Managed Services

Auf die Rohdaten kommt es an

Oliver Oursin von Salesforce erklärt, wie Unternehmen von KI aus der Cloud profitieren können und weshalb dabei Rohdaten aggregierten Daten gegenüber vorzuziehen sind.

Oliver Oursin, Vice President Solution Engineering Germany & Austria bei Salesforce

Oliver Oursin, Vice President Solution Engineering Germany & Austria bei Salesforce

ITD: Wie kann AIaaS Unternehmen – vor allem solche mit wenig Infrastruktur oder kleinem Budget– dabei unterstützen, KI-Projekte aufzusetzen?
Oliver Oursin:
Wie bei klassischen SaaS-Angeboten können Unternehmen auch im Bereich Künstliche Intelligenz auf AIaaS zurückgreifen und damit eine Lösung nutzen, ohne sie selbst entwickeln, programmieren und eine entsprechende Infrastruktur aufbauen zu müssen. Die Einstiegshürde wird damit viel niedriger. Das ist besonders für Unternehmen, die nicht die nötige Manpower für das Thema KI haben, ein wesentlicher Punkt. Denn unabhängig von den eigenen Ressourcen sollten Unternehmen an bestimmten Stellen schon heute KI nutzen. AIaaS gibt ihnen die Chance, das zu tun. Es gibt heute schon sehr viele AI-Services und AI-Schnittstellen, beispielsweise für Siri oder Alexa. Für eine solche Spracherkennung braucht sich ein Unternehmen keinen KI-Profi ins Haus holen. In solchen und vielen weiteren Fällen sind AIaaS-Angebote sehr hilfreich.

ITD: Für welche Art von Unternehmen kommt das Modell in Frage?
Oursin:
AIaaS ist für alle Branchen und Unternehmen grundsätzlich sehr vorteilhaft. Allerdings müssen die jeweiligen rechtlichen Anforderungen und Bestimmungen für Datensicherheit, -speicherung und -transfer erfüllt werden. In einigen Branchen gibt es persönliche Informationen wie Patientendaten, Daten von Beamten oder Bankdaten. Überall dort kann es Bedenken geben, diese aus dem Haus zu geben und über eine Schnittstelle an einen Dritten, nämlich den KI-Anbieter, weiterzugeben. Hier müssen die Unternehmen genau prüfen, ob aus rechtlichen oder anderen Gründen der notwendige Datenverkehr zulässig ist, d.h. v.a. abklären wo die Daten liegen ­ Thema DSGVO ­ und wer darauf Zugriff hat.

ITD: Wie lässt sich bei AIaaS-Modellen die Datensicherheit gewährleisten?
Oursin:
Betrachtet man AIaaS mit Blick auf die Infrastruktursicherheit, dann handelt es sich um eine Schnittstelle wie jede andere auch. In diesem Kontext zu beachten sind dann Sicherheitsthemen wie adäquate Verschlüsselung, aktuelles Patchmanagement und die Einhaltung aller weiteren Sicherheitsstandards. Ein weiterer Themenkomplex rund um Datensicherheit und Datenschutz ist die Fragestellung, in welcher Art und Weise die KI-Algorithmen die Daten nutzen und verarbeiten und wo dies geschieht. In Deutschland ist es beispielsweise nicht gestattet, bestimmte Formen von Benutzerprofilen zu erstellen.

ITD: Wie aufwändig ist es, ohne Vorkenntnisse z.B. einen Chatbot einzurichten, der NLP-Algorithmen nutzt?
Oursin:
Das ist heutzutage nicht mehr aufwändig für Unternehmen, die SaaS oder AIaaS nutzen. Sie können solche Funktionen relativ einfach einrichten, da diese mit SaaS einen stärkeren Konfigurationscharakter haben und die Codierung keine sehr große Rolle mehr spielt. Will man dagegen selbst im Haus einen Bot bauen, dann ist das deutlich komplexer.

Und genau dieser Punkt ist der große Vorteil von SaaS- oder AIaaS-Lösungen. Sie stellen bestimmte Grundfunktionalitäten und Schnittstellen zur Verfügung, die Unternehmen dann nicht ganz ohne Aufwand, aber erheblich einfacher für ihre Zwecke nutzen können. 

ITD: Um KI- oder ML-Projekte zum Erfolg zu führen, benötigt man saubere und hochwertige Daten – kann ein Unternehmen ohne nennenswerte KI-Erfahrung überhaupt entscheiden, welches „brauchbare“, also nützliche Daten sind?
Oursin:
Ein gutes KI-System zeigt dem Anwender Auffälligkeiten in den Daten auf, beispielsweise bezüglich der Qualität. Oder die KI-Lösung weist auf unnötige Duplizierungen wie bei Geburtsdatum und Alter hin. Hier wäre beispielsweise jeweils nur ein Datenfeld nötig, weil diese beiden Parameter direkt voneinander abhängig sind.

Genau das machen wir auch bei Salesforce. Unternehmen, die beispielsweise mit unserer KI-Lösung Einstein eine Kenngröße untersuchen wollen, bekommen auffällige Datenwerte oder Daten mit grenzwertiger Qualität angezeigt. Damit gewinnen die Unternehmen einen Einblick, mit welchen Daten sie vorsichtig sein sollten und welche sie wirklich sinnvoll nutzen können.

Man kann zum Thema hochwertige Daten außerdem sagen, dass jedes gute KI-System mit bestimmten Einschränkungen hinsichtlich der Datenqualität leben kann. Es geht dabei immer um die Frage, welche Aufgabe man mit KI lösen möchte und wie viele Abweichungen man deshalb akzeptieren kann. Beim Lead Scoring, der Bewertung von Interessenten und Kontakten, sind beispielsweise fünf bis acht Prozent Abweichung nicht kritisch. Dagegen wäre beim Einsatz von KI für das autonome Fahren eine so hohe Fehlertoleranz völlig inakzeptabel. Diese Beispiele zeigen: die Anforderungen an die Qualität der Daten sind sehr stark vom Anwendungsfall abhängig.

ITD: Was sollten Unternehmen beachten, die komplexere Anwendungen nutzen möchten, die z.B. eine Vorverarbeitung der Daten erfordern?
Oursin:
Traditionell wurden Rohdaten aggregiert und auf Basis dieser dann Entscheidungen getroffen. Oder man hat die Daten vorverarbeitet. Durch diese Vorgehensweisen verlieren die Unternehmen allerdings Grundwissen aus den Daten, und zwar für immer. Deswegen ist es unser Ansatz, mit den tatsächlichen Daten zu arbeiten. Wir setzen mit dem Machine Learning direkt auf den Rohdaten auf und nicht auf aggregierte Daten. So können wir sicher sein, dass alle Informationen tatsächlich berücksichtigt und ausgewertet werden.

Früher war das nicht möglich, weil schlicht die Rechenleistung fehlte. Das spielt heute keine Rolle mehr. Unser Standpunkt ist deshalb: Es ist entscheidend und mehr als sinnvoll, immer möglichst direkt mit den rohen Daten zu arbeiten, um möglichst klare, richtige Ergebnisse zu bekommen. Später kann man dann die Ergebnisse, wenn man möchte, immer noch aggregieren.

ITD: Oftmals wird gesagt, das AIaaS im Prinzip nur mit Standard-Lösungen arbeitet und wenig Raum für innovative Ansätze bietet – wie beurteilen Sie das?
Oursin:
Im Gegenteil. Der innovative Ansatz ist immer der besondere Businessprozess, das Angebot oder die Kundenerfahrung, die ein Unternehmen individuell entwickelt und bietet. Die KI schafft die Grundlage und bietet zunächst einmal die Möglichkeit für die Umsetzung dieser Innovationen.

Und ich möchte noch einen anderen Aspekt hinzufügen: Gerade im KI-Umfeld, das noch nicht so weit entwickelt ist wie andere Bereiche, steckt in der Technologie selbst noch ein hohes Innovationspotenzial. Dies ist aber viel einfacher für Unternehmen zu heben, die sich intensiv damit beschäftigen, als für jeden Nutzer alleine. Wir z.B. bieten Machine Learning für 200.000 Kunden. So können wir eine Innovation deutlich schneller weitergeben und teilen, als wenn sich umgekehrt alle diese Kunden einzeln überlegen, wie sie den Algorithmus verbessern.

ITD: Macht das Verwenden von AIaaS eine ausgereifte KI-Strategie, ggf. auch das Hinzuziehen externen KI-Berater, überflüssig?
Oursin:
Man braucht immer eine tragfähige Strategie, egal was Unternehmen tun oder bewirken möchten. Insofern ersetzt AIaaS keine gute Strategie, die umfassend beinhaltet, was man genau durch den Einsatz der KI bewirken möchte, im Gegenteil. Die Unternehmen müssen sich überlegen, warum und wie sie handeln wollen.

Auf der anderen Seite gibt es auf dem Markt nicht genug KI-Berater und Data Scientists, die Unternehmen bei der KI-Einführung unterstützen können. Insofern hilft eine Standardlösung dabei, diese Lücke zu schließen. Die Unternehmen brauchen nicht mehr zwingend KI-Know-how und können trotzdem mit KI starten.

Insgesamt kann man sagen, eine AIaaS-Plattform braucht deutlich weniger Beratungsansatz für die Installation und Codierung als eine eigene Lösung. Die Unternehmen haben damit mehr Zeit, sich auf Ihre Strategie zu konzentrieren und diese umzusetzen.

ITD: Ab wann sollte ein Data Scientist hinzugezogen werden?
Oursin:
Je komplexer und je individueller ein Businesscase mit KI abgebildet werden soll, desto stärker sind Unternehmen auf einen Data Scientist angewiesen. Ein Lead Scoring kann ein Unternehmen beispielsweise direkt, ohne zusätzliche Beratung, mit einer entsprechenden KI-Lösung ausführen. Bei einer umfassenden Analyse in einem komplexen B2B-Umfeld wird man einen Data Scientist hinzuziehen, insbesondere wenn es sich um individuelle Einsatzmöglichkeiten der KI handelt.

Bildquelle: Salesforce

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok