Mensch, Prozesse, Technologie

Mit Künstlicher Intelligenz profitable Geschäfte machen

| Autor / Redakteur: Benjamin Krebs / Jürgen Schreier

Durch die Konzentration auf die geschäftlichen oder operativen Ziele und Aufgaben können Unternehmen die Art, wie sie Daten und Analysen nutzen, erfolgreich verändern und damit optimale Ergebnisse erzielen.
Durch die Konzentration auf die geschäftlichen oder operativen Ziele und Aufgaben können Unternehmen die Art, wie sie Daten und Analysen nutzen, erfolgreich verändern und damit optimale Ergebnisse erzielen. (Bild: Pixabay / CC0)

Der erfolgreiche Einsatz Künstlicher Intelligenz im Unternehmen beginnt mit Menschen und Geschäftsprozessen – erst danach kommt die Technologie. Vor der Einführung entsprechender Lösungen sollten Führungskräfte eine Vision entwickeln, wie KI ein profitables Geschäft antreiben kann.

Wie kann ein Unternehmen mit Big Data und Analytics in Form von Künstlicher Intelligenz erfolgreicher werden? Während die Anforderungen jedes Unternehmens variieren, gibt es einen konsistenten, transparenten Prozess, der eine stabile und breite Einführung von KI-Lösungen vorantreiben kann. Der Oberbegriff „künstliche Intelligenz“ umfasst dabei Advanced Analytics sowie Deep Learning, maschinelles Lernen (überwacht, unüberwacht und verstärkend), Data Mining, Predictive Analytics und Statistik.

Dieser mehrstufige Lösungsprozess soll sicherstellen, dass Künstliche Intelligenz neue Geschäftsmöglichkeiten erschließt und die Wertschöpfung vorantreibt. Seine Leistungsfähigkeit liegt in seiner Einfachheit: Durch die Konzentration auf die geschäftlichen oder operativen Ziele und Aufgaben können Unternehmen die Art, wie sie Daten und Analysen nutzen, erfolgreich verändern und damit optimale Ergebnisse erzielen. Der Prozess umfasst die folgenden sechs Schritte, die vor der Implementierung von KI-Lösungen bewältigt werden müssen, um die Wertschöpfung zu steigern.

Schritt 1: Eine klare Geschäftsinitiative festlegen

Eine Geschäftsinitiative ist deutlich mehr als die Modernisierung eines Rechenzentrums oder die Verlagerung von Applikationen in die Cloud. Sie muss einen starken finanziellen Beitrag zum Unternehmenserfolg leisten – und dieser muss sich mit Kennziffern messen lassen. Zur Illustration der weiteren Schritte dient folgende Geschäftsinitiative: „Die Profitabilität des Unternehmens soll durch Neukunden-Gewinnung und Bindung von Bestandskunden sowie eine Vertiefung der Kundenbeziehungen gesteigert werden“. Use Cases gibt es bei Finanzdienstleistern, Telekommunikationsunternehmen oder im Handel. Kennziffern dazu sind eine höhere Kundenbindung und eine geringere Kundenabwanderung.

Schritt 2: Die im Prozess Beteiligten identifizieren

Als Nächstes gilt es, alle Beteiligten und Gruppen, die die Geschäftsinitiative vorantreiben sollen oder darin involviert sind, zu identifizieren. Dazu gehören sowohl interne Stakeholder, beispielsweise aus Vertrieb, Finanzwesen, Marketing, Logistik und Produktion, als auch externe Gruppen wie Lieferanten, Geschäftspartner und nicht zuletzt die Kunden. Mit einfachen Methoden des Design Thinking etwa lassen sich für jeden Stakeholder „Personas“ erstellen, die deren Rollen, Verantwortlichkeiten und Entscheidungsbefugnisse in der Geschäftsinitiative aufzeigen. Zudem kann Design Thinking auf Ergebnisse maschinellen Lernens zurückgreifen, die Muster im Kundenverhalten verdeutlichen.

Schritt 3: Die wichtigsten Entscheidungen festlegen

Anschließend müssen Unternehmen die grundlegenden Entscheidungen festlegen, die die Verantwortlichen im Unternehmen treffen müssen, damit die Geschäftsinitiative vorankommt. Dazu muss genügend Zeit eingeplant werden, um die zentralen Punkte zu definieren, zu bewerten und zu priorisieren. Der Grund dafür: Nicht alle Entscheidungen sind gleich wichtig, und es gibt in jeder Geschäftsinitiative Entscheidungen, die aufeinander aufbauen. Das lässt sich am Beispiel des Kundengewinnungs- und Kundenbindungsprogramms verdeutlichen. Dazu ist zunächst einmal die Kennzahl „Customer Lifetime Score“ (der Wert einer Kundenbeziehung) zu ermitteln. Zentrale Festlegungen betreffen beispielsweise die „Risikokunden“ (At-Risk Customers), die optimalen Kommunikationskanäle, die Kalkulation von Next Best Offers und die Festlegung der optimalen Tageszeit für die Kundenansprache; ein wichtiges Tool dabei ist eine Decision Roadmap.

Schritt 4: Prognostische Analysen erstellen

Der nächste Schritt erfordert, dass Unternehmen ihre Denkweise in Bezug auf die Art der Nutzung von Daten und Analysen ändern. Sie müssen die Stakeholder durch einen Prozess führen, bei dem die zentralen Prognosen zur Unterstützung der Geschäftsinitiative ermittelt werden. Dieser Prozess beginnt mit der Ermittlung der grundlegenden Fragen, die die Stakeholder heute zur Unterstützung ihrer wichtigsten Entscheidungen stellen. Diese Fragen können dann in prognostische Analysen umgewandelt werden. Zum Beispiel, anstatt zu fragen: „Wie hoch war die Kundenabwanderung im letzten Monat?“ soll prognostiziert werden „Wie hoch wird die Kundenabwanderung wahrscheinlich im nächsten Monat sein?“ Dann ist es nicht mehr weit zu Prescriptive Analytics und der Festlegung von Maßnahmen, was zu tun ist, damit die Kundenabwanderung im darauffolgenden Monat einen bestimmten Wert nicht überschreitet.

Schritt 5: Kennziffern für bessere Leistungsprognosen entwickeln

Anschließend gilt es, in Zusammenarbeit mit den Stakeholdern und Experten aus den Fachabteilungen herauszufinden, welche Daten sie für prädiktive (prognostische) Analysen benötigen. Im Zusammenhang mit der Geschäftsinitiative „Kundenabwanderung reduzieren, Kundenbindung steigern“ lässt sich dies an der Prognose „Wie hoch wird die Kundenabwanderung wahrscheinlich im nächsten Monat sein?“ erläutern. In einem Brainstorming der Beteiligten wird die Frage geklärt, welche Daten benötigt werden, um eine solche Prognose treffen zu können; Beispiele dafür sind: Dauer der Kundenbeziehung in Jahren, Alter, Schulabschluss, Wohnort, Wert der Bank- und Kreditkartentransaktionen, Kundenumsatz in letzten Jahr und im letzten Monat.

Einladung zum ExpertTalk „Advanced Analytics & Big Data“

Mehr zu Thema "Big Data Analytics und Business Intelligence" lesen Sie in der aktuellen Ausgabe "Big Data" von Next Industry. Wie Sie sich durch Advanced Analytics neue erfolgreiche Geschäftsmodelle etablieren oder mit Methoden zur prädiktiven Wartung bzw. durch die Digitalisierung der Materialplanung Zeit und Kosten sparen, erfahren Sie außerdem beim Next Industry ExpertTalk „Advanced Analytics & Big Data“. Der ExpertTalk am 6. September 2018 in Hamburg lädt dazu ein, sich branchenübergreifend zum Einsatz von Data-Analytics-Technologien und Big-Data-Strategien im Industrieumfeld auszutauschen

Schritt 6: Technologie-Lösung implementieren

Der abschließende Schritt besteht darin, die Systeme und die KI-Technologien zu identifizieren, die zur Unterstützung der Geschäftsinitiative notwendig sind. Ein detailliertes Verständnis der fachlichen, Daten- und Analysebedürfnisse hilft zu ermitteln, welche Technologien benötigt werden, wenn die IT-Abteilung die Big-Data-Architektur konzipiert und die Infrastruktur aufbaut. Die Verfügbarkeit von Scale-Out-Architekturen und Cloud-Umgebungen stellt sicher, dass Unternehmen die benötigten Speicher- und Rechenkapazitäten nach Bedarf erweitern können. Storage-Lösungen wie Dell EMC Isilon und Elastic Cloud Storage stellen Speicherkapazitäten für den Aufbau von Data Lakes bereit und ermöglichen eine gemeinsame Analyse mit Hadoop Distributed File System (HDFS). Außerdem stellen sie den für KI-Prozesse so wichtigen parallelen hochperformanten Zugriff auf alle Daten im Speichersystem sicher, den KI Frameworks wie Tensorflow oder Caffe für die Analysen benötigen.

Es gibt also einen logischen Workflow bei der erfolgreichen Einführung und Nutzung von Methoden der künstlichen Intelligenz – die Entscheider konzentrieren sich allerdings noch zu sehr auf Technologie. Dabei gibt es eine Reihe von Punkten, die sie zuvor klären müssen. Wenn Unternehmen es ernst meinen mit der Monetarisierung von Daten, um die Wertschöpfung zu steigern, ist es unerlässlich, mit den Mitarbeitern, Kunden und anderen Beteiligten zu kooperieren, die unterschiedliche Rollen und Verantwortlichkeiten bei der Umsetzung einer Geschäftsinitiative haben. Unternehmen sollten mit einem Teilprojekt beginnen und sich dann weiter vorarbeiten, um die wegweisenden Entscheidungen und den finanziellen Nutzen zu ermitteln - erst dann kommt die Technologie.

Ready Solutions für Künstliche Intelligenz

Dell EMC kündigt neue Ready Solutions für Künstliche Intelligenz (KI) an, die speziell für maschinelles Lernen mit Hadoop und Deep Learning mit NVIDIA (KI) entwickelt wurden. Die Lösungen erleichtern und beschleunigen die Einführung von Künstlicher Intelligenz und liefern schneller umfangreiche Erkenntnisse aus Daten, indem sie die bewährte KI-Expertise von Dell EMC mitbringen. Unternehmen müssen ihre KI-Lösungen nicht mehr in einzelnen Komponenten beschaffen und zusammenfügen: Stattdessen können sie sich auf ein von Dell EMC entwickeltes und validiertes Paket von Best-of-Breed-Software-Technologien verlassen – einschließlich KI-Frameworks und -Bibliotheken sowie den benötigten Rechen-, Netzwerk- und Speicherkapazitäten. Mit seinem breitgefächerten Leistungsportfolio – bestehend aus Beratung, Bereitstellung, Support und Schulung – unterstützt Dell EMC Unternehmen bei der schnellen Einführung und Optimierung ihrer KI-Umgebungen.

Dell EMC verspricht durch die Nutzung der Ready Solution für Künstliche Intelligenz eine Steigerung der Gesamtproduktivität von Data Scientists um bis zu 30 Prozent bei einer Verringerung des Zeitaufwands bis zum produktiven Einsatz einer KI-Lösung um sechs bis zwölf Monate im Vergleich zu Do-it-yourself-Lösungen. Darüber hinaus konnte ein Anwender durch die Zusammenarbeit mit Experten in Dell EMCs Innovation Lab für Künstliche Intelligenz und High Performance Computing die Leistungsfähigkeit des Algorithmus CheXNet durch Parallelisierung des Codes bis zu 46-fach verbessern. Dadurch wurde die Trainingszeit von fünf Stunden pro Epoche auf sieben Minuten reduziert, was einer Laufzeitverkürzung von 98 Prozent entspricht.

Neue Services von Dell EMC Consulting unterstützen Unternehmen bei der Implementierung und Inbetriebnahme der Ready-Solution-Technologien und KI-Bibliotheken sowie bei der Skalierung ihrer Data-Engineering- und Data-Science-Funktionen. Durch strategische Beratung, Einbindung von Experten und Wissenstransfer wird die Zeit bis zum produktiven Einsatz der Lösung verkürzt. Die Services umfassen auch Architekturempfehlungen und Beratung zu branchenerprobten Best Practices, Tools, Schulungen und Prozessen.

Benjamin Krebs ist Area Manager Germany – Unstructured Data and Analytics bei Dell EMC.
Benjamin Krebs ist Area Manager Germany – Unstructured Data and Analytics bei Dell EMC. (Bild: Dell EMC)

Deutschland soll an die KI-Weltspitze

Künstliche Intelligenz

Deutschland soll an die KI-Weltspitze

19.07.18 - Noch sind es die USA und China, doch schon bald will Deutschland führender Standort für Künstliche Intelligenz sein. Hierfür haben die drei Bundesministerien für Wirtschaft, Forschung und Arbeit ein Eckpunktepapier für eine nationale KI-Strategie erarbeitet, das das Kabinett am Mittwoch in Berlin verabschiedet hat. lesen

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45438685 / Praxis)