Business Intelligence wird mit Künstlicher Intelligenz erweitert - zum Nutzen des Menschen. Gerade der Mittelstand muss neue Wege der Entscheidungsfindung zu gehen. [...]
Im Zuge der Digitalisierung ist menschliche Expertise ein kostbares Gut geworden; der Fachkräftemangel spitzt die Situation weiter zu, erst recht in Pandemie-Zeiten. Besonders hart trifft es die KMUs, wenn erfahrene Fachkräfte mit spezialisiertem Know-how den Hut nehmen oder krankheitsbedingt längere Zeit ausfallen.
Wenn es nach den Anbietern kognitiver Systeme geht, dürfte die Wissensdürre bald ein Ende haben. Das notwendige Instrumentarium zum Ergänzen menschlicher Kompetenzen durch maschinelles Wissen und Lernen sollen KI-gestützte Tools liefern. Die aktuell dritte Generation von Werkzeugen für Business Intelligence macht sich zu diesem Zweck erstmals Augmented Intelligence zunutze. Solche Lösungen versetzen ihre Nutzer in die Lage, in die eigenen Entscheidungsprozesse Erkenntnisse miteinzubeziehen, die einschlägigen KI-/ML-Systemen entstammen. Diese Tools können das Fachwissen der menschlichen Belegschaft erfassen und abbilden sowie eigenständig in Echtzeit aus Sensordaten neue handlungsleitende Erkenntnisse schöpfen. Sie können externe und interne Datenquellen aggregieren und analysieren, verständlich aufbereiten und den Entscheidungsträgern mit Handlungsempfehlungen und Prognoseszenarien bereitstellen.
KI hilft Mensch
Gartner definiert Augmented Intelligence als „Designvorlage“ für ein „auf den Menschen ausgerichtetes Partnerschaftsmodell, bei dem Menschen und KI zusammenarbeiten, um die kognitive Leistung zu verbessern“. Das Modell umfasse „Lernen, Entscheidungsfindung und neue Erfahrungen“. Es befreie menschliche Mitarbeiter von monotonen Datenaufgaben und gebe ihnen die Zeit, dem Kunden personalisiertere Dienstleistungen anzubieten.„Augmented Intelligence ist eine der aufregendsten und bedeutendsten technologischen Entwicklungen unserer Zeit“, kommentiert David Benigson, CEO von Signal AI, Anbieter von Datenintelligenz-Lösungen. Aus seiner Sicht verändert sie bereits „die Art und Weise, wie wir Entscheidungen treffen“. Ganz selbstlos ist diese Aussage nicht. Signal AI stellt nämlich mit der gleichnamigen KI-Plattform Augmented Intelligence als Dienst bereit. Die KI-Engine von Signal AI durchforstet Millionen Datenquellen und kann dem Nutzer über die daraus gewonnenen Erkenntnisse berichten, Fragen beantworten und dabei auf besondere Wünsche individuell eingehen (bisher nur auf Englisch). „Welche Patente haben unsere Mitbewerber dieses Jahr registriert?“, „Was gibt es an Neuerungen im Steuerrecht, die uns betreffen?“, „Was brodelt so in der Gerüchteküche unserer Lieferanten auf Social Media?“ – Problemstellungen dieser Art sind eine Spezialität der KI-Engine von Signal AI. Zu den Nutzern der Plattform zählen unter anderem das Fintech Innovation Lab von Accenture und das Consulting-Unternehmen Deloitte.
Augmented Intelligence ersetzt dabei keineswegs die menschliche Intelligenz. Davon geht zumindest Marc Suidan vom Analystenhaus PwC aus. Die Idee sei vielmehr, das Urteilsvermögen menschlicher Experten freizusetzen, damit sie sich nicht „in dem Versuch verlieren, alle in der heutigen Welt vorhandenen Daten selbst zu analysieren“. Ähnlich äußert sich Amaresh Tripathy, Analytics Business Leader bei Genpact, einem globalen Anbieter professioneller Dienstleistungen rund um die digitale Transformation. Für ihn dreht sich bei Augmented Intelligence „alles um die Verschmelzung maschineller Intelligenz mit menschlichem Urteilsvermögen“.
Einige der leistungsstärksten und nützlichsten KI-Systeme sind bereits heute jene, die menschliche Expertise ergänzen statt sie zu ersetzen: Sie können erfahrene Fachkräfte bei monotonen Routineaufgaben wie der Datenerfassung entlasten, Neuzugängen bestimmte Fertigkeiten beibringen und aggregierte Wissensbestände auf Abruf zugänglich machen. Sie stehen den Entscheidern beratend zur Seite, indem sie aus trockenem Zahlenmaterial Handlungsanweisungen ableiten, ohne dass hierzu spezialisierte Datenwissenschaftler am Pult sitzen müssten.
Beispiel 1: Data-Center und Beispiel 2: Finanzberater
Kaum ein anderes Geschäftsfeld verbindet eine derart hohe technische Komplexität mit einer enormen Dynamik des technologischen Unterbaus wie der Betrieb von Rechenzentren. Augmented Intelligence stößt hier deshalb auf breite Zustimmung. Führende DCIM-Systeme (Data Center Infrastructure Management) wie Nlyte Software machen sich neuerdings Augmented-Reality-Technik (AR) im Zusammenspiel mit RF-codierten Infrastrukturbauteilen zunutze, um Fachkräften nötige Informationen zeitnah in interaktiven Visualisierungen bereitzustellen.
Aveva, ein Unternehmen der Schneider-Electric-Gruppe, hat kürzlich ein Unified Operations Center für Rechenzentren eingeführt. Mithilfe dieser Lösung erhalten Entscheidungsträger in Unternehmen zentralisierte Einblicke in ihre Infrastruktur, damit sie unmittelbar fundierte Entscheidungen dazu treffen können. Die Software schafft durchgehende Transparenz über große Rechenzentrumseinrichtungen hinweg. Der Lohn für die Mühe: Aveva erhielt für seine Tools für intelligentes Asset-Management vergangenes Jahr den begehrten „Growth Innovation & Leadership Best Practices Award“ von Frost & Sullivan.
Mit der Lösung Aveva Teamwork können Industrieunternehmen die Entwicklung von Fähigkeiten in ihrer Belegschaft und den Austausch von betrieblichem Know-how fördern. Es entsteht eine kontinuierlich aktualisierte Wissensbasis mit Best Practices und Schulungsinhalten, die automatisch jenen Mitarbeitern zugutekommt, die sie gerade benötigen.
Beispiel 2: Finanzberater
Ein weiteres Beispiel für den Einsatz von Augmented Intelligence liefert Prudential, eine 600.000 Finanzberater starke Versicherungsgruppe. Michael Natusch, Global Head of AI bei Prudential, hat einen Neuzugang in der taiwanischen Niederlassung zu vermelden: einen Robo-Berater. Natusch erklärt dazu, Prudential verfüge bereits über eine Goldgrube an „Informationen und historischen Daten über die Kunden- und Finanzmärkte“ und wolle diese Daten nutzen, „um Kunden sinnvolle und maßgeschneiderte Vorschläge zu unterbreiten“.
Natusch ist es dabei wichtig zu betonen, dass es nicht darum gehe, die menschlichen Berater zu ersetzen. Prudential möchte sie vielmehr unterstützen und ausstatten, um das Beste aus ihren Fähigkeiten herauszuholen. „Wir möchten, dass unsere menschlichen Berater zu den Hauptnutzern unseres Robo-Beraters werden, damit sie sich noch besser auf die tatsächlichen Bedürfnisse ihrer Kunden einstellen können“, formuliert er die Zielsetzung. Aus Sicht von Natusch gibt die KI den Menschen die Zeit zurück, die sie zuvor für monotone Aufgaben aufwenden mussten. Der Robo-Berater soll es ihnen ermöglichen, sich darauf zu konzentrieren, wo menschliche Intelligenz einen Mehrwert schafft. „Aus diesem Grund nennen wir diese KI eben Augmented Intelligence“, so Natusch.
Beispiel 3: Wartung ohne Warten
Eng verzahnte Produktionsprozesse müssen absolut reibungslos ablaufen, denn schon die geringsten Störungen schlagen unmittelbar unliebsam auf die Versorgungskette durch. Systeme von derart hoher Komplexität sind für Menschen längst nicht mehr überschaubar. Dabei bergen viele Wertschöpfungsketten erhebliche Potenziale für eine höhere Produktivität und/oder geringeren Verschnitt. Doch nur die wenigsten Unternehmen loten diese Potenziale voll aus. Mit der „ergänzenden Intelligenz“ kognitiver Systeme können viele Firmen diesem Ziel näherkommen.
Wie das geht, macht zum Beispiel BASF in Texas vor. Im Jahr 2019 wurde dem Management klar, dass deren unternehmenskritischen Öl- und Gasanlagen quasi mit angezogener Handbremse liefen. Ausfälle der Ausrüstung drohten, die Produktivität der gesamten Wertschöpfungskette zu dämpfen. BASF entschied daher, im Werk in Beaumont ein neues Umspannwerk zur Energieverteilung zu bauen. Dem Management war dabei die überragende Bedeutung datengesteuerter Dienste für die Produktivität der Anlage bewusst. Den Zuschlag für die Modernisierung des Standorts bekam der französische Elektrotechnikkonzern Schneider Electric. Im Rahmen der Modernisierung führte Schneider Electric eine Industrial-Internet-of-things-gestützte Lösung ein, die einen Überblick über den Zustand der wichtigsten Stromverteilungsanlagen des Standorts samt der Fähigkeit zur Fernwartung bietet. Mithilfe fortgeschrittener IIoT-Sensorik konnte BASF über 100 Variablen pro Anlage erfassen; die Messwerte fließen kontinuierlich in Schneider Electrics Cloud-Plattform EcoStruxure ein. Diese greift dem Fachpersonal auf Basis von Big-Data-Analytics und Künstlicher Intelligenz mit Informationen über den Zustand der Anlagen unter die Arme. Stichwort: Prescriptive Maintenance – handlungsempfehlende Wartung. Anhand von kumulierten Erfahrungswerten aller Installationen kann EcoStruxure Asset Advisor anfallende Wartungsarbeiten punktgenau vorhersagen. „EcoStruxure Asset Advisor hilft uns, katastrophale Ausfälle zu verhindern“, freut sich Lee Perry, Electrical Design Engineer bei BASF in Texas. Durch den Wegfall ungeplanter Produktionsstopps habe BASF seit der Inbetriebnahme der Lösung rund 1 Million Dollar pro Tag an Kosten eingespart.
Laut Schneider Electric geht bei Wartungsarbeiten meist „der halbe Dampf in die Pfeife“, was so viel heißt wie: Mindestens jede zweite Minute entfällt auf nicht wertschöpfende Aktivitäten, etwa die unproduktive Suche nach Informationen wie Betriebsdaten oder Montageanleitungen. Für Wartungsarbeiten hat Schneider Electric die beiden Lösungen EcoStruxure Augmented Operator Advisor und Machine Advisor entwickelt, die moderne Konnektivität, KI/ML und Augmented Reality nutzen.
EcoStruxure Augmented Operator Advisor setzt unter anderem auf AR-Visualisierungen. Benutzer können etwa Schaltschranktüren auf einem Tablet virtuell öffnen. EcoStruxure Machine Advisor wiederum verleiht Geräten von OEM-Maschinenbauern Fähigkeiten zur weltweiten Standortverfolgung sowie zur Fernüberwachung und Fernwartung ihres bei Kunden installierten Maschinenparks per Augmented Operator Advisor. OEM-Partner von Schneider Electric könnten so neue Einnahmequellen aus ihren Maschinendaten erschließen.
„Menschliche Expertise, kombiniert mit vernetzten Datenquellen und Analytics-Werkzeugen, erlaubt es, Probleme zu lösen noch bevor sie entstanden sind“, bringt Kevin Brown, SVP, EcoStruxure Solutions und CMO bei Schneider Electric, die Vision auf den Punkt. Sofern genügend hochwertige und aktuelle Big-Data-Bestände vorlägen, könne BI-Software wie EcoStruxure zeitnahe Einblicke in die Abläufe und andere Entscheidungshilfen liefern.
Deutsche Unternehmen können mit den nötigen Voraussetzungen bereits aufwarten. Laut Bundeswirtschaftsministerium sind rund 60 Prozent mit ihren Geschäftskunden digital vernetzt, jedes dritte Unternehmen nutzt „Smart Services“, jedes fünfte Big Data.
Hürden
Doch es gibt auch einige Hürden bei der Nutzung von Augmented Intelligence. Professor Thomas Davenport vom Fachbereich Technology, Operations and Information Management des Babson College, Massachusetts, ist ein Vordenker in Sachen maschineller Intelligenz. Er prognostiziert, dass Datenwissenschaftler künftig vorrangig nicht analytische Aufgaben übernehmen, sondern Datenquellen finden und Daten bereinigen müssen. Die Verfügbarkeit qualitativ hochwertiger Ausgangsdaten sei „ein Hauptproblem“ für fast alle Arten von KI.
„Wir haben ein Problem mit der Genauigkeit und Effizienz [der Dateneingabe]“, bestätigt beispielsweise der Kardiologe Eric Topol. Der erste Schritt auf dem Weg zu besseren Ergebnissen besteht seiner Meinung nach darin, „Tastaturen und Computerbildschirme“ aus der Arzt-Patient-Beziehung zu verbannen. „In den kommenden Jahren sollten wir in der Lage sein, das medizinische Personal von der Pflicht zur Dateneingabe zu entlasten“, glaubt er. Die Datenerfassung ist aus seiner Sicht eine Aufgabe für Maschinen.
Doch ist die Expertise hochspezialisierter Datenwissenschaftler insbesondere für den Mittelstand nur schwer zu finden und noch schwerer zu halten. Schlüsselfertige Augmented-Intelligence-Lösungen externer Anbieter müssen daher die Inhouse-Expertise ersetzen.
Einen Transfer visionärer KI-Vorsätze ins tägliche Geschäft sollten die meisten Firmen erst gar nicht versuchen, rät Professor Davenport. Wer nicht gerade zur globalen ersten Liga zähle, solle besser „auf dem Teppich bleiben“, so der Experte. Nur sehr große und technisch außergewöhnlich versierte Unternehmen seien zur Umsetzung ambitionierter „Moonshot“-Projekte im Bereich KI in der Lage, und selbst dann hätten sich Vorreiter wie Amazon auf dem Weg zum Erfolg arg abmühen müssen.
Im Fall von Augmented Intelligence seien nicht jene Projekte von Erfolg gekrönt, die sich große Ziele gesteckt hätten, argumentiert Davenport, sondern vielmehr diejenigen, die es auf die sprichwörtlichen „low-hanging fruits“ abgesehen hätten. Selbst Amazon befolge diesen Ansatz, so Thomas Davenport in seinem Vortrag „Stellt KI die beste Form der Augmented Intelligence dar?“ im Mai 2020 unter Berufung auf Amazon-Chef Jeff Bezos. Auf einer Aktionärsversammlung soll Bezos enthüllt haben, maschinelles Lernen verbessere die Prozesse bei Amazon „fast schon klammheimlich“. Stark auffallende, „bombastische“ Einsätze Künstlicher Intelligenz seien bei Amazon eher die Ausnahme.
Als ein Beispiel für die möglichen Konsequenzen eines misslungenen „KI-Moonshots“ nennt Davenport das MD Anderson Cancer Center des Uni-Klinikums der University of Texas. In einem stolzen KI-Projekt sollte Watson Cognitive System, die weltberühmte KI-Engine von IBM, Krebserkrankungen diagnostizieren und Behandlungspläne entwickeln. Trotz einer vierjährigen Anlaufphase und 62 Millionen Dollar Kosten hat sich das Projekt als krasser Fehlschlag entpuppt.
Zeitgleich hatte die IT-Abteilung desselben Krebsklinikums einen eigenen kleinen KI-Versuch auf die Beine gestellt. Bescheidenes Ziel hier: Mit Unterstützung kognitiver Technologien wollte das Personal Familienmitgliedern der stationären Krebspatienten bei der Wahl von Hotels und Restaurants beratend zur Seite stehen. Das Projekt war ein voller Erfolg. Auch bei elektronischen Zahlungsvorgängen und anderen IT-Problemen konnte sich die KI nützlich machen, indem sie unter anderem den Aufwand der Dateneingabe drastisch reduzierte.
„Ich bin Optimist“, erklärt Thomas Davenport. „Augmentation, also die Zusammenarbeit von Maschinen und Menschen, ist in Zukunft wahrscheinlicher als [rein KI-getriebene] Automatisierung.“
Fazit & Ausblick
Der Bedarf an KI-gestützten Entscheidungshilfen ist enorm. Gerade der Mittelstand steht unter Druck, Reserven an Produktivität freizusetzen und neue Wege der Entscheidungsfindung zu gehen. Doch konventionelle Ansätze der Business Intelligence sind vielen zu trocken, nicht anpassungsfähig und nicht „smart“ genug. Augmented Intelligence könnte Abhilfe schaffen.
Bekannte Analystenhäuser sehen für die Technologie beste Aussichten. Der globale Markt für Augmented Intelligence erreicht beispielsweise laut einer Gartner-Prognose von 2019 bereits im laufenden Jahr 2021 einen Geschäftswert von 2,9 Billionen Dollar. Hier sind auch Systeme mit dazugerechnet, denen zwar KI zugrunde liegt, die aber selbst keine KI sind, etwa Chatbots, die zur Entscheidungsfindung beitragen. Zum Vergleich: Der weltweite Markt für kognitive Systeme soll laut IDC 2024 mehr als 110 Milliarden Dollar Umsatz erreichen.
Und dem Beratungshaus Accenture zufolge dürfte die verstärkte Anwendung von KI-Lösungen die Unternehmensgewinne bis 2035 um durchschnittlich 38 Prozent anheben. Umso bedauerlicher ist es, dass sich viele Unternehmen noch nicht an die Technologie herantrauen. Laut der VdTÜV-Studie „Künstliche Intelligenz in Unternehmen“ setzen erst 11 Prozent bereits KI in ihrem Untenehmen ein, weitere 19 Prozent planen oder diskutieren das. Dirk Stenkamp, Präsident des TÜV-Verbands und CEO der TÜV Nord AG, resümiert: „Gerade im Mittelstand herrscht noch viel Unkenntnis und Verunsicherung.“
Be the first to comment