Datensalat im Data Lake muss nicht sein – dank KI

Ob Onlinebestellungen, Social-Media-Posts oder Inventarlisten – die digitale Datenflut ist enorm. Um daraus geschäftsrelevante Erkenntnisse zu gewinnen, muss der Ozean an Daten systematisch durchkämmt werden. Hier kommt künstliche Intelligenz (KI) zum Zug. Ein paar Beispiele: 

• In der Finanzbranche unterstützt KI dabei, Betrug zu erkennen, Investitionsentscheidungen zu treffen oder Risiken bei der Kreditvergaben zu bewerten.
• Im Supply Chain Management verbessert KI die Vorhersage der Nachfrage, identifiziert Versorgungsengpässe und verkürzt Lieferzeiten.
• Im Onlinehandel generiert KI personalisierte Produktempfehlungen und stärkt so die Kundenbindung.
• In der Industrie 4.0 steuert KI Maschinen und Geräte. Sensoren und Datenanalyse-Tools überwachen die Produktion, um Prozesse laufend zu optimieren.
• In der Medizin analysiert KI Bildmaterial, unterstützt die Diagnostik oder bewertet die Wirksamkeit von Medikamenten.

KI findet in immer mehr Branchen Anwendung. Gemäss dem «MarketsandMarkets Report, 2021» wird der Markt für KI-Technologien bis 2026 voraussichtlich ein Wachstum von über 20 Prozent pro Jahr verzeichnen. Dies verdeutlicht das Potenzial für die Entwicklung neuer Geschäftsmodelle, aber auch für die Steigerung von Effizienz und die Reduktion von Kosten. 

Tipps zur Implementierung von KI-Systemen

• Ziele definieren: Vorweg gilt es zu klären, welche Geschäftsziele und Anwendungsfälle KI unterstützen soll. Wichtig ist eine langfristige Planung, sodass KI-Systeme an veränderte Geschäftsbedingungen angepasst werden können.
• KI-Technologie wählen: Je nach Anforderung kommen Machine Learning, Deep Learning oder Expertensysteme zum Einsatz. Machine Learning analysiert Daten und eignet sich unter anderem für Sprachverarbeitung, etwa zur Triage von Anrufenden an der Hotline. Deep Learning erkennt dank neuronaler Netze, die über Trainings aufgebaut wurden, Muster in Daten. Dies ist etwa hilfreich für autonome Fahrzeuge oder um Finanzanalysen und Prognosen für Aktienkurse zu erstellen. Expertensysteme unterstützen bei der Lösung komplexer Probleme in spezifischen Fachgebieten. Sie kommen etwa in der Wartung von Maschinen zum Einsatz.
• KI in die IT-Infrastruktur integrieren: Damit KI-Systeme reibungslos funktionieren, müssen sie nahtlos in bestehende IT-Systeme integriert werden. Diese sollten möglichst skalierbar und flexibel sein. Hierfür sind Cloud-Lösungen ideal. Zur Speicherung der Daten bedarf es einer zentralen Plattformlösung: ein Data Warehouse oder Data Lake. 
• Datenqualität sicherstellen: KI-Systeme sind nur so gut wie die Daten, die sie verwenden. Entsprechend ist die Qualität, Relevanz und Vollständigkeit der Daten zu gewährleisten.
• Know-how sicherstellen: KI-Technologien sind komplex und erfordern spezifische Kenntnisse für die Implementierung und den Betrieb. Entsprechend gilt es, intern Know-how aufzubauen oder externe Experten beizuziehen. 
• Ethische Fragen beachten: KI-Systeme werfen ethische Fragen auf, zum Beispiel bezüglich des Datenschutzes oder Diskriminierung. Dies erfordert gezielte Massnahmen, um Risiken zu minimieren. Selbstredend ist den gesetzlichen Auflagen Rechnung zu tragen, insbesondere der EU-Datenschutz-Grundverordnung (EU-DSGVO).