Alle 14 Tage aktuelle News aus der IT-Szene   >   
BestRecruiters 2023: BEKO holt Gold 01. 12. 2023
Der österreichische Technologiedienstleister sichert sich den Sieg in der Kategorie „Arbeitskräfteüberlassung“.
Trusted Access Client: Rundum-Schutz fürs Netzwerk 30. 11. 2023
Mit der Cloud-managed Remote Network Access-Lösung sorgt LANCOM für Sicherheit beim hybriden Arbeiten.
BOLL schließt Distributionsverträge mit Tenable und ALE 30. 11. 2023
Der DACH-IT-Security-VAD BOLL Engineering ist ab sofort Distributor für die Lösungen von Tenable in Österreich und in der Schweiz sowie ab 2024 für Alcatel-Lucent Enterprise in Österreich.
SVS setzt auf SuccessFactors 29. 11. 2023
Die HR-Lösung aus dem Hause SAP sorgt bei der SVS für Datentransparenz und eine aktive Einbindung der Belegschaft in die Geschäftsprozesse.
Trend Micro zeigt KI-gestützten Cybersecurity-Assistenten 28. 11. 2023
Der Companion unterstützt Analysten, um die Erkennung von und Reaktion auf Bedrohungen zu beschleunigen.
Nagarro bringt neue KI-Plattformen auf den Markt 23. 11. 2023
Genome AI, Ginger AI und Forecastra AI ermöglichen einen schnellen Einstieg in die KI-Welt.
Linzer IT-Spezialisten fusionieren 23. 11. 2023
Der neu entstehende Spezialist für Microsoft-Lösungen verfügt über ein Team von rund 150 Spezialist:innen.
Eviden Austria ist „Top-Lehrbetrieb“ 22. 11. 2023
Die Auszeichnung der Sozialpartner wurde kürzlich im Wiener Rathaus an vorbildliche Lehrbetriebe mit Standort Wien vergeben.
Arbeitsmarkt: Nachfragerückgang hält an 14. 11. 2023
Der Abwärtstrend im Expertensegment des Arbeitsmarkts hält auch im Herbst an.
IT-Fachkräftemangel hemmt das Wirtschaftswachstum 08. 11. 2023
Der aktuelle Österreichische Infrastrukturreport zeigt die prekäre Lage bei der Verfügbarkeit von IT-Fachkräften auf.
KI hilft bei der Firmengründung 07. 11. 2023
Ein österreichisches Start-up präsentierte kürzlich eine Lösung, die Businesspläne mithilfe künstlicher Intelligenz erstellt.
KI-gesteuerte IT-Automatisierungslösung 06. 11. 2023
Red Hat stellt einen auf IBMs watsonx-KI basierenden Service vor, der Unternehmenswissen KI-gestützt in IT-Prozesse überführt.
Neues Tool zeigt Digitalisierungspotenzial 03. 11. 2023
Mit dem „Digi Index“ der WKÖ können Unternehmen im Selbst-Check ihren Digitalisierungsgrad bestimmen und Transformationspotenziale aufzeigen.
SIVAS.ERP für Industrie-Tablets 31. 10. 2023
Im mobilen Einsatz auf Tablet-Computern erhöht die ERP-Lösung die Produktivität im Wareneingang.
„KI für alle“ von der Hosentasche bis in die Cloud 27. 10. 2023
Lenovo zeigte im Rahmen seiner Kunden- und Partnerkonferenz die nächste Generation von KI-Systemen.
AWS startet European Sovereign Cloud 25. 10. 2023
Die europäische Cloud richtet sich vor allem an Kunden aus stark regulierten Industrien und dem öffentlichen Sektor mit hohen Ansprüchen an Auswahl und Flexibilitätbei der Wahl des Orts ihrer Datenverarbeitung.
KI: Revolution für die Softwareentwicklung 24. 10. 2023
Der Linzer IT-Dienstleister s2G.at widmete seinen Tech Information Talk ganz dem Trendthema künstliche Intelligenz.
Tietoevry für „Energieeffizienten Supermarkt der Zukunft“ ausgezeichnet 24. 10. 2023
Der IT-Dienstleister sicherte sich den diesjährigen eAward in der Kategorie „Nachhaltigkeit und smarte Daten“ für ein Projekt mit REWE International.
weiter
Arvato Systems

Advanced Analytics und Künstliche Intelligenz

Gastbeitrag: Wie Unternehmen von Daten profitieren können, erklärt Niels Pothmann

Foto: pixabay KI hilft, die richtigen Entscheidungen aus den Daten abzuleiten Daten gelten schon seit längerem als das neue Gold. Doch Unmengen an Informationen lediglich zu erheben und zu speichern, genügt noch lange nicht. Um von ihrem Datenbestand gewinnbringend zu profitieren, müssen Unternehmen ihre Bestandsinformationen konsolidieren und auswerten, um aus den gewonnenen Erkenntnissen die richtigen Entscheidungen ableiten und systematisieren zu können. In diesem Kontext spricht man von Advanced Analytics und künstlicher Intelligenz.

Business Intelligence (BI) gilt als Grundlage beziehungsweise Vorläufer von Advanced Analytics. Bei BI handelt es sich um eine Methode, mit der sich Prozesse systematisch analysieren lassen. Mithilfe von BI-Lösungen können Anwender Daten aus unterschiedlichen Quellen sammeln, an zentraler Stelle konsolidieren, zuverlässig auswerten und anschaulich visualisieren. Damit schaffen sie eine solide Grundlage, auf der sie strategische und operative Entscheidungen besser treffen können. Viele Unternehmen nutzen Self-Service-BI, um eigene Reports zu erstellen und individuelle Analysen durchzuführen. Der Vorteil: Hierfür braucht es keine tiefergehenden technologischen Kenntnisse. Der wesentliche Unterschied zu Advanced Analytics besteht darin, dass BI-Tools ausschließlich Auswertungen bereitstellen, die sich auf die aktuelle Ist-Situation oder die Vergangenheit beziehen. Mit Advanced-Analytics-Tools hingegen lassen sich Analysemodelle oder Simulationen aufbauen. Auf Basis der vorliegenden Daten des Ist-Zustands können Unternehmen dann im nächsten Schritt datenbasierte Prognosen aufstellen. Unter Zuhilfenahme von Methoden aus den Bereichen Data Science und Predictive Analytics sind sie letztlich in der Lage, die so wichtige Frage zu beantworten: Wie werden sich bestimmte Unternehmenskennzahlen, wie beispielsweise die Bedarfslage, in nächster Zeit wahrscheinlich entwickeln? Auf dieser Basis lässt sich dann eine optimierte Planung aufstellen.

Prozesse effizienter gestalten

Um datenbasierte Entscheidungen treffen zu können, braucht es zunächst einen entsprechend großen Bestand an relevanten Informationen – den viele Unternehmen entweder (noch) nicht haben oder nicht gewinnbringend nutzen können. Vielerorts stehen nicht alle benötigten Daten in digitalisierter Form zur Verfügung. Darum müssen Unternehmen die erforderlichen Daten digital verfügbar machen und eine zentrale Zugriffsmöglichkeit bereitstellen, etwa anhand einer modernen Dateninfrastruktur und cloud-basierten Services. Durch den Einsatz mächtiger moderner Technologien aus den Bereichen Künstliche Intelligenz (KI) und Machine Learning (ML) ist es dann möglich, komplexe Abhängigkeiten und Muster in einem bereitgestellten Datenbestand zu identifizieren. Solche Technologien sind auf der Basis von Big Data in der Lage, anhand von großen Datenmengen sogar sehr granulare Einblicke in Prozesse zu eröffnen. Sind die Muster erst einmal identifiziert, lassen sich Prozesse in Folgeschritten durch KI-Systeme auch automatisiert oder (teil-)autonom abbilden. Im Medienbereich verwenden Redakteure beispielsweise KI, um ihre Recherchetätigkeit effizienter zu gestalten. Wesentlich hierfür ist Natural Language Processing (NLP). Dabei handelt es sich um eine Technologie, mit der sich natürliche Sprache maschinell verarbeiten lässt. Durch den Rückgriff auf NLP kann ein KI-basiertes System relevante Informationen aus Texten ziehen und inhaltliche Zusammenhänge erkennen. Anhand der gewonnenen Informationen können Journalisten dann tiefergehend recherchieren.

Must have: interdisziplinäre Projektteams

Neben einem konsolidierten Datenbestand gibt es für die erfolgreiche Nutzung von Datenpotenzialen eine weitere unabdingbare Voraussetzung: interdisziplinäre Projektteams mit technisch versierten Experten und fachlich kompetenten Mitarbeitern. Experten aus der jeweiligen Fachabteilung geben die inhaltliche und funktionale Ausrichtung der zu entwickelnden Lösung vor. Auf technischer Seite fungiert ein Data Scientist oder Machine Learning Engineer als Brücke zwischen der technischen Kompetenz und der fachlichen Ausrichtung. Er muss die Aufgabenstellung verstehen und diese in automatisierte Verfahren überführen. Wichtig ist auch ein Data Engineer beziehungsweise Data Architect, der die benötigten Daten konsolidiert und performante Zugriffsmöglichkeiten bereitstellt. 

Machine Learning Engineers werden immer wichtiger

Im abteilungsübergreifenden Zusammenspiel vieler unterschiedlicher Rollen und Kompetenzen nehmen Machine Learning Engineers und Data Scientists eine zentrale Funktion ein. Neben professionellen Experten wird es immer mehr sogenannte Citizen Data Scientists geben, also Nutzer mit einem mathematisch-statistischen Grundverständnis und einem großen Interesse an Analytics. Mithilfe der richtigen Tools sind sie in der Lage, analytische Aufgaben für die operative Prozessbegleitung selbst zu übernehmen. Dass solche Rollenprofile überhaupt entstehen, ist darauf zurückzuführen, dass der Zugang zu Data Science und KI zunehmend einfacher wird. Außerdem sind intelligente Datenverarbeitungsprozesse schon jetzt Bestandteil vieler Branchenlösungen. 

Neue Technologien gewinnbringend nutzen

Technologien wie Künstliche Intelligenz und Machine Learning können also zu Lösungen führen, die Unternehmen als wertvolle Unterstützung dienen. Ein Beispiel sind Predictive-Maintenance-Anwendungen, die immer öfter im Kontext der Wartung industrieller Maschinen und technischer Geräte zum Einsatz kommen. Dank KI überwachen solche Anwendungen hunderte Sensoren in kurzzyklischen Zeitabständen, mitunter im Bereich weniger Millisekunden. Aus der Vielzahl von Informationen kann eine KI ungewöhnliche Verhaltensweisen, sogenannte Anomalien, und Verschleißerscheinungen frühzeitig erkennen. Dafür arbeitet das System mit vortrainierten und selbst-adaptiven Modellen, die trotz einer hohen Komplexität und Datenlast besonders schnelle Entscheidungen treffen können. Darauf aufbauend, lassen sich Wartungsfenster frühzeitig planen, Standzeiten reduzieren und gleichzeitig die Einsatzdauer sowie Austauschzyklen technischer Komponenten optimieren.

Aufbau eigener Kompetenzen ist sehr aufwendig

Vor diesem Hintergrund fragen sich viele Unternehmen: Lohnt es sich, eigene Datenexperten einzustellen? Auf diese Frage gibt es keine pauschale Antwort. Im Umfeld von Data Science und KI entstehen zunehmend unterschiedliche Rollenprofile, die sich auf einzelne Aspekte einer Lösung beziehen. Diese Kompetenzen selbst aufzubauen und stetig zu erweitern, ist mit hohen Anstrengungen verbunden. Ob sich der Aufwand tatsächlich lohnt, ist von der Struktur und Aufstellung des Unternehmens abhängig. Als Alternative zu einem umfangreichen Kompetenzaufbau empfiehlt sich der Rückgriff auf spezialisierte Dienstleister. Ein guter Dienstleister sollte in der Lage sein, auf die individuellen Anforderungen des jeweiligen Unternehmens einzugehen, indem er zunächst die Ist-Situation analysiert. Sollte es bereits erste Ansätze geben, überführt er diese in die praktische Anwendung. Hierzu gehört auch, die Datenquellen zwischen den Fachbereichen zu vernetzen und das fachliche Know-how für Machine Learning und künstliche Intelligenz einzubringen. Für Unternehmen, die von null an beginnen, stellt ein Dienstleister KI-basierte Microservices für die speziellen Anforderungen einzelner Fachbereiche bereit. Ganz gleich, welche Aufgabe der Dienstleister übernimmt – es ist wichtig, dass er sich an der vorhandenen Datenstruktur und den Prozessen des Unternehmens orientiert. Und da sich KI-Lösungen permanent weiterentwickeln, ist es prinzipiell ratsam, auf eine längerfristige Zusammenarbeit zu setzen.

Der Autor Niels Pothmann ist Head of AI von Arvato Systems

it&t business medien OG
Tel.: +43/1/369 80 67-0
office@ittbusiness.at