Fünf Ratschläge für die Praxis: Worauf es beim Einsatz von KI und ML ankommt und warum das Konzept der Data Fabric dabei so wichtig ist.
Foto: InterSystems
Infografik (klicken zum Vergrößern)
Künstliche Intelligenz (KI) und Machine Learning (ML) gehören in Unternehmen aller Branchen zu den Top-Trends, um die Entscheidungsfindung zu optimieren und erfolgskritische Geschäftsprozesse zu automatisieren. Bereits heute integrieren Unternehmen unterschiedliche KI- und ML-Ansätze erfolgreich in der betrieblichen Praxis, das zeigten die Vorträge auf dem InterSystems AI+ML Summit 2021, der heuer virtuell im Netz stattfand. Das Softwareunternehmen hat das Wissen aus dem Online-Event in fünf Ratschläge für den erfolgreichen KI-Einsatz gebündelt.
Für viele Unternehmen ist es eine große Herausforderung, die einzelnen Schritte, die für ein erfolgreiches KI-Projekt notwendig sind, fachgerecht umzusetzen. Hierzu zählen insbesondere das Testen und Trainieren des Modells sowie das Überwachen und gegebenenfalls Anpassen von Parametern und Algorithmen. Für das Gelingen des Projekts ist entscheidend, fachliche Anforderungen passgenau mit den technologischen Möglichkeiten abzugleichen. Nur so lassen sich realistische Anwendungsfälle definieren, die sowohl mit den vorhandenen Ressourcen umsetzbar sind als auch realen Mehrwert liefern.
Ob interne oder externe Datenquelle – unabhängig davon, woher die Informationen stammen, sind relevante Daten von hoher Qualität erfolgskritische Parameter für KI-Initiativen. Dies gelingt nur, wenn das zugrunde liegende Datenmanagement optimal für die Aufgabe gerüstet ist. Besonders empfiehlt sich das Konzept der Data Fabric („Datengewebe“). Hiermit können Daten aus verschiedenen Quellen und Formaten akkumuliert werden, sodass bei hoher Performance horizontal und vertikal skaliert werden kann. In der Datenplattform werden verschiedene Technologien „verwoben“, sodass die Daten der stetig wachsenden Datenflut automatisiert verarbeitet werden können.
Der Einstieg in die KI-Welt muss nicht schwierig sein: Gerade KI-Projekte, die auf Mustererkennung und Prozessautomatisierung setzen, sind schnell realisiert und liefern rasch Ergebnisse. Robotic Process Automation (RPA) kann hier ein guter Einstieg sein. Ein Beispiel: Hochgeschwindigkeitskameras liefern Live-Bilder eines Webstuhls und eine KI analysiert die Qualität des produzierten Stoffs. Sobald ein Fehler erkannt wird, stoppt die KI vollautomatisch den Fertigungsprozess und minimiert so den Ausschuss. Weitere klassische Einstiegsszenarien sind Chatbots sowie Lösungen für die vorausschauende Wartung („Predictive Maintenance“).
KI-Projekte können auf Servern vor Ort („On-Premise“), in der Private oder Public Cloud oder in einem hybriden Modell bereitgestellt werden. An der Private Cloud schätzen viele Unternehmen die größere Flexibilität hinsichtlich des Zugriffs „von außen“ gegenüber dem traditionellen Non-Cloud-Modell und das Gefühl einer höheren Datensicherheit gegenüber einer Public Cloud. Generell begrüßen viele Nutzer den Einsatz cloudbasierter KI-Services, unter anderem aufgrund der Vorteile hinsichtlich der unkomplizierten bedarfsgerechten Bereitstellung von IT-Ressourcen. Zudem kann ein Cloud-Modell mit müheloser Skalierbarkeit nach oben und unten punkten, so dass Lastspitzen flexibel aufgefangen werden können.
Aufgrund der zukunftsentscheidenden Bedeutung der Technologie ist es wichtig, eine KI-Kultur innerhalb eines Unternehmens zu entwickeln. Die Voraussetzungen dafür sind gut, solange die Mitarbeiter vom Wert ihrer Daten überzeugt sind.
„Vielfach wird die KI als Heilsbringer gesehen, der bestehende Prozesse in einem Fingerstreich verändert und revolutioniert. Dabei ist die Grundlage dieser Prozesse in den Daten verortet“, erklärt Jochen Boldt, Sales Director bei InterSystems. „Möglichst viele hochwertige Daten zu sammeln und aussagekräftig auszuwerten, ist der Schlüssel zum Erfolg und damit der Grundstein für eine breite Akzeptanz des Themas innerhalb einer Organisation.“
