Welche neuen Entwicklungen helfen Unternehmen, KI erfolgreich einzuführen?

Über kein Thema wurde in den vergangenen Monaten so viel diskutiert wie Künstliche Intelligenz. Doch was davon tatsächlich in deutschen Unternehmen umgesetzt wird, steht auf einem anderen Blatt Papier. Selbst deutsche Schlüsselindustrien wie der Maschinenbau adaptieren die neue Technologie nur schleppend. So zeigt eine Umfrage des Vereins Deutscher Ingenieure (VDI) unter 700 Ingenieuren, dass nur noch 14 Prozent von Ihnen Deutschland als wettbewerbsfähigen Standort für KI-Technologien sehen1. Dabei liegt der Einsatz von KI im deutschen Maschinen- und Anlagenbau mit 15 Prozent sogar über dem Durchschnitt von 11 Prozent2. Fakt ist, dass KI auf alle Branchen Einfluss nehmen wird und deutsche Unternehmen diesen tiefgreifenden Wandel nicht verschlafen dürfen.

Doch wie können Unternehmen in Deutschland mit der rasanten Entwicklung im Bereich Künstliche Intelligenz Schritt halten? Stefan Schwarz, Partner Business Consulting bei Teradata, gibt Einblicke, welche Fortschritte und Entwicklungen für KI-Technologien er für die nächsten Monate erwartet und wie deutsche Unternehmen diese für sich nutzen können, um KI erfolgreich in ihren Unternehmen einzuführen.

Eine solide Datenbasis als Grundlage

Das Management und die Integration von Unternehmensdaten dienen als Grundlage für die Skalierung von KI-Anwendungsfällen. Was heute bereits in Unternehmen implementiert wird, zählt zur eng definierten KI oder Narrow KI. Diese Art von KI arbeitet innerhalb eines sehr begrenzten Kontexts und kann darüber hinaus keine Aufgaben außerhalb ihres Bereichs übernehmen. Hierfür wären signifikante Code-Überarbeitungen und ein Umtrainieren des Modells vonnöten. Man kann also nicht erwarten, dass der gleiche KI-Algorithmus, der Betrugsfälle erkennt, auch vorhersehen kann, bei welchen Kunden beispielsweise die Gefahr einer Abwanderung besteht. Das zu identifizieren, ist die Aufgabe eines anderen spezialisierten KI-Algorithmus.

Eine erfolgreiche KI-Initiative für Unternehmen wird Hunderte, wenn nicht sogar Tausende von Anwendungsfällen hervorbringen, die jeweils von einem eng definierten Algorithmus unterstützt werden. Dieser Tatsache müssen sich Unternehmen bewusst sein. In Konsequenz bedeutet dies jedoch auch, dass Unternehmen von Beginn an für eine umfassende gemeinsame Datenbasis sorgen müssen, um ihre KI-Ambitionen skalieren zu können.

Datenanalyse auch im Mittelstand

Eines der größten Hindernisse, die Unternehmen bei der Implementierung von KI überwinden müssen, ist die Analyse von großen Datenmengen. Gerade der Mittelstand, der solide Motor der deutschen Wirtschaft, klagt häufig über die Schwierigkeiten, KI-basierte Lösungen für ihre Zwecke zu nutzen. Die Ressourcen für Data-Analytics-Tools sowie spezialisierte Fachkräfte sind in mittelständischen begrenzt. Eine täglich wachsende Menge von Daten aus unterschiedlichsten Quellen zur Analyse zu verarbeiten und daraus die entscheidenden Erkenntnisse zu ziehen, ist deshalb für sie eine große Herausforderung.

Was Mittelständler benötigen, um KI-Projekte umsetzen zu können, sind Analytics-Plattformen, die ihnen den Zugang zu Datenanalysen durch einfach zu bedienende aber umfassende Funktionen zugänglich machen. Dazu zählt eine automatisierte Datenvorverarbeitung, um Daten aus verschiedensten Quellen einfach zusammenführen zu können, seien es Sensordaten von Maschinen, Business-Daten oder Social-Media-Daten. Ein weiterer Schritt sind standardisierte Lösungen aus der Cloud, die Unternehmen je nach ihrem Bedarf kombiniert zusammenstellen können. Auf diese Weise können beispielsweise mittelständische produzierende Betriebe durch eine vorausschauende Wartung Ausfälle ihrer Anlagen vermeiden und die Produktion optimieren.

In diesem Feld erwarten wir weitere große Fortschritte. Arbeitsintensive und komplexe Analyseschritte wie Feature Engineering oder die Auswahl des passenden Modells für Deep-Learning-Algorithmen können immer besser automatisiert und somit auch leicht in standardisierte Workflows eingebunden werden. Auf diese Weise können Analytics-Plattformen immer wertvollere Einblicke gewähren und Unternehmen konkrete Handlungsempfehlungen bieten. Mit diesen Fähigkeiten haben sie das Potenzial, die Anzahl der Anwendungsfälle von KI in kleinen und großen Unternehmen um das Hundertfache zu steigern.

Die wachsende Relevanz der Cloud

Mit immer breiter greifenden und komplexeren Datenanalyse-Workflows stellt sich auch die Frage nach der Rechenkapazität, die diese Aufgaben stemmen sollen. In Zukunft wird es sinnvoll sein, neue Analyse-Workloads immer zunächst in der Cloud auszurollen. IT-Abteilungen werden die Public Cloud für alle Geschäftsinitiativen nutzen müssen, bei denen es sich nicht um eine reine Kapazitätserweiterung der bestehenden Infrastruktur handelt.

Dabei sollten Unternehmen jedoch nicht blind den »Use it or lose it«-Angeboten von Public-Cloud-Anbietern vertrauen, denn so laufen Sie Gefahr, grundsätzlich deren Cloud-Dienste zu bevorzugen ohne zu berücksichtigen, welche Anpassungen für spezifische Lösungen erforderlich sind. Das Streben nach kurzfristigen Budgetzielen steht in diesem Fall langfristigen strategischen Investitionen im Weg.

Flexibilität und Personalisierung im IT-Stack

Eine weitere interessante Entwicklung zeichnet sich im Bereich der As-a-Service-Angebote ab. Das Portfolio dieser Anbieter wird sich stets erweitern, sodass man Funktionen erwarten kann, die früher nur als personalisierte Speziallösungen erhältlich waren. Auf diese Weise wird ein zunehmendes Maß an Kommodifizierung und Duplizierung erreicht. Containerisierung und Übertragbarkeit von Lösungen werden das neue Schlachtfeld der Unternehmens-IT werden. Anbieter, die lediglich spezifische Punktlösungen für spezielle Lösungen zur Verfügung stellen, werden gegenüber Konkurrenten, die mehrere Domänen wie Public Cloud, Private Cloud und On-Premises mit umfassenden Angeboten abdecken können, den Kürzeren ziehen.

Aufgrund seiner Flexibilität und Skalierbarkeit wird das hybride Cloud-Modell dominieren. Auf der einen Seite bietet es Schutz vor Risiken – etwa bei der Speicherung geschäftskritischer Daten. Auf der anderen Seite gibt es Unternehmen die Flexibilität, die sie brauchen, um in der heutigen Geschäftswelt effizient und sicher operieren zu können. Es geht darum, je nach Aufgabe und Anforderung zu entscheiden, ob ein Projekt in der Cloud, On-Premise oder an beiden Standorten lokalisiert werden soll. So wie der lokale Server nicht von der Hand zu weisende Vorteile bietet – es funktioniert, ist für die Mitarbeiter klar verständlich, sichert einen positiven ROI – so bietet die Cloud ihre ganz eigenen Vorteile – es funktioniert, sie beschleunigt Prozesse und kann universal genutzt werden. Genauso wie Unternehmen eine Kombination von Teilzeit- und Vollzeitmitarbeiter oder die Vorteile einer Kombination manueller und KI-unterstützter Arbeitsabläufe schätzen, schöpfen sie ihr volles Potenzial erst aus, wenn sie beide Möglichkeiten nutzen.

Diese Trends bedeuten für Unternehmen, dass ihnen alle Optionen offen stehen, ihr IT-Portfolio zu diversifizieren. Sie können vorhandene, betriebsinterne Systeme mit agilen, Cloud-basierten Implementierungen für neue Projekte kombinieren – beste Voraussetzungen also, um Projekte mit einem ganz spezifisch auf die eigenen Bedürfnisse und Anforderungen zugeschnittenen Technologie-Stack umzusetzen.

Künstliche Intelligenz als Problemlöser

So groß die Herausforderungen für Unternehmen am Anfang scheinen, gibt es auch eine positive Botschaft. KI hat das Potenzial, Unternehmensprozesse in allen Bereichen signifikant zu verbessern. So wird KI zum Beispiel beginnen, den Prozess der Datenverwaltung selbst zu verbessern, etwa bei der Zuweisung von Systemressourcen, im automatisierten Feature Engineering, bei der Sammlung von operativen Metadaten oder mit verbessertem Wissensmanagement (beispielsweise Tagging).

Ein Beispiel für erfolgsversprechende KI-Anwendungen ist die Lieferkette, die mithilfe von KI revolutioniert werden kann. Herstellende Betriebe können immer komplexer werdende Aufgaben wie die Produktnachfrage über mehrere Kanäle hinweg, Echtzeit-Prognosen sowie die exakte Bestandsverfolgung mithilfe von KI meistern.

Doch KI kann auch ganz neue Geschäftsfelder und Märkte eröffnen – zum Beispiel im neuen Bereich der Wahrnehmungs-KI, also die Automatisierung und Verfeinerung der physischen Wahrnehmung. Dies ist mit spezialisierten, mehrkanaligen Sensoren möglich. KI hilft Patienten, wieder besser sehen, schmecken, riechen, hören und fühlen zu können.

Den Anfang wagen

Wie wir sehen steckt KI zwar heute in Deutschland in vielen Unternehmen noch in den Kinderschuhen. Doch nie war die Zeit besser, um erste Schritte zu unternehmen und zu investieren. In vielen Fällen muss nur ein Anfang gemacht werden. Neue Tools und Services unterstützen dabei, deutliche Fortschritte zu machen und Hindernisse wie fehlendes Know-How zu überwinden. Wer jetzt keinen Anfang macht muss womöglich zusehen, wie die Konkurrenz in Siebenmeilenstiefeln an ihnen vorbeizieht.

Stefan Schwarz, Partner Business Consulting bei Teradata

Dr. Stefan Schwarz leitet den Bereich Industry/Business Consulting und Solutions in der Region Zentraleuropa, UK & Irland bei Teradata. Zusammen mit seinem Team unterstützt er Kunden von Teradata dabei, einen strategischen Nutzen durch Big Data- und Analytics-Technologien zu erreichen.

Vorangehend verantwortete er das Industry Consulting in den Branchen Telekommunikation, Media & Entertainment (CME) und das Center of Excellence for Telco, Media & Entertainment in der Region Europa, Naher Osten und Afrika (EMEA).

Bevor er im Mai 2010 zu Teradata kam, arbeitete Stefan Schwarz als Vice President Customer Management bei der 1&1 Internet AG in Karlsruhe. In dieser Funktion steigerte er Umsatz, Marge und Gewinn des Bestandskundengeschäfts und trug P&L-Verantwortung für mehr als 1 Milliarde Euro. Zuvor war Schwarz als Group Executive CRM bei Vodafone Global Services im britischen Newbury tätig, wo er die weltweite Kundenstrategie von Vodafone mit Fokus auf Kundentreue und Kundenbindung entwickelte. Als Director CRM & Information Management bei Lycos Europe, Bertelsmann AG, hatte er die europäische CRM- und Direktmarketingstrategie des Unternehmens entworfen, die erhebliche neue Umsatzströme generierte.

Stefan Schwarz schloss sein Studium der Wirtschaftsinformatik an der Universität Münster als Diplom-Wirtschaftsinformatiker ab und promovierte anschließend an der Universität St. Gallen zum Dr. oec im Bereich Business Engineering. Danach forschte er als Gastwissenschaftler an der MIT Sloan School of Management.

Neben seiner Tätigkeit bei Teradata ist Dr. Stefan Schwarz ein anerkannter Redner auf Fachkonferenzen weltweit zu den Themen Digitale Innovation, IoT und datengetriebene Geschäftsmodelle.

Quellen:

[1] https://www.welt.de/wirtschaft/article191212599/Kuenstliche-Intelligenz-Industrie-sieht-Deutschland-bereits-abgehaengt.html

[2] Trendstudie von Tata Consultancy Services (TCS) und Bitkom Research https://studie-digitalisierung.de/?cn-reloaded=1

1762 Artikel zu „künstliche intelligenz“

AUSGABE 3-4-2020 | NEWS | HEALTHCARE IT | KÜNSTLICHE INTELLIGENZ

Wie künstliche Intelligenz hilft, Krankheiten zu bekämpfen – Revolution im Gesundheitswesen

4. Mai 2020

Die Herausforderungen im Gesundheitswesen sind gewaltig. Die Kosten steigen, das Geld ist knapp und die Margen sinken. Gleichzeitig fehlt es an Pflegepersonal, die vorhandenen Fachkräfte sind überarbeitet. Kliniken müssen effizient wirtschaften, um Patienten die bestmögliche Versorgung zu gewährleisten – und gleichzeitig Datensicherheits- und Compliance-Anforderungen bei der Verarbeitung der anfallenden Daten sicherstellen.