Navigation überspringen

Artificial Intelligence oder Analytics - muss man dies überhaupt unterscheiden?

Derzeit ist das Thema A.I. in aller Munde, jeder spricht darüber, jeder setzt es ein, oder möchte es zumindest. Dennoch ist die Entwicklung einer Strategie für A.I. und deren konkrete Umsetzung oft eine Herausforderung, besonders für kleine und mittelständische Unternehmen. Zum einem verfügen Unternehmen nicht immer über dedizierte Abteilungen für das Thema, zum Teil aus Mangel an Ressourcen, zum anderen gibt es derzeit keinen allgemeinen Leitfaden zur Entwicklung einer passenden A.I.-Strategie, oder einfach nur „Best Practices“ die Erfahrungswerte kondensieren.

Nachdem absehbar war, dass A.I. mehr als nur ein Hype-Thema ist, hat die ITGAIN begonnen das Thema zu priorisieren und sich auf die Fahne geschrieben, Unternehmen bei dem Thema von Anfang zu unterstützen und auf dem gesamten Weg zu begleiten. Als eine Hilfestellung haben wir z.B. den Special Day auf der TDWI ins Leben gerufen, indem Vorträge rund um das Thema gehalten werden, auch mit Bezug auf den Praxiseinsatz und welcher eine Anlaufstelle für A.I.-Interessierte darstellt.

ITGAIN@TDWI - ANALYTISCHE METHODEN UND VORGEHENSMODELLE SIND DIE NEUEN HERAUSFO…


Generell ist es uns ein Anliegen, über die Firma hinaus einen Dialog zu führen, um uns mit anderen Experten regelmäßig auszutauschen, in Form von Konferenzen. Dies bietet ebenfalls die Möglichkeit, dass Thema AI aktiv mitzugestalten. Zudem legen wir Wert auf Transparenz und Offenheit, so dass ein weiteres Ziel ist, unsere Erkenntnisse zu publizieren, sei es in Fachzeitschriften, auf Konferenzen und Workshops, oder auch Blogs.

INSTABILITÄTEN VON A.I.-MODELLEN BEI GROSSEN DATENMENGE


Auch wenn einige Darstellungen des Themas im Internet suggerieren, dass mittels Cloud-basierter Lösungen die Einbindung von A.I. jedem Unternehmen offen steht, so steckt unserer Meinung nach doch mehr dahinter. So sind zum Beispiel Daten oft ausreichend vorhanden, nur liegen diese ggf. nicht in der richtigen Form vor, oder es gibt keine Anbindung der notwendigen Quellen.

EIN GERÜST FÜR ALLE

Zur Sache:

Ohne Zweifel hat das erst mal überhaupt nichts mit A.I. zu tun, sondern hier geht es um die Vorrausetzungen, um überhaupt A.I. einzusetzen zu können. Diesbezüglich sind Unternehmen verschieden weit, aber dank themenübergreifender Kompetenzen begleiten wir Sie bei all diesen Phasen, umso die notwendigen Anforderungen umzusetzen, damit Ihrer A.I.-Strategie nichts mehr im Wege steht.

Eine erste Hürde stellt oft schon die monetäre Bewertung einer A.I.-Strategie dar. Konkret bedeutet das, abzuwägen wie viel eine solche Umsetzung kostet versus den Mehrwert den sie bietet. Ohne Zweifel lässt das Budget bei vielen Unternehmen keine maßgeschneiderten Lösungen zu, was bedeutet, dass eine Lösung möglichst viele Standard-Komponenten verwenden muss. Dies setzt aber voraus, dass sich Use Cases bei Unternehmen ausreichend überlappen.

Das ist ein weiteres Beispiel dafür, dass es wichtig ist, Unternehmen durch den gesamten Prozess zu begleiten, und nicht nur bei der konkreten Implementierung, um die erfolgreiche Umsetzung von A.I.-Projekten zu gewährleisten. Denn eins ist allerdings nahezu unstrittig, nämlich das sehr oft A.I. Wettbewerbsvorteile bietet und die eigentliche Frage ist, wieviel A.I. benötigt ein Unternehmen und nicht ob überhaupt.

Da A.I. nicht auf spezielle Bereiche beschränkt ist, sind Use Cases eigentlich nur durch den eigenen Einfallsreichtum beschränkt. Nehmen wir zum Beispiel an, ein Unternehmen möchte mit vorhandenen Daten analysieren, ob ein Kunde demnächst kündigt oder nicht („Churn Prevention“), um entsprechende Maßnahmen vorzeitig zu ergreifen. Mittels A.I. ist es möglich, Modelle zu entwickeln, die bei Eingabe der Kundendaten eine Wahrscheinlichkeit ausgeben, dass ein Kunde kündigen könnte.

PREDICTIVE ANALYTICS PER MAUSKLICK: KNIME IM HÄRTETEST


Gerade für eingeschränkte Budgets sind einfach zu bedienende Werkzeuge, wie z.B. KNIME, von unschätzbarem Wert, da sie erlauben, ähnlich ITL-Strecken, A.I.-Workflows grafisch zu modellieren, ohne viel Expertenwissen. Trotz der geringen Hürde ist es aber auch hier notwendig, den Prozess mit Erfahrung begleiten zu lassen um den ersten Erfolg sicherzustellen. ITGAIN ist KNIME-Partner und verfügt über langjährige Erfahrung im Bereich A.I.-Prozesse mit KNIME.

Eine Herausforderung ist auch die Schnelllebigkeit von Technologien im A.I.-Umfeld, sodass die ITGAIN bestrebt ist, auch intern Pilotprojekte durchzuführen, um frühzeitig das Potenzial neuer Trends nachhaltig zu evaluieren. Ein Beispiel hierfür ist ein Chat Bot, der letztes Jahr aus einem internen Wettbewerb hervorging.

CHAT BOT - WIE KANN ICH HELFEN?


Solche Bots haben eine steigende Verbreitung, da sie vielseitig einsetzbar sind und den Menschen bei der Arbeit enorm entlasten können. Ein weiterer Vorteil ist, dass abhängig von der Komplexität, eine Umsetzung relativ überschaubar ist, so das ein Einsatz attraktiv ist.  

Aber es gibt auch ein Leben nach der A.I., in dem Sinne, dass nach der Umsetzung die Arbeit noch lange nicht beendet ist.

Was bedeutet das konkret? Wie jede andere Software, muss auch das A.I.-Modell gewartet werden und es muss Prozesse geben, um Updates einzuspielen, aber auch um Modelle zu ersetzen, und/oder alte Modelle in Rente zu schicken. Dieser Punkt wird oft vernachlässigt, da das Thema Infrastruktur für A.I. noch recht jung ist. Dies ist auch zu beachten.

ANALYTICS UND EVOLUTION: DER LEBENSZYKLUS DER MODELLE


Ein weiterer, wichtiger Punkt ist auch das Ausrollen der Software, oder anders formuliert die Integration und Inbetriebnahme der Modelle in vorhandene Lösungen. Gerade in der Industrie kann dieser Prozess bedeuten, dass hunderte von „Zielknoten“ involviert sind.  Hier können Sie auf ITGAIN Lösungen zurückgreifen, welche aufgrund langjähriger Erfahrung im Bereich „Managed Services“ und „Software Engineering“ entstanden sind.

Interesse und oder Fragen? Dann kontaktieren Sie uns gerne unter more.about[at]itgain.de.