KI: Von den Erkenntnissen lernen

Publish date:

BI und KI nutzen identische statistische Techniken. Warum dann nicht einfach BI nutzen statt dem „Hypethema“ KI? Was Unternehmen beachten müssen

Reinoud Kaasschieter ECM Expert, Capgemini

In meiner letzten Präsentation zur Künstlichen Intelligenz (KI) fragte mich ein Zuschauer aus dem Publikum über die Unterschiede zwischen Business Intelligence (BI) und KI. Wenn BI und KI dieselben statistischen Techniken benutzen, wieso nutzen wir dann nicht BI, während KI nur einen Hype darstellt? Und ja, er hat recht. BI und KI besitzen dieselbe Basis: Statistiken. KI stützt sich mehr auf Korrelationen als BI. Das ist jedoch nicht der springende Punkt. Wenn wir BI nutzen, dann nutzen wir es um Vorhersagemodelle zu erstellen, und die Ergebnisse sind probabilistisch. Ergebnisse können zum Beispiel sein: „Mit 80 prozentiger Sicherheit werden 90 Prozent der Kunden das ACME Produkt mögen.“ Wenn nur 70 Prozent meiner Kunden das Produkt mögen, dann passt es immer noch zum vorhergesagten Ergebnis.

Blog per E-Mail abonnieren
RSS-Feed abonnieren

Der entscheidende Unterschied zwischen Künstlicher Intelligenz und Business Intelligence

KI nutzt im Großen und Ganzen die gleiche Argumentation für die entstehenden Ergebnisse. Sie benutzt dieselben Erkenntnisse, die sich auch aus den BI-Methoden ableiten lassen. Jedoch lässt sich sagen, dass KI mehr als nur diese Methoden nutzt. Dies ist auch der entscheidende Unterschied zwischen KI und BI. Cirrus Shakeri, CEO von Inventurist, benutzt drei Dimensionen, um die Möglichkeiten eines KI-Systems zu definieren: Autonomie, Lernen und Denken. Meinem Empfinden nach ist das Modell sinnvoll, denn es zeigt auf, in welche Richtung sich KI entwickelt. Wenn das System eine hohe Punktzahl in allen drei Dimensionen erlangt, dann können wir von einem sehr intelligenten System sprechen.

BI ist transparenter als KI

Business Intelligenz kann einen gewissen Einfluss auf die Argumentationsdimension haben. Durch den Einsatz fortschrittlicher Techniken können wir ein Argumentationsmodell mit BI etablieren, zum Beispiel: „Wenn die Sonne scheint, verkaufen wir mehr Eiscreme.“ Dies ist natürlich ein sehr grundlegendes Vorhersagemodell, aber es kann Einzelhändlern helfen, mehr Eiscreme auf Lager zu haben, wenn die Wettervorhersage viel Sonnenschein voraussagt. Ich werde nicht auf die Statistiken hinter diesen Modellen eingehen, aber die Ausgangslage ist: Wenn das Modell funktioniert, dann ist es in Ordnung. Und das Gleiche gilt für KI-Modelle. Die Blackbox-Natur der meisten KI-Systeme gibt uns keinen Einblick, wie sie tatsächlich funktionieren. BI-Modelle sind viel transparenter als KI-basierte Modelle.

Warum autonome KI zunehmen wird – auch die tödliche

Auszeichnen sollte die KI sich in den Dimensionen Lernen und Autonomie. Aus meiner Sicht ist das Lernen derzeit die wichtigste Dimension, auf die man sich konzentrieren sollte. Mit BI liefern die statistischen Modelle immer den gleichen Output, wenn sie den gleichen Input verwenden. Bei Lernmodellen wird sich diese Leistung durch den Lernprozess entwickeln. Wir alle hoffen, dass der Lernprozess die Genauigkeit der Vorhersagen verbessert. Aber da wir dies nicht garantieren können, sollten wir das Unerwartete erwarten, wenn wir die KI in voller Tiefe einsetzen wollen.

Ron Tolido, CTO von Capgemini, prognostiziert, dass wir 2019 einen Aufschwung der autonomen KI erleben. Ungeachtet der aktuellen Diskussion um die Ethik der KI glaube ich, dass die autonome KI wegen der immanenten wirtschaftlichen Vorteile autonomer Systeme an Fahrt gewinnen wird. Wir sehen derzeit das autonome Verhalten der KI bei Robotern, selbstfahrenden Autos und sogenannten tödlichen autonomen Waffen.

Lernende KI ist noch eine Sphinx

Aber lernende KI hat eine andere Art von Autonomie. Wir können nicht wirklich kontrollieren, wie die KI lernt und wie sie Erkenntnisse aus den von uns gelieferten Daten gewinnt. Viele KI-Anwendungen, auch der Microsoft Bot Tay und Amazons Rekrutierungssystem scheiterten, weil sie Dinge lernten, die wir nicht für akzeptabel halten. Damit bleibt uns noch die letzte Frage. Sollte man BI oder KI verwenden, um prädiktive Modelle zu erstellen? Lassen Sie mich mit dem Statement starten, dass altmodische, statistische Modelle, wie sie im BI verwendet werden, gute Ergebnisse liefern können. Wenn diese Ergebnisse gut genug für Ihren Business Case sind, gibt es keinen offensichtlichen Grund, einen langen und kurvenreichen KI-Lernprozess zu starten.

KI muss zum Unternehmen passen

Für die KI ist der Business Case von größter Bedeutung. Die KI sollte wirklich zu dem Fall passen. Versuchen Sie nicht, die KI in Ihren Prozess hineinzudrücken, nur weil sie zurzeit in Mode ist. Wenn Sie den Business Case nicht haben, halten Sie sich an die bewährten Algorithmen und Statistiken, auch ohne KI. Darüber hinaus sollte Ihr Unternehmen in der Lage sein, mit KI arbeiten zu können. Um es gewagt auszudrücken, die Lerneigenschaften der KI sollten zur Kultur Ihres Unternehmens passen. Ich bin fest davon überzeugt, dass eine lernende Organisation mehr Nutzen aus der KI ziehen kann. Die Grundidee ist, dass ein stetig lernendes Unternehmen sich konsequent umgestalten kann, um einen Wettbewerbsvorteil zu erlangen. Lernende Organisationen können der Notwendigkeit eines kontinuierlichen Lernens der KI gerecht werden, indem sie die KI mit neuen Daten versorgen, Feedback zu den Ergebnissen geben, die KI an neue Situationen anpassen und trainieren und vor allem aktiv auf die Ergebnisse der KI innerhalb Ihrer Geschäftsprozesse reagieren. Nur wenn Sie das Lernen und die Autonomie von KI-Systemen voll ausschöpfen können, werden Sie von den Vorteilen der künstlichen Intelligenz profitieren. Wenn Sie KI nutzen wollen, sollten Sie nicht nur die Technologie betrachten. Ihr Unternehmen, Ihre Organisation, Ihre Unternehmenskultur und andere Bereiche sollten in Ihre Überlegungen mit einbezogen werden. Unternehmen müssen sich fragen, was, wie und wann die KI eingesetzt wird? Aber bevor Sie diese Fragen beantworten, stellen Sie sich drei weitere Fragen: „Was ist KI, kann ich KI verwenden und kann ich mit der KI umgehen?“

Mehr zum Thema KI auf unserer Website unter Artificial Intelligence:
https://www.capgemini.com/de-de/service/kuenstliche-intelligenz-ki-ai/

Weitere Posts

IT-Architektur

Vier Praxisbeispiele für agiles Enterprise Architecture Management

Tim Lüecke
Date icon November 29, 2019

Agilität und Enterprise Architecture Management (EAM) sind nur auf den ersten Blick ein...

Automotive (de-de)

VR bringt Autokäufer wieder zum Händler

Date icon März 15, 2019

Traumauto im Internet designen und im Autohaus Probesitzen- wie Virtual und Augmented Reality...

IT-Architektur

Update Buchhaltung: Hybride Software-Architekturen für Doppik

Jakob Boos
Date icon März 8, 2019

Mit EPSAS führt auch für Bund und Länder an der doppelten Buchführung (Doppik) kein Weg...

cookies.

Mit dem Fortsetzen des Besuchs dieser Website akzeptieren Sie die Verwendung von Cookies.

Für mehr Informationen und zur Änderungen der Cookie-Einstellungen auf Ihrem Computer, lesen Sie bitte Privacy Policy.

Schließen

Cookie Information schließen