Wirkung künstlicher Intelligenz auf betriebliche Entsche ... / 2 Aktuelle Entwicklungsmöglichkeiten

Die Idee der künstlichen Intelligenz fasziniert die Informatik seit den 1950er Jahren, sie hat sich aber nicht durchgesetzt. Nun stellt sich die Frage, warum es diesmal funktionieren sollte. Warum sind die Ansätze, solche schwierigen analytischen Herausforderungen zu lösen, heute besser in der Lage dazu? Einige Gründe:

• Die enorme Zunahme an verfügbaren Daten ermöglicht den Einbezug unterschiedlichster relevanter Quellen. Die technische Datenbeschaffung ist häufig kein großes Thema mehr. Eine große Menge an Sensordaten lassen neue Einblicke in bislang kaum betrachtete Zusammenhänge zu. Beispielsweise ist der Einbezug von Wetterdaten für einen Absatz-Forecast keine besondere Herausforderung mehr. Auch interne Prozessdaten sind einfach nutzbar. Aus der Sicht des Controllers können beispielsweise Sensordaten aus einem Eye Tracking und anderen Benutzer-Loggings hilfreiche Informationen über das Benutzerverhalten erhalten und für die Berichtsgestaltung nutzen. Auf welche Daten schauen Benutzer besonders? Auch das Zusammenführen von Daten aus heterogenen Quellen ist einfacher geworden, obwohl es hierzu immer noch Experten, unter anderem dem Data Engineer, bedarf.
• Algorithmen sind natürlich leistungsfähiger geworden. Der notwendige Wissensakquiseprozess kann teilweise an die Maschine delegiert werden. Das Erkennen komplexer Zusammenhänge und Lösungsstrategien kann über lernende Algorithmen wie Deep Learning unterstützt werden. Die Auswahl erklärender Attribute (sogenanntes Feature Engineering) kann beispielsweise damit an die Maschine delegiert werden. So stellt man beispielsweise weitgehend hypothesenfrei Daten aus CRM zur Verfügung. Der Algorithmus wählt dann automatisch entscheidungsbeeinflussende Daten aus. Wenn der Fachexperte in die Lage versetzt wird, KI-Systeme zu konfigurieren, fällt eine wichtige Transformationsbarriere weg.
• Ein deutlich verbesserter Benutzerkomfort und auch die automatische Konfiguration von Algorithmen ermöglichen es auch Nicht-Spezialisten, komplexe Werkzeuge zu bedienen und konfigurieren. Insbesondere wenn es um das "Verstehen" von Sprachen und Texten und ganz allgemein das Erkennen von Mustern geht, sind enorme Fortschritte gemacht worden. Wenn Algorithmen sogar Stimmungen erkennen können, ermöglicht dies eine sehr individuelle Benutzerkommunikation.
• Künstliche Intelligenz braucht aber auch ganz andere Verarbeitungsmöglichkeiten. Eine leistungsfähigere Informationsverarbeitung wird über die Cloud ermöglicht, die in der Regel eine deutlich höhere Skalierung als On-Premise-Konfigurationen erreichen.

Hinzu kommt, dass künstliche Intelligenz bereits vielfach im Einsatz ist und damit Berührungsängste schwinden. Die Kommunikation über Siri und Co. ist mittlerweile selbstverständlich geworden, auch wenn Missverständnisse gelegentlich zum Schmunzeln verleiten. Gerade bei der Kommunikation zwischen Mensch und Maschine hat sich viel getan: man sieht natürliche Sprachverarbeitung (Natural Language Processing, NLP) in vielen Bereichen bereits als Selbstverständlichkeit an.