Einsteller des Beitrags

Die Nutzung Künstlicher Intelligenz steht insbesondere bei global agierenden Unternehmen auf der Prioritätenliste, dennoch scheitern zahlreiche Projekte – das lässt sich vermeiden.

Drei Voraussetzungen

Zunehmend geraten Unternehmen weltweit unter wirtschaftlichen Druck. Die Umsätze sind in vielen Branchen stark rückläufig, gleichzeitig stellen veränderte Märkte neue Herausforderungen an das Management. Wer in dieser Situation Data Science für zielgerichtete Analysen und zuverlässige Prognosen nutzt, sichert sich einen Wettbewerbsvorteil. Allerdings nur, wenn die Ergebnisse vertrauenswürdig sind und schnell zur Verfügung stehen. Ist dies nicht gewährleistet, scheitern die Projekte im Bereich Künstliche Intelligenz (KI), wie Florian Dirnberger, Regional VP Sales Deutschland und Zentraleuropa bei Dataiku, berichtet. Dataiku ermittelte drei Voraussetzungen, um KI-Projekte erfolgreich durchzuführen: 1. Demokratisierung von KI, 2. Nutzung konsistenter Daten mit den passenden Tools, 3. Integration der Analyseprozesse.

Florian Dirnberger, Regional VP Sales Deutschland und Zentraleuropa bei Dataiku.
Quelle: Dataiku

„…Unsere Empfehlung ist es, die unternehmensweite Nutzung von Künstlicher Intelligenz strategisch zu denken und zu realisieren.“

„In Gesprächen mit Interessenten zeigt sich, dass viele Unternehmen zum Test mit Insellösungen im Bereich Data Science starten“, erklärt Florian Dirnberger. „Das klingt zwar zunächst einleuchtend, stellt aber häufig einen sehr hohen Einzelaufwand dar. Unsere Empfehlung ist es, die unternehmensweite Nutzung von Künstlicher Intelligenz strategisch zu denken und zu realisieren.“

Demokratisierung von KI 

 An erster Stelle für Dataiku steht die Kollaboration. Experten in unterschiedlichen Rollen sollen im Rahmen einer Demokratisierung von KI an Projekten beteiligt werden. Damit steigt insgesamt die Akzeptanz von Künstlicher Intelligenz in den Unternehmen, und Ziele lassen sich aufgrund eines gemeinsamen Verständnisses für die Thematik einfacher definieren. Die Basis, um Machine Learning-Algorithmen zu nutzen, sind qualitativ hochwertige Daten. Sie sollten an einer zentralen Stelle gesammelt, optimiert, verwaltet und geprüft werden. Abhängig von Art und Umfang der Daten und den erforderlichen Analysemethoden sollte flexibel zwischen Technologien der Datenanalyse gewählt werden können. Integrierte Analyseprozesse, die alle Beteiligten einfach und schnell in die Datenprojekte einbinden, bieten Transparenz und verhindern, dass Datenmodelle als Insellösungen erstellt werden, die dann nicht genutzt werden. Werden diese Grundvoraussetzungen von Anfang an berücksichtigt und KI unternehmensweit genutzt, ergeben sich langfristig die nachhaltigsten Erfolge, wie Unternehmen wie GE Aviation es zeigen.


Über Dataiku

Dataiku entwickelt die kollaborative Data Science-Plattform, die eine erfolgreiche Projekt-Zusammenarbeit zwischen Business Usern, Data Scientists und Data Engineers ermöglicht. Bereits bestehende Kunden (wie z.B. Daimler, UBS und Zurich Insurance) überzeugt Dataiku unter anderem durch sein teambasiertes User Interface, das auf die Bedürfnisse von Data Scientists und Einsteiger-Analysten gleichermaßen abgestimmt ist. Ein einheitliches Framework bietet den Nutzern unmittelbaren Zugriff auf die Features und Tools, die zur Erstellung und Ausführung von datengetriebenen Projekten benötigt werden. Mit Dataiku DSS können Unternehmen effizient Techniken des maschinellen Lernens und der Data Science auf Rohdaten aller Größen und Formate anwenden, um so erfolgreich prädiktive Datenflüsse zu erzeugen.
www.dataiku.com

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.