschinen noch ein Problem darstellt.
Aber, die Übernahme von KI steigt langsam an. Das liegt mitunter an den Nebeneffekten, dass die Preise sinken und die Lösungen bezahlbar werden. Somit sind es nicht mehr nur die Global Players, die sich die neuesten Technologien leisten können. Im Laufe des Jahres sehen wir eine weiter ansteigende Adoptionsrate sogar bei kleinen und mittelständischen Unternehmen. Es heißt nicht länger So etwas brauchen wir nicht, sondern Das könnte für uns interessant sein. Wir sollten es einmal ausprobieren.
Das Biest in Schach halten
Das bringt uns zur zweiten Hürde, der Komplexität. Eine KI-Lösung, unabhängig, ob von der Stange oder maßgefertigt, erfordert Anpassung an die Umgebung, um erfolgreich zu sein. Das ist keine einfache Aufgabe und erfordert professionelle Entwickler. Dabei ist es unerheblich, ob diese vom Hersteller als Teil des Gesamtpaketes bereitgestellt werden oder aus dem eigenen Personal stammen. Vielleicht ist es doch erheblich, da letztere wieder die Einsatzkosten erhöhen.
Aber auch hier sehen wir interessante Verbindungen verschiedener Technologien. Manche KI-Lösungen verfügen bereits über sogenannte Low-/No-Code Interfaces, und jeder, der ordentliche Flussdiagramme erstellen kann, kann auch mit derartigen Systemen umgehen.
„Eine KI-Lösung, unabhängig, ob von der Stange oder maßgefertigt, erfordert Anpassung an die Umgebung, um erfolgreich zu sein.“
Sascha Giese, SolarWinds
Was verbleibt, ist der Mangel an Vertrauen. Künstliche Intelligenz trifft eigenständige Entscheidungen. Wie beim Menschen ist das ein Prozess, der auf Erfahrungen, Wissen und Ausbildung oder Training basiert. Aber wer hat dieses Training durchgeführt?
Es gibt einen triftigen Grund, warum die EU eine Regulation von KI-Lösungen beim Recruitment durchsetzen möchte. Man kann jedoch davon ausgehen, dass das Level an Vertrauen höher ist, wenn das Training von bestehenden Mitarbeitern durchgeführt wird. Aber es endet nicht hier. Nach der Implementierungsphase sollte KI den Großteil der repetitiven Aufgaben übernehmen und die Effizienz der Benutzer erhöhen.
Hallo Computer
Viele Arbeitnehmer haben es jeden Tag mit Geschäftssoftware zu tun – ob Kundenverwaltung, Ressourcenmanagement, Lagerhaltung oder Leadmanagement. Diese Lösungen kommen schlüsselfertig, mit vielen Berichten, und obwohl diese von unterschiedlicher Qualität sind, erledigen sie üblicherweise ihren Job. Aber es kommt vor, dass ein spezieller Bericht erforderlich ist, und hier beginnen die Probleme. Viele der Geschäftslösungen sind Dinosaurier und das Erstellen von benutzerdefinierten Berichten ist nicht sonderlich benutzerfreundlich.
Daher wird leider häufig ein Datenbank-Administrator (DBA) zurate gezogen, um eine Datenbankabfrage zu programmieren, damit der CEO Punkte für das nächste Meeting hat. Wäre es nicht einfacher, wenn es im Produkt eine Textbox gibt? Man kann einfach schreiben Gib mir die Vertriebszahlen für Berlin aus dem letzten Quartal, sortiert nach Produkt und das Resultat ist ein schönes Diagramm innerhalb von zwanzig Sekunden oder weniger.
Das ist keine Science-Fiction, tatsächlich haben die meisten von uns ähnliche Technologie schon benutzt: Einen Chatbot. Wir müssen aber noch an der Qualität der Antworten feilen, um Aussagen wie Entschuldigung, das habe ich nicht verstanden zu minimieren. Aber irgendwann kommen wir dort an. KI- und ML-Lösungen werden günstiger und einfacher zu benutzen, was die Einsatzrate erhöht.
Über den Autor:
Sascha Giese ist als Head Geek am Hauptsitz der SolarWinds Software Germany GmbH in Berlin tätig. Er verfügt über zahlreiche technische Qualifikationen als Cisco Certified Network Associate (CCNA), Cisco Certified Design Associate (CCDA), Microsoft Certified Solutions Associate (MCSA), VMware Technical Sales Professional (VTSP), AWS Certified Cloud Practitioner sowie SolarWinds Certified Professional (SCP) für Network Performance Monitor und Server & Application Monitor. Er hat über 10 Jahre technische Erfahrung im IT-Bereich und war vier Jahre als Senior Pre-Sales Engineer bei SolarWinds tätig.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
