Bild
Person in Neon-beleuchteter Umgebung

09.01.2023 | Blog 5 Punkte, auf die Sie bei Ihren KI-Projekten 2023 achten sollten

Von Künstlicher Intelligenz können Unternehmen und Behörden an vielen Stellen profitieren: KI kann Standardaufgaben übernehmen und damit Prozesse beschleunigen und Mitarbeiter entlasten. Für erfolgreiche KI-Projekte sollten Organisationen bestimmte Aspekte berücksichtigen.

Künstliche Intelligenz kommt im Alltag an vielen Stellen zum Einsatz: beim Tippen von Textnachrichten liefert das Smartphone Alternativen für das nächste Wort, E-Mail- oder Chat-Programme schlagen Antworten vor, Übersetzungsprogramme erleichtern das Schreiben und Verstehen von Texten. Hier sind die Ergebnisse bereits von hoher Qualität. Auch Unternehmen und Behörden setzen KI vermehrt ein bzw. immer mehr Organisationen interessieren sich dafür.

Laut einer BITKOM-Studie will jedes zehnte Unternehmen 2023 in KI investieren. KI-Verfahren werden besser, es stehen mehr Daten zur Verfügung. Jedoch sollten Organisationen nach Auffassung des Search- und KI-Experten IntraFind einiges beachten:

1. KI zielgerichtet einsetzen

Nur weil es „in“ ist KI einzusetzen, sollte das keine Organisation tun. Vielmehr sollten Unternehmen Ziele definieren, wie sie ihre Prozesse verbessern möchten und was sie erreichen wollen. Gemeinsam mit KI-Experten gilt es zu überlegen, an welcher Stelle eine KI sinnvoll unterstützen kann: Welche Prozesse können automatisiert oder teilautomatisiert ablaufen? An welcher Stelle muss ein Mensch eingreifen? An welcher Stelle kann meine Organisation KI nutzen, um Routinearbeiten im Vorfeld zu erledigen?

Meist kann KI eine bestimmte Tätigkeit in einem Prozess besonders gut abdecken. Hier ist sie dann den menschlichen Fähigkeiten weit überlegen. Die Aufgaben rund herum müssen in der Prozesskette zwar oft von Menschen erledigt werden, aber diese eine Aufgabe, die die KI erledigt, steigert die Effizienz des Gesamtprozesses enorm. KI braucht also immer einen konkreten Anwendungsfall und muss so eingesetzt werden, dass sie den Menschen mehr Nutzen bringt: Zum einen den Mitarbeitern in Unternehmen oder Behörden, die KI einsetzen und zum anderen den Menschen auf der anderen Seite des Prozesses – den Kunden und Bürgern.

2. KI erfordert Vorbereitung

Beschreibungen rund um die Themen Maschinelles Lernen und Künstliche Intelligenz klingen oft als wäre das alles ganz einfach und mühelos. Diese Einschätzung trügt. Die Einführung von Künstlicher Intelligenz erfordert überlegte Vorbereitung sowie ein regelmäßiges Überwachen und Nachjustieren. Das fängt schon damit an, welche Methode man auswählt, um sein Ziel zu erreichen. Nicht jeder Algorithmus ist für jedes Problem geeignet. Und es hängt alles von der Datenbasis ab. Ein KI-Modell ist immer nur so gut wie die zugrundeliegenden Daten. Zudem verändern sich Geschäftsanforderungen in einem dynamischen Wirtschaftsleben. KI-Systeme müssen sich an Veränderungen anpassen können.

3. KI braucht qualitativ hochwertige Daten

KI braucht in der Regel viele Daten. Denn mittels maschineller Lernverfahren erkennt die Künstliche Intelligenz Muster in Daten, leitet daraus Regeln ab und kann diese auf neue Situationen anwenden. Um im Praxiseinsatz im Unternehmen mit weniger Daten gute Ergebnisse zu erzielen, nutzen Experten wie IntraFind Transfer Learning. Hier werden vortrainierte Machine Learning-Modelle eingesetzt, um sie in einer ähnlich gearteten Fragestellung mit weniger Daten auf einen Spezialfall zu trainieren. Um mit diesen Daten arbeiten zu können, müssen sie erfasst, analysiert und ggf. entsprechend aufbereitet werden. Dieses Datenmanagement ist nötig, um der KI qualitativ hochwertige Daten zur Verfügung zu stellen. Maschinelle Lernverfahren können das Datenmanagement unterstützen, welches wiederum eine Grundlage für KI-Systeme bildet.

Bei manchen allgemeingültigen Analysezielen kann man auch auf bereits fertig trainierte Modelle zurückgreifen – dann garantiert der Hersteller die Qualität der Trainingsdaten im Voraus. Um beispielsweise den Datenbestand hinsichtlich DSGVO-relevanter Daten analysieren zu können, muss ein Extraktor auch in der Lage sein, qualitativ schwierige Daten zu erfassen. Mittels maschineller Lernverfahren kann eine intelligente Enterprise Search Software bestehende Daten automatisch mit relevanten Metadaten anreichern und sie in vorgegebene Themenfelder klassifizieren.

Mehr zum Thema Datenmanagement: https://digitaleweltmagazin.de/von-daten-zu-kuenstlicher-intelligenz-datenmanagement-als-basis-fuer-erfolgreiche-ki-anwendungen/

4. KI aufzusetzen braucht qualifiziertes Personal, KI einzusetzen nicht       

Um KI zu entwickeln, braucht es Experten, die neben klassischem Informatik-Wissen unter anderem über tiefgehende Kenntnisse über Maschinelles Lernen, Deep Learning sowie neuronale Netze in Kombination mit Big Data verfügen.

Allerdings gibt es Möglichkeiten, dass Nicht-Experten die KI weitertrainieren können. Mit einer KI-basierten Software für Vertrags-/oder Dokumentenanalyse beispielsweise kann jeder Nutzer die KI durch Annotieren und Labeln von Textpassagen selbst trainieren und so stetig verbessern.

5. KI muss transparent und erklärbar sein

Künstliche Intelligenz muss erklärbar und nachvollziehbar sein, um das Vertrauen in ihren Einsatz zu stärken. Für Fachabteilungen und den Beteiligten an Entscheidungsprozessen muss Transparenz über den Einsatz der Technologie herrschen. Sie müssen die grundlegenden Funktionsweisen der KI-Systeme verstehen und beurteilen können. Gleichzeitig ist es auch wichtig, Transparenz von den Anbietern einzufordern, die nachweisen müssen, dass ihre Lösungen auf fundierten Modellen und einwandfreien Datensätzen basieren.

In diesem Zusammenhang sind auch die Anstrengungen der Europäischen Union im Rahmen des Digital Services Act (DSA) zu erwähnen. Die EU baut dazu das European Center for Algorithmic Transparency auf. Dieses soll zu einem sichereren, berechenbareren und vertrauenswürdigen Online-Umfeld für Menschen und Unternehmen beitragen. https://digital-strategy.ec.europa.eu/en/news/digital-services-act-commission-setting-new-european-centre-algorithmic-transparency,

Fazit: Organisationen, die das alles beachten, sind bereits einen Schritt weiter. Ihnen kann KI erheblichen Mehrwert bringen: Prozesse beschleunigen, Mitarbeiter von Standardaufgaben entlasten und Geschäftsmodelle verbessern.

 

Weiterführende Links

Denkanstöße rund um die Fortentwicklung von KI geben auch Bundesministerien sowie Wissenschaftsvertreter:

https://www.bmbf.de/bmbf/de/forschung/digitale-wirtschaft-und-gesellschaft/kuenstliche-intelligenz/kuenstliche-intelligenz_node.html

https://www.denkfabrik-bmas.de/schwerpunkte/kuenstliche-intelligenz

https://www.iwkoeln.de/studien/hans-peter-kloes-grosse-ki-modelle-als-basis-fuer-forschung-und-wirtschaftliche-entwicklung.html

 

Ähnliche Seiten und Artikel

Bild
Code

KI bestimmt die Zukunft der Datenökonomie

Daten werden längst als wertvolles Wirtschaftsgut gehandelt, aus Unternehmenssicht sind sie der Treiber für Innovationen und Wachstum. Aber erst mit Hilfe Künstlicher Intelligenz lassen sich die zunehmenden Datenberge gewinnbringend nutzen, findet IntraFind-Vorstand Franz Kögl.
Artikel lesen
Bild
Future

Wird Künstliche Intelligenz zur Commodity?

AI-Experte Breno Faria über den Aufwand von Machine Learning-Projekten und wie er die Entwicklung von Künstlicher Intelligenz in Unternehmen sieht.
Artikel lesen
Bild
Aufnahme Rollband

Diese Trends werden das KI-Jahr 2023 prägen

Von Open Source über Low Code bis zu transparenten Algorithmen: KI-Spezialist IntraFind erläutert, welche Entwicklungen die Demokratisierung von Künstlicher Intelligenz im Jahr 2023 weiter vorantreiben werden.
Artikel lesen

Der Autor

Breno Faria
Team Lead NLP
Breno Faria beschäftigt sich schon seit mehr als 10 Jahren mit dem Thema Suche und Verarbeitung natürlicher Sprachen. Seit 2012 ist er für die IntraFind Software AG tätig und leitet dort den Bereich Natural Language Processing (NLP).
Bild
Breno Faria