Focus: Big Data Analytics

Warum die erfolgreiche Nutzung von Big Data und KI einem Marathon gleicht

Uhr

Unternehmen schwimmen heute in einem Meer von Daten. Diese bringen allerdings nur etwas, wenn man in der Datenflut auch den Überblick behalten kann. Nur wie? Hilft eine künstliche Intelligenz (KI)? Und lohnt sich der Einsatz von KIs heute bereits? Ivo Blohm, Assistenzprofessor für Data Science und Management am Institut für Wirtschaftsinformatik der Universität St. Gallen, gibt Auskunft.

Ivo Blohm, Assistenzprofessor für Data Science und Management am Institut für Wirtschaftsinformatik der Universität St. Gallen. (Source: STEPHANIE ENGELER)
Ivo Blohm, Assistenzprofessor für Data Science und Management am Institut für Wirtschaftsinformatik der Universität St. Gallen. (Source: STEPHANIE ENGELER)

Wie können Unternehmen überhaupt noch den Überblick über all ihre Daten behalten?

Ivo Blohm: Viele Unternehmen – gerade grosse Konzerne mit langjähriger Historie – sitzen auf einem reichhaltigen Datenschatz. Ich habe oftmals beobachtet, dass es vielen Mitarbeitern am Anfang ein bisschen an Vorstellungsvermögen mangelt, was mit diesen Schätzen und KI überhaupt bewerkstelligt werden kann. Nachdem erste Erfahrungen gesammelt wurden, kommt dann jedoch Bewegung in die Geschichte. Mein wichtigster Rat ist daher, die Big-Data- und KI-Reise zu beginnen und eigene Erfahrungen zu sammeln. Auch wenn nicht alle ersten Projekte erfolgreich sein werden – Unternehmen wissen dann aber in der Regel sehr genau, was für sie die spezifischen Möglichkeiten und Einsatzszenarien sind.

Sollten Unternehmen also einfach mal Pilotprojekte starten?

Das erfolgreiche Nutzen von Big Data und KI gleicht oftmals einem Marathon, in dem drei grosse Etappen gemeistert werden müssen. Wir raten unseren Unternehmens­partnern, zunächst mit einer explorativen Phase zu beginnen. Hier gilt es, kreative Lösungsideen zu entwickeln, wie mit Daten und KI Nutzen für Kunden oder das Unternehmen selbst Wert generiert werden kann. Es müssen leichtgewichtige Pilotprojekte gestartet werden, um die technische und wirtschaftliche Machbarkeit zu evaluieren. Die vielversprechendsten Pilotprojekte sollten dann in die technische Produktion gehen. Hier müssen beispielsweise entsprechende Infrastrukturen aufgebaut und unter Umständen Schnittstellen zu bestehenden IT-Systemen geschaffen werden. In der organisationalen Integration müssen schliesslich Geschäfts- und Entscheidungsprozesse neu gestaltet werden, um Big Data in den operativen Alltag der Unternehmen zu integrieren.

Worauf sollten Unternehmen achten, wenn sie Data Scientists ­anstellen?

Data Scientists sind bei diesem Prozess eine entscheidende Zutat. Es gibt aber nicht den einen Data Scientist. Für den Erfolg braucht man unterschiedliche Kenntnisse und Persönlichkeiten. Es hat sich in den vergangenen Jahren gezeigt, dass neben Data Scientists eine weitere Rolle sehr wichtig ist: Analytics-Dolmetscher besitzen tiefgreifendes Domänenwissen, zum Beispiel über die Marketing- und Vertriebsaktivitäten ihres Unternehmens, und gleichzeitig Big-Data- und KI-Kenntnisse. Ihre Aufgaben ist es, Brücken zwischen dem Business und den Data-Science-Abteilungen zu bauen, Kundenprobleme in datengetriebene Fragestellungen zu überführen und die erarbeiteten Lösungen in ihr Unternehmen zu integrieren. Aus diesem Grund haben wir bei uns an der HSG einen CAS-Lehrgang zu diesem Thema ins Leben gerufen.

Wo lohnt sich der Einsatz von KIs bereits heute?

In vielen Bereichen sind Big Data und KI schon allgegenwärtig. Denken wir zum Beispiel nur einmal an Spam-Filter oder smarte Assistenten wie Siri oder Alexa. Das nutzt fast jeder von uns täglich, ohne dies genau zu hinterfragen. Auch wenn wir einen Kredit anfragen, können wir im Prinzip davon ausgehen, dass unsere Kreditwürdigkeit mittels KI abgeschätzt wird. Neben der Finanz- und Technologiebranche sind Big Data und KI insbesondere im Handel und der Telekommunikation schon recht weit verbreitet. Die nächsten Wachstumsfelder sind mit Sicherheit Gesundheit und Automotive.

Worauf müssen Unternehmen beim Umgang mit ihren Daten in der Ära von künstlicher Intelligenz und Machine Learning besonders achten?

Ich glaube, einer der wichtigsten Punkte ist Change Management. Viele Mitarbeiter verstehen nicht, wie die Algorithmen funktionieren und wie deren Ergebnisse zustande kommen. Die natürlichen Reaktionen sind dann eher Misstrauen und Ablehnung, insbesondere wenn die eigene Tätigkeit davon betroffen ist. Ist es wichtig, Betroffene in diesem Prozess an die Hand zu nehmen, zu informieren und gegebenfalls auch auszubilden.

Sollten Unternehmen möglichst früh mit KIs experimentieren oder noch abwarten?

Derzeit geht die Schere zwischen "First Mover" und "Follower" weiter auseinander. First Mover investieren mehr und integrieren Big Data und KI immer stärker in ihre Produkte und Dienstleistungen sowie ihre Geschäfts- und Entscheidungsprozesse. Als Konsequenz verfeinern sich die Ansätze immer mehr, sodass beispielsweise bessere Vorhersagen gemacht werden können. Im Gegensatz dazu verharren viele Follower mehr oder weniger im Status quo. Wenn Unternehmen nicht den Anschluss verlieren wollen, sollten sie jetzt handeln.

Werden die Themen KI, ML und Big Data schon bald für jedes Unternehmen relevant sein? Und kann eine KI einem Unternehmen helfen, ein datengesteuertes Geschäftsmodell zu entwickeln?

In meinen Augen sind Big Data, KI & Co. keine Eintagsfliegen. Daten sind bereits vorhanden oder können durch die Digitalisierung einfach erhoben werden. Viele benötigte Algorithmen sind Open Source und können kostenlos genutzt werden. Viele Universitäten und Fachhochschulen haben entsprechende Studiengänge lanciert. Anbieter haben Milliarden investiert. Derzeit gibt es noch einen grossen Personalmangel, aber in ein paar Jahren wird sich das wahrscheinlich normalisiert haben. Mittel- bis langfristig wird Data Science in meinen Augen eine normale betriebliche Funktion wie Marketing oder Controlling darstellen. Beinahe zwangsläufig werden daher viele Unternehmen immer datengetriebener arbeiten.

Algorithmen können auch unmoralisch handeln. Wie kann man das verhindern?

Algorithmen sind eine Technologie, die über kein eingebautes "richtig" oder "falsch" verfügen. Letztlich ist wie so oft entscheidend, wie wir diese Technologie einsetzen. Um zu verstehen, warum scheinbar objektive Vorhersagen "unfair" oder "unmoralisch" sein können, muss man sich vergegenwärtigen, wie KI funktioniert.

Können Sie das an einem Beispiel aufzeigen?

Vor einigen Jahren gab es ein spannendes Projekt, das Richtern helfen sollte, angemessene Strafen zu verhängen. Dafür wurde ein Algorithmus auf Basis vieler vergangener Urteile trainiert, der dann den Richtern einen Vorschlag für eine angemessene Strafe macht. In Amerika haben Angeklagte afro-amerikanischer Herkunft in der Vergangenheit jedoch oftmals eine härtere Strafen erhalten als Amerikaner europäischer Herkunft. Würde man auf solchen Daten einen Algorithmus trainieren, würde der Algorithmen lernen, dass bestimmte Bevölkerungsgruppen härter zu bestrafen seien. Ungerechtigkeiten aus der Vergangenheit würden damit in die Zukunft extrapoliert. "Algorithmic Fairness" ist daher ein äusserst wichtiges Thema, dem wir uns verstärkt annehmen müssen. Insbesondere weil die Konsequenzen für einzelne Individuen katastrophal sein können, wenn es zu Vorhersagefehlern kommt.

Wie intelligent ist künstliche Intelligenz heute wirklich?

Künstliche Intelligenzen können heute am besten als Fachidioten beschrieben werden. Algorithmen werden für eine bestimmte Aufgabe trainiert, etwa um vorherzusagen, ob ein Kunde einen Kredit zurückzahlt oder nicht. Diese Aufgabe können leistungsfähige Systeme oftmals schneller, billiger und besser ausführen als Menschen. Jenseits dieser einzelnen Aufgabe sind diese Systeme aber derzeit nur sehr beschränkt einsetzbar. Von einer generellen KI, die wie der Mensch eine Vielzahl unterschiedlicher Aufgaben bearbeiten kann, sind wir noch ein sehr weites Stück entfernt.

Webcode
DPF8_143831