Unternehmens-Software wird intelligent
Integration im Unternehmen
von Andreas Dumont - 09.12.2019
(Quelle: IDC )
„Es steht und fällt mit den zur Verfügung stehenden Daten und deren Qualität“, so Harry Underwood. Der alte Spruch „Quality in, Quality out“ treffe es gut. „Die längere Antwort ist, dass es kundenspezifische Anforderungen auf der einen Seite und zeit- und businesskritische Faktoren auf der anderen Seite gibt. Dies kann dann auch mal die Verfügbarkeit der benötigten Stakeholder oder Experten sein oder die Erwartungshaltung, welche Ergebnisse ein KI-System Out of the Box für den jeweiligen Anwendungsfall und im jeweiligen Kontext liefern kann.“
Tableau-Solution-Consultant Konstantin Greger sieht die größte Herausforderung ebenfalls bei den Daten: „Um KI-Systeme in Zukunft wirklich sinnvoll nutzen zu können, braucht es Daten, und zwar nicht nur viele Daten, sondern auch gute Daten. Ich muss ihnen vertrauen können, sonst werden die Ergebnisse ebenfalls nicht glaubwürdig sein. Auch das Thema Know-how wird eine große Rolle spielen in den Unternehmen, insbesondere braucht es hier ausgebildete Kräfte, die Datenanalysen umsetzen können. Sie müssen eine KI mit den entsprechenden Daten füttern und damit eine sinnvolle und starke KI aufbauen können.“ Das Sammeln der Daten ist oft der schwierigste Part, da die meisten Unternehmensdaten in vielen unterschiedlichen Systemen liegen.
Oliver Oursin
Vice President Solution Engineering EMEA Central bei Salesforce
Vice President Solution Engineering EMEA Central bei Salesforce
www.salesforce.de
Foto: Salesforce
„Angesichts des gravierenden Mangels an Datenwissenschaftlern, die für individualisierte KI-Anwendungen notwendig sind, stellen die erforderlichen Anpassungen für Unternehmen eine gewaltige Herausforderung dar.“
Beim Einsatz von KI in Business-Anwendungen stellt sich grundsätzlich die Frage, wie sich Daten aus anderen Applikationen und Plattformen einbinden lassen. Das Schlüsselwort heißt API - Programmierschnittstelle. „Da die KI-Funktionen von Einstein in den Salesforce-Lösungen integriert sind, nutzen sie automatisch alle in Salesforce erfassten Daten. Mit dem Salesforce Einstein Analytics Connector lassen sich zudem Daten aus externen Quellen mit Salesforce Einstein Analytics synchronisieren und KI-basiert analysieren“, erklärt dazu Oliver Oursin.
Ausblick
Die faszinierenden Möglichkeiten von KI und die Geschwindigkeit des Fortschritts sollten nicht darüber hinwegtäuschen, dass Künstliche Intelligenz kein Universalmittel ist und auch Gefahren birgt. „Es gibt immer gewisse Risiken, mit jeder neuen Technik. Das ist bei KI nicht anders. Ich würde das Risiko aber hier eher beim Faktor Mensch sehen“, so die Einschätzung von OpenText-Consultant Harry Underwood. „Wenn der Mensch die Maschine trainiert, ist das Verhalten der Maschine abhängig vom Menschen. Oder aber der Mensch lässt die Maschine sich selbst trainieren - allerdings ist nicht kontrolliertes, selbstständiges Arbeiten schon in der Gesellschaft oft nicht zielführend. Das ist bei Maschinen meist nicht anders.“ Wichtig sei, wo die Verarbeitung der Daten stattfinde, also lokal oder in der Cloud. „Denn auch für eine weitere Verwertung von Daten ist das Thema Kontrolle wichtig. Wird das auf meinen Daten trainierte Model weiterverwendet von anderen? Und wie kann ich das verhindern?“
„Menschen werden nach wie vor diejenigen sein, die die Entscheidungen treffen“, ist sich Konstantin Greger sicher. „Gerade deshalb müssen sich Anwender immer wieder die Frage stellen: Wie können wir sicherstellen, dass die automatisierten Empfehlungen und Modelle vertrauenswürdig sind?“ Die Forderung nach mehr Transparenz werde den Aufstieg der „erklärbaren Künstlichen Intelligenz“ stark vorantreiben. „Nutzer sollen transparente Einblicke in Machine-Learning-Modelle und damit ein Verständnis für deren Funktionsweise erhalten. Entscheidungsträger und Mitarbeiter in Unternehmen sind zu Recht skeptisch, wenn durch KI gelieferte Antworten nicht erklärbar sind.“
Wenn die zugrunde liegenden Algorithmen fehlerhaft oder falsch gewichtet sind, spiegelt sich dieses Ungleichgewicht auch in den Ergebnissen wider. Die Algorithmen hinter den KI-Anwendungen sind immer nur so gut wie die Entwickler, die sie programmiert haben. Problematisch wird es vor allem dann, wenn der Künstlichen Intelligenz mehr Vertrauen entgegengebracht wird als der menschlichen Entscheidungskompetenz. So könnte einem Kunden etwa ein Kredit verwehrt werden, weil der Algorithmus im Hintergrund von Vorurteilen oder Stereotypen des Programmierers geprägt war. Ein KI-Fehler dieser Art führte vor einigen Jahren zu einem öffentlichen Aufschrei - die automatische Bilderkennung von Google hatte Afroamerikaner auf einem Foto als Gorillas klassifiziert.
