Warum immer mehr Unternehmen in KI investieren (sollten)

Von Industrie 4.0 über Internet of Things bis hin zu Business Process Transformation also die Umgestaltung der Geschäftsprozesse – die Digitalisierung hat viele Facetten. Künstliche Intelligenz spielt dabei in allen Bereichen eine wesentliche Rolle. Sie ist in der Lage, Abläufe effizienter zu gestalten, Abweichungen zu erkennen, bevor sie womöglich Schaden anrichten, oder relevanten Daten für Entscheidungen bereitzustellen. Daher verwundert es nicht, dass sich die Investitionen in KI-basierte Systeme bis zum Jahr 2023 mehr als verdoppeln werden. Während im Jahr 2019 die weltweiten Ausgaben für künstlich intelligente Systeme bei 37,5 Milliarden US-Dollar liegen, prognostiziert IDC bis zum Jahr 2023 einen Anstieg auf 97,9 Milliarden Dollar.

Die Einsatzszenarien KI-basierter Systeme im Unternehmen sind dabei äußerst vielfältig. Während im Rahmen von Industrie 4.0 insbesondere die Optimierung sowie Automatisierung von Produktions- und Logistik-Prozessen im Vordergrund steht, wird KI zunehmend auch für administrative und planerische Prozesse eingesetzt.

 

Anzeige

Daten – das Gold, Öl beziehungsweise Rückgrat der digitalen Welt

Das Datenvolumen steigt unaufhaltsam. Analog dazu wächst auch die Bedeutung digitaler Informationen – sie gewinnen deutlich an Wert – und das völlig zurecht. So lassen sich durch die richtige Analyse und Aufbereitung vorhandener Daten Erkenntnisse über das Kundenverhalten aber auch über interne Prozesse gewinnen, um damit Produkte zu verbessern oder Geschäftsprozesse zu transformieren.

Doch überall dort, wo Daten gesammelt, verwaltet und gespeichert werden, entstehen oft auch sogenannte »Datensilos«. Wichtige Informationen beispielweise zu Kunden, Produkten oder Prozessen sind in unzähligen verschiedenen E-Mails oder in einer Fachanwendungen vorhanden und für Mitarbeiter nur schwer beziehungsweise gar nicht auffindbar. Oder sie werden einfach vergessen, auf einem lokalem File-System oder vielleicht sogar in einem Cloud-Speicher.

Hinzu kommt, dass immer weniger der in Unternehmen vorhandenen Daten strukturiert abgelegt werden. Der weitaus größere Anteil wie E-Mails, Audio- und Video-Dateien etc. verharrt unstrukturiert in den entsprechenden Systemen. Um aber einen echten Mehrwert zu generieren, müssen all diese vorhandenen Unternehmensdaten, unabhängig von Format und Speicherort verarbeitet, analysiert und als Wissensbasis zur Verfügung gestellt werden. Künstliche Intelligenz agiert in diesem Zusammenhang zunehmend als Enabler und unterstützt in Form von sogenannten Insight Engines, die im Unternehmen vorhandenen Daten aufzufinden, auszuwerten und aufzubereiten. Damit schaffen Insight Engines die optimalen Vorrausetzungen, um wertvolle Antworten und Erkenntnisse aus den historisch gewachsenen und immer weiter steigenden Datenmassen zu generieren und diese dann als Entscheidungsgrundlage heranzuziehen.

Anzeige

 

Angewandte künstliche Intelligenz

Insight Engines nutzen bereits bekannte Technologien aus dem Bereich Enterprise Search und kombinieren diese mit Methoden der künstlichen Intelligenz wie Natural Language Processing (NLP), Natural Language Question Answering (NLQA) sowie Machine- und Deep-Learning-Algorithmen, um Anfragen zu verstehen, zu interpretieren sowie Ergebnisse nutzer- und kontextspezifisch aufzubereiten.

Erfolgt eine Suchabfrage, durchsucht die Insight Engine alle vorhandenen Informationen aus sämtlichen Unternehmensdatenquellen – von Archiven, Dokumentenmanagementsystemen, lokalen File-Systemen über Cloud-Anwendungen bis hin zu Intranet und Internet – verknüpft sie und interpretiert ihre Zusammenhänge.

Mittels Natural Language Processing (NLP) und Natural Language Question Answering (NLQA) sind diese Lösungen in der Lage in natürlicher Sprache formulierte Anfragen zu verstehen und zu interpretieren. Konkrete Fragestellungen – neben Schlagworten auch ganze Sätze und Phrasen mit »wer«, »wie«, »wo«, »was«, »wann« – können auf diese Weise direkt beantwortet werden. Stellt ein Nutzer beispielsweise die konkrete Frage nach dem Namen eines Kunden mit einer bestimmten Kundennummer, identifiziert die Insight Engine das Fragewort sowie das Anliegen des Anwenders und extrahiert eine konkrete Antwort – in diesem Fall den Namen des Kunden. Taxonomien sorgen dabei für das Erkennen des spezifischen Vokabulars des Unternehmens, beispielsweise interne Abkürzungen, Akronyme und bevorzugte Terminologien.

Anwender erhalten auf diese Weise konkrete Antworten statt endlose Trefferlisten mit Verträgen und Dokumenten, die zwar Kundenname und-nummer erhalten, jedoch erst manuell geöffnet und durchsucht werden müssen.

 

Abbildung 1: Linguistische Interpretation der Suchabfrage

 

 

Parallel dazu nutzen Insight Engines Machine Learning und Deep Learning, um Ergebnisse auf Basis von Erfahrungen zu optimieren. Mit maschinellem Lernen (Machine Learning) sind diese intelligenten Lösungen in der Lage, Muster in Daten zu erkennen und anhand dessen Vorhersagemodelle abzuleiten. Dazu nutzen sie mathematische und statistische Modelle. Neuronale Netze (Deep Learning) dagegen lernen aus vorangegangenen Suchabfragen, der Interaktion mit Treffern und Intention des Anwenders. Auf Basis dieser Erfahrungen berechnen sie die Relevanz der Treffer.

 

360-Grad-Sichten verdeutlichen komplexe Zusammenhänge

Um den konkreten Anforderungen der vielen unterschiedlichen Abteilungen in einem Unternehmen zu entsprechen, bieten Insight Engines eine Reihe an vorkonfigurierten »Search Apps«. Dabei handelt es sich um vorgefertigte Darstellungsmöglichkeiten, die eine spezifische Aufbereitung der Daten angepasst an die Bedürfnisse der einzelnen Fachabteilungen sowie Positionen und damit auch an die Zugriffsrechte der Mitarbeiter ermöglichen. Insight Engines überprüfen die persönlichen Zugriffsrechte der Anwender bei jeder einzelnen Anfrage und stellen nur jene Informationen zur Verfügung, die der jeweiligen Autorisierung entsprechen.

Durch die 360-Grad-Sichten werden auch komplexe Zusammenhänge, Konstellationen und Muster rasch erfasst und übersichtlich für einen umfassenden Überblick über Geschäftsprozesse, Beziehungen zu Kunden und Lieferanten, Verantwortlichkeitsbereiche von Fachkräften oder Abteilungen dargestellt.

 

Abbildung 2: 360-Grad-Sicht auf Informationen

 

 

Folgendes fiktives Rechenbeispiel veranschaulicht auf monetärer Ebene, wie der Einsatz intelligenter Insight Engines die Risiken von Fehlentscheidungen reduzieren könnte.

Im Schnitt trifft ein Unternehmen bei ca. 10.000 Entscheidungen im Jahr fünf Fehlentscheidungen (Fehlerquote 0,05 Prozent). Bei konservativ geschätzten 50.000 Euro Verlust pro Fehlentscheidung, entsteht hier ein Schadenswert von 250.000 Euro. Bei 50.000 Entscheidungen pro Jahr und dieser Fehlerquote (25 Fehlentscheidungen) liegt der Wert bereits bei über eine Million Euro. Wird die Fehlerquote durch den Einsatz von KI-basierten Systemen um 0,1 Prozentpunkte auf 0,04 Prozent gesenkt, reduziert sich die Anzahl der Fehlentscheidung auf 20 und der finanzielle Schaden um eine viertel Million Euro.

Das Rechenbeispiel zeigt, dass datengestützte Entscheidungen immer mehr an Bedeutung gewinnen werden. Ein wesentlicher Punkt dabei ist es, die Daten mithilfe von künstlicher Intelligenz aufzubereiten und zur Verfügung zu stellen.

Betrachtet man das vergangene Jahr, so gab es zwar bedeutende Fortschritte beim Einsatz von künstlicher Intelligenz im Unternehmensumfeld. Damit ist ein erster Schritt getan. Jetzt gilt es, am Ball zu bleiben und sämtliche Einsatzmöglichkeiten zum Vorteil des eigenen Unternehmens einzusetzen.

Gerald Martinetz

 

Über Mindbreeze
Die Mindbreeze GmbH ist ein Anbieter von Appliances und Cloud-Services für Information Insight, angewandte künstliche Intelligenz und Wissensmanagement. Die Produkte ermöglichen eine konsolidierte Sicht auf das Unternehmenswissen – unabhängig davon, wo und wie dieses gespeichert ist. www.mindbreeze.com

 

KI-Startups in Deutschland im Überblick

275 Startups mit künstlicher Intelligenz (KI) als Kernelement des Geschäftsmodells haben die Analysten von Appanion Labs in Deutschland gezählt. Der mit Abstand bedeutendste KI-Standort ist Berlin mit 102 Startups gefolgt von München (50) und Hamburg (17). Etwas mehr als ein Drittel der Neugründungen haben keinen Branchenfokus, sondern bieten Lösungen für sämtliche Industrien an. Gemessen daran,…

Künstliche Intelligenz: Deutschland hängt bei KI hinterher

Deutschland hängt beim Thema künstliche Intelligenz (KI) hinterher. Das geht aus dem kürzlich veröffentlichten VDE Tec Report 2019 hervor. Demnach ist nur ein Prozent der für die Studie befragten Mitgliedsunternehmen und Hochschulen der Elektro- und Informationstechnik der Meinung, dass Deutschland in puncto KI eine Vorreiterrolle einnimmt. Auch für Europa als Ganzes sehen die Befragten eher…

KI-Investitionen: Künstliche Intelligenz im Aufwärtstrend

2016 haben Venture-Capital-Geber laut CB Insights über fünf Milliarden US-Dollar in Unternehmen investiert, die sich in irgendeiner Form mit künstlicher Intelligenz (KI) befassen – das entspricht einem satten Plus in Höhe von 61 Prozent gegenüber dem Vorjahr. Ganz vorne mit dabei ist auch Google. 11 der 55 laut Ansicht der CB Insights-Analysten wichtigsten Unternehmenszukäufe im…

KI und Ethik – Wunsch kontra Wirklichkeit

Studie zeigt: Mehrheit hält ethische Auseinandersetzung mit künstlicher Intelligenz für wichtig. Ethische Richtlinien in Unternehmen sind aber noch in den Kinderschuhen. Künstliche Intelligenz (KI) verändert die Unternehmenswelt. Dem stimmen die meisten der 600 befragten Unternehmensvertreter aus dem aktuellen »Digitalisierungsmonitor 2020« der Management- und Technologieberatung BearingPoint zu. Dass bei weltverändernden Innovationen auch immer die Frage der…

Datenethik für KI wird zur Top-Priorität

CIOs müssen die ethische Nutzung von Daten zu einer Top-Priorität machen, um mit der sich schnell entwickelnden Regulierungslandschaft Schritt zu halten. Wir befinden uns inmitten der vierten industriellen Revolution. Daten sind zu einem der wertvollsten Güter geworden, nicht zuletzt deshalb, weil künstliche Intelligenz stark von ihnen abhängt. KI und maschinelles Lernen werden derzeit in vielen…

Wirtschaft: Investitionsstau in Deutschland

In Deutschland wird derzeit diskutiert, ob der Staat genug in Infrastruktur und Bildung investiert. Wie die Statista-Grafik auf Basis einer Auswertung des Handelsblatts zeigt, ist das Volumen nicht abgerufener Fördergelder beträchtlich. So sind die Gelder der beiden Fonds, mit denen besonders finanzschwache Kommunen gefördert werden sollen, bis Ende letzten Jahres zu rund 44 Prozent beziehungsweise…

2020: Daten werden sich in Bilanzen niederschlagen, KI muss ethisch und effizient werden

Technologisch hat sich in den vergangenen Jahren extrem viel getan: verschiedene Cloud-Modelle, maschinelles Lernen und KI sowie Flash-Speicher und andere neue Technologien. Nun geht es jedoch darum, ob und wie diese Technologien in den realen Unternehmensalltag Einzug halten, und welche Folgen beziehungsweise Potenziale dies für Unternehmen schafft.   Markus Grau, Principal Systems Engineering im EMEA…

2020 viel Dynamik im Storage-Umfeld: Container, Analytics und KI zünden die nächste Stufe

Auch wenn Storage und Data Management sowie die damit verbundene Infrastruktur mittlerweile oft unter »Commodity« eingeordnet wird, so sieht Pure Storage auch in Zukunft hier ein erhebliches Potenzial für Unternehmen und deren Kunden. Für das Jahr 2020 geht Güner Aksoy, Director Central Europe bei Pure Storage von 6 wichtigen Entwicklungen aus, die direkte Auswirklungen auf…