Work smart, not hard!

OpenAI, Microsoft Azure und Co. – fast täglich erscheinen neue künstliche Intelligenzen und Machine Learning Programme. Der KI-Hype ist real und führende Tech-Konzerne buhlen um die Vormachtstellung auf dem Markt. Doch nicht nur für die Software- und Elektronik-Branche ist die digitale Revolution relevant. 94 Prozent der Führungskräfte sind sich einig: Der Einsatz künstlicher Intelligenzen wird für Unternehmen erfolgsentscheidend sein.

Jens Junak ist Country Manager von Creditsafe Deutschland

Zumindest ist das die Fünfjahresprognose einer internationalen Deloitte Studie aus dem vergangenen Jahr. Insbesondere das Geschäft ums maschinelle Lernen – also KIs, die sich auf Grundlage ihrer bisherigen Handlungen eigenständig weiterentwickeln können – erscheint dabei vielversprechend. Um Wirtschaftstreibende verlässlich unterstützen zu können, benötigen diese neben einer guten Programmierung vor allem ausreichend Trainingsdaten in hoher Qualität.

Machine Learning und seine Einsatzgebiete

Maschinelles Lernen ist ein Sammelbegriff für verschiedene Tools und Techniken der Informatik und Statistik, mit denen künstliche Intelligenzen eigenständig lernen können. Mithilfe bestimmter Algorithmen und statistischer Modelle kann Machine Learning repetitive Prozesse automatisieren, komplexe Muster erkennen und präzise Vorhersagen treffen.

Dafür nutzen KIs die ihnen bereitgestellten Datensätze und Informationsquellen. Das maschinelle Lernen ermöglicht es der artifiziellen Intelligenz somit, Aufgaben anhand der bereits erfassten Schemata zu lösen – ganz ohne menschliches Zutun. Die dadurch entstehenden Einsatzgebiete für KI-basierte Lösungen sind vielfältig.

Im Kundenservice ermöglichen Chatbots und andere Sprach- oder Text-Verarbeitungsprogramme schon jetzt eine immense Zeitersparnis. Neuere künstliche Intelligenzen können bereits durch Stimmungs- und Verhaltensanalysen unzufriedene Kund*innen lokalisieren und vorzeitig entsprechende Gegenmaßnahmen ergreifen.

Auch im digitalen Marketing haben sich KIs durch personalisierte Produktempfehlungen und individuelle User-Experience schon längst unverzichtbar gemacht. Neben der Ermittlung von Trends und Kundenpräferenzen ermöglichen sie sogar ein dynamisches Preismanagement mit Algorithmen, die aktuelle Markt- und Lieferketten-Geschehnisse berücksichtigen.

Nicht zuletzt wird Machine Learning erfolgreich für Sicherheits- und Risikomanagement genutzt: Smarte Programme erstellen Prognose-Modelle, beispielsweise zum Wirtschaftsgeschehen in Deutschland, können durch automatische Compliance-Checks sowie Analysen Betrugsversuche frühzeitig erkennen und ermöglichen eine Videoüberwachung mit Gesichts- sowie Objekterkennung. Für den erfolgreichen Einsatz einer künstlichen Intelligenz ist der Zugang zu einer sinnvoll kuratierten Datenmenge, der Smart Data, erforderlich.

Smart Data: Der Schlüssel zum Erfolg

Um eine KI erfolgversprechend zu trainieren, gilt es zuerst ihren genauen Anwendungszweck zu definieren. Soll sie Prognose-Modelle zum Marktgeschehen entwickeln? Dann muss ihre Datenbasis wirtschaftliche Indikatoren wie Insolvenzgeschehen, Entwicklungen von Bonitäts-Scores oder grundlegende Unternehmensinformationen enthalten.

Ist das Ziel jedoch, mittels maschinellen Lernens die Vermarktungsaktivitäten eines Unternehmens zu optimieren, benötigt die künstliche Intelligenz genau das: Marketing-Daten. Datensätze, die den gewünschten Anforderungen und Qualitätsansprüchen entsprechen, nennt man Smart Data. Im Gegensatz zu Big Data, sprich extrem großen Informationsmengen, sind die smarten Daten speziell auf ihre individuellen Anwendungszwecke ausgerichtet und beinhalten ausschließlich verwertbares Material.

Die Grundlage für das Gelingen eines Programms legen die sogenannten Data Analytics, die Vorbereitung vor der eigentlichen KI-Erstellung. Der Begriff umfasst einen dreistufigen Prozess, bei dem Datenmengen segmentiert und analysiert werden.

Der erste Schritt ist die Materialbeschaffung. Wichtig hierbei ist es, verschiedene relevante Quellen einzuholen, die auf die speziellen Anwendungsziele ausgerichtet sind. Dabei gilt: Je größer und strukturierter der Informationspool ist, desto effizienter kann der Machine Learning Prozess voranschreiten. Daraus ergeben sich die Optimierung und Nutzbarmachung der beschafften Daten. Informationen werden hier auf ihre Qualität, Konsistenz und potenzielle Fehler gescannt und bereinigt.

Zuletzt erfolgt die Anwendung vielseitiger Methoden moderner Statistik. Hierbei werden die bereinigten Daten mithilfe von Data Analytics Werkzeugen wie dem Data- oder Text Mining analysiert und Zusammenhänge innerhalb unterschiedlicher Informationsströme aufgedeckt. Das Material wird dabei aufbereitet, indem es extrahiert, erfasst und transformiert wird, um es in die zur Weiterverarbeitung passende Form zu bringen.

Wirtschaftstreibende müssen also vor allem eines wissen: Je besser die KI trainiert wird, je größer und qualitätvoller das Datenmaterial ist, desto gewinnbringender wird sie zukünftig für das Unternehmen eingesetzt werden können. Allgemein gilt hier wie so oft das Credo Qualität über Quantität. Ein ausreichender Informationspool ist wichtig, garantiert jedoch nicht automatisch brauchbare Ergebnisse.

Qualitätsmerkmale bei der Dimensionalität, Struktur sowie Tiefe des Materials sollten unbedingt beachtet werden. Aus diesem Grund ist es für Unternehmen ratsam, mit einem vertrauensvollen Datenpartner zusammenzuarbeiten. Wirtschaftsauskunfteien wie beispielsweise Creditsafe unterstützen Konzerne mit der Bereitstellung umfangreicher und qualitativ hochwertiger Datensätzen. Ein schneller Zugang zu gut aufbereitetem Material und eine individuelle Beratung zu Daten-Themen verringert den Rechercheaufwand für Mitarbeitende und spart Ressourcen. Kurzum: Es kann den entscheidenden Vorteil gegenüber der Konkurrenz bedeuten.

Fazit: Was bringt die Zukunft?

In einer Zeit, in der sich die digitale Welt zunehmend mit der physischen vermischt, gewinnt KI auch im Geschäftskontext immer weiter an Bedeutung. Machine Learning hat sich zu einer revolutionären Technologie entwickelt, die aus vielen Anwendungsfeldern nicht mehr wegzudenken ist. Unternehmen haben dank künstlicher Intelligenzen die Möglichkeit, sowohl Zeit als auch Ressourcen einzusparen. Für einen erfolgreichen Einsatz ist Smart Data ein entscheidender Faktor: Je mehr qualitativ hochwertige Informationen zur Verfügung stehen, desto besser kann das System trainiert werden.

Vielseitige Daten, die verschiedene Aspekte eines Problems abdecken, ermöglichen es der KI dabei, ein breiteres Verständnis zu entwickeln. Gleichzeitig sind zielgerichtete Informationen von großer Bedeutung, da das Modell durch sie auf spezifische Anforderungen ausgerichtet werden kann. Künstliche Intelligenz eröffnet neue Möglichkeiten für Automatisierung, Prozessoptimierung und personalisierte Dienstleistungen.

Mit der fortschreitenden Entwicklung von Machine Learning wird sich auch dessen Anwendungsspektrum weiter ausdehnen, um noch mehr Branchen und Bereiche zu transformieren. Der beste Weg, das eigene Unternehmen wirtschaftlich voranzutreiben und zukunftsorientiert zu führen, ist, sich der neuen Technologie bewusst zu sein und sie bestmöglich zu nutzen.

Über den Autor

Jens Junak ist Country Manager von Creditsafe Deutschland. Er verantwortet das Deutschlandgeschäft der international tätigen Creditsafe-Gruppe und konzentriert sich insbesondere auf das strategische Wachstum der deutschen Standorte. Zuvor war er in verschiedenen Unternehmen in der Finanzbranche in leitender Position tätig, unter anderem in der SCHUFA und bei Coface Deutschland. Für Creditsafe Deutschland arbeitet er seit Juli 2020.