Diskussionen über künstliche Intelligenz bewegen sich im Spannungsfeld zwischen Schreckensszenario und Idealvorstellung. Eine realistische Einschätzung der Chancen, Risiken und Nebenwirkungen des Buzzwords finden Sie hier.
Unter den aktuellen Top Buzzwords darf künstliche Intelligenz oder auf Englisch Artificial Intelligence (AI) auf keinen Fall fehlen. Für die Einen ist es das Schreckensszenario schlechthin – die künstliche Intelligenz macht den Menschen als Arbeitskraft überflüssig oder noch schlimmer– Maschinen mit künstlicher Intelligenz übernehmen gleich die Weltherrschaft und löschen die Menschheit aus. Für die Anderen ist die künstliche Intelligenz ein Werkzeug, um präzisere Entscheidungen zu treffen oder neue Geschäftsmodelle zu entwickeln. Gehen wir mal von zweiterem aus und sehen uns die Möglichkeiten von KI an.
Möglichkeiten von KI
Von Recommender-Systemen bis hin zu selbstfahrenden Autos: Wir verwenden fast täglich KI-Anwendungen. Diese Anwendungen werden jedoch oft von grossen Tech-Unternehmen oder innovativen Start-ups entwickelt. Bei den Schweizer Unternehmen ist der Einsatz von KI-Anwendungen noch nicht flächendeckend angekommen. In einigen Branchen wie beispielsweise Banking oder Insurance wird KI vereinzelt genutzt, um Prozesse zu vereinfachen– das Geschäftsmodell an sich wurde durch KI aber noch nicht verändert. Auch die Schweizer KMU’s stehen noch ganz am Anfang ihrer Reise und überlegen sich erste Use Cases oder haben vielleicht erste Erfahrungen mit KI Projekten gesammelt.
How to KI
Aber wie schaffen wir es als Schweizer KMU, KI gewinnbringend für uns zu nutzen? Dazu müssen wir zuerst wissen, wohin die Reise gehen soll. Wir brauchen eine Vision und im besten Fall die passende Strategie dazu. Haben wir diesen Fahrplan erstellt, können wir uns überlegen, ob wir die nötigen Grundlagen haben, um diesen Weg erfolgreich zu gehen. Hier wartet für die meisten bereits das erste Hindernis: Die Daten. Auf dem Papier haben wir unsere Ideen ausgearbeitet, aber sobald wir starten möchten, fehlen uns die Daten oder die Datenqualität lässt zu wünschen übrig. Deshalb sollten wir bereits in der frühen Strategiephase den Umgang mit den Daten festlegen und erste Richtlinien definieren. Wir müssen wissen, welche Daten in welcher Form und Qualität benötigt werden. Haben wir das Problem mit den Daten gelöst, sollten wir uns frühzeitig um die passende Infrastruktur und die nötigen Skills kümmern. Anschliessend können wir uns nicht mehr an einen perfekten Leitfaden nach Schulbuch halten, sondern müssen erste Erfahrungen sammeln und unsere Erkenntnisse iterativ in unser Unternehmen einfliessen lassen. So lernen wir mit jedem Fehler aus unseren Projekten dazu und können gleichzeitig unsere Organisation weiter anpassen und aufbauen.
Kommunikation als Erfolgsfaktor
Wichtig dabei ist, dass diese Erfahrung nicht nur im Data Science Team bleibt, sondern im ganzen Unternehmen geteilt wird – das bedeutet kommunizieren. Wir erzählen von unseren Erfolgen genau gleich wie von unseren Fehlern und informieren über die geplanten Projekte in unserer Data und KI-Pipeline. Dies ist auch eine gute Gelegenheit, die Themen künstliche Intelligenz, Machine Learning und Deep Learning den Mitarbeitenden näher zu bringen. Denn oft steht hinter künstlicher Intelligenz nur ein bisschen Statistik und weniger Magie. Um Widerstände im Unternehmen gegen Data und KI-Projekte zu entkräften, benötigt es mehr als nur ein Infoschreiben. Wir müssen die betroffenen Personen frühzeitig abholen und wenn möglich direkt miteinbeziehen.
Die richtigen Tools
Allerspätestens wenn man die Proof of Concept Phase überschritten hat, stellt sich die Frage nach dem passenden Tool Stack – und das kann schnell unübersichtlich werden. Mittlerweile gibt es für die Operationalisierung von Machine Learning Modellen unzählige Tools. Microsoft bietet hier für den gesamten MLOps Lifecycle ein Set an passenden Tools für die Modellentwicklung, Bereitstellung, Überwachung und Validierung und bietet eine Plattform für die Zusammenarbeit von Data Science- und IT-Teams.
Aber auch wenn man all diese Schritte und Empfehlungen befolgt, wird man nicht zwingend erfolgreich bei der Umsetzung von Daten und KI-Projekten. Es braucht neben der Begeisterung für dieses Thema auch eine gute Portion Geduld – denn bis die künstliche Intelligenz uns Menschen als Arbeitskraft ersetzt und die Weltherrschaft übernimmt, dauert es noch eine Weile. Bis dahin erfreuen wir uns an den Möglichkeiten der künstlichen Intelligenz.
