KI in Unternehmen – Ein zwingender Schritt

Anbieter zum Thema

FIS Informationssysteme und Consulting GmbH

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

Unternehmen, die mit KI langfristig Mehrwerte schaffen wollen, müssen die Arbeit an Datenprojekten demokratisieren.

Eine ganzheitliche KI-Kultur und die teamübergreifende Zusammenarbeit in einem zentralen Tool mit Echtzeit-Datenzugriff stellen die Weichen für eine wettbewerbsfähige Zukunft.

Wenn es um den Einsatz von Künstlicher Intelligenz geht, erkennen mehr und mehr Unternehmen, dass sie Prozesse und Lösungen ab einem ­gewissen Punkt nicht mehr verbessern können, ohne den Zugang zu Daten zu öffnen. Denn obwohl der Grad und die Qualität der team­übergreifenden Zusammenarbeit bei KI-Projekten ausschlaggebend für deren Erfolg sein können, ist die Arbeit daran oft noch auf einzelne Teams hochqualifizierter Data Scientists beschränkt. Erst mit der Einbindung weiterer Geschäftsprofile lassen sich neue Potenziale erschließen, um bestehende Lösungen zu verbessern, neue Einsatzmöglichkeiten zu etablieren und langfristig zukunftsfähig zu arbeiten. Der Schlüssel: Eine ganzheitliche KI-Kultur und ein neues Level der Zusammenarbeit in einem zentralen, workflow-orientierten Tool.

Neue Potenziale durch eine ganzheitliche KI-Kultur in Unternehmen

Eine grundlegende Hürde bei der Arbeit mit KI in Unternehmen sind unterschiedliche Erwartungshaltungen innerhalb eines Unternehmens: Für die Geschäftsführung zählen vor allem Umfang, Kosten und Nutzen eines Projektes, technische Teams sind eher auf Effizienz und Funktionalität fokussiert – das macht Projekte anfällig für Missverständnisse und andere Barrieren. Der erste Schritt zur Lösung dieses Problems besteht darin, verschiedene Teams innerhalb eines Unternehmens an KI-Projekten teilhaben zu lassen.

Damit das gelingt, sollte man Ziele, Mehrwerte und Nutzung von Datenprojekten an die verschiedenen Profile innerhalb eines Unternehmens kommunizieren und gerne auch diskutieren. Im besten Fall erhalten die IT-Teams einerseits ein gutes Verständnis für Umfang, Kosten, Datentypen oder erforderliche Visualisierungen während die Geschäftsprofile andererseits ein Verständnis für Herkunft und Reproduzierbarkeit der Daten, sowie den Datenworkflow bekommen. Durch ein gemeinsames Verständnis, gute Kommunikation und einen demokratisierten Datenzugang werden zugleich die Weichen gestellt, um Synergien zu nutzen und neue Potenziale zu erschließen. Bei der Etablierung einer ganzheitlichen KI-Kultur handelt es sich also mehr um einen strategischen Schritt als ein wirklich technisches Unterfangen.

Zusammenarbeit auf einem zentralen Tool – in Echtzeit

Damit die Zusammenarbeit technisch funktioniert, muss der Datenzugang für die verschiedenen Teams gewährleistet sein. Um sich schnell ändernden Geschäftsbedingungen anpassen und flexibel reagieren zu können, sind dynamische Daten inklusive Echtzeit-Zugriff essenziell. Die Lösung ist eine gemeinsame Plattform, die sowohl über eine robuste Datenkonnektivität und webbasierten Zugriff als auch über kollaborative Funktionen verfügt, die den Anforderungen an dynamische Daten gerecht werden. Hier werden alle Datenprojekte mit den zuge­hörigen Datensätzen, Funktionen und Metriken in verständlichen Dashboards visualisiert.

Auch die gesamte Kommunikation und der Austausch kritischer Daten funktionieren für alle einsehbar und Data Governance-konform innerhalb der Plattform. Durch die gemeinsame Vernetzung innerhalb des zentralisierten Tools ist das schrittweise Vorgehen für alle dokumentiert und Prozesse werden für sämtliche Positionen nachvollziehbar. Erst so werden weitere Teile des Unternehmens befähigt, sich aktiv an KI-Projekten zu beteiligen.

KI in Unternehmen: Synergien aus Fachkompetenzen ziehen

Haben alle Teammitglieder Zugriff auf dieses Tool, können unterschiedliche Fähigkeiten aufeinander ab­gestimmt zum Erfolg des Datenprojektes als Ganzes beitragen. In einem beispielhaften Szenario kann das so aussehen: Weniger erfahrene Data Scientists sind für die Bereinigung der Daten und die Anreicherung der grundlegenden Modelle verantwortlich, während erfahrene Datenwissenschaftler diese Modelle für verbessere Ergebnisse modifizieren. Business Analysts können ihre Erkenntnisse über die Relevanz des Modells für alle sichtbar hinzufügen. Über eine führende organisatorische Position werden auch die am Projekt beteiligten Geschäftsprofile direkt eingebunden, Missverständnisse und Barrieren durch fehlende Insights oder unterschiedliche Erwartungshaltungen, die die Produktivität potenziell behindern, damit von vornherein abgebaut.

Produkt der Demokratisierung: Der Citizen Data Scientist

Die Demokratisierung bringt einerseits großes Potenzial für neue Lösungen und eine Steigerung der Effizienz, andererseits ändert sie auch die Anforderungen, Aufgaben und sogar ganze Positionen innerhalb eines Unternehmens. Dies zeigt sich insbesondere in der Rolle der Citizen Data Scientists. Ihre Rolle ergibt sich direkt auf der Demokratisierung und der damit einhergehenden fortschreitenden Konvergenz von Data Science und Business Intelligence. Anders als der klassische Data Scientist muss der Citizen Data Scientist im Umgang mit Daten nicht hochqualifiziert sein und alle Feinheiten des Machine Learning beherrschen. Dafür bringt er eine genaue Kenntnis der bestehenden Probleme mit und hat Einsicht in geschäftliche Fragestellungen. Durch den Einsatz von AutoML kann er eigenständig an der automatischen Erstellung von Modellen mitwirken.

Die Position des Citizen Data Scientist ist dabei weniger eine Berufsbezeichnung, denn er prägt sich in unterschiedlichen Rollen aus. Dazu zählt z.B. der Datenübersetzer, der das technische Fachwissen von Dateningenieuren und Data Scientist mit dem operativen Fachwissen aus Marketing, Lieferkette, Fertigung oder anderen Branchenbereichen verbindet. Der Data Explorer konzentriert sich auf die Identifizierung und Anbindung neuer Datenquellen, kann Daten zusammenführen und aufbereiten und Data Pipelines entwickeln. Der Datenmodellierer kann Vorhersagemodelle erstellen und aus ihnen ein Produkt oder einen Service generieren und implementieren. Ganz ohne die Mitwirkung von Data Scientists können Unternehmen somit völlig neue Mehrwerte erschließen.

Lesen Sie auch: KI-Entwicklung – Gefahren für die deutsche Industrie im Wettlauf um Spitzenposition.

Die Autorin Rachel Boskovic leitet das Zentraleuropa-Team bei der Enterprise-AI Plattform Dataiku.