Sie sind hier: HomeSteuerungsebeneSteuern & Regeln

Künstliche Intelligenz: Der Einstieg ins Machine Learning

Fortsetzung des Artikels von Teil 4.

Die Voraussetzungen

ML ist ein mächtiges Instrument, aber kein Allheilmittel. Zu Beginn eines Einführungsprojektes ist es notwendig, Chancen und Risiken zu reflektieren, Kosten und Nutzen abzuschätzen und diese zu quantifizieren – immer ausgehend von einer klar definierten Zielsetzung. Wird ML eingeführt oder erstmalig genutzt, ist sehr wahrscheinlich eine Lernkurve zu durchschreiten und eine Durststrecke zu durchleben. 

ML ist inzwischen in aller Munde, Erfahrung und Expertise fehlen jedoch weitestgehend. Neue Vorgehensweisen müssen erarbeitet, verifiziert und auch validiert werden. Fast jeder bestehende Algorithmus ist eine gut gehütete Black Box; dadurch sind die Ergebnisse nur zum Teil erklärbar und vermittelbar. Das wiederum kann zu langen Einführungszeiten führen. Bei der Einführung oder Erstnutzung von ML ist deshalb die verlässliche Unterstützung des Managements enorm wichtig, aber auch vorzeigbare Erfolge. Sie halten zum einen die Motivation der Beteiligten und Verantwortlichen hoch, zum anderen entkräften sie die Argumente der Zweifler. 

Um ML entwickeln und/oder erfolgreich einführen zu können, sind Kompetenzen im Entwickeln der Algorithmen und der Lösungen sowie Kompetenzen am Markt bei den Kunden und der gesamten Lieferkette bei den beteiligten Mitarbeiterinnen und Mitarbeitern unerlässlich.

Grafik zur regelbasierten und datengetriebenen Entscheidungsfindung Bildquelle: © asimovero.AI

Von der regelbasierten zur datengetriebenen Entscheidungsfindung ändert sich die Reihenfolge von Algorithmen -> Daten -> Entscheidungen zu Daten -> Algorithmen -> Entscheidungen.

Eine weitere Voraussetzung für die erfolgreiche ML-Einführung: Daten in ausreichender Menge und Qualität und der Zugriff darauf über ein geeignetes Daten-Netzwerk. Daten entwickeln sich zur wichtigsten Währung des 21. Jahrhunderts und sind die Grundlage für ML. Daten werden, zusätzlich zu Boden, Kapital und Arbeitskraft, zunehmend zum Produktionsfaktor. Sie ermöglichen Kosteneinsparungen und neue Geschäftsmodelle. Aus der zunehmenden Herrschaft der Daten resultiert die Umkehr der Reihenfolge von ‚Algorithmen -> Daten -> Entscheidungen‘ hin zu ‚Daten -> Algorithmen -> Entscheidungen‘. Das repräsentiert die gerade stattfindende Revolution.

Die Daten müssen aufbereitet sein, damit beispielsweise fehlerhafte Daten korrigiert oder gelöscht und fehlende Daten ergänzt werden können. Zusätzlich ist ein einheitlicher und präziser Zeitgeber erforderlich, um später zeitfolgerichtige Schlüsse ziehen zu können. Vor dem Start eines Projekts sollten alle Quellen bekannt sein beziehungsweise die Ebenen, auf denen sich ML bewegt. Mit einer Datenlandkarte lassen sich notwendige Daten identifizieren, aber auch deren Typ und die Orte, an denen sie anfallen. Sofern eine solche Karte noch nicht existiert, muss sie zu Beginn erstellt werden.