Aufrufe
vor 6 Monaten

Netzwoche 05/2021

  • Text
  • Laut
  • Innovation
  • Cisco
  • Schweizer
  • Digitalisierung
  • Digital
  • Schweiz
  • Netzmedien
  • Swiss
  • Unternehmen

Bild: Feodora Chiosea /

Bild: Feodora Chiosea / iStock Die Erkenntnis im Datenhaufen FOCUS DATA UND DATA ANALYTICS rja. Daten sammeln ist nicht schwer. Wer die Analyse des McKinsey Global Institutes aus dem Jahr 2017 liest, kommt unweigerlich zu diesem Schluss. Das Unternehmen berechnete, dass allein im Jahr 2017 mehr Daten generiert worden seien als in den 5000 Jahren davor. Weiter prognostizieren die Forscher, dass sich die Datenvolumina alle drei Jahre verdoppeln werden. Wir sitzen also auf einem veritablen Datenhaufen. Doch was kommt nach dem Sammeln der Daten? Die oben genannte Schlussfolgerung liesse sich ergänzen: Daten sammeln ist nicht schwer, Erkenntnisse gewinnen dagegen sehr. Denn längst nicht alle Unternehmen suchen in ihrem Datenhaufen nach Erkenntnissen. Olivier Verscheure, Executive Director des Swiss Data Science Center, findet dies «faszinierend und fast ein wenig beängstigend». Gerade traditionelle Unternehmen täten gut daran, Daten als strategische Anlage zu behandeln, sagt er im Interview ab Seite 16. Einfach wird dies nicht: Das ganze Unternehmen müsse mitmachen, und allein mit ein paar Pilotprojekten liessen sich Datenwissenschaften nicht einführen. Wer ein Datenprojekt plant, kommt heutzutage um Technologien wie künstliche Intelligenz (KI) und maschinelles Lernen kaum mehr herum. Doch die KI-Modelle, mit denen ein Unternehmen arbeitet, sind nur so gut wie die Daten, mit denen sie trainiert wurden. Im Beitrag ab Seite 14 nennen Simone Braun, Professorin für E-Commerce an der Hochschule Offenburg, und Dan Follwarczny, Business Development Manager bei Uniserv, weitere Aspekte, die eine KI möglichst erfolgreich machen. Dies fängt bereits mit der Auswahl der passenden KI- Modelle an. Wird mit echten Daten trainiert, darf der Datenschutz nicht ausser Acht gelassen werden. Mit dem Konzept der «Composite AI» befasst sich Andreas Gödde, Director Business Analytics bei SAS DACH, im Fachbeitrag auf Seite 13. Laut Gödde handelt es sich dabei um ein integriertes, offenes KI-Ökosystem. Unternehmen erhielten dadurch jederzeit die passenden Funktionalitäten an die Hand, um spezifische Use Cases zu adressieren, bei einem gleichzeitig geringeren Implementierungsaufwand. 05 / 2021 www.netzwoche.ch © netzmedien ag

Business Focus 13 Composite AI: Eine KI kommt selten allein 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? Der Begriff «Composite AI» ist erstmals im Gartner Hype Cycle Ende 2020 in Erscheinung getreten. Gemeint ist 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. Unternehmen müssen in der Regel eine Vielzahl an KI-Technologien anwenden, um zur Lösung eines Problems (oder zu einer Entscheidung) zu gelangen. 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, etwa 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, um weitere Schritte einleiten zu können. Multidisziplinärer Ansatz: Keine alleinige «Allzweckwaffe» Unternehmen müssen in der Regel eine Vielzahl an KI- Technologien anwenden, um zur 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 Softwareberater zu wenden. Denn auch, wenn man alle Komponenten im Baumarkt erhält, ist noch längst nicht jeder in der Lage, selbst ein Haus zu bauen. DER AUTOR Andreas Gödde Director Business Analytics, SAS DACH Den Beitrag finden Sie auch online www.netzwoche.ch 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 Mit Composite AI haben Unternehmen jederzeit die passenden Funktionalitäten zur Hand. Visualization Data Management Statistics Machine & Deep Learning MANAGE DATA DataOps Natural Language Processing DEVELOP MODELS Forecasting, Optimization Computer & Machine Vision DEPLOY INSIGHTS ModelOps Deployment Decision Management Quelle: SAS www.netzwoche.ch © netzmedien ag 05 / 2021

Archiv