Predictive Analytics, Prozessautomatisierung oder Machine Learning: Je mehr dieser Anwendungsfälle in den Unternehmen Einzug halten, desto größere und komplexere Daten müssen in Echtzeit verarbeitet werden. Doch häufig verlangsamen veraltete Legacy-Systeme die Prozesse und machen Echtzeitanalysen großer Datenmengen nahezu unmöglich. Die Integration von Künstlicher Intelligenz unterstützt Unternehmen auf ihrem Weg zu einer schnelleren, kostengünstigeren und flexibleren Datenanalyse. Von Madeleine Corneli
Foto: Exasol
Die Autorin Madeleine Corneli ist Product Manager KI & ML bei Exasol.
Nahezu alle Unternehmen beschäftigen sich heute mit dem Thema KI. Doch obwohl laut einer Bitkom-Studie heute beinahe alle Unternehmen Künstliche Intelligenz als die wichtigste Zukunftstechnologie ansehen, steht deren umfassende Integration in Unternehmen bisher noch aus. Dabei bietet der Einsatz von KI, insbesondere im Bereich der Datenanalyse, beträchtliches Potenzial – nicht nur hinsichtlich der Geschwindigkeit, sondern auch für künftige Anwendungen wie etwa Predictive Maintenance. Data Analytics Teams sind durch die Integration von KI-gestützten Tools wie Data Virtuality in der Lage, Künstliche Intelligenz direkt in ihre Arbeitsabläufe zu integrieren und im Arbeitsalltag für sich zu nutzen. Dieser unkomplizierte Zu- und Umgang trägt maßgeblich zur Datendemokratisierung und zum Aufbau einer stabilen Datenkultur in den Unternehmen bei. Engpässe, die bisher durch Data Analytics Teams hervorgerufen wurden, werden so beseitigt und immer mehr Menschen in den verschiedensten Abteilungen erhalten Zugriff auf aussagekräftige Daten Insights. Für BI-User bietet die native Integration von KI die Möglichkeit, ihre Reports selbstständig mit prädiktiven Machine Learning Modellen anzureichern, ohne dabei auf die Unterstützung der Data Science Teams angewiesen zu sein. Dadurch sind sie in der Lage, belastbare Vorhersagen für geschäftskritische Anwendungsfälle wie Nachfrageprognosen oder Kündigungen zu treffen.
Obwohl sich zeigt, dass Künstliche Intelligenz eines der wichtigsten Themen für Unternehmen in den nächsten zwei Jahren ist, tun sich nach wie vor viele schwer, die ersten Schritte in Richtung KI-Einsatz zu gehen. Zu den größten Hindernissen zählen laut eines aktuellen Reports Governance-Bedenken, etwa hinsichtlich Themen wie Sicherheit und Compliance, unklare Ziele oder auch eine fehlende Implementierungsstrategie. Global geben fast neun von zehn Befragten (88 Prozent) an, dass die sich entwickelnden bürokratischen Anforderungen und Vorschriften für KI mehr Klarheit erfordern – in Deutschland beläuft sich dieser Wert auf 83 Prozent. Des Weiteren sehen 65 Prozent der deutschen Befragten im Bereich KI-Governance eine große Herausforderung für den Einsatz von KI und ML. Darüber hinaus behindert laut 56 Prozent der deutschen Umfrageteilnehmer eine schlechte Datenqualität die breite Einführung von KI. Als weitere Bremsklötze nannten 48 Prozent der Befragten in Deutschland das Fehlen einer klaren Implementierungsstrategie, während 48 Prozent Schwierigkeiten bei der Integration in bestehende Systeme beklagen. Der Report hebt auch hervor, dass 72 Prozent der globalen und 68 Prozent der deutschen Umfrageteilnehmer glauben, dass ausbleibende Investitionen in KI die Zukunftsfähigkeit gefährden. Für Unternehmen ist es demnach jetzt entscheidend, Maßnahmen zu ergreifen, um diese Hindernisse zu überwinden.
Um all diese Herausforderungen zu meistern, benötigen Unternehmen flexible Bereitstellungsoptionen, die sowohl in der Public/Private Cloud, on-Premises als auch in hybriden Umgebungen funktionieren und sicherstellen, dass Unternehmen nicht an spezifische Plattform- oder Infrastrukturvorgaben gebunden sind. Eine unkomplizierte Integration von KI-Funktionalitäten ist hierbei unerlässlich, um den Zugang zu Datenerkenntnissen in Echtzeit zu gewährleisten – und das, ohne dass der gesamte Tech-Stack ausgetauscht werden muss. Dies ist jedoch nur ein Teil des Erfolgs. Die Unternehmen müssen klare Ziele und KPIs festlegen, um nicht nur zielgerichtet zu investieren, sondern auch nachvollziehen zu können, ob die gesteckten Ziele erreicht wurden. Ebenso entscheidend ist die Etablierung einer Datenkultur, um Akzeptanz für die technologischen Möglichkeiten zu schaffen. Führungskräfte müssen hier Orientierung bieten und klar darlegen, welche Rolle die Nutzung von Daten und der Einsatz neuer Technologien für die Zukunftsfähigkeit von Unternehmen und für jeden Einzelnen spielen. Für viele, insbesondere für traditionell geführte Unternehmen bedeutet dies einen erheblichen Paradigmenwechsel. Eine offene Kommunikationskultur fördert die Bereitschaft der Teams, digitale Lösungen zu nutzen, die ihren spezifischen Bedürfnissen und den Unternehmenszielen entsprechen. Dazu gehört auch, dass die Teams entsprechend geschult und mit dem notwendigen Wissen ausgestattet werden. Dafür sollten ausreichende Ressourcen für Aus- und Weiterbildung bereitgestellt werden.
Um das volle Potenzial ihrer Daten und Technologien auszuschöpfen und wirklich datengetrieben zu agieren, benötigen Unternehmen nicht nur die passende technologische Infrastruktur, sondern auch eine hohe Datenqualität. Eine hohe Datenqualität ist heutzutage unerlässlich für erfolgreiche statistische Analysen und den Einsatz von Machine Learning. Laut Report behindert laut 56 Prozent der deutschen Umfrageteilnehmer eine schlechte Datenqualität die breite Einführung von KI. Die meisten Unternehmen verfügen in der Regel über riesige Mengen an strukturierten und unstrukturierten Daten, die häufig an verschiedenen Orten gespeichert sind. Ein großer Datenschatz allein reicht jedoch nicht aus. Unternehmen müssen in der Lage sein, diese Daten effizient zu nutzen und genau zu wissen, welche Daten tatsächlich benötigt werden. Hier kommen KI-gestützte Tools zur Datenintegration ins Spiel, die Teams von zeitaufwändigen Aufgaben der Datenaufbereitung und komplexen Datenintegrations-Workflows entlasten. Durch die Einbindung von autoML-Tools in die Analytics-Datenbank können BI-Teams selbstständig mit Machine-Learning-Modellen arbeiten, ohne auf die Unterstützung ihrer Data Scientists angewiesen zu sein. Dies ermöglicht es Unternehmen, tiefergehende Insights in kürzerer Zeit zu gewinnen, Ergebnisse innerhalb von Tagen statt Wochen zu erzielen und die Produktivität sowohl der technischen als auch der geschäftlichen Teams erheblich zu steigern.
Datenabfragen in natürlicher Sprache können, das ist spätestens seit dem Aufkommen von ChatGPT klar, der generativen KI den Weg in die Unternehmen ebnen. Gleichzeitig wird deutlich: Wer heute nicht in neue Technologien investiert, riskiert viel. Die Integration von KI in die Unternehmensstrategie und der Einsatz von KI-gestützten Tools zur Datenintegration sind entscheidend, um sich datengetrieben aufzustellen und das volle Potenzial der eigenen Daten auszuschöpfen. Nur so können Unternehmen in einem zunehmend wettbewerbsintensiven Markt erfolgreich bleiben und ihre Zukunftsfähigkeit sichern.
Madeleine Corneli ist erfahrene Produktmanagerin mit den Schwerpunkten KI, Datenanalyse und Technologie. Seit ihrem Abschluss an der Cornell University leitete sie die strategische Produktentwicklung bei Tableau und Salesforce. Bei Exasol ist sie verantwortlich für die Entwicklung kundenorientierter Lösungen.
