X

Neuste Trends, Tipps, Strategien &
Events rund um das Thema Cloud

KI im Unternehmen: So macht starke Informationsarchitektur Ihre Daten wertvoll

Künstliche Intelligenz (KI) in Unternehmen ist nicht einfach ein Trend – das ist KI sowieso. Sondern hier findet eine Entwicklung mit rasanter Beschleunigung statt. KI ist für den Unternehmenserfolg ausschlaggebend, wie Sie in unserem Blogbeitrag über den Ausblick auf das Jahr 2020 ausführlich lesen können.

 

Auf einen Blick: KI im Unternehmen - So macht starke Informationsarchitektur Ihre Daten wertvoll

Wie können Unternehmen das volle Potenzial von KI geschäftlich nützen? – Hier sind 4 Schritte hin zu einer effizienten Firmen-Informationsarchitektur.

 

Was braucht es, damit sich dieses Potential – vor allem bei der Einführung von KI in großen Unternehmen – entfalten kann? Es geht hier um die unternehmensweite Implementierung der künstlichen Intelligenz. Und dazu brauchen Unternehmen eine starke Informationsarchitektur (IA). Entscheidend ist also die Art und Weise, wie Daten organisiert und strukturiert werden, so dass Benutzer finden, was sie für eine effiziente Arbeitsweise brauchen.

Der Aufbau einer solchen IA ist allerdings ein iterativer Prozess. Damit KI einen spürbaren Beitrag zum Geschäftserfolg leistet, sind auf dem Weg dahin einige essentielle Level zu durchlaufen:

 

1. Schaffen Sie eine mächtige Datenbasis

Ihre Informationsarchitektur steht und fällt mit Ihren Ressourcen, Rohdaten aus verschiedenen Blickwinkeln und Bezugssystemen zu sammeln und zu speichern: Batch-Sammlung und Echtzeitdaten (IoT, Streaming Data), strukturierte und unstrukturierte Daten, transaktionale und analytische Daten, relationale und durch Wissensgraphen dargestellte Daten…

Konvergierte Datenbanken und/oder ein großer Data Stack sind als Lösungen die erste Wahl, um die erforderliche starke Datenbasis aufzubauen.

Sobald Sie die Daten haben, ist die Frage, wie Sie sie leicht erfassbar und zugänglich machen können.

 

2. Schaffen Sie eine vertrauenswürdige Datenbasis

Damit Organisationen von ihren Daten wirklich profitieren können, müssen sie das richtige Verständnis dafür haben – und ihnen vertrauen können. Daher ist zuverlässige Data Governance der Schlüssel zur Operationalisierung der KI in Organisationen, mit Vertrauenswürdigkeit und Transparenz.

Es gibt verschiedene Mittel, um die Daten zu verstehen und zu verwalten:

Stellen Sie die Qualität der Daten sicher: Daten profilieren; Datenqualität verstehen, überwachen und verbessern; Validierungsregeln durchsetzen

Entwerfen und sammeln Sie Metadaten für eine vertrauenswürdige KI: Entdecken und Verbessern von Metadatenbeständen (geschäftlich, technisch, betrieblich), Klassifizieren von Datenbeständen, Aufbau eines Datenglossars

Bereiten Sie die Daten für die Nutzung vor: Daten durch verschiedene Umwandlungen so aufbereiten, dass sie für eine geschäftliche Nutzung bereit sind; den Zugang zu Informationen demokratisieren, Richtlinien aufstellen und den Datenschutz beim Zugriff auf Daten gewährleisten

Nur mit einer ausreichend entwickelten Data Governance lässt sich sagen, welche Daten aussagekräftig und vertrauenswürdig sind. Erst dann sind diese Daten geschäftlich nutzbar, und Ihr Unternehmen kommt in der Lage, echte Schritte in Richtung des Ziels einer datengesteuerten Organisation zu machen.

 

3. Machen Sie die KI fit für Nutzung und Bewertung Ihrer Unternehmensdaten

Jetzt ist der richtige Zeitpunkt, um die KI in Betrieb zu nehmen und den gesamten KI-Lifecycle auszuführen: Definition der geschäftlichen Herausforderungen, Datenexploration und -vorbereitung, Modellierung, Evaluierung, Modelleinführung, Überwachung und Optimierung. 

Abgesehen von der Vertrauenswürdigkeit der Daten sollten Sie unbedingt auch noch folgende Elemente für diese Phase berücksichtigen:

Menschen: Wir sprechen hier von hochqualifizierten Ressourcen mit unterschiedlichen Rollen innerhalb der Organisation, vom Inhaber und Geschäftsanalytiker (um den Bedarf zu definieren), über den Data Engineer und Data Scientist (um die Daten und das Modell zu erforschen und vorzubereiten), bis hin zu MLOps-Teams (um das Modell in der Produktion zu operationalisieren und zu überwachen).

Technik: Tools und Techniken zur Automatisierung des gesamten KI-Lebenszyklus; das Angebot auf dem Markt ist groß und nimmt ständig zu, sowohl von Open-Source-Communities als auch von großen Technologieunternehmen.

Methodik: Sie brauchen den richtigen Ansatz und die richtigen Schritte, um den Erfolg von KI-Projekten sicherzustellen. Ohne eine exakte Struktur, die gewährleistet, End-to-End-Geschäftsanforderungen, die Unterstützung der Interessengruppen und die technische Leistungsfähigkeit der KI miteinander zu verbinden, werden die meisten KI-Projekte niemals in Produktion gehen.

Durch den Einsatz von KI auf Basis vertrauenswürdiger Daten können Unternehmen daher zusätzliche Automatisierungs-, Optimierungs- und Vorhersagefunktionen an die Hand bekommen.

 

4. Lassen Sie KI das gesamte Unternehmen durchdringen

Mit diesem letzten Schritt kann sich Ihr Unternehmen als data driven, als datengesteuerte Organisation bezeichnen.

Mit der Macht künstlicher Intelligenz erkennt ein Unternehmen den Wert der Daten und beginnt spürbar, davon zu profitieren. KI kann prinzipiell sowohl aus einer analytischen Perspektive (prädiktive oder präskriptive Analytik) in das Geschäft  einsickern und es durchdringen – oder sie erfolgt aus einer operativen Perspektive (Empfehlungsmaschinen innerhalb von Transaktionsprozessen).

Bei allen KI-Implementierungen ist es erfolgskritisch, die Modellleistung an den Geschäftsergebnissen auszurichten und die technischen Modellmetriken mit den Geschäfts-KPIs zu korrelieren, um die Auswirkungen auf das Geschäft in einer kontinuierlichen Feedback-Schleife zu messen.

Denken Sie daran: Das einzige, was gleich bleibt, ist die Veränderung, auch im Geschäfts- und Datenkontext! Daher müssen Sie sicherstellen, dass die Modelle auch in veränderlichen Situationen robust bleiben und dass sie sich automatisch anpassen, sobald eine Modellabweichung und/oder Datenstörung auftritt. Dies ist wichtig, damit das KI-Modell für die Geschäftsziele relevant bleibt.

Nicht zuletzt gilt bekanntlich: Geschäfte werden unter regulierten Bedingungen abgewickelt. Sie kommen also nicht darum herum, die KI-Produktion auf Einhaltung der entsprechenden Bestimmungen zu überwachen. Aus diesem Grund sollten Unternehmen in der Lage sein, Modellentscheidungen zu erklären und zu prüfen oder Modellverzerrungen zu erkennen und abzuschwächen. Diesen Aspekten wird sowohl von den Forschungsgemeinschaften als auch von den Anbietern von KI-Technologie große Aufmerksamkeit geschenkt.

 

Fazit: Keine gute KI ohne gute Informationsarchitektur

KI ist mit Sicherheit die neue Normalität, und das von Analysten prognostizierte Geschäftspotenzial ist überwältigend. Gartner schätzt zum Beispiel, dass die Steigerung der KI im Jahr 2021 weltweit einen Geschäftswert von 2,9 Billionen US-Dollar erreichen wird. Aber um diese Größenordnung des Potentials zu erreichen, ist eine moderne IA von entscheidender Bedeutung, um aus Daten auf Unternehmensebene den entsprechenden geschäftlichen Nutzen zu ziehen. Daher ist die IA das Lebenselixier der KI. Sie sind zwei Seiten derselben Medaille.

Um zu erfahren, wie KI und Datenwissenschaft Ihrem Unternehmen zugute kommen können, besuchen Sie die KI-Seite von Oracle, und folgen Sie uns auf Twitter.

 

Kontakt:

Ein spannendes Thema, über das ich gerne mit Ihnen spreche, per E-MailLinkedInXing oder Twitter. Sabine Leitner, Sr. Marketing Manager.

Kommentieren

Kommentare ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.