Focus: Big Data

Composite AI: Eine KI kommt selten allein

Uhr
von Andreas Gödde, Director Business Analytics, SAS DACH

Künstliche Intelligenz hilft bei der Lösung von Geschäftsproblemen – das ist inzwischen Common Sense. Oft gibt es aber nicht die eine Technologie, sondern es werden verschiedene Ansätze benötigt. Doch wie bekommt man alle unter einen Hut?

Andreas Gödde, Director Business Analytics, SAS DACH. (Source: © Peter Vogel 2017)
Andreas Gödde, Director Business Analytics, SAS DACH. (Source: © Peter Vogel 2017)

Der Begriff "Composite AI" ist erstmals im Gartner Hype Cycle Ende 2020 in Erscheinung getreten. Gemeint ist damit eine Kombination verschiedener Ausprägungen von künstlicher Intelligenz (KI) – Machine Learning, Deep Learning, Natural Language Processing (NLP), Computer Vision, Conversational AI, Forecasting, Optimization. Geschäftsprobleme sind in der Regel komplex und umfassen strukturierte sowie unstrukturierte Daten. Unternehmen sind daher gut beraten, sich nicht auf eine einzige Technologie zu verlassen.

Integriertes, offenes KI-Ökosystem

Produktivität und Time-to-Value sind der Schlüssel zum Erfolg für KI-basierte Datenanalysen. Voraussetzung dafür: eine Plattform für KI, Analytics und Datenmanagement, die auf einer modernen skalierbaren Architektur aufsetzt. Der Vorteil von Composite AI ist, dass Unternehmen jederzeit die passenden Funktionalitäten zur Hand haben, um spezifische Use Cases zu adressieren und gleichzeitig einen geringen Implementierungsaufwand zu haben.

Kooperativer Austausch ist gefragt

Die Integration unterschiedlicher KI-Funktionalitäten ist zudem die Voraussetzung für Skalierbarkeit. Fängt ein Unternehmen mit Machine Learning an und stellt fest, dass es für einen anderen Use Case NLP oder Computer Vision braucht, kann die entsprechende Funktionalität ohne Aufwand zugeschaltet werden.

Und eine integrierte Plattform erleichtert die Operationalisierung der KI-Modelle. Unabhängig davon, ob die Daten aus einem Stream stammen, in einer Datenbank liegen oder über eine Programmierschnittstelle generiert werden: Sind die Modelle einmal entwickelt, können sie in all diesen Systemen eingesetzt werden. Aber Integration findet nicht nur auf der Tool-Ebene statt. Gerade für komplexe Technologien ist Zusammenarbeit entscheidend. Nicht jeder Mitarbeiter muss sich in jeder Disziplin auskennen. Wichtig ist, dass die erforderlichen Fähigkeiten zusammenkommen. So ist es zum Beispiel sinnvoll, wenn ein Experte für Machine Learning mit einem Spezialisten in Forecasting zusammenarbeitet – und jeder vom anderen lernt.

Wissen, welcher Preis «heiss» ist

Composite AI kann beispielsweise dem Einzelhandel viele Vorteile verschaffen. Der Versuch, Preise und Angebote zu optimieren, generiert enorme Datenmengen. KI und Analytics helfen dabei, daraus wertvolle Erkenntnisse für künftige Nachfragen zu ziehen und auf dieser Basis Preise und Angebote zu optimieren. Composite AI lässt sich in zahlreichen Branchen einsetzen, beispielsweise zur Optimierung von Prozessen in der Fertigung. Die Medizin setzt bereits auf Computer Vision, um anhand von CT-Scans festzustellen, wie weit eine Krebserkrankung fortgeschritten ist, und um weitere Schritte einzuleiten.

Multidisziplinärer Ansatz: Keine alleinige "Allzweckwaffe"

Unternehmen müssen in der Regel eine Vielzahl an KI-Technologien anwenden, um zu der Lösung eines Problems (oder zu einer Entscheidung) zu gelangen. Dies erfordert neben der integrierten Plattform auch Know-how: Es ist sinnvoll, sich für die Einführung von Composite AI an einen erfahrenen Software-Berater zu wenden. Denn auch, wenn man alle Komponenten im Baumarkt erhält, ist noch längst nicht jeder in der Lage, selbst ein Haus zu bauen.

Tags
Webcode
DPF8_213180