Das brauchen Unternehmen für die Entwicklung von Künstlicher Intelligenz.

Der Einsatz von Künstlicher Intelligenz (KI) erlaubt es datengetriebenen Unternehmen, aufwendige Prozesse im Handumdrehen zu automatisieren. Um eigene KI-Lösungen zu programmieren, braucht es allerdings mehr als eine gute Idee und das nötige Kleingeld. Die erfolgreiche Umsetzung des Projekts „Eigene KI“ erfordert von Unternehmen primär drei wichtige Eigenschaften.

  • Gibt es auf dem Markt keine passenden KI-Systeme zu kaufen, können Unternehmen selbst welche programmieren.
  • Dafür müssen Unternehmen allerdings ein paar Kriterien erfüllen, weiß Malte Zuch, Lead Data Scientist im Center of Analytics bei EOS.
  • Neben der Datenqualität und einem kompetenten Entwicklerteam kommt es vor allem auf das Mindset an.

„Künstliche Intelligenz birgt ein hohes Potential, ressourcenschonender zu arbeiten – weg von teuren manuellen Prozessen hin zur automatisierten Datenverarbeitung. EOS hat das früh erkannt“, sagt Malte Zuch, leitender Data Scientist bei EOS. Für Software „von der Stange“ sei die Branche zu speziell. Die Folge daraus: Sein Team programmiert im unternehmenseigenen Center of Analytics (CoA) erfolgreich eigenen KI-Lösungen für das Inkasso- und Investorengeschäft. Ausschlaggebend dafür seien drei Faktoren: gut ausgebildetes Personal, eine positive Fehlerkultur im Unternehmen und nicht zuletzt Daten, Daten, Daten.

KI-Entwicklung in Unternehmen: Malte Zuch, Lead Data Scientist im Center of Analytics von EOS

Je besser die Daten, desto besser die KI.

Daten sind das Futter, das die KI nährt. Qualität und Quantität gehen hierbei Hand in Hand: Je mehr Daten und je höher ihre Informationsdichte, desto effektiver kann sie arbeiten und desto schneller entwickelt sie sich weiter. „Der Lernprozess der KI ist vergleichbar mit dem eines Kindes: Ein Kind kann noch so viel lesen – wenn es sich dabei nur um Comics handelt, wird die Lernkurve sehr schnell abflachen“, so Zuch. „Sichtbar wird die Qualität der Daten im Ergebnis der KI. Nehmen wir eine einfache Ja/Nein-Vorhersage bei ausgeglichener Anzahl von ‚Jas‘ und ‚Neins‘. Eine Trefferquote von über 50 Prozent ist schon einmal besser als ein Zufallsgenerator – alles darunter spricht für eine schlechte Datenqualität. Je nach Wunschergebnis kann man versuchen, die Quote durch die Anreicherung der Daten zu verbessern.“

Data Scientists gesucht: Gut ausgebildet ein Muss – Diversität ein Plus.

Neben den Daten braucht es natürlich kluge Köpfe, die sich Systeme überlegen, die diese verarbeiten. Aber wie setzt sich das perfekte Entwicklerteam zusammen? Möglichst divers, wenn es nach Malte Zuch geht: „Im Bereich Data Science geht es häufig um den Blick über den Tellerrand. Je mehr Kulturen und Lebensläufe zusammenkommen, aus desto mehr Blickwinkeln können wir Problemstellungen betrachten. Unser Team setzt sich aus Physikern, Mathematikern, Biogenetikern und natürlich Informatikern zusammen. Sogar einen Vogelbiologen hatten wir mal an Bord, um mehr über das Schwarmverhalten zu erfahren.“ Weitere wichtige Eigenschaften seien eine natürliche Neugier, eine hohe Lernbereitschaft in einer schnelllebigen Branche und natürlich eine gewisse Zahlenaffinität.

Die Suche nach geeignetem Personal ist für Unternehmen jedoch oft nicht einfach: „Künstliche Intelligenz ist noch eine vergleichsweise junge Branche mit derzeit relativ wenigen Fachkräften – der Einstieg gestaltete sich wegen fehlenden Ausbildungsangeboten lange schwierig. Zu meiner Zeit gab es noch keine ernstzunehmende Möglichkeit der Ausbildung.“ Heute sieht das schon anders aus: In den vergangenen Jahren haben viele Universitäten ihr Lehrangebot um Studiengänge mit KI-Bezug erweitert, was auf eine Entspannung auf dem Arbeitsmarkt hoffen lässt.
KI-Entwicklung in Unternehmen: Ein Data Scientist betrachtet ein Datenkonstrukt.

Das Mindset muss stimmen – vor allem in der Geschäftsführung.

Neben den Daten und dem nötigen Personal, um diese zu verarbeiten, benötigen Unternehmen vor allem eines – eine Vision: „Aus meiner Sicht ist der wichtigste Faktor das richtige Mindset, mit dem man an die Sache herangeht – nicht nur bei den Mitarbeitern, sondern vor allem bei der Geschäftsführung.“ KI-Entwicklung ist in gewisser Weise eine Investition ins Ungewisse. Unternehmen brauchen eine positive Fehlerkultur, um mit möglichen Rückschlägen umgehen zu können, meint auch Malte Zuch: „Nicht jede KI-Lösung bringt auf Anhieb den gewünschten Erfolg. Scheitern gehört praktisch zum Tagesgeschäft dazu. Unternehmen müssen vor allem geduldig sein und den Mut aufbringen zu sagen: ‚Beim nächsten Mal machen wir es besser!‘“ Es gibt schließlich etliche Beispiele dafür, dass sich Geduld auszahlt. Und das Center of Analytics von EOS ist eines davon – bei EOS hat der Einsatz von KI bereits nachweislich zum Unternehmenserfolg beigetragen.
Photo credits: Getty Images / Maskot, Getty Images / Bloom Productions, EOS