Crashkurs KI im Unternehmen

Alles, was Sie über Data Science wissen müssen

Stephan Matzka

• Verlag: Haufe
• Jahr: 2021
• ISBN drucken:
  9783648149201
• eBook-ISBN:
  9783648149218
• Thema: Business
• Thema: Management

Das Thema künstliche Intelligenz ist in aller Munde. Wie kann auch Ihr Unternehmen KInutzen und davon profitieren? Dieses Buch bietet anhand eingängiger Beispiele eine pragmatischeEinführung in dieses spannende Themenfeld. Der Autor setzt den Fokus auf einVerständnis der grundlegenden Begriffe und Konzepte sowie der praktischen Durchführungvon KI-Projekten. Dabei werden Sie durch Glossare und Checklisten tatkräftig unterstützt.So können Sie die Ergebnisse von KI-Projekten kompetent beurteilen, die richtigen Fragenstellen und fundiert entscheiden.Inhalt: - Grundlagen maschinelles Lernen und Buzzwords- KI-Projektmanagement: Struktur, Planung, Ziele- Aufbereitung und Visualisierung der Daten, um wertvolle Einsichten zu gewinnen- KI nutzen, um Ereignisse und Entwicklungen zu prognostizieren bzw. ungewöhnliche Konstellationen zu erkennen- Nachhaltige produktive Umsetzung von KI im Unternehmen- Mit Checklisten und umfangreichem Glossar"Ein guter Einstieg in ein komplexes wichtiges Thema." Schweizer Online-Forum für Chief Financial Officers

[9]1 Einleitung

Seit einem knappen Jahrzehnt wird der Einsatz künstlicher Intelligenz (KI) in Unternehmen nahezu aller Branchen intensiv diskutiert, gefordert, argwöhnisch betrachtet oder alternativ als Universallösung präsentiert. Ein spannender Kontrast gegenüber diesem Hype ist, dass gleichzeitig wenige Menschen erklären können, was künstliche Intelligenz konkret ist und welche Möglichkeiten und Grenzen sie aufweist.

Ein Grund hierfür ist, dass künstliche Intelligenz oftmals als Disziplin der Informatik verstanden wird und sich die hierzu existierende Literatur entsprechend an Informatiker richtet. Gleichzeitig wird die eigentliche Wertschöpfung der künstlichen Intelligenz erst durch ihre Anwendung zur Lösung geeigneter Problemstellungen in Unternehmen realisiert. Aus diesem Grund ist es essenziell, dass Entscheider und Fachexpertinnen in Unternehmen die hierfür erforderlichen Kompetenzen besitzen.

1.1 Zielsetzung des Buchs

Dieses Buch macht Sie auf verständliche und strukturierte Weise mit den Begrifflichkeiten und Methoden der künstlichen Intelligenz vertraut, ohne dabei vorauszusetzen, dass Sie alle Schritte eines KI-Projektes, insbesondere die Programmiertätigkeiten, selbstständig umsetzen wollen oder können.

Der Fokus dieses Buches liegt daher auf der Vermittlung der drei KI-Kernkompetenzen, über die Entscheiderinnen und Fachexperten verfügen sollten:

• Grundlagenwissen zur künstlichen Intelligenz
• Kenntnis gängiger Abläufe und Methoden im KI-Projektmanagement
• Beurteilungskompetenz zu den (Zwischen-)Ergebnissen von KI-Projekten

Für die große Mehrzahl der Menschen war künstliche Intelligenz oder maschinelles Lernen kein Teil ihrer Ausbildung oder ihres Studiums. Jedoch ist ein grundsätzliches Verständnis der künstlichen Intelligenz erforderlich, um deren Möglichkeiten und Grenzen zu kennen und so geeignete Einsatzbereiche in ihrem Unternehmen zu identifizieren.

Ist der Einsatz von KI für ein unternehmerisches Problem geeignet, ist es erforderlich, mithilfe eines bewährten KI-Projektmanagement-Konzepts das Projekt auf den unternehmerischen Nutzen, anstatt auf datenwissenschaftliche Schönheit hin auszurichten und sicherzustellen, dass die hierfür erforderlichen Ressourcen vorhanden sind oder zugekauft werden können.

[10]Die wichtigste Zielsetzung ist jedoch die Vermittlung einer Beurteilungskompetenz, die es Ihnen ermöglicht, die Qualität von Ergebnissen in den KI-Projektphasen fundiert beurteilen zu können. Wie in allen anderen unternehmerischen Bereichen ist die Fähigkeit, gute Qualität von unzureichender unterscheiden zu können, auch hier eine Schlüsselkompetenz für Ihren unternehmerischen Erfolg.

Unmittelbar aus den aufgezeigten Zielkompetenzen ergibt sich die im folgenden Abschnitt vorgestellte Struktur dieses Buches.

1.2 Aufbau des Buchs

Dieses Buch ist in 11 kompakte Kapitel gegliedert, die zum einen inhaltlich aufeinander aufbauen, zum anderen von Kapitel 3 bis 9 entlang des üblichen Ablaufs eines KI-Projekts strukturiert sind. Aus diesem Grund können Sie das Buch linear lesen, um so Ihr Wissen zur künstlichen Intelligenz grundlegend zu sichern und fortlaufend zu vertiefen.

Gleichzeitig können Sie nach dem Abschluss von Kapitel 3, wenn Sie aktuell oder zu einem späteren Zeitpunkt ein KI-Projekt in Ihrem Unternehmen verantworten oder begleiten, direkt in das Kapitel zu der für Sie relevanten Projektphase einsteigen. Hierfür können insbesondere die detaillierten Checklisten am Ende jedes Kapitels zu einer Projektphase eine hilfreiche Unterstützung sein und Ihnen die Gewissheit geben, dass das KI-Projekt für den Eintritt in die nächste Projektphase den erforderlichen Reifegrad erreicht hat.

Während Ihnen Kapitel 1 einen Überblick über die Motivation, Zielsetzung und Struktur dieses Buches vermitteln soll, werden in Kapitel 2 die essenziellen Grundlagen der künstlichen Intelligenz und der hierfür genutzten maschinellen Lernverfahren vermittelt. Da auf das Verständnis der dort vorgestellten Konzepte und Begrifflichkeiten im späteren Verlauf aufgebaut wird, ist es sehr empfehlenswert, Kapitel 2 vor der weiteren Lektüre abzuschließen.

In Kapitel 3 wird eine häufig verwendete Projektstruktur für KI-Projekte vorgestellt und bereits die erste Phase des KI-Projektmanagements mit der Definition des Projektziels, Klärung der Rollen, Aufgaben und Verantwortlichkeiten sowie Make-or-Buy-Entscheidungen besprochen.

Kapitel 4 stellt die verschiedenen Darstellungsformen für Datensätze vor, mithilfe derer eine erste Analyse der vorhandenen Daten erfolgt. Die Fähigkeit, Diagramme und Kennzahlen korrekt interpretieren zu können, ist für Entscheider sowie für Fachexper[11]ten wesentlich, um so gemeinsam mit den Data Scientistinnen das weitere Vorgehen im Projekt festzulegen.

In Kapitel 5 werden häufige Fehlerarten in Datensätzen besprochen und Methoden aufgezeigt, diese manuell oder automatisiert zu bereinigen. Wir betrachten die Möglichkeit, auch unstrukturierte Daten wie menschliche Sprache als Datenquelle zu nutzen, sowie die Schwierigkeit, als Mensch in einem großen Datensatz mit komplexen Zusammenhängen relevante von nicht relevanten Daten zu unterscheiden. Dies führt uns zur Motivation, anstelle weiterer Analysen durch Menschen maschinelle Lernverfahren zu nutzen.

In den Kapiteln 6 bis 8 werden eben diese maschinellen Lernverfahren anhand von Fallbeispielen aus der Praxis beschrieben. Da dieser Teil im Projekt üblicherweise von Data Scientisten ausgeführt wird, liegt der Fokus dieses Buches auf der Beurteilungskompetenz, die es Ihnen ermöglicht, mithilfe der richtigen Fragen aus einer Reihe von Ergebnissen das für die Anforderungen Ihres Unternehmens am besten geeignete maschinelle Modell zu bestimmen.

In Kapitel 9 wird die letzte Phase von KI-Projekten, die produktive Umsetzung der Projektergebnisse in Form einer künstlichen Intelligenz, beschrieben. Obwohl dies stets sehr unternehmensspezifisch erfolgt, gibt es in dieser Phase häufige generelle Fallstricke, die Sie mithilfe dieses Buches und der enthaltenen Checklisten jedoch vermeiden können.

Kapitel 10 gibt Ihnen einen Ausblick auf erklärbare künstliche Intelligenz. Als solche wird eine Zukunftstechnologie bezeichnet, die das Ziel verfolgt, neben dem eigentlichen Ereignis der künstlichen Intelligenz auch eine Begründung zu liefern, warum das Modell zu diesem Resultat gekommen ist. Da dies für die Akzeptanz von künstlicher Intelligenz in Unternehmen oft wesentlich ist, wird diese Technologie bereits als »3rd wave AI« (dt. dritte Welle der KI) bezeichnet.

In Kapitel 11 werden die zentralen Erkenntnisse des Buches noch einmal rekapituliert und es wird verdeutlicht, dass es sich lohnt, mit dem in diesem Buch vermittelten Wissen ein KI-Projekt in Ihrem Unternehmen anzugehen.

Abschließend noch ein Hinweis: Bei Personenbezeichnungen und personenbezogenen Hauptwörtern in diesem Buch wird versucht, sowohl die weibliche als auch die männliche Form gleichverteilt zu verwenden. Entsprechende Begriffe gelten im Sinne der Gleichbehandlung grundsätzlich für alle Geschlechter. Die ggf. verkürzte Sprachform hat nur redaktionelle Gründe und beinhaltet keinerlei Wertung.

[13]2 Grundlagen

Bevor wir uns in den folgenden Kapiteln anhand von Praxisbeispielen mit den verschiedenen Möglichkeiten beschäftigen, künstliche Intelligenz im Unternehmen gezielt und sinnvoll einzusetzen, sollen in diesem Kapitel die Grundlagen für die weitere Arbeit gelegt werden.

Wie bei allen anderen neuen Technologien erreichen sogenannte Buzzwords oft deutlich schneller die Besprechungszimmer und Werkhallen von Unternehmen und Organisationen als die eigentliche Technologie, oder auch nur ein fundiertes Verständnis über deren tatsächliche Bedeutung und Möglichkeiten. Um diese Hürde aus dem Weg zu räumen, klären wir die gängigen Buzzwords im Bereich der künstlichen Intelligenz in Kapitel 2.1.

Der zweite wichtige Grundbaustein, um die Möglichkeiten der künstlichen Intelligenz beurteilen zu können, ist der, die grundlegenden Methoden des maschinellen Lernens zu kennen und unterscheiden zu können. Keine Angst: Mit nur drei Methoden sind sie zahlenmäßig weniger als die vier Grundrechenarten. Gleichzeitig kennen erstaunlich viele Menschen, die über die Vorzüge künstlicher Intelligenz Aussagen treffen, den Unterschied zwischen den grundlegenden Methoden des maschinellen Lernens nicht. Um die Analogie mit den Grundrechenarten beizubehalten: Es erschwert die Lösung eines Integrals doch erheblich, wenn der Unterschied zwischen Punkt- und Strich-Rechnung nicht bekannt ist. Ebenso ist ein Grundverständnis für die verschiedenen maschinellen Lernformen unerlässlich, um fundiert über Möglichkeiten und Grenzen von künstlicher Intelligenz diskutieren zu können. Nach Kapitel 2.2 sind Sie mit den grundlegenden Methoden des maschinellen Lernens vertraut und können sich in Kapitel 3 der Planung ihres KI-Projektes widmen.

2.1 Buzzwords

Begriffe wie künstliche Intelligenz, Deep Learning und Big Data sind Ihnen im beruflichen Alltag gewiss schon begegnet und dabei mit hoher Wahrscheinlichkeit für sehr verschiedene Sachverhalte und darüber hinaus auch synonym verwendet worden. In vielen Situationen wird dies ohne weitere Rückfragen akzeptiert. Umso erstaunlicher sind jedoch oftmals die Antworten auf eine Nachfrage, was genau die Sprecherin oder der Sprecher unter künstlicher Intelligenz versteht, warum gerade Deep Learning eingesetzt werden soll oder welche Vorteile durch die Nutzung von Big-Data-Technologien anstelle von klassischen Datenbanken erwartet werden.

In jedem Fachgebiet gibt es Fachbegriffe, die erforderlich sind, um Problemstellungen und Methoden zielgenau zu beschreiben und so eine Diskussion über das beste [14]Vorgehen zu ermöglichen. Genau an diesem Punkt erschwert die Verwendung von Buzzwords einen solchen Prozess der kollegialen Meinungsbildung, wenn deren tatsächliche Bedeutung nicht verstanden wird. Im Folgenden werden daher zunächst häufig genutzte Buzzwords aufgeführt und erklärt. Da wir uns am Beginn dieses Buches befinden, werden zugunsten der Verständlichkeit einige Vereinfachungen in Kauf genommen, die in den nachfolgenden Kapiteln präzisiert werden.

Praxistipp:

Es kann durchaus sinnvoll sein, sich zu den Buzzwords Stichpunkte zu notieren. Als besonders hilfreich hat es sich erwiesen, neben den Stichpunkten auch die Gemeinsamkeiten und Unterschiede verschiedener Buzzwords in Form einer Wortwolke oder Mindmap zu visualisieren. Eine Vorlage hierfür gibt Ihnen die Abbildung 1.

Nutzen Sie die folgende Abbildung, um Stichpunkte zu den einzelnen Begriffen, aber auch Gemeinsamkeiten und Unterschiede festzuhalten:

Abb. 1: Wortwolke und Mindmap zu den in diesem Kapitel erklärten Buzzwords.

[15]2.1.1 Künstliche Intelligenz

Es ist zunächst sinnvoll, den Begriff künstliche Intelligenz genauer zu betrachten. Er tauchte in seiner heutigen Bedeutung in Form des englischen Begriffs »artificial intelligence« erstmals im Rahmen einer wissenschaftlichen Konferenz im Jahr 1956 auf (1).

Mit künstlicher Intelligenz werden technische Systeme beschrieben, die in der Lage sind, Aufgaben zu lösen, deren Erledigung durch einen Menschen Intelligenz erfordern würde. (2)

Dies bedeutet ausdrücklich nicht, dass eine künstliche Intelligenz auch nur entfernt mit menschlicher Intelligenz zu vergleichen ist. Ein künstlich intelligentes System zeichnet sich dadurch aus, dass es ein »intelligentes« Verhalten aufweist. Eventuell trägt auch die wörtliche Übersetzung des englischen Wortes »intelligence« zur Verwirrung bei, das neben menschlicher Intelligenz im Englischen auch allgemein die Gewinnung von Informationen beschreibt. Und genau dies kann künstliche Intelligenz leisten: die automatisierte Gewinnung von Informationen aus Daten.

Die erste Blütezeit der künstlichen Intelligenz in den 1950er bis 1970er Jahren zeichnete sich dadurch aus, dass Computer für »sehr menschliche« Aufgaben wie die Verarbeitung natürlicher Sprache oder als humanoide Roboter genutzt wurden (3; 4). Dieser Fokus schlägt sich auch im sogenannten Turing-Test nieder: Dieser schlägt vor, dass ein Computer als intelligent bezeichnet wird, wenn er auf von Menschen schriftlich gestellte Fragen schriftlich so antworten kann, dass Menschen nicht erkennen können, ob ein Computer oder ein anderer Mensch die Antwort verfasst hat (5).

Nach an...

Inhaltsverzeichnis

• Inhaltsverzeichnis
• Hinweis zum Urheberrecht
• Impressum
• 1 Einleitung
• 2 Grundlagen
• 3 KI-Projektmanagement
• 4 Explorative Analyse
• 5 Daten vorbereiten
• 6 Klassifikation
• 7 Regression
• 8 Clustering
• 9 Produktive Umsetzung
• 10 Erklärbare künstliche Intelligenz
• 11 Fazit
• Glossar
• Literaturverzeichnis