Blick in die Glaskugel – dank Daten keine Zukunftsmusik mehr
KI und ML passen in dreierlei Hinsicht in den analytischen Prozess. Erstens, die deskriptive Analytik, die besagt, was passiert ist. Zweitens, prädiktive Analytik, die besagt, was passieren könnte oder warum etwas passiert ist, und schließlich die präskriptive Analytik, die Handlungsempfehlungen gibt.
Das klingt verlockend und fußt aber auf einem ganz entscheidenden Aspekt: der Qualität der Daten. Data Scientists müssen sicherstellen, dass sie über viele qualitativ hochwertige Daten verfügen, die vertrauenswürdig und vor allem systematisch auffindbar sind. Diese werden vorbereitet und verarbeitet, also für die aufgestellten Analysemodelle in das richtige Format gebracht.
Nachdem die Berechnungen, die sogenannten Workflows, abgeschlossen und fehlerfrei, mehrmals getestet und verfeinert wurden und mit KI- und ML-Erweiterungen bzw. Algorithmen versehen sind, kann das Ganze in den Geschäftsprozess implementiert werden. Einer der wichtigsten Aspekte ist dabei natürlich auch die Visualisierung der Ergebnisse. All die Zahlenkolonnen und Matrizen nützen nichts, wenn sie nicht verständlich visualisiert werden und Data Scientists ebenso einleuchten, wie Mitarbeitern ohne tiefer gehendes IT-Fachwissen.
Bei dem Zusammenspiel dieser drei Technologien gibt es einige entscheidende Vorteile. Zuerst einmal wird die Fehleranzahl minimiert, da – wenn einmal korrekt aufgesetzt – der Algorithmus immer das gleiche Muster durchführt. Mitarbeiter, die die gleichen Routineaufgaben durchexerzieren, machen unter Umständen Flüchtigkeitsfehler.
Weiterhin bleiben viele Datenpunkte ungenutzt, wenn nur der Mensch sie bearbeitet. Ein gutes Beispiel sind hier Röntgenbilder. Sie enthalten immer eine ganze Fülle von Informationen zum Zustand des Patienten, wobei der Arzt oder die Ärztin häufig nur punktuell nach dem zu untersuchenden Organ schaut und bestimmte Muster übersieht. Dabei lassen sich leicht auch andere Anomalien entdecken, wenn beispielsweise ein Programm, was vorher mit einer Vielzahl an Bilddaten trainiert wurde, die Bilder analysiert.
Folglich werden wir in Zukunft einen ganz anderen Arbeitsalltag haben, als dass das heute der Fall ist. Viele Aufgaben im Unternehmen sind reaktiv, also eine Antwort auf Anfragen oder Aufträge, die von außen kommen. Durch das Dreiergespann der Zukunftstechnologie verschiebt sich die Reaktion auf Aktion und Strategie, Muster können bereits im Vorfeld erkannt werden und Technologie hilft beim Bewältigen von Krisen oder übernimmt zeitaufwändige Aufgaben, damit Mitarbeiter ihre Ressourcen auf dringendere Lösungen verwenden können.