Warum KI eine Teamaufgabe ist

Erfahren Sie mehr darüber, wie Sie KI-unterstützte Lösungen im gesamten Unternehmen durch Nutzung von Fachwissen anstelle einer übermäßigen Inanspruchnahme von Data Scientists skalieren können.

Hinweis: Dieser Artikel ist ursprünglich in Forbes erschienen.

Was bedeutet die Behandlung von KI als Teamaufgabe? Mittlerweile ist KI nicht mehr nur eine Art Hype, sondern hat tatsächlich enorme praktische Auswirkungen. Das liegt vor allem daran, dass diejenigen Stellen im Unternehmen beteiligt sind, die den Geschäftskontext einbringen, der bisher gefehlt hat. Fachwissen ist also der Schlüssel für den Erfolg. Computer verfügen nicht über den umfangreichen Kontext von Menschen. Außerdem sind Menschen erforderlich, die ausreichend über den Geschäftsbetrieb und die Daten Bescheid wissen, um die Erkenntnisse und gegebenen Empfehlungen in die Praxis umzusetzen.

Oft gehen Führungskräfte davon aus, dass für eine Ausweitung der KI-Nutzung mehr Mitarbeiter nötig sind, insbesondere mehr Data Scientists. Allerdings ist nicht jedes Geschäftsproblem ein Data-Science-Problem. Oder anders ausgedrückt: Nicht für jede geschäftliche Herausforderung muss das Data-Science-Team mobilisiert werden. Mit dem richtigen Ansatz können die Vorteile von KI genutzt werden, ohne sich mit den Herausforderungen traditioneller Data-Science-Zyklen beschäftigen zu müssen.

Zur Bereitstellung und Skalierung von KI-Lösungen müssen Führungskräfte im Unternehmen dafür sorgen, dass KI als Teamaufgabe unterschiedlicher Mitarbeiter wahrgenommen wird. Für manche KI-Projekte ist eine spezielle Kombination von Mitarbeitern, Tools und auch der Erwartungen erforderlich, wie eine erfolgreiche Nutzung aussehen muss. Die jeweilige Konstellation richtig zu definieren, ermöglicht mehr erfolgreiche KI-Projekte, erweitert die Schar der KI-Nutzer und beschleunigt sowie unterstützt die Entscheidungsfindung für die gesamte Belegschaft. Wir wollen uns nun genauer ansehen, warum das so ist und wie das möglich ist.

Unternehmen „demokratisieren“ fortgeschrittene Analysen mithilfe von KI

Die Nutzung von KI zur Lösung geschäftlicher Probleme war lange Zeit die Domäne von Data Scientists. Oft ist der Einsatz von Data-Science-Teams aber größeren Geschäftsproblemen eines Unternehmens und komplexeren Herausforderungen vorbehalten. Viele Unternehmen nutzen Data Science erfolgreich in Bereichen wie Betrugsermittlung, Personalisierung usw., in denen umfangreiche technische Kenntnisse und präzise abgestimmte Modelle für herausragende Ergebnisse notwendig sind.

Allerdings stößt die erweiterte Anwendung von KI-Lösungen über das Data-Science-Team aus vielerlei Gründen an Grenzen. Kompetente Mitarbeiter in diesem Bereich zu gewinnen und zu binden, ist kostspielig und kann in einem umkämpften Arbeitsmarkt auch schwierig sein. Herkömmliche Data-Science-Projekte erfordern oft viel Zeit für Entwicklung und Bereitstellung, sodass das Unternehmen erst mittelfristig daraus Nutzen ziehen und Mehrwert generieren können. Außerdem besteht auch bei den erfahrensten und leistungsstärksten Data-Science-Teams die Gefahr, dass sie scheitern, wenn die erforderlichen Daten oder der Kontext fehlen, um die Details des Problems zu verstehen, das gelöst werden soll.

Der Gartner®-Bericht „The State of Data Science and Machine Learning (DSML)“ von 2021 stellt fest, dass „der Kundenbedarf sich ändert, da eine weniger technisch orientierte Zielgruppe die Möglichkeit haben möchte, einfacher DSML anzuwenden, Fachexperten die Produktivität verbessern müssen und Unternehmen die Wertschöpfung durch ihre Investitionen beschleunigen möchten“. Da es viele geschäftliche Probleme gibt, die von der Geschwindigkeit und Gründlichkeit einer KI-gestützten Analyse profitieren können, ist der traditionelle Data-Science-Ansatz oft nicht die beste Variante, um diesen Nutzen verfügbar zu machen. Tatsächlich prognostiziert der genannte Gartner-Bericht, dass „im Jahr 2025 der Mangel an Data Scientists der Nutzung von Data Science und Machine Learning in Unternehmen nicht mehr im Wege stehen wird“.

Fachwissen ist für die Skalierung von KI in Unternehmen entscheidend

Mit KI werden bereits fortgeschrittene Analysefunktionen Benutzern zur Verfügung gestellt, die keine Data-Science-Kenntnisse haben. Computer wählen dabei aus den besten Prognosemodellen und -algorithmen aus und die zugrunde liegenden Modelle werden offen gelegt. Diese lassen sich dann optimieren, um sicherzustellen, dass alles das berücksichtigt wird, was der Benutzer für erforderlich hält.

Mit diesen Funktionen können Analysten und qualifizierte Geschäftsexperten ihre eigenen KI-Anwendungen entwickeln und nutzen. Da diese eine bessere Datenkenntnis haben, sind sie gegenüber vielen ihrer Data-Scientist-Kollegen im Vorteil. Verfügen Fachexperten über diese leistungsstarken Funktionen, lassen sich lange Entwicklungszeiten, Ressourcenengpässe und die versteckten Kosten traditioneller Data-Science-Zyklen vermeiden. Darüber hinaus sind es genau diese Fachexperten, die entscheiden müssen, ob eine KI-Vorhersage oder -Empfehlung sinnvoll ist.

Durch eine mehr iterative, durch stetige Überarbeitung geprägte Erstellung von Modellen können Geschäftsanwender schneller KI praktisch nutzbar machen und auch neue Modelle für Tausende von Benutzern innerhalb von Tagen statt von Wochen oder Monaten bereitstellen. Dies ist insbesondere für jene Teams hilfreich, deren spezielle Problemstellungen nicht die oberste Priorität für Data-Science-Teams haben, die aber von Geschwindigkeit und Gründlichkeit einer KI-Analyse enorm profitieren.

Dabei ist allerdings zu beachten, dass diese Lösungen zwar dazu beitragen können, die Qualifikationslücke zwischen Analysten und Data Scientists zu schließen. Sie sind aber kein Ersatz für Data Scientists. Data Scientists bleiben ein zentraler Partner der Geschäftsexperten hinsichtlich der Validierung der Daten, die in KI-gestützten Lösungen verwendet werden. Darüber hinaus sind Qualifizierung und Datenfertigkeiten zentrale Faktoren für die erfolgreiche Anwendung solcher Tools in großem Umfang.

Datenkompetenz ermöglicht mehr Mitarbeitern die Anwendung von KI

Die grundlegende Datenstrategie spielt eine wichtige Rolle für die erfolgreiche Anwendung von KI im Unternehmen. Wenn aber mehr Mitarbeiter KI-Lösungen im Unternehmen nutzen, ist auch ein Mindestmaß an Datenkompetenz unabdingbar. Die Kenntnis der richtigen Daten für die Lösung eines geschäftlichen Problems sowie die Fähigkeit zur Interpretation dieser Daten und der KI-Empfehlungen ist Voraussetzung dafür, dass Mitarbeiter KI im Rahmen ihrer Entscheidungsfindung vertrauen und erfolgreich anwenden. Eine gemeinsame Datensprache im Unternehmen öffnet außerdem weitere Türen für die erfolgreiche Zusammenarbeit mit Experten.

In der neuesten globalen Umfrage zu KI von McKinsey wird festgestellt, dass bei 34 % der erfolgreichen Unternehmen „in speziellen Schulungszentren die KI-Fertigkeiten von Mitarbeitern aus nicht technischen Bereichen durch praxisorientierte Schulungen weiterentwickelt werden“, im Vergleich zu nur 14 % aller anderen befragten Unternehmen. Darüber hinaus gibt es in 39 % der erfolgreichen Unternehmen „spezielle Kommunikationskanäle und Kontaktpunkte zwischen KI-Nutzern und dem Data-Science-Team des Unternehmens“, im Vergleich zu nur 20 % bei allen anderen.

Führungskräfte können auf eine Vielzahl von Möglichkeiten für den Aufbau von Datenkompetenz zurückgreifen – von Qualifizierung, Schulung und Mentorenprogrammen bis zu Community-fördernden Datenwettbewerben und mehr. Der Zugriff auf Daten und deren gemeinsame Nutzung sollte zur Selbstverständlichkeit werden genauso wie die Würdigung und Förderung von Erfolgsstorys, Lernerfolgen und der Entscheidungsfindung mit Daten.

„Es muss mehr auf Datenkompetenz und Qualifizierung für die Anforderungen von Visualisierung und Data Science geachtet werden und die entsprechenden Schulungen müssen früher erfolgen“, meint Vidya Setlur, Leiterin von Tableau Research. „Die steigende Abhängigkeit von Daten bringt auch eine spezielle soziale und unternehmerische Verantwortung mit sich. Die Menschen müssen besser dafür gerüstet sein, Daten verständlich zu machen, zu interpretieren und sie optimal zu nutzen. KI wird immer komplexer und wir müssen der Entwicklung immer einen Schritt voraus sein.“

Ein Rezept dafür ist der kontinuierliche Aufbau einer Datenkultur im Unternehmen. Diese schafft die optimalen Bedingungen, um Fertigkeiten zu entwickeln und neue Lösungen im gesamten Betrieb zu fördern. Viele Unternehmen haben in den vergangenen Jahren ihre Investitionen in Daten und Analytics bereits intensiviert, da die digitale Transformation sich beschleunigt hat. Es liegt auf der Hand, Daten als Teamaufgabe zu betrachten. Nun haben wir die Möglichkeit, diese Haltung auf KI zu erweitern.

Sie sind an weiteren Informationen interessiert?

Erkunden Sie die KI-Analytics-Lösungen von Tableau.
Weitere Informationen finden Sie im folgenden Artikel: KI-gestützter Erfolg mit einer anwenderzentrierten Datenstrategie.
Erfahren Sie mehr über unsere Verpflichtung, 10 Millionen Menschen innerhalb von fünf Jahren mit Datenfertigkeiten auszustatten.