„Demokratisierung von KI ist, wenn viele Menschen profitieren“
KI kann in vielen Branchen einen Unterschied machen – nicht zuletzt im IT-Sektor. (Bild: Shutterstock/DC Studio)
Rachel, du bist General Managerin und VP Sales Central Europe für das KI-Unternehmen Dataiku. Wie siehst du die aktuellen rasanten Entwicklungen in diesem Bereich und was bedeuten sie für Unternehmen?
Generative KI hievt nach Deep Learning, Natural Language Processing, kurz NLP, Computer Vision und Robotics die KI-Innovation auf das nächste Level, aber alle tun sich schwer damit, das theoretisch Mögliche kurzfristig auszuschöpfen. KI betrifft, ähnlich wie die digitale Transformation, so gut wie alle Branchen, Abteilungen und Arbeitsprozesse. Deswegen sprechen wir auch von „Everyday AI“ oder von der Demokratisierung von KI. Unternehmen profitieren am meisten genau dann von künstlicher Intelligenz, wenn möglichst viele Fachexperten ohne IT-Expertise im Unternehmen effizienter arbeiten und vor allem bessere Ergebnisse erzielen können, beispielsweise aufgrund präziserer Vorhersagen.
Welche Erfahrungen habt ihr mit KI-Anwendungen in letzter Zeit gesammelt?
KI hat laut McKinsey, über alle Branchen hinweg betrachtet, das Potenzial, Mehrwert in Höhe von 15,4 Billionen US-Dollar zu generieren. Sei es beispielsweise im Handel, in der Versicherungsbranche oder in der Mobilität. Wir implementieren mit Unternehmen Lösungen für den Kundenservice, im Risikomanagement, in der Logistik oder für alle möglichen analytischen Aufgaben. Man kann sich kaum vorstellen, wie viel Zeit Mitarbeitende in Unternehmen durch KI teilweise sparen und für wie viele unterschiedliche Prozesse KI eingesetzt werden kann.
Unternehmen haben laut aktuellen Studien erkannt, dass KI ihnen helfen kann, Prozesse effizienter und kostengünstiger umzusetzen. Allerdings scheuen sich viele Entscheider noch vor der Implementierung von KI. Welche Empfehlungen hast du für das Aufsetzen einer KI-Strategie?
Alles beginnt mit der Zielsetzung: Wo maximiert man mit minimalem Aufwand den Mehrwert? Welche Vision schwebt einem perspektivisch vor? Um solch eine abgestimmte kurz-, mittel- und langfristige Strategie zu entwickeln, benötigen Unternehmen den richtigen Partner an ihrer Seite. Ansonsten bleibt vieles Stückwerk. Dabei geht es übrigens nicht nur um funktionale, sondern auch um ethische Fragen. Wer nicht aufpasst, baut beispielsweise in der HR einen Algorithmus, der bestimmte Gruppen in der Bewerbungsphase bevorzugt. Wir sollten nicht vergessen: Künstliche Intelligenz ist nicht nur ein technologisches Phänomen, sondern vor allem auch eine Technologie, die die Arbeit von fast allen Mitarbeitenden massiv verändern wird.
Wie sieht unsere Arbeit mit KI zukünftig aus? (Bild: Shutterstock/Gorodenkoff)
Aktuell können über 500.000 Stellen deutschlandweit nicht besetzt werden, Tendenz steigend. Wie sehen hierzulande die Herausforderung des Fachkräftemangels aus?
In Deutschland ist das ein Dauerthema, besonders im IT-Sektor.
Inwieweit spielt das Thema interne Weiterbildung eine Rolle?
Um das vorab klarzustellen: KI betrifft nicht nur den Fachkräftemangel im IT-Sektor. Abteilungsübergreifend können gerade auch Fachexperten ohne IT-Expertise profitieren. Das ist übrigens auch ein zentrales Ergebnis einer kürzlich getätigten Umfrage unsererseits unter 700 Entscheidern. Datenexperten und Fachkräfte sollten in Unternehmen zusammenarbeiten, damit KI jedem Einzelnen die Arbeit erleichtern kann. Künstliche Intelligenz kann in sehr vielen Bereichen den aktuellen Fachkräftemangel abfedern. Schulungen spielen dabei eine wesentliche Rolle, und zwar nicht nur vor und zum Roll-out, sondern gerade auch als kontinuierliche Unterstützung, wenn die Mitarbeitenden Fragen haben.
Werfen wir einen Blick auf Dataikus Software-Lösung. In welchen Industrien kommt sie zum Einsatz?
Dataiku ist eine KI-Plattform, die sowohl als cloudbasierte Lösung als auch on premise eingesetzt werden kann, je nach Spezifikationen des Kunden. Die Plattform ist industrieagnostisch und kommt für zahlreiche Anwendungsfälle zum Einsatz. In der Finanzbranche setzen beispielsweise Banken und Versicherungen auf Dataiku, etwa um Betrug zu verhindern. Im Gesundheitswesen analysieren Organisationen mithilfe von Dataiku Patientendaten und führen klinische Studien durch. Einzelhändler und E‑Commerce-Unternehmen verwenden Dataiku, um Kundenverhalten und ‑präferenzen zu analysieren und Lagerbestände zu optimieren. Selbst den CO₂-Fußabdruck eines Unternehmens kann eine Organisation mit Dataiku effektiv verbessern. Das sind nur sehr wenige exemplarische Anwendungsfälle und das Ende der Fahnenstange ist noch nicht erreicht.
Oft sind mangelnde oder qualitativ nicht ausreichende Daten ein Hindernis für Unternehmen. Rentiert sich der Einsatz von KI auch für Unternehmen mit kleineren Datensätzen?
Eigene große Datenmengen sind zwar oft der Goldstandard. Aber es gibt auch Wege, um KI auf anderem Wege sinnvoll zu nutzen. Einerseits können öffentliche Datenquellen hinzugezogen werden, andererseits bietet sich das sogenannte Transferlernen an – dann kommt ein Modell zum Einsatz, das zuvor auf einem größeren Datensatz trainiert wurde –, drittens können synthetische Daten verwendet werden, beispielsweise in Simulationen; viertens ist Unsupervised Learning ein Mittel, um in kleinen Datensätzen Zusammenhänge zu erkennen.
