Künstliche Intelligenz in der Wirtschaft - Was kann sie und wo sind ihre Grenzen? Und wie lässt sich künstliche Intelligenz in einer gängigen Businesssoftware leicht integrieren.

Ein gängiges Verständnis von Künstlicher Intelligenz (KI) beschreibt den Versuch Maschinen intelligentes Verhalten beizubringen. Sie umschliesst vielfältige Ansätze nicht nur aus der Informatik, sondern auch aus den Feldern wie dem Ingenieurwesen, der Logik und Statistik aus der Mathematik, der Linguistik und vielen weiteren [1]. Üblicherweise bilden Algorithmen dabei das Grundgerüst für diese Intelligenz. Neuronale Netze sind ein prominentes Beispiel solcher Algorithmen in der KI.

Aber wie steht es um die in Science-Fiction-Filmen prophezeite Gefahr durch eine übermächtige KI? Dieser Gedanke bezieht sich nur auf einen Teil der KI-Forschung:  «starke» oder auch « generelle» KI beschreibt die Entwicklung einer künstlichen Intelligenz, die dem Menschen mindestens ebenbürtig wäre [1]. Ein Gedanke, der beunruhigend erscheinen mag, aber technisch noch lange nicht möglich ist [2].

Im Gegensatz liegt das zweite Feld der KI sehr wohl im Bereich des Möglichen: Die sogenannte «schwache» Künstliche Intelligenz, wie sie gerne in der Wirtschaft und vielen Forschungsfeldern aufgegriffen wird, kann jedoch nur genau definierte Aufgaben ausführen. Die «schwachen KI» -Algorithmen sind dafür aber schon sehr erfolgreich:

Beispielsweise können solche KI-Anwendungen Menschen in Schach besiegen, andere KI-Anwendungen können im Autonomen Fahren Situationen im Strassenverkehr erfolgreich interpretieren oder wieder andere Anwendungen können Übersetzungen anfertigen [2]. Dabei ist es wichtig, im Gedächtnis zu behalten, dass solche Anwendungen immer noch nur anhand sehr grosser Mengen von Beispielsituationen Regeln ableiten, um begrenzte, unmittelbare und praktische Fragen zu beantworten.

Aus einer Unternehmensperspektive stärken diese beeindruckenden Fähigkeiten den Wunsch, KI auch für kommerzielle Zwecke einzusetzen. Dem steht jedoch gegenüber, dass KMUs besonders bei anspruchsvollen digitalen Anwendungen wie in der Datenanalyse noch häufig hinter den Grossunternehmen zurückbleiben. [3]. Sicherlich ist es nicht Ziel eines jeden KMUs eine eigene Data Science Abteilung aufzubauen, aber das bedeutet noch lange nicht, dass Informationen und Geschäftsvorteile in ungenutzten Daten verloren gehen müssen.

Im Rahmen dieser Artikel-Serie soll ein Einblick gegeben werden, wie mittels «Analytical Process Automation» (APA) Software optimierte Businessentscheidungen auf Grund von Daten getroffen werden können.

Die hier verwendete APA Software «Alteryx» bietet Unternehmen die Möglichkeit Datenverarbeitungsprozesse ohne vorherige Programmier-Kenntnisse zu entwickeln und zu automatisieren. Zusätzlich können Data Scientisten selbst-entwickelten Code als Anwendung einbinden und dadurch mit Business-Anwendern reibungslos zusammenarbeiten. 

Introduction to Analytic Process Automation: Analytics + Data Science + Process Automation

Ausblick:

In Artikel 2 folgt: Die Nutzung der Alteryx Software aus Sicht eines Data Scientisten: Mittels eines Python Plugins in der Software «Alteryx» wird ein einfaches neuronales Netz zur Bilderkennung trainiert und anderen Business-Anwendern zur Verfügung gestellt.

In Artikel 3 folgt: Die Nutzung der Alteryx Software aus Sicht eines Business Anwenders: Wurde ein neuronales Netz von Data Scientisten gefertigt, ermöglicht die Software «Alteryx» auch anderen Businessanwendern solche vorgefertigten Neuronale Netze auf elegante Weise selbst zu nutzen, ohne sich in Python oder R – Code vertiefen zu müssen.  In einer beispielhaften Anwendung werden ausserdem die Grenzen von KI verdeutlicht.

In Artikel 4 folgt: In welchen Bereichen können die Stärken der KI also in KMUs genutzt werden? Ein typischer Umsetzungsprozessfluss wird vorgestellt. 

Literaturverzeichnis:

[1] Nilsson, Nils J. (2009). The Quest for Artificial Intelligence. A History of Ideas and Achievements. Cambridge University Press.

[2] Spiegelhalter, David (2019). The art of statistics: learning from data. Penguin UK.

[3] Zukunft der KMU liegt in der Digitalisierung