THINK Blog DACH

Künstliche Intelligenz (KI) ist eine der vielversprechendsten Technologien unserer Zeit. Sie hat das Potenzial, die Art und Weise, wie Menschen und Unternehmen arbeiten, fundamental zu verändern und ganzen Wirtschaftszweigen ein neues Gesicht zu verleihen. Das Beratungsunternehmen PwC prognostizierte 2017, dass im Jahr 2030 KI schon 15,7 Billionen US-Dollar zur weltweiten Wirtschaftsleistung beitragen wird. Wie jeder neuen Technologie schlägt aber auch KI viel Skeptizismus und Unverständnis entgegen. 81 Prozent aller Unternehmenslenker äußerten laut einem Report der Boston Consulting Group, dass sie die Daten und Technologien nicht verstehen, die für KI notwendig sind. In dieser Hinsicht ähnelt KI der Elektrizität – auch sie wurde in der Frühzeit ihrer breiteren Anwendung Anfang des 19. Jahrhunderts als etwas geradezu Mythisches angesehen. Man sah, dass sie funktionierte und Großes bewirken könnte, aber kaum verstand jemand ihre Grundlagen. Wenn man zudem Daten heute oft als das neue Öl bezeichnet, unterstreicht auch das die Rolle der KI als die neue Elektrizität. Denn so wie Elektrizität lange Zeit auf Öl oder anderen Brennstoffen basierte, baut heute die KI auf der umfassenden Auswertung von Daten als „Energieträger“ auf und eröffnet Unternehmen und Gesellschaft dadurch vollkommen neue (Erkenntnis-)Möglichkeiten.

So wie vor 200 Jahren jeder Elektrizität wollte, will heute jeder KI. Und das zu Recht: Einsatzmöglichkeiten und Datenquellen für KI-Lösungen gibt es viele in Unternehmen. Das eine, ultimative Erfolgsrezept für KI-Neulinge unter den Unternehmen gibt es so jedoch leider noch nicht. Aber wenn man ein paar einfachen Regeln folgt, ist der Weg zur KI gar nicht so schwer.

Klare Ziele definieren

Entscheidend für eine erfolgreiche KI-Strategie ist, dass zuerst einmal klar sein muss, welches konkrete Geschäftsproblem überhaupt gelöst und welche Zielsetzungen verfolgt werden sollen. Unternehmen müssen sich zudem klar darüber sein, dass auf allen Ebenen neue Fähigkeiten und damit Fortbildungen gefragt sein werden – von der Managementebene bis zum Entwickler. Selbst gestandene Softwareingenieure müssen noch einmal die Schulbank drücken, damit aus ihnen Data Scientists werden, die Daten korrekt interpretieren und robuste Machine-Learning-Modelle entwickeln können. Für eine erfolgreiche KI-Strategie muss sich zudem die gesamte Unternehmenskultur verändern und das permanente Experimentieren mit neuen, datengetriebenen Geschäftsideen in den Vordergrund rücken.

Die zweite große Herausforderung ist es, der KI-Lösung qualitativ hochwertige Daten zur Verfügung zu stellen. Denn mit ihnen müssen die zugrundeliegenden KI-Modelle trainiert werden. Unzuverlässige KI-Anwendungen sind nicht selten auf unzureichende, schlechte oder fehlerhafte Daten zurückzuführen – selbst, wenn der Algorithmus an sich korrekt ist. Es ist letztlich auch hier ähnlich wie mit Öl und Elektrizität: Eine schlechte Brennstoffqualität führt zu niedrigerer Energieausbeute.

Die Leiter zur Künstlichen Intelligenz

Um eine hohe Datenqualität zu gewährleisten, muss vorab geklärt werden, welche Daten auf welche Weise gesammelt, organisiert und analysiert werden sollen. Das Ziel ist eine agile und bereichsübergreifende Datennutzung jenseits klassischer Silos. Nötig sind Sammlung, Organisation, Analyse und Nutzung von Daten. Diese vier Schritte bildet die IBM „KI-Leiter“ ab. Nur wenn jede der Leitersprossen stabil ist, können Unternehmen emporsteigen und KI erfolgreich im Unternehmen etablieren. Konkret heißt das:

• 1. Schritt: Daten sammeln, und zwar möglichst alle Datenformate, strukturiert und unstrukturiert aus verschiedenen Quellen und Kanälen. Datenbanken müssen dabei die Eingabe und Abfrage von Informationen für eine Vielzahl von Nutzern an jedem Ort und in jeder Sprache ermöglichen.
• 2. Schritt: Daten organisieren, damit die Daten einsatzfertig sind, also bereinigt, vollständig und datenschutzkonform. Die Daten müssen katalogisiert werden, damit die benötigten Datensätze gefunden werden. Und nur berechtigte Nutzer dürfen Zugang zu den für sie relevanten Informationen haben.
• 3. Schritt: Daten analysieren, um mit ihnen die KI-Lösung aufzubauen und für ausgewählte Prozesse einzusetzen, die „Maschine“ weiter zu trainieren und zu verbessern. Entscheidend ist, dass die Daten von guter Qualität und damit als Trainingsmaterial geeignet sind.
• 4. Schritt: KI etablieren, und zwar prozess- und bereichsübergreifend im gesamten Unternehmen, von der Lohnbuchhaltung über die Kundenbetreuung und das Marketing bis hin zu Produktion und Logistik.

Mit IBM Cloud Pak for Data an die Spitze der KI-Leiter

Genauso wie heute niemand mehr umständlich eine Leiter selber bauen muss (man kann ja dankenswerterweise einfach in den Baumarkt fahren), muss auch beim Thema KI niemand ganz von vorne anfangen. Fertige Lösungen wie das IBM Cloud Pak for Data (CP4D) helfen Unternehmen, diese vier Schritte sicher zu bewältigen. CP4D ist eine Multi-Cloud-fähige, Open-Source-basierte Daten- und KI-Lösung. Auf Basis der Red Hat OpenShift Container Platform kombiniert sie IBM Watson-KI-Technologie mit der IBM Hybrid Data Management Platform und mit DataOps sowie Governance- und Business-Analytics-Technologien. Sie führt Datenbestände aus unterschiedlichsten Quellen, auch von verschiedenen Cloud-Anbietern wie AWS und Microsoft, und Abteilungen zusammen und schafft eine einheitliche Datenplattform sowie abteilungsübergreifende Tools für alle Nutzergruppen. Trotzdem erhält jeder einzelne Nutzer nur Zugriff auf die Informationen und Werkzeuge, die er für seine Aufgabe benötigt.

Modular und offen zum Erfolg

Das modulare Baukastensystem des CP4D ermöglicht den Betrieb auf Standard-Hardware oder als vorkonfigurierte Hard- und Software-Kombination. Unternehmen können die Software schnell integrieren und so auch ohne große IT-Ressourcen schnell KI-Kapazitäten aufbauen. Zudem lässt sich IBM Cloud Pak for Data problemlos mit dem wachsenden Angebot an Micro-Services von IBM und Drittanbietern erweitern und wächst dadurch mit den Ansprüchen des Unternehmens mit. Die gesamte Lösung baut auf Open-Source-Software auf und kann sich dank ihrer Offenheit wie eine Klammer um die gesamten vorhandenen Systeme und Daten legen.

Man sieht, dass KI, ähnlich wie die Elektrizität, kein Buch mit sieben Siegeln bleiben muss, das sich nur Eingeweihten öffnet. Natürlich bleibt die KI-Leiter selbst damit eine Leiter, die Schritt für Schritt bewältigt wird. Aber das IBM Cloud Pak for Data hilft, sie sicher zu erklimmen und KI erfolgreich im Unternehmen zu etablieren. Und der unbestreitbare Aufwand lohnt sich für alle – sowohl für das einzelne Unternehmen, für die Mitarbeiter als auch für die Gesellschaft als Ganzes. Denn so wie wir uns heute ein Leben ohne Elektrizität nicht mehr vorstellen können (das Lesen dieses Textes auf einer Website wäre z. B. schlicht und einfach unmöglich), werden unsere Nachfahren in 200 Jahren KI als eine alltägliche Selbstverständlichkeit begreifen.

Mehr Informationen zu IBM Cloud Pak for Data unter https://www.ibm.com/de-de/products/cloud-pak-for-data

Mehr Informationen zur IBM KI-Leiter: The AI Ladder – Demistifying AI Challenges, Rob Thomas, General Manager IBM Data and Artificial Intelligence

Entdecken Sie das erste virtuelle IBM Data and AI Forum 2020

Sie konnten im Juli 2020 nicht dabei sein oder interessieren sich für das Thema Daten und Künstliche Intelligenz? Kein Problem—die Vorträge stehen Ihnen ab sofort zur Ansicht/Download zur Verfügung.