Erfolgreiche datengesteuerte Unternehmen müssen ein Gleichgewicht zwischen menschlichen und maschinellen Rollen finden

Der neueste Bericht des Weltwirtschaftsforums zur Zukunft der Beschäftigung (The Future of Jobs) beschäftigt sich damit, wie sich technische Errungenschaften wie künstliche Intelligenz, maschinelles Lernen und Big Data in den nächsten fünf Jahren weltweit auf den Arbeitsmarkt auswirken. Die zu erwartende Umverteilung der Arbeit zwischen Mensch und Maschine könnte 75 Millionen Arbeitsplätze vernichten, dem Bericht zufolge aber auch 133 Millionen neue schaffen.

Diese grundlegende Verlagerung von Arbeitsplätzen wird jene, die Technologie als eine Bedrohung empfinden, nicht beruhigen. Tatsächlich jedoch bieten smartere Technologien erstaunliche Möglichkeiten zum Schaffen eines unternehmerischen Mehrwerts. Kreativität und strategisches Denken bleiben dem menschlichen Gehirn vorbehalten. In Kombination mit den wachsenden Verarbeitungskapazitäten von Maschinen jedoch entsteht viel Raum für Optimismus im Hinblick auf die Zukunft.

Wir sind noch weit von einer Realität entfernt, in der wir es den Maschinen überlassen können, auf der Basis eines menschenähnlichen Urteilsvermögens und dem Verständnis von Zusammenhängen Geschäftsentscheidungen zu treffen. Heutzutage vertrauen wir Maschinen bei der Automatisierung von Arbeitsvorgängen und Analysen in Bereichen, die stark von Parametern bestimmt sind und nur ein geringes Risiko beinhalten. In einigen Situationen, in denen der Eingriff oder die Überwachung durch den Menschen erforderlich sind, verlassen wir uns auf Maschinen, um mehr Wissen zu gewinnen und fundiertere Entscheidungen zu treffen.

Menschen können von künstlicher Intelligenz und maschinellem Lernen profitieren. Ein Beispiel:

• Automatisierte Betriebsprozesse – maschinelles Lernen und künstliche Intelligenz haben in Anwendungen, bei denen Algorithmen durch hochspezialisierte, repetitive Aufgaben geschult werden, enorme Fortschritte gemacht. Denken Sie an Websites, die Vorschläge für verwandte Inhalte oder Produkte machen („vielleicht interessiert Sie auch ...“), oder an Programme zur Betrugsverhinderung. Zwar sind die Variablen bei der Identifizierung unbefugter Mittelverwendung ungleich komplexer als bei einer Buchempfehlung, aber was all diese Algorithmen gemeinsam haben, ist ihre feine Abstimmung auf eine bestimmte Aufgabe – die sie aufgrund ihrer überragenden rechnerischen Fähigkeiten mit einer unglaublichen Genauigkeit erfüllen.
• Intelligentere Ansatzpunkte – durch ein breites Verfolgen von Nutzerverhalten können Systeme klügere Standards aufstellen und Maßnahmen empfehlen und diese im Laufe der Zeit auf der Basis der menschlichen Reaktionen verfeinern und individualisieren. Dies geschieht heute schon bei analytischen Anwendungen, wo sich Erkenntnisse beschleunigen lassen, indem erfolgreiche Techniken von einem Datensatz auf andere Datenquellen mit ähnlichen Merkmalen übertragen werden.
• Vereinfachter Zugang zu anspruchsvoller Analytik – Analyseplattformen setzen maschinelles Lernen ein, um Nutzern, die nicht über einen datenwissenschaftlichen Hintergrund verfügen, Analysefähigkeiten zur Verfügung zu stellen. Zum Beispiel können Maschinen aus den besten Prognose- und Clustering-Algorithmen diejenigen auswählen, die die größte Treffsicherheit bieten. Die zugrundeliegenden Modelle können offengelegt und erklärt werden, was für Transparenz sorgt und die Möglichkeit bietet, die Modelle nach Bedarf zu verfeinern.
• Ein umfassenderes Bild – Maschinen schlafen nicht und können repetitive Aufgaben und Berechnungen hervorragend erledigen. Mit der Fähigkeit zur Erstellung einer viel gründlicheren Analyse können Computer quasi unter jeden Stein schauen. Ein solcher umfassender Blick kann uns dabei helfen, Vorurteile bei der eigenen Analyse zu vermeiden.

Die heutigen Computer sind dem Menschen bei der langfristigen Planung, im abstrakten oder kreativen Denken oder im Treffen von Entscheidungen auf der Basis spezieller Erfahrungen oder Zusammenhänge unterlegen. So kann ein maschinengesteuerter Prozess kann zwar beispielsweise vor einem wütenden Kunden warnen. Aber vielleicht war es gut, dass der Kunde Sie verlassen hat, denn er kaufte ohnehin nicht genügend profitable Produkte. Bei der Betrachtung möglicher Folgen eines (wütenden) Kundenverhaltens sind wir dem Computer überlegen.

Oder vielleicht haben Sie einen Verkäufer, der bestimmte Verkaufschancen aufgrund seiner Vertriebserfahrungen ignoriert. Diese Art von Instinkt kann eine Maschine nur schwer lernen. Die Maschine wird eine verpasste Chance anzeigen, während der Verkäufer so klug ist, keine Zeit zu verlieren.

Auch das Verständnis von Ursache und Wirkung ist eine Stärke des Menschen. Während Maschinen beim Aufdecken verborgener Korrelationen in begrenzten Datensätzen immer besser werden, verlassen wir uns auf Menschen, um Ursächlichkeiten von Zufällen zu unterscheiden. Prognostizierende Analytics bieten viele Möglichkeiten zum Erforschen von „Was wäre, wenn“-Szenarien, benötigt jedoch immer noch ein menschliches Urteil, um die von der Maschine vorgeschriebenen Maßnahmen zu validieren.

Auf unserem Weg zu Verschmelzung und Ausgleich der analytischen Fähigkeiten von Mensch und Maschine werden viele neue, wichtige Rollen für den Menschen entstehen. Es verwundert nicht, dass Millionen neuer Arbeitsplätze, einschließlich der meisten derer, die der Bericht des Weltwirtschaftsforums erwartet, im Bereich der Daten angesiedelt sind. Ihr Umfang wird eher noch wachsen, da die Zahl der Anwendungen von Daten steigt.

Wir brauchen das menschliche Genie, um die richtigen Fragen zu stellen und die Ergebnisse smarten Analytics zu verfeinern. Und wir brauchen in steigendem Maß Menschen, um die Ethik der künstlichen Intelligenz und des maschinellen Lernens zu überwachen und zu erhalten. Andere werden sich auf die Bereitstellung höherer Datenkompetenz konzentrieren, um die Analytics für Nutzer verschiedenster Fähigkeitsstufen zugänglich und wertvoll zu machen.

Egal wie klug unsere Technik wird – wir dürfen den ultimativen Zweck von Analytics nicht vergessen: Hilfe bei der Entscheidungsfindung. Wenn wir wissen, welche Maßnahmen wir ergreifen müssen, können wir bestimmen, wem wir die Entscheidungsfindung überlassen, wo wir automatisieren und überwachen möchten und wo wir Fähigkeiten einsetzen wollen, die nur der Mensch besitzt. Die erfolgreichsten Unternehmen werden nicht diejenigen sein, die die höchste Automationsrate aufweisen, sondern diejenigen, die am besten wissen, wie sich Maschinen und Daten einsetzen lassen, um den Menschen bei seiner Arbeit zu unterstützen.