News & Blog

Mehrwerte aus Daten: KI und Data Science

KI und Data Science: Herangehensweise entscheidet über Projekterfolg

Künstliche Intelligenz (KI) und Data Science gelten als künftige Erfolgsfaktoren in der Wirtschaft. Zwar liegen wertvolle Daten in großer Menge vor. Die Mehrwerte aus realisierten Data-Science-Projekten sind bis dato jedoch eher gering. Vielen Unternehmen fällt es außerdem schwer, einen Einstieg in das Thema zu finden. Woran liegt es, dass der Nutzen von KI im Mittelstand noch nicht ausgeschöpft wird?

Künstliche Intelligenz: Enorme Potenziale für den Mittelstand

Fachkräftemangel, hohe Produktions- und Logistikkosten, globaler Konkurrenzdruck – Mittelständler sehen sich im operativen Geschäft mit zahlreichen Herausforderungen konfrontiert. Mittlerweile könnte KI eingesetzt werden, um diesen Problemen zu begegnen. Erfolgreich umgesetzte Projekte zeigen, dass künstliche Intelligenz in der Lage ist, Fertigungsabläufe zu optimieren, Logistikprozesse besser zu planen, Personal zu entlasten oder eine vorausschauende Wartung zu realisieren. Zudem kann KI Muster in Daten erkennen. Entsprechende Algorithmen sind also „kleine Data Scientists“, die beispielsweise das Kundenverhalten analysieren, Qualitätsprobleme identifizieren und Maßnahmen empfehlen.

Als künstliche Intelligenz marktfähig wurde, war sie aus Kosten- und Komplexitätsgründen Großunternehmen vorbehalten. Rechenleistung und Machine-Learning-Algorithmen haben sich in der jüngeren Vergangenheit jedoch rasant weiterentwickelt, wodurch mittlerweile auch kleine und mittlere Unternehmen von KI-Technologien profitieren können. Voraussetzung ist jedoch das Vorhandensein sinnvoller Business Cases, klar definierter Ziele und Transparenz hinsichtlich des ROI. Hier setzt das KI-Starter-Paket von Trevisto an.

Mehrwert der Daten schrittweise erschließen

Mit dem „Starterpaket Künstliche Intelligenz“ von Trevisto lassen sich Daten- und KI-Projekte strukturiert angehen. Zunächst werden geeignete Business Cases im Unternehmen identifiziert und priorisiert. Angelehnt an das klassische Projektmanagement erfolgt zudem eine klare Zieldefinition. Die Business-Ziele werden mit einer Zielfunktion verknüpft. Für Investitionssicherheit sorgt eine Bewertung des Optimierungspotenzials. Sie zeigt nicht nur mögliche Kostensenkungen auf. Es werden auch Umsatzpotenziale bewertet. Dies gilt für direkte Umsatzzuwächse ebenso wie für indirekte Umsatzsteigerungen, die etwa durch den Einstieg in neue Geschäftsfelder realisierbar sind.

Beginnen Sie klein

Mit intelligenten Daten-Analysen, Machine Learning und KI-Anwendungen müssen selbstverständlich Unternehmensziele erreicht werden. Es lohnt sich also, Zeit in die Definition zu investieren, um einen klaren Fahrplan zu erhalten. Die Messbarkeit von Ergebnissen sollte ebenfalls gewährleistet sein. Da künstliche Intelligenz jedoch immer noch neu und schwer greifbar ist, empfiehlt sich ein Vorgehen in kleinen Schritten. Es reicht zu Beginn aus, einzelne Arbeitsschritte mit KI zu verbessern oder Daten aus einem bestimmten Bereich auszuwerten. Trevisto bietet aus diesem Grund kleine, agile Projekte, die mit einem Proof of Concept einhergehen. Auf diese Weise lassen sich die Beteiligten im Unternehmen

abholen. Auch die Mehrwerte werden transparent. Zudem ermöglichen die Ergebnisse aus den Proof of Concepts eine belastbare Einschätzung des Kosten-Nutzen-Verhältnisses bei einer späteren Skalierung.

In Summe wird deutlich: Ein externer „Anschub“ kann in vielen Fällen hilfreich sein. Der Ansatz von Trevisto ermöglicht es Mittelständlern, einen sinnvollen Einstieg in die Bereiche Data Science und künstliche Intelligenz zu finden. Es entstehen greifbare Ergebnisse für solide Investitionsentscheidungen.