ANWENDUNG21. April 2021

Fünf Erfolgsregeln für den Einsatz von KI und ML

Das Interesse am Einsatz von Künstlicher Intelligenz wächst. Doch scheuen manche Unternehmen den Einstieg in diese Technologie, andere scheitern bei den ersten Versuchen. InterSystems hat aus Praxisfällen seiner Kunden fünf entscheidende Punkte herausdestilliert, die den Erfolg von KI-Projekten wahrscheinlicher machen.

Für KI- und ML-Anwendungen gibt es breiten Bedarf. Doch wie kann man diese erfolgreich einführen? <Q>InterSystems
Für KI- und ML-Anwendungen gibt es breiten Bedarf. Doch wie kann man diese erfolgreich einführen? InterSystems

 

Künstliche Intelligenz gilt in der deutschen Wirtschaft als entscheidende Zukunftstechnologie. Aktuell setzen 8 Prozent der Unternehmen KI-Anwendungen ein (Vorjahr: 6 Prozent), jedes vierte Unternehmen (24 Prozent) plant KI-Investitionen. Das ist das Ergebnis einer repräsentativen Befragung von mehr als 600 Unternehmen aller Branchen im Auftrag des Digitalverbands Bitkom. Als Hemmschuh erweisen sich unter anderem knappe personelle Ressourcen, fehlende notwendige Daten und ein Mangel an Use Cases.

Auch bei InterSystems, Anbieter von Datentechnologie für hochsensible Daten wie beispielsweise in der Finanzbranche, fragen Kunden nach Künstlicher Intelligenz (KI) und Machine Learning (ML). Unternehmen aller Branchen nutzen diese Technologien verstärkt, um die Entscheidungsfindung zu optimieren und erfolgskritische Geschäftsprozesse zu automatisieren. Gelungene Praxisbeispiele präsentierten sich auf dem virtuellen InterSystems AI+ML Summit 2021. Dabei kristallisierten sich Gemeinsamkeiten heraus, die Intersystems nun zu fünf Ratschlägen für den erfolgreichen KI-Einsatz zusammengefasst hat.

1. Realistische Anwendungsfälle definieren

Ein KI-Projekt umfasst mehrere herausfordernde Schritte, zu nennen sind hier vor allem das Testen und Trainieren des Modells sowie das Überwachen und gegebenenfalls Anpassen von Parametern und Algorithmen. Um diese mit den vorhandenen Ressourcen fachgerecht umsetzen zu können und daraus realen Mehrwert generieren zu können, gilt es, fachliche Anforderungen passgenau mit den technologischen Möglichkeiten abzugleichen.

2. Datenqualität optimieren und eine leistungsfähige Datenplattform evaluieren

Der erfolgskritische Parameter für KI-Initiativen ist der Einsatz von relevanten Daten in hoher Qualität. Dabei kommt es nicht darauf an, ob diese aus internen oder externen Quellen stammen, sondern ob das Datenmanagement für die gestellte Aufgabe gerüstet ist. InterSystems empfiehlt dafür das Konzept der Data Fabric („Datengewebe“), das Daten verschiedener Quellen und Formate akkumulieren kann und so ein horizontales und vertikales Skalieren bei hoher Performance ermöglicht, indem die Datenflut mittels unterschiedlicher, miteinander verwobener Technologien automatisiert verarbeitet wird.

Die Umfrage des Bitkom verdeutlicht das große Interesse an KI in Unternehmen aller Branchen. <Q>Bitkom
Die Umfrage des Bitkom verdeutlicht das große Interesse an KI in Unternehmen aller Branchen. Bitkom

3. Einfachen Einstieg in die Welt der KI finden

Zum Einstieg in die KI sollten Projekte gewählt werden, die sich leicht realisieren lassen und schnell Ergebnisse liefern. Hierzu bieten sich Anwendungen an, die auf Mustererkennung und Prozessautomatisierung basieren, beispielsweise Robotic Process Automation (RPA). Weitere klassische Einstiegsszenarien sind Chatbots sowie Lösungen für die vorausschauende Wartung („Predictive Maintenance“).

4. Unterschiedliche Deployment-Modelle prüfen

Die Server, auf denen KI- und ML-Anwendungen laufen, müssen nicht zwangsläufig im Unternehmen angesiedelt sein. Neben der On-Premise-Variante sind Public-, Private- und Hybrid-Cloud-Modelle denkbar, die unterschiedliche Vor- und Nachteile bieten. So ist die Public Cloud flexibler beim Zugriff von außen als ein Non-Cloud-Ansatz, zugleich gilt sie aber auch als sicherer im Vergleich zur Public Cloud, die aber unkomplizierter skalierbar ist und damit Lastspitzen besser abfangen kann.

5. Eine KI-Kultur entwickeln und gezielt KI-Knowhow aufbauen

Unternehmen sollten sich bewusst sein, dass KI- und ML-Anwendungen von entscheidender Bedeutung für die Zukunft sind und damit solche Technologien längerfristig genutzt werden müssen. Dementsprechend ist es wichtig, entsprechende Skills innerhalb des Unternehmens aufzubauen und insgesamt eine KI-Kultur zu etablieren. Die Voraussetzungen dafür seien gut, solange die Mitarbeiter vom Wert ihrer Daten überzeugt sind.

<Q>Linkedin
Linkedin

„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. 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.“

Jochen Boldt, Sales Director bei InterSystems hj

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/119776 
 
1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (1 Stimmen, Durchschnitt: 5,00 von maximal 5)
Loading...

 

(Visited 256 times, 1 visits today)

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.