Folge 1: Werden auch Sie zum AI-Helden

Vorwort

Von Ronald van Loon

CEO & Principal, Intelligent World

Der GenAI-Effekt: Umwälzungen, Chancen und die Zukunft der Unternehmen

Wir erleben derzeit hautnah, wie sich AI weiterentwickelt. Dies ist vor allem auf die breite Akzeptanz der Verbraucher zurückzuführen, die durch das Aufkommen zugänglicher Innovationen im Bereich der generativen Artificial Intelligence (GenAI) möglich wurde. 

Obwohl GenAI erst relativ kurze Zeit im Rampenlicht steht, hat sich die zugehörige Landschaft bereits rasant verändert. Jetzt stellt sich die Frage, wie Unternehmen ihr scheinbar unendliches Potenzial ausschöpfen können.  

Derzeit ist die allgemeine Haltung gegenüber GenAI von vorsichtigem Optimismus, strategischer Anpassung und dem kollektiven Bemühen um einen verantwortungsbewussten Umgang geprägt. Doch der Weg zu einem kommerziellen Mehrwert aus dieser leistungsstarken Technologie muss erst noch bereitet werden. Dennoch: Die Nutzerzahlen sind absolut beeindruckend. Laut der Benchmark-Analyse zu generativer AI von Qlik  haben bereits 79 % der Führungskräfte in ein GenAI-Tool oder -Projekt investiert.

Doch große Möglichkeiten gehen stets auch mit großer Verantwortung einher. Den durch AI und GenAI verursachten Wandel werden zahlreiche Branchen deutlich zu spüren bekommen Ein proaktives Konzept für Governance und Risikomanagement ist dringend gefragt. Noch haben die meisten Unternehmen keine verlässlichen Richtlinien für ihren Umgang mit dieser neuen Technologie formuliert – auch nicht für Mitarbeiter, die AI eventuell bereits privat nutzen.

Die ethischen und sicherheitsrelevanten Bedenken im Zusammenhang mit AI und GenAI sind groß. Dies zeigt nicht nur die von US-Präsident Biden formulierte AI Executive Order, in der neue Standards für die Sicherheit von AI definiert werden, sondern auch die kürzlich beim Londoner KI-Gipfel verfasste Bletchey-Erklärung zur Sicherheit von AI.

Diese Entwicklungen unterstreichen das globale Bestreben, die Sicherheit und verantwortungsvolle Entwicklung von AI zu gewährleisten. Der Schwerpunkt, der auf internationale Zusammenarbeit, Verbraucherschutz und Innovationsförderung gelegt wird, spiegelt ein ausgewogenes Konzept wider. Sein Ziel ist es, die Vorteile von GenAI zu nutzen und zugleich ihre Risiken zu minimieren.

Doch während die Regierungen noch ihre Reaktionen auf die Neuerungen vorbereiten, hat GenAI bereits spürbare Auswirkungen auf die Unternehmen. Sie verändert Personalentscheidungen und Einstellungsvoraussetzungen, denn sie wird in Bereichen wie Marketing, Vertrieb oder Kundenservice immer mehr eingesetzt. Zugleich werden Data Engineers, Machine Learning Engineers und AI Data Scientists händeringend gesucht und neu entstandene Rollen wie die des Prompt Engineers gewinnen zunehmend an Bedeutung. Diese Fachkräfte sind es, die die kommerzielle Reaktion auf die Innovation durch AI gestalten werden.

Dieser Wandel wird offenbar nicht mit Zurückhaltung, sondern mit großem Optimismus und strategischem Investitionsdenken aufgenommen. 45 % der Führungskräfte geben an, dass die jüngsten Fortschritte im AI-Bereich zu einem Anstieg der Investitionen in AI führen, und 36 % investieren bereits in eine konkrete AI-Strategie.

Das ist ein guter Anfang, doch nicht immer haben die Maßnahmen positive Auswirkungen. In diesem Leitfaden werden die Ansichten führender Daten- und Analyseexperten aus unterschiedlichen Branchen erörtert, die sich zurzeit selbst auf einer AI-Journey befinden. Sie erhalten so konkrete Tipps von Personen, die für die Optimierung von Datenprozessen mithilfe von AI verantwortlich sind.

Einführung

AI-Erfahrungen aus der Praxis von Datenprofis

AI und ihr potenzieller Mehrwert für Unternehmen machen immer mehr von sich reden. Bei all dem Wirbel um das Thema stellt sich jedoch ein gewisses Gefühl der Informationsüberflutung ein. Daher ist es nur verständlich, dass viele Daten- und Analyseprofis noch unsicher sind, welche Vorteile die Technologie tatsächlich bietet und wie ihre Implementierung erfolgen kann. Sie sind sich der Tatsache bewusst, dass ihre Datenteams für den Erfolg von AI-Initiativen von grundlegender Bedeutung sind. Allerdings ist der Weg dorthin bisher kaum erschlossen, sodass es an Vorbildern fehlt, denen man folgen kann.

„Visionary Voices: Die AI-Pioniere“ bringt Erfahrungen und konkrete Ratschläge von Fachleuten im Bereich Daten und Analyse zusammen, die sich selbst auf dem Weg zur AI-Implementierung befinden.

Im Folgenden lesen Sie, wie Sie die Vorteile künstlicher Intelligenz maximal nutzen und die menschliche Rolle stärken. Das Expertenteam äußert sich auch zur Debatte um öffentliche oder privat trainierte Modelle und diskutiert unter anderem, wie sich das Gleichgewicht zwischen Innovation und Risiko einerseits und Governance und Ethik andererseits herstellen lässt.

AI existiert bereits seit Jahrzehnten, doch zurzeit macht sie einen riesigen Beliebtheitssprung. Dafür gibt es zahlreiche Ursachen: Fortschritte bei verwandten Technologien, die durch die zunehmende Verfügbarkeit von Daten verbesserten Algorithmen sowie immer mehr praktische Einsatzmöglichkeiten. Unumstritten ist, dass sich mit AI Wettbewerbsvorteile sichern lassen, doch nach wie vor wird diskutiert und geprüft, wo sie den größten Mehrwert generieren kann. Trotzdem können wir bereits beobachten, wie Daten- und Analyseteams AI in verschiedenen Branchen und für unterschiedliche Zwecke einsetzen, zumindest aber den Einsatz planen.

Teil 1

Das positive Potenzial von AI

Informationen transformieren und wertvolle Erkenntnisse gewinnen

Sowohl der private als auch der öffentliche Sektor begreifen AI ganz offensichtlich als Chance, den Wert ihrer Produkte und Serviceleistungen zu steigern. Im Gegenzug trägt dies dazu bei, dass sie Erwartungen erfüllen, Effizienzsteigerungen erzielen und ihren Wettbewerbern zuweilen sogar einen Schritt voraus sein können.  

„AI besitzt das Potenzial, das Gesundheitswesen zu revolutionieren: Sie verbessert die Genauigkeit von Diagnosen und Behandlungsergebnissen. Sie optimiert die postoperative Versorgung und senkt die Gesundheitskosten. Sie wird schon erfolgreich in der Bilddiagnostik zur Früherkennung von Krebs eingesetzt. Zahlreiche Kliniken nutzen bereits roboterassistierte Chirurgie bei minimalinvasiven Operationen und verkürzen so die Genesungszeit und damit den Krankenhausaufenthalt. Darüber hinaus kann AI die Produktivität und Effizienz in der Pflege steigern, sodass die Gesundheitsdienste mehr Menschen besser versorgen können.“
Deepa Tambe, Head of Reporting Technology, Barts Health NHS Trust

Mitul Vadgama, Senior Data and Analytics Strategy Manager bei der Lloyds Banking Group, erklärt, wie sich die Technologie im Bankensektor bezahlt macht: „AI hat das Potenzial, Finanzdienstleister wie beispielsweise Banken zu transformieren, denn sie ermöglicht personalisierte Serviceangebote, verbessert die Sicherheit, optimiert die Prozesse und ermöglicht datengesteuerte Entscheidungen. Durch den Einsatz von AI-Technologien sind Banken in der Lage, in einer dynamischen Branche wettbewerbsfähig zu bleiben und ihren Kunden einen besseren Service zu bieten.”

Dave Elliott, Global Data and Analytics Manager bei der Mayborn Group, zu der die internationale Babyartikelmarke Tommee Tippee gehört, sieht ebenfalls Möglichkeiten, den Service zu verbessern und die Kundennachfrage zu bedienen, aber auch die Back-End-Abläufe zu optimieren, die dies erst ermöglichen. Er erklärt: „AI eröffnet jede Menge Chancen – sei es durch die Verbesserung und Optimierung der Lieferkette, durch zentrale AI-Funktionen wie Vertriebs- und Nachfrageforecasts oder die Erweiterung von Kundenerlebnissen durch Verarbeitung natürlicher Sprache oder generative AI.”

Doch dies ist nicht der einzige Vorteil, den die Mayborn Group in der langfristigen Nutzung von AI sieht. Mark Little, Elliotts Kollege und seines Zeichens Principle Business Intelligence Specialist, erläutert: „Wir haben AI bereits für eine Reihe von Aufgaben eingesetzt. Am meisten profitiert haben wir dabei von der Sentiment-Analyse. Mithilfe dieser Technologie sind wir in der Lage, uns sämtliche Bewertungen auf verschiedenen Plattformen anzusehen und uns so einen Überblick über unsere Performance zu verschaffen. Ohne AI wären wir stundenlang damit beschäftigt, alle Texte zusammenzutragen und zu lesen.”

Doch nicht nur private Unternehmen erkennen das Potenzial für eine bessere Entscheidungsfindung. Calum MacIver, Corporate Information Manager bei The Health Informatics Service – der durch den Calderdale and Huddersfield NHS Foundation Trust betrieben wird – erklärt, wie der britische Gesundheitsdienst NHS von den durch AI ermöglichten Vorhersagefunktionen profitiert.

„AI wird im NHS immer häufiger eingesetzt: von der Unterstützung bei der Diagnostik bis hin zur Vorhersage von Einweisungen und Patientenzahlen. Die Analysen, die uns diese Technologie ermöglicht, eröffnen uns in allen Bereichen des Gesundheitsdienstes völlig neue Recherchemöglichkeiten.“

Vorsprung durch Schnelligkeit

Das Thema Schnelligkeit taucht in den Erfahrungsberichten und im Zusammenhang mit dem Mehrwert von AI für Unternehmen immer wieder auf. Daten- und Analyseteams spielen bei der Umwandlung heterogener Informationen in konkrete Ergebnisse eine zentrale Rolle. Angesichts der großen Menge an verfügbaren Daten und der Notwendigkeit, Erkenntnisse in Echtzeit zu gewinnen, hinkt die manuelle Analyse oft hinterher, und Erkenntnisse sind bereits überholt, wenn sie verfügbar sind. In diesem Bereich kann AI enorme Chancen bieten.

Priscila Papazissis, Data Product Manager bei Localiza & Co., einem Mietwagenunternehmen mit Sitz in Brasilien, stellt fest: „AI verändert den Zugang zu Daten und Analysen und fördert so die datengestützte Entscheidungsfindung in meinem Unternehmen. Mit Machine-Learning-Algorithmen und AI haben wir die Möglichkeit, umfangreiche Datenmengen so schnell wir noch nie zu erfassen, zu verarbeiten und darzustellen. Die Zeitspanne zwischen dem Geschäftsereignis und den Ergebnissen hat sich verkürzt, sodass wir schneller informiert sind und Entscheidungen treffen können, die den Unterschied machen.”

John Delligatti, Director of Digital Supply Chain Transformation, bei SDI, ergänzt: „Es ist eine Sache, wenn ich persönlich durch AI eine Menge Zeit spare. Wenn ich diese Zeitersparnis jedoch für zehn oder hundert Menschen erziele, dann entsteht dadurch ein gewaltiger Mehrwert. Ich würde Ihnen daher raten, diese Tools gleich eingehend zu studieren. Ermuntern Sie Ihre Teammitglieder dazu, sie zu nutzen.”

Offen für das Unbekannte

Unternehmen haben angesichts der makroökonomischen Rahmenbedingungen, des technologischen Fortschritts und der fortschreitenden Regulierung nach wie vor mit Unsicherheiten zu kämpfen. Erfreulicherweise kann uns AI dabei helfen, Prognosemodelle zu erstellen, mit denen sich zukünftige Trends und Ergebnisse vorhersagen lassen. Daten- und Analyseteams erhalten so die Informationen, die sie brauchen, um das Unternehmen erfolgreich voranzubringen. Außerdem gewinnen Ihre Teams Freiraum und können die durch AI gewonnenen Erkenntnisse in strategische Überlegungen einfließen lassen.

„Wir können die Aufgaben der Personen, die Daten verwenden und als Entscheidungsgrundlage nutzen, neu definieren, da AI die Routinearbeit bei der Problemerkennung übernehmen kann. Beispielsweise ist praktisch kein Mensch in der Lage, mit bloßem Auge einem Betrugsversuch in den Daten auf die Spur zu kommen.“
Priscila Papazissis

Calum MacIver schildert, welche Möglichkeiten AI für große, etablierte Organisationen wie den NHS bietet: „Was den Datenzugriff angeht, spielt AI bisher noch keine große Rolle, da wir uns immer noch auf unsere bewährten Prozesse verlassen, um die benötigten Daten zu beschaffen. Vielmehr geht es darum, was wir mit diesen Daten anstellen, sobald sie uns vorliegen. Die Suche nach Mustern, Vorhersagen und Anomalien sind drei Bereiche, die unserer Meinung am meisten von AI, insbesondere Machine Learning, profitieren werden.“

Deepa Tambe stimmt mit MacIver überein, was die Möglichkeiten von AI für die Vorhersage von unbekannten Entwicklungen angeht: „Im Gesundheitswesen sammeln wir bei jeder Interaktion mit Patienten und Maschinen riesige Datenmengen. Diese Daten müssen wir so nutzen können, dass wir Erkenntnisse gewinnen. Die Vorhersage von Engpässen, von Patientenströmen in der Notaufnahme oder von den erforderlichen Ressourcen zur Deckung der hohen Nachfrage der Krankenhäuser: Das sind die Bereiche, in denen AI meiner Meinung wirklich helfen könnte. Wir setzen bereits auf Predictive Analytics und Alerting-Mechanismen, um operative Teams über den Bedarf an geeigneten Betten zu informieren. Dieses Verfahren wurde während der Hochphase der Pandemie entwickelt und erwies sich für die Krankenhäuser als überaus nützlich.”

Kein AI-Einsatz ohne vorherige Bedarfsermittlung 

Angesichts des riesigen Hypes ist es nur allzu verständlich, dass viele AI so schnell wie möglich integrieren möchten. Ein riskantes Unterfangen, wenn vorher nicht eingehend geprüft wurde, welche Probleme AI lösen soll. Unsere AI-Visionäre waren sich einig: Die Einführung von AI um ihrer selbst willen ist wenig zielführend. Stattdessen muss am Anfang der AI-Journey ein konkretes Problem oder eine Herausforderung stehen. Nur dann ist es möglich, den tatsächlichen Wert der aufgewendeten Zeit und Investitionen zu erkennen und die Möglichkeiten von AI voll auszuschöpfen.

Hierzu bemerkt Mark Little: „AI wird gewaltige Auswirkungen haben, aber Sie müssen sicherstellen, dass Sie einen richtigen Anwendungsfall haben, damit sie sich auszahlt. Wenn Sie völlig unvorbereitet an die Sache herangehen und nur ein wenig mit der Technologie herumspielen, werden Sie wahrscheinlich zu dem Schluss kommen, dass AI einfach nur ein ‚Trend‘ ist. Haben Sie dagegen einen klar definierten Anwendungsfall, bei dem Ergebnisse auch messbar sind, dann werden Ihre Erfahrungen mit AI wesentlich positiver ausfallen.“

Martin Sahlin, Gründer und CEO von Stretch Qonnect, einem Unternehmen, das Sportvereine mit detaillierten, vereinfachten und leicht verständlichen Analysen unterstützt, ergänzt: „AI ist in aller Munde, doch viele wissen nicht, warum oder was sie damit anfangen sollen. Um das gewünschte Ergebnis zu erzielen, auf Kurs zu bleiben und keine falschen Schlussfolgerungen zu ziehen, müssen AI-Initiativen und -Investitionen eine klar umrissene und konkrete Aufgabenstellung haben. Nicht zu vergessen: Das Ergebnis muss gemessen werden können.”

Unternehmen wie HCL Technologies haben ein konkretes Problem erkannt und Lösungen entwickelt, um das Business proaktiv zu unterstützen.

„Wir haben ein Data-Science-Team, das mit Python arbeitet und bereits zahlreiche ML-Modelle für die Fachbereiche entwickelt hat. Da ist zum Beispiel unsere Attrition Prediction Analysis, die uns hilft, frühzeitig die Beschäftigten zu identifizieren, die das Unternehmen zu verlassen drohen. Diese Personen können wir nun entsprechend unterstützen.
Rahul Gupta, Associate General Manager

Teil 2

Die Rolle des Menschen neu definieren

Neue Rollen bilden sich heraus – allerdings (noch) nicht für alle

Einen klaren Vorteil von AI haben Datenexperten bereits beobachtet: Es lassen sich Fragen beantworten, an die man bisher noch gar nicht gedacht hatte. Diese Möglichkeit ergibt sich, weil AI große Datenmengen analysieren und verarbeiten, die Beziehung zwischen Datenpunkten aufzeigen, Muster erkennen und Vorhersagen treffen kann. Die Teams in den Fachbereichen und die Analysten müssen sich nicht mit Data-Science-Methoden auskennen, um von den automatisierten Tools zu profitieren.

„Mit AI erkenne ich Beziehungen und Zusammenhänge von Daten, die mit vorher vielleicht noch nicht aufgefallen waren. Daraus haben sich schon oft Fragen ergeben, die ich bei einer manuellen Analyse nicht gestellt hätte.“, erklärt Michal Lecian, Business Intelligence Analyst bei Dolphin Consulting.

Ein weiterer wichtiger Vorteil von AI besteht in der Möglichkeit, neue, strategische Rollen und Verantwortlichkeiten zu schaffen. So können sich Datenteams aus der manuellen Datenverarbeitung zurückziehen und sich stattdessen auf die Analyse und das Gewinnen von Erkenntnissen konzentrieren.

Filippo Orlando, Head of Advanced Analytics bei Unieuro S.p.A., eine führende italienische Handelskette für Unterhaltungselektronik, meint dazu: „AI erweitert die Möglichkeiten unseres Teams, indem sie Prozesse automatisiert, Einblicke liefert und unsere Effizienz verbessert. Die Rollen werden neu definiert und die Mitarbeiterinnen und Mitarbeiter können sich auf die wichtigen strategischen Aufgaben konzentrieren. In einigen Fällen wurden für das Management und die Optimierung der AI-Systeme neue, speziell darauf ausgerichtete Funktionen geschaffen.“

Martin Sahlin ist ebenfalls der Auffassung, dass AI nicht als Ersatz für Arbeitsplätze, sondern vielmehr als Katalysator für neue Aufgaben betrachtet werden sollte: „AI muss man herausfordern. Es ist wichtig, die Ergebnisse von AI kritisch zu hinterfragen und aufmerksam zu verfolgen. Dieser Aspekt dürfte künftig eine immer größere Rolle bei der Arbeit mit Daten spielen. Routineaufgaben können problemlos an AI übertragen werden, während die innovative Arbeit weiterhin von Menschen erledigt wird.“

Doch nicht alle Unternehmen sind für diesen Wandel oder die Erweiterung um neue Kompetenzen bereit. Aus unserem Generative AI Benchmark Report geht hervor, dass etwas mehr als ein Drittel der Unternehmen plant, Datenmodelle vollständig intern zu trainieren, während 60 % erwägen, hierfür teilweise Ressourcen Dritter zu nutzen. Nur 4 % setzen dafür komplett auf Externe.

Mario de Felipe Pérez, Chief Transformation Officer bei Grupo ASV, ergänzt: „Für die Implementierung arbeiten wir mit spezialisierten Partnern zusammen. Wenn die Technologie innerhalb des Unternehmens eine ausreichende Reife und Relevanz erlangt, werden wir die Einbindung von Fachpersonal in Betracht ziehen. Derzeit schulen wir im Unternehmen zahlreiche Mitarbeiter im Bereich Artificial Intelligence. In erster Linie arbeiten wir an Möglichkeiten, generative AI einzusetzen, um die Produktivität in unseren Call Centern und in Abteilungen wie Recht, Finanzen oder Marketing zu steigern.”

Teil 3

Das Potenzial von AI-Innovationen sicher entfalten

Wenn wir einen messbaren Mehrwert mit AI generieren möchten, ist es nicht damit getan, sie „einfach nur einzusetzen“. Es bedeutet auch, diese innovative Technologie und die mit ihr verbundenen Risiken abzuwägen. Dies erfordert sorgfältige Tests, Compliance und eine intensive Überwachung der AI-gesteuerten Initiativen. Wichtig ist, den potenziellen Nutzen gegen mögliche Nachteile abzuwägen, damit eine fundierte Investitionsentscheidung getroffen werden kann.

„Das Aufkommen von generativer AI, wie ChatGPT, schafft Chancen und Risiken in einer Vielzahl von Bereichen. Es regt Menschen dazu an, kreativ darüber nachzudenken, wie künstliche Intelligenz unsere Arbeit verbessern kann. Es verdeutlicht aber auch, wie wichtig ethische Nutzung, verantwortungsbewusste AI-Verfahren und kontinuierliche Forschung sind, um die Herausforderungen der sich stetig weiterentwickelnden AI-Anwendungen zu meistern. Der Umgang mit Innovationen unter Berücksichtigung ethischer Kriterien wird eine zentrale Rolle spielen, wenn wir generative AI und andere fortschrittliche AI-Technologien in Zukunft verstärkt einsetzen.“
Mitul Vadgama

Priscila Papazissis ergänzt: „Wir müssen anfangen, uns Gedanken darüber zu machen und zu untersuchen, wie wir diese Technologie innerhalb des Unternehmens auf sichere Weise nutzen können. Dabei müssen wir alle Risiken berücksichtigen, denn meiner Meinung nach birgt AI eine Menge potenzieller Risiken.”

Vorsicht beim Umgang mit öffentlich trainierter AI

Ein Beispiel für diese Bedenken ist die Nutzung von öffentlich trainierten Modellen, auf die viele Unternehmen im Wettlauf um die Einführung von AI zurückgreifen. Das geschieht meist, weil die Zeit und das Fachwissen für die Erstellung maßgeschneiderter, privater Modelle fehlt. Die Fachleute sind sich jedoch einig, dass dringend Vorkehrungen getroffen werden müssen, bevor dieser Weg eingeschlagen werden kann.

Rahul Gupta, Associate General Manager bei HCL Technologies, erklärt: „Unser Unternehmen untersagt seinen Mitarbeitern, firmeneigene Informationen in ChatGPT und anderen ähnlichen Modellen zu verwenden, da dies ein Datensicherheitsrisiko darstellt. Der Grund dafür ist, dass alle so mitgeteilten Daten verwendet werden könnten, um das Modell öffentlich zu trainieren.“

Im Zusammenhang mit generativer AI betont Dave Elliott, wie wichtig es sei, die Daten zu hinterfragen: „Bei generativer AI sind sowohl Begeisterung als auch Vorsicht angebracht. Darum stehen Unternehmen wie Nutzer in der Pflicht, grundlegende Datenkenntnisse sicherzustellen und den Umgang mit Daten zu beherrschen. Andernfalls laufen wir Gefahr, in ein Szenario zu verfallen, in dem wir uns blind auf die Ergebnisse verlassen, ohne deren Auswirkungen zu begreifen oder in der Lage zu sein, sie infrage zu stellen. Wenn wir Daten, ganz gleich aus welcher Quelle, wirklich für eine bessere Entscheidungsfindung nutzen wollen, müssen wir diese Daten lesen, einsetzen und hinterfragen können.“

Die Mehrheit scheint also für eine gesunde Skepsis gegenüber öffentlichen AI-Modellen zu plädieren. Übereinstimmend herrschen Bedenken, ob die Datenqualität aufrechterhalten und mögliche Verzerrungen durchschaut werden können. Darüber hinaus wurden der Umgang mit verrauschten oder unvollständigen Daten und mit Mehrdeutigkeit sowie die Anpassung an eine sich wandelnde Sprache als Aspekte genannt, die es zu berücksichtigen gilt.

John Delligatti verweist auf die Vorteile der Entwicklung und Nutzung einer eigenen AI:„Wenn etwas intern oder mit dem Know-how der Fachleute in Ihrem Unternehmen entwickelt wird, nimmt dies zwar mehr Zeit in Anspruch, es liefert jedoch vermutlich auch bessere Ergebnisse. Grund zur Besorgnis hinsichtlich der Treffergenauigkeit von AI-Modellen, Prognosen und generierten Antworten gibt es hingegen bei öffentlich trainierten Modellen. Sie wurden nicht anhand Ihrer Daten trainiert und offen gesagt ist es bei ihnen nicht möglich, die Quellen der Statistiken einwandfrei nachzuvollziehen. Wir haben alle schon von Beispielen gehört, in denen ChatGPT eine Medizinklausur bestehen kann, aber ebenso kennen wir Fälle, in denen es versucht, ein juristisches Dokument zu verfassen, und dabei Fälle zitiert, die es gar nicht gibt. Sie müssen also alles, was von diesen Modellen kommt, mit Vorsicht genießen und die Fakten selbst überprüfen.“

Auch Deepa Tambe hält es für wichtig, fehlerfreie Daten zu verwenden. Sie betont, dass sämtliche Teammitglieder diesbezüglich geschult werden müssen: „Grundsätzlich sind die Daten, die wir eingeben, auch die Daten, die wir herausbekommen. Wir müssen uns also darauf konzentrieren, dass die erfassten Daten fehlerfrei sind, damit wir optimale Ergebnisse erzielen. Nach wie vor gilt es, den Schwerpunkt auf grundlegende Prinzipien wie die Richtigkeit von Daten oder die Datenkompetenz zu legen und Personen (ohne Erfahrung im Bereich Daten und Analysen) über die Bedeutung dieser Themen aufzuklären. Wir können nur dann Fortschritte erzielen, wenn es uns gelingt, alle auf die faszinierende AI-Journey mitzunehmen.“

Henri Rufin, Head of Data & Analytics bei Radiall, äußert sich zu den Gefahren von generativer AI:„Der Einsatz von generativer AI ohne jegliche Vorkenntnisse kann gefährlich sein. Diese Technologien werden mit Daten gefüttert, die Sie ihnen zur Verfügung stellen. Das kann schnell zu Verletzungen der Datensicherheit führen. Die Arbeit mit generativer AI erfordert ein tiefes Verständnis der zugrundeliegenden Technologien sowie einen Plan, um Missbrauch oder ethische Konflikte zu vermeiden, die in Zukunft auftreten könnten.”

Mit Datenintegration Risiken minimieren 

Datenintegration und -management in Kombination mit robusten Governance-Prozessen gewinnen im AI-Zeitalter eine ganz neue Bedeutung. Außerdem wird ein flexibleres Datenmanagementkonzept benötigt, denn der Zustrom neuer Daten kann ein AI-Modell in kürzester Zeit verändern.

„Zur Unterstützung von AI-Initiativen sollten Unternehmen ihre Datenintegrationsprozesse gezielt optimieren. Dazu können sie: eine solide Data Governance implementieren, fortschrittliche Integrationstools einsetzen, ETL-Pipelines automatisieren, Data Lakes nutzen, für Daten-Streaming in Echtzeit sorgen, Datensicherheit und Compliance gewährleisten, die Leistung überwachen und eine Kultur der kontinuierlichen Verbesserung fördern.“
Filippo Orlando

Dave Elliott erläutert, wie die Mayborn Group beim Thema Datenintegration für AI, aber auch bei anderen Technologie vorgeht: „Datenintegration ist die Grundlage für alle Aspekte der Data Journey eines Unternehmens. Darum gibt es bei uns ein Kernprogramm für die Automatisierung der Datenerfassung und -integration. Der Fokus des Programms liegt auf dem Aufbau einer soliden, geregelten und vertrauenswürdigen Datenquelle für alle Unternehmensbereiche. Sie soll aktuelle Daten- und Analyseangebote unterstützen, aber aber auch eine Grundlage für neue und aufkommende Technologien schaffen.”

Priorität für Governance und Sicherheit

Allerdings ist Data Governance angesichts der Datenmengen, die Unternehmen täglich verarbeiten, kein leichtes Unterfangen:‍

„Wir sind es gewohnt, für Governance bei strukturierten Daten zu sorgen und deren Qualität zu gewährleisten. Wenn wir jedoch über unstrukturierte Daten wie Audio-, Video- oder Textdateien sprechen, dann gestaltet sich die Angelegenheit wesentlich komplizierter. Hier haben wir wenig Erfahrung und stehen vor dem Problem, unstrukturierte Daten korrekt zu labeln, damit sie von AI-Modellen verarbeitet werden können.“
Mario De Felipe Pérez

Im Rahmen der Data Governance sehen sich die Datenteams außerdem mit Sicherheitsbedenken konfrontiert. Filippo Orlando erläutert, worauf sein Team bei Unieuro S.p.A. die Schwerpunkte setzt: „Schutz und Sicherheit der AI-Daten haben bei uns Priorität. Dafür setzen wir auf Verschlüsselung, Zugangskontrollen und die strikte Einhaltung von Datenschutzbestimmungen. So gelingt es uns, sensible Informationen zu schützen, ethische Standards einzuhalten und das Vertrauen der Stakeholder zu gewinnen.’’

Experimente wagen 

Gerade hier gilt es, ein Gleichgewicht zwischen Innovation und Risiko herzustellen. Die strikte Einhaltung von Data Governance und Sicherheit sollten Sie nicht davon abhalten, mit AI zu experimentieren – zumindest, um herauszufinden, wo die am besten geeigneten Anwendungsfälle angesiedelt sind. Wenn Sie damit beginnen, eindeutige Ziele festzulegen und sicherzustellen, dass die Daten ordnungsgemäß anonymisiert und geschützt sind, sollte dies eine gute Grundlage für jedes Experiment sein.

In der Praxis bedeutet dies, dass Sie abteilungsübergreifend zusammenarbeiten und mit einer kleinen, vertrauenswürdigen Gruppe beginnen sollten, so Henri Rufin: „Bei Radiall setzen wir auf das Prinzip ‚Learning by Doing‘ und auf Machbarkeitsstudien. AI ist definitiv ein Thema, mit dem wir uns eingehend beschäftigen wollen. Auch wenn wir im Umgang mit generativer AI besonders vorsichtig sein müssen, dürfen wir nicht untätig bleiben und uns von den Risiken dieser Technologien nicht abschrecken lassen. Wir haben eine AI-Initiative gestartet, die uns hoffentlich eines Tages ermöglichen wird, unternehmensweit neue Dienste zur Unterstützung von Datenkompetenz und Data Governance anzubieten. Wir arbeiten eng mit den IT- und Sicherheitsabteilungen zusammen, um Risiken zu minimieren. Darüber hinaus haben wir ein zuverlässiges Team aufgebaut, das sich parallel mit Experimenten befasst, bevor etwas allgemein zugänglich gemacht wird.”

Fazit

Vom AI-Hype zur Realität

AI stellt für Unternehmen eindeutig eine interessante Chance dar. Mithilfe der Technologie können Daten besser und schneller als je zuvor ausgewertet werden. Sie eröffnet allen Teams mehr Möglichkeiten und schafft bessere Ergebnisse für die Kunden. Darüber hinaus kann AI die Arbeitsweise von Datenteams verändern und der Mehrwert, den sie für ihr Unternehmen erbringen, wird gesteigert.

Wie bei allen neuen Technologien bestehen auch bei etwas so Bahnbrechendem wie AI Zweifel und Spekulationen über ihre Auswirkungen, wenn sie falsch oder ohne Data Governance und ethische Grundsätze eingesetzt wird.

Welche Tipps würden unsere AI-Visionäre ihren Kolleginnen und Kollegen nun mit auf den Weg geben, damit sie die Vorteile der AI ab sofort für sich nutzen können?

Klein anfangen, testen und dazulernen

„Stellen Sie sicher, dass ein kompetenter Umgang mit Daten in Ihrer Organisation gewährleistet ist, damit Sie sowohl die Nutzung als auch die Ergebnisse von AI-gesteuerten Prozessen besser verstehen. Fangen Sie klein an, testen Sie und lernen Sie daraus. Fürchten Sie sich nicht vor Fehlschlägen und stellen Sie sicher, dass das Unternehmen den Lernprozess auch als solchen begreift.“" - Dave Elliott

Den ethischen Grundsätzen treu bleiben und verantwortungsvoll handeln

„AI ist eine Reise und am Anfang ist es wichtig, kleine Schritte zu machen. So können Sie das Potenzial von AI nutzen und dabei kontinuierlich dazulernen und flexibel reagieren. Gehen Sie AI strategisch an, beherzigen Sie ethische Grundsätze und handeln Sie verantwortungsbewusst. Dann können Sie sich ganz neue Möglichkeiten erschließen und bleiben in einer sich rasant wandelnden Wettbewerbslandschaft konkurrenzfähig." - Mitul Vadgama

Die menschliche Note nicht vergessen

„Es gibt zahlreiche Konzepte von AI-Fachleuten für innovative Dienstleistungen in der Patientenversorgung. Ich bin jedoch der Meinung, dass der persönliche Kontakt in der Pflege nicht verloren gehen darf, während man versucht, das noch unbekannte Terrain zu erschließen und zu verbessern." - Deepa Tambe

Der Zeitpunkt für Experimente ist jetzt

„Mein Rat: Wenn Sie bisher nichts getan haben, sollten Sie umgehend loslegen. Wenn Sie jetzt den Anschluss verpassen, werden Sie von der Konkurrenz abgehängt. AI ist nicht das Maß aller Dinge, aber sie ist ein großartiges Tool und ein guter Ausgangspunkt, um etwas auszuprobieren. Beginnen Sie damit, AI Fragen zu stellen, die sich auf Ihr Unternehmen beziehen, und finden Sie heraus, was sie bereits weiß. Füttern Sie sie mit Code, wenn ein Fehler auftritt, und beobachten Sie, was dabei herauskommt. Auf diese Weise können Sie sich mit dem Thema vertraut machen – und Ihre Teams dazu ermutigen, dies ebenfalls zu tun." - John Delligatti

Expertenrat sichern

„Erstens: Sie müssen mit der Technologie experimentieren, um herauszufinden, auf welchem Stand sie sich befindet. Zweitens: Sprechen Sie mit fachkundigen Partnern, die Sie mit Know-how, Erfahrung und möglichen Business Cases unterstützen können. Drittens: Sehen Sie sich im Rahmen von Workshops nach Anwendungsfällen im Unternehmen um." - Mario De Felipe Pérez

Die Menschen einbinden

„AI kann wirklich dazu beitragen, über den Tellerrand zu schauen. Sie müssen jedoch die Ergebnisse, die Sie erhalten, sorgfältig prüfen, denn sie sind nicht immer korrekt. Aus diesem Grund sollten Sie AI als Ergänzung zu der von Menschen geleisteten Arbeit betrachten – und nicht als Ersatz dafür." - Michal Lecian

Fehlerfreie, saubere und kontrollierte Daten machen den Unterschied

„Beim Thema AI-Technologie dürfen wir nie vergessen, dass sie immer auf Daten basiert. Datenqualität ist das A und O. Ohne richtige Governance wird auch nichts richtig funktionieren. Sie müssen also vor allem auf Datenkompetenz achten. Bei Radiall haben wir uns intensiv mit Datenintegration, Dashboard-Automatisierung und Datenqualitätsprozessen auseinandergesetzt, ehe wir den Einsatz von AI überhaupt in Betracht gezogen haben. Davon abgesehen bin ich fest davon überzeugt, dass AI, und insbesondere generative AI, die Interaktion von Nutzern mit ihren Daten zum Besseren ändern und damit auch langfristig die Datenkompetenz unterstützen und verbessern wird.“Henri Rufin