So führen Sie Ihre KI-Projekte zum Erfolg

Björn Böttcher von Crisp Research im Interview

von - 16.08.2018
Björn Böttcher
Björn Böttcher ist AI & Data Practice Lead bei der Unternehmensberatung Crisp Research.
(Quelle: Crisp Research)
Björn Böttcher ist AI & Data Practice Lead bei der Unternehmensberatung Crisp Research und Mitautor der Studie „Machine Learning im Unternehmenseinsatz“. com! professional spricht mit ihm darüber, wie Unternehmen bei der KI-Einführung am besten vorgehen sollten.
com! professional: Herr Böttcher, wie sehen Sie aktuell den Bedarf an KI-Technologien und -Verfahren?
Björn Böttcher: Unsere letzte Studie hat gezeigt, dass in allen Branchen Anwendungsbedarf für den Einsatz von Machine-Learning-Methoden und Verfahren der Künstlichen Intelligenz besteht. In einzelnen Branchen kommen allerdings bestimmte Technologien und Verfahren stärker zum Einsatz als in anderen. In der Fertigung beispielsweise können Sie die hergestellten Produkte mit der Kamera fotografieren und die Aufnahmen analysieren. Das ist natürlich ein anderes Anwendungsgebiet als in einem Umfeld, in dem viel mit Texten gearbeitet wird – etwa in Banken, im Versicherungswesen oder im juristischen Bereich. Hier müssen Sie Texte erfassen und analysieren.
com! professional: Und wie sollten Unternehmen ihre KI-Projekte beginnen?
Böttcher: Primär geht es darum, einen vernünftigen Umgang mit Daten im Unternehmen aufzubauen und die Daten entsprechend bereitzustellen. Unternehmen sollten deshalb eine Datenstrategie entwickeln und die Daten so sammeln und aufbereiten, dass sie nutzbar gemacht werden können. Das fängt bei der Erhebung der Daten an und endet bei einer Daten-Lifecycle-Management-Strategie.
Oft ist der erste Schritt, die Datenerhebung, schon nicht trivial, da beispielsweise Produktionsanlagen erst einmal dazu befähigt werden müssen, Daten zu senden. Gerade viele ältere Anlagen sind dafür nicht entwickelt worden. Erst wenn Daten in ausreichender Güte vorliegen, können Sie Ihre Modelle trainieren und dann prüfen, ob die Modelle dazu führen, dass Sie erfolgreich Vorhersagen, Bewertungen und Empfehlungen abgeben können.
com! professional: Was bedeutet die zentrale Rolle der Daten für die IT-Infrastruktur?
Böttcher: Daten müssen möglichst nah an die Rechenkapazitäten herangeführt werden, damit eine effiziente Analyse der Daten möglich wird. Damit ist je nach Anwendungsfall schon eine Gravität für die Daten vorgegeben – beispielsweise dass eine Nutzung in der Cloud nicht infrage kommt aufgrund von Latenz. Für die Datenspeicherung und Datenaufbereitung sollten Sie auch überprüfen, welche Systeme Sie bereits in Ihrer IT-Landschaft vorliegen haben. Nutzen Sie zum Beispiel SAP-Systeme oder haben Sie schon Big-Data-Umgebungen oder Public-Cloud-Infrastrukturen, dann stellt sich die Frage: Können Sie einen dieser Infrastrukturteile für die Erstellung von Machine-Learning-Anwendungen sinnvoll und anwendungsübergreifend einsetzen?
Abseits der Betrachtung der einzelnen Systeme sollten auch immer der Datenschutz und die Datensicherheit im Auge behalten werden.
com! professional: Und wie sehen die Hardware-Voraussetzungen bei der Analyse beziehungsweise dem Training aus?
Böttcher: Für das Trainieren sollten größere Investitionsmittel bereitgestellt werden – wenn Sie nicht auf Cloud-Services zurückgreifen. Mit optimierter Hardware und KI-Frameworks können Sie viel an Performance herausholen.
com! professional: In Ihrer Studie raten Sie KI-Einsteigern, zunächst einmal Cloud-Services zu nutzen.
Böttcher: Ja, Cloud-Services sind prinzipiell ein guter Einstiegspunkt, weil die Public-Cloud-Provider bereits vortrainierte, gut konfigurierte und skalierbare Machine-Learning-Dienste im Angebot haben. Damit kann man relativ schnell zu guten Ergebnissen kommen. Wenn Sie beispielsweise auf Ihrer Webseite bestimmte Produkte verkaufen und Produktbilder klassifizieren möchten, dann können Sie auf Public-Cloud-Anbieter zurückgreifen. Praktisch bedeutet das: Sie laden Ihre Bilder hoch und testen dann mit mehreren Cloud-Anbietern, ob der bereitgestellte Dienst das Ergebnis liefert, das Sie brauchen.
com! professional: Wie sollten Unternehmen personell mit KI-Projekten starten?
Böttcher: Idealerweise sollten sie mit einem auf Machine Learning spezialisierten Dienstleister loslegen. Je nach eigener Ressourcenverfügbarkeit kann der Partner temporär unterstützen oder langfristig zu einem strategischen Partner werden. Wichtig dabei ist: Eigene Mitarbeiter sollten – je nachdem wie fortgeschritten sie sind – sukzessive in das Projekt integriert werden und gemeinsam von den Erfahrungen des Dienstleisters lernen.
Verwandte Themen