Künstliche Intelligenz wird zum Wirtschaftsfaktor

Das Thema Künstliche Intelligenz wird von immer mehr Menschen als eine wichtige Schlüsseltechnologie angesehen. Dies bestätigt eine Umfrage des ITK-Verbands Bitkom im Dezember 2018: Zwei Drittel der Befragten sehen den Wohlstand gefährdet, wenn Deutschland bei der Künstlichen Intelligenz nicht zu den führenden Nationen gehört. Eine Mehrheit von 62 Prozent sehen die KI zudem eher als eine Chance als eine Bedrohung. Für die Bundeskanzlerin Angela Merkel ist das Thema ebenfalls ganz oben auf der Agenda: Nach ihrer Meinung müsse Deutschland ein führender Standort für Künstliche Intelligenz werden.

Künstliche Intelligenz sowie die damit verbundenen Themen wie maschinelles Lernen und Deep Learning haben gemeinsam, dass sie eine große Menge an qualifizierten Daten benötigen. So unterstrich Angela Merkel auf ihrer Japanreise im Februar 2019, dass der Schlüssel für die Anwendung von KI in den Daten liegt. Ähnlich äußert sich Bitkom-Präsident Achim Berg in 2018, der eine konsistente Datenpolitik in Deutschland und Europa anmahnt, denn KI ohne Daten sei wie ein Schwimmbad ohne Wasser. Hinter der Bitkom-Aussage steht auch die Notwendigkeit, dass Rahmenbedingungen für Methoden wie das Text-Mining notwendig sind, um die automatisierte Auswertung von Bestandsdaten aus Quellen zu ermöglichen, die für den Einzelkonsum vielleicht geschützt sind – also beispielsweise Daten aus der Fachliteratur.

Ein positives Vorbild liefert die Entwicklung von Open Government: Um die Verbreitung von frei verfügbaren Daten zu beschleunigen, hat sich die öffentliche Verwaltung dem Prinzip „Open Data by Default“ verpflichtet. Damit sollen Behörden ermutigt werden, geeignete Daten grundsätzlich öffentlich zu stellen. Diese Daten können wiederum als Basis für Machine Learning- und KI-Anwendungen dienen. Für Unternehmen ergibt sich ein erhebliches wirtschaftliches Potenzial, wenn große Informationsmengen als Open Data verfügbar sind.

Wirtschaftsfaktor KI

Die Nachfrage nach KI-gestützten Anwendungen ist offenbar schon heute vorhanden. Nach einer im Januar 2019 veröffentlichten Studie von EITO (European Information Technology Observatory) könnte der europäische KI-Markt von derzeit rund drei Milliarden Euro auf bis zu zehn Milliarden Euro im Jahr 2022 wachsen, entsprechend einem jährlichen Wachstum von durchschnittlich 38 Prozent. Unterstützt wird diese Entwicklung unter anderem durch die Europäische Kommission: Bis zum Jahr 2020 sollen 20 Milliarden Euro in die KI-Entwicklung fließen. Ab 2020 verspricht die Kommission aus dem eigenen Haushalt mindestens eine Milliarde Euro jährlich für KI-Projekte bereitzustellen.

Daten sind die Grundlage für KI

Für Unternehmen ist es daher wichtig, schon heute die Grundlagen für zukünftige KI-Initiativen zu schaffen. Denn: Für KI-Geschäftsanwendungen werden relevante, zuverlässige und qualitativ hochwertige Daten benötigt, die zudem für alle Mitarbeiter schnell verfügbar sein müssen – Trust und Speed sind hier die Fachbegriffe, die diese Anforderungen umschreiben. Die Daten können aus der eigenen Organisation stammen, aber auch aus externen Clouds und Datenbanken bezogen werden.

Wie wichtig eine gute Datenbasis ist, zeigt eine Aussage der Marktforscher von Gartner. Demnach könnten bis 2022 rund 85 Prozent der KI-Projekte fehlerhafte Resultate liefern. Die Gründe dafür liegen in einer Datenverzerrung, in fehlerhaften Algorithmen oder in den Teams, die sich um das Datenmanagement kümmern.

CIOs sollten in diesem Jahr zwei Projekte verfolgen, um sich fit für den KI-Einsatz zu machen. So ist ein Datenmanagement-Projekt notwendig, um die eigenen Datenquellen zu identifizieren und zu katalogisieren. Erst damit wird es überhaupt möglich, Mitarbeitern im gesamten Unternehmen schnell und einfach Zugriff auf Daten zu geben. Weiterhin ist eine Plattform für die organisationsweite Datenintegration notwendig. Diese muss so flexibel arbeiten, dass sich damit beliebige externe und interne Datenquellen anbinden lassen, inklusive Streaming-Daten aus IoT-Umgebungen sowie cloud-basierte unstrukturierte Daten, wie zum Beispiel aus einem Data Lake.

Mit der Cloud starten

Wer auf IT-Ressourcen aus der Cloud setzt, kann schon heute mit kleinen Testprojekten für die Datenintegration und das Datenmanagement starten. So können Mitarbeiter rasch eigene Cloud-Services nutzen und Erfahrungen mit Technologien für Machine Learning oder KI sammeln. AWS Tensor Flow, Google AI und Google ML sowie das Microsoft Azure ML Studio sind nur einige Beispiele der vielfältigen KI-Technologien, die sich aus der Cloud heraus aufrufen lassen. Je mehr IT-Experten und Mitarbeiter aus den Fachabteilungen in künftige KI-Projekte einbezogen werden, umso schneller lassen sich erste Projekte identifizieren, die einen echten Mehrwert für das eigene Unternehmen bieten und damit den Weg in die digitale Transformation frei machen.