Dreiergespann der Zukunftstechnologie

Wie Datenanalyse, künstliche Intelligenz und Machine Learning den Geschäftsalltag verändern

| Autor/ Redakteur: Tom Becker* / Dipl. -Ing. Ines Stotz

Drei tragende Säulen sind es, die seit einiger Zeit über Erfolg und Misserfolg von Unternehmen bestimmen: Datenanalyse, künstliche Intelligenz und Machine Learning.

In Zukunft geht es darum, die stetig wachsende Datenmenge richtig und effektiv zu nutzen.
In Zukunft geht es darum, die stetig wachsende Datenmenge richtig und effektiv zu nutzen.
(Bild: Alteryx)

Die Dreieinigkeit im Christentum, die drei Köpfe des griechischen Höllenhundes Kerberos oder Redewendungen wie „Aller guten Singe sind drei“ – die Zahl Drei genießt einen besonderen Stellenwert. Nicht umsonst sind es seit einiger Zeit so auch drei tragende Säulen, die über Erfolg und Misserfolg von Unternehmen bestimmen: Datenanalyse, künstliche Intelligenz und Machine Learning.

Um im alltäglichen Wettbewerb bestehen zu können, müssen diese drei Technologien angemessen angewendet werden, damit die stetig wachsende Datenmenge richtig und effektiv genutzt werden kann. Zum einen erzeugen Unternehmen intern große Datenmengen – so zum Beispiel durch die fortschreitende Automatisierung und Digitalisierung von Produktionsprozessen in Zeiten von Industrie 4.0. Zum anderen können Unternehmen auf immer mehr, immer größere externe Datenbanken und Datenmengen im Internet zurückgreifen. Allein in einer einzigen Internetminute werden zum Beispiel 3,8 Millionen Google-Suchanfragen gestellt, 188 Millionen Emails verschickt und 4,5 Millionen Youtube-Videos geschaut.

Bildergalerie

Aus diesem Grund sollten sich Unternehmer klar darüber werden, welche Chancen und Möglichkeiten das Dreiergespann künstliche Intelligenz, Machine Learning und Datenanalyse eröffnet.

Datenanalyse – Mustererkennung und -deutung

Datenanalyse funktioniert im Grunde recht simpel: Man nimmt gesammelte Daten und Erfahrungswerte und analysiert diese nach Mustern und Zusammenhängen und zieht daraus Schlüsse für Entscheidungen. Ähnlich funktioniert das, wenn man Ratschläge von Eltern oder Freunden zu Lebenssituationen bekommt. Erfahrungswerte sind gleich Entscheidungshilfen.

Dieses simple Grundprinzip wird durch technische Hilfsmittel wie leistungsstarke Computer und speziell entwickelte Software um ein Vielfaches potenziert und erlaubt neue Dimensionen der Datenanalyse und -komplexität. Mittlerweile können Berge an Daten innerhalb von wenigen Augenblick verarbeitet und ausgewertet werden – und das quasi für jeden Mitarbeiter und in jedem Unternehmen. Bis vor einiger Zeit mussten Analysten dazu spezielle Programmiersprachen sicher beherrschen und jahrelange Expertise mit sich bringen.

Dank Self-Service-Software-Lösungen, wie zum Beispiel den Alteryx Designer, können heutzutage aber auch Programmierlaien Daten analysieren und zu sogenannten Citizen Data Scientists werden. Mit wenigen ausgewählten Weiterbildungen können Mitarbeiter aus den Fachabteilungen so schnell lernen, Daten selbst zu analysieren. Die einzelnen Abteilungen sind nicht mehr auf hochqualifizierte Datenspezialisten angewiesen, sondern können zum Beispiel für Marketingkampagnen oder zur Optimierung von Warenströmen selbst in ihre Daten schauen. Die eigentlichen Data Scientists wiederum haben so mehr Kapazitäten, um die wirklich harten Nüsse zu knacken.

Künstliche Intelligenz – Algorithmen treffen Entscheidungen

Wer von künstlicher Intelligenz (KI) spricht, meint häufig zwei Dinge: Einmal sehr gut ausgeklügelte Algorithmen, die scheinbar intelligent mit Fragestellungen und Verhaltensmustern umgehen und dadurch Entscheidungen treffen. Andererseits häufig auch Machine Learning, also lernenden Algorithmen, die Prozesse automatisieren. Der Unterschied ist dennoch tiefgreifend, weil erstere mit Algorithmen versucht, einzuordnen, vorherzusagen oder abzuwägen, während Machine Learning Entscheidungsfindung durch „Lernen“ verfeinert.

Künstliche Intelligenz wird heute in zwei Lager unterteilt: allgemeine KI und angewandte KI.

Allgemeine KI, oder auch vollständige KI genannt, umfasst dabei Systeme, die menschliches Verhalten und Leistungsvermögen in Teilen erfolgreich nachahmen. Noch ist dies ein wenig Zukunftsmusik, aber die zweite Kategorie, die angewandte KI, wird schon vielfach genutzt. Diese „vertikale KI“ bezeichnet intelligente Systeme, die spezifische Aufgaben erfüllen – wie etwa bestimmte Präferenzen bei der Musikauswahl zu erkennen oder aber personalisierte Werbung beim Online-Shopping einzuspielen.

Maschinelles Lernen – Automatisieren von Prozessen

Maschinelles Lernen (Machine Learning), kurz ML, besteht aus drei Komponenten:

  • 1. 1. Das Modell, das die Vorhersage oder Identifikation macht.
  • 2. 2. Die Parameter, also Signale oder Faktoren, die zur Entscheidungsfindung verwendet werden.
  • 3. 3. Das Lernsystem, das die Parameter innerhalb des Modells anpasst, indem es die Unterschiede zwischen Vorhersage und Ergebnis betrachtet.

Durch diese drei Teile, die zusammenspielen, ermöglicht ML zuverlässige sowie konsistente Analysen und lernt anhand von Beispielen dazu. Dabei lernt Machine Learning auch zu verallgemeinern oder verschiedene Muster, Regelmäßigkeiten und Gesetzmäßigkeiten anzuwenden und diese abzuspeichern. Der größte Vorteil, der sich dadurch ergibt, ist der Transfer von Erfahrungswerten, die Anwendung von Erlerntem auf neue Aufgaben.

Das Dreiergespann im Zusammenspiel: Was können Datenanalyse, künstliche Intelligenz und maschinelles Lernen erreichen?

Zwar befindet sich noch einiges im Bereich der künstlichen Intelligenz und des maschinellen Lernens in der Theoriephase, allerdings zeichnet sich bereits jetzt das enorme Potential der Zukunftstechnologien ab – wie dies zum Beispiel durch die Potenzialanalyse Künstliche Intelligenz des Fraunhofer Instituts bestätigt wird.

Besonders bei repetitiven Aufgaben und Routineüberprüfungen können KI und ML Menschen enorm unterstützen. So können diese oft recht langwierigen und kleinteiligen Prozesse automatisiert werden und die Zeit für anspruchsvollere Aufgaben genutzt werden, was wiederum die Innovationskraft und Qualität am Arbeitsplatz erhöht. Denn mal ganz ehrlich: Kein Mensch füllt gerne händisch stundenlang Excel-Tabellen aus – ganz abgesehen davon, dass bei solch repetitiven Aufgaben die Fehlerquote des Menschen deutlich ansteigt. Mit anderen Worten: Je spezialisierter die Aufgabe zugeschnitten ist, desto eher kann künstliche Intelligenz gezielt unterstützen.

Faktor Mensch bleibt entscheidend

Doch wovon hängen nun zielführende Ergebnisse und gut durchdachte Entscheidungen ab?

Ganz klar immer noch von Menschen. So großartige die Anwendungsbeispiele und Möglichkeiten der Technologien sind, so sehr spielt der Faktor Mensch noch immer eine entscheidende Rolle darin. Denn menschliche Intelligenz vermag zu abstrahieren, assoziativ zu denken und in Kontext zu setzen.

Da ein Algorithmus nur gleiches auf gleiches anwendet, kann er auch gar nicht „wissen“, dass er etwas außer Acht lässt. Der Mensch muss immer noch den größeren Kontext im Blick behalten sowie die gewonnenen Ergebnisse richtig einordnen. Professor Dr. Martin Ruskowski vom Deutschen Forschungszentrum für Künstliche Intelligenz fasste dies auf einer Tagung prägnant zusammen: „Neuronale Netze sind strohdumm und können 3,5 Milliarden Jahre Evolution niemals ersetzen“.

Deshalb muss selbst bei diesem vielversprechenden Dreiergespann der Zukunftstechnologie immer noch der Mensch abwägen, was wie angemessen interpretiert wird und was aus den Analyseergebnissen resultieren soll. Unternehmen sind also gut beraten, auf einen sinnvollen Ausbau von Datenanalyse, künstlicher Intelligenz und maschinellem Lernen zu setzen. Zusammen bilden sie ein unschlagbares Trio, das wahrscheinlich über Bestehen und Niedergang eines Unternehmens am Markt entscheiden wird.

* Tom Becker, General Manager Central & Eastern Europe bei Alteryx

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46137818)