Gastbeitrag von Jens Junak, Country Manager der Wirtschaftsauskunftei Creditsafe Deutschland
Work Smart Not Hard:
So nutzen Unternehmen erfolgreich Smart Data und Machine Learning
OpenAI, Microsoft Azure und Co. Fast täglich erscheinen neue künstliche Intelligenzen und
Machine Learning Programme. Der KI-Hype ist real und führende Tech-Konzerne buhlen
um die Vormachtstellung auf dem Markt. Doch nicht nur für die Software- und Elektronik-
Branche ist die digitale Revolution relevant. 94 Prozent der Führungskräfte sind sich einig:
Der Einsatz künstlicher Intelligenzen wird für Unternehmen erfolgsentscheidend sein.
Zumindest ist das die Fünfjahresprognose einer internationalen Deloitte Studie aus dem
vergangenen Jahr. Insbesondere das Geschäft ums maschinelle Lernen – also KIs, die sich
auf Grundlage ihrer bisherigen Handlungen eigenständig weiterentwickeln können –
erscheint dabei vielversprechend. Um Wirtschaftstreibende verlässlich unterstützen zu
können, benötigen diese neben einer guten Programmierung vor allem ausreichend
Trainingsdaten in hoher Qualität.
Jens Junak, Country Manager der Wirtschaftsauskunftei Creditsafe Deutschland, erklärt,
in welchen Anwendungsgebieten künstliche Intelligenzen Zeit sparen und wieso der
Schlüssel zum Einsatz einer erfolgreichen KI-Lösung in den richtigen Datensätzen liegt.
Denn in Unternehmerkreisen gilt Machine Learning schon lange nicht mehr als Trend,
sondern als Notwendigkeit, um auch weiterhin zukunftssicher zu planen.
Schon jetzt sind die Einsatzgebiete künstlicher Intelligenz für Unternehmen weit gefasst © pexels / Laura Tancredi
Machine Learning
Machine Learning und seine Einsatzgebiete
Maschinelles Lernen ist ein Sammelbegriff für verschiedene Tools und Techniken der
Informatik und Statistik, mit denen künstliche Intelligenzen eigenständig lernen können.
Mithilfe bestimmter Algorithmen und statistischer Modelle kann Machine Learning
repetitive Prozesse automatisieren, komplexe Muster erkennen und präzise Vorhersagen
treffen. Dafür nutzen KIs die ihnen bereitgestellten Datensätze und Informationsquellen.
Das maschinelle Lernen ermöglicht es der artifiziellen Intelligenz somit, Aufgaben anhand
der bereits erfassten Schemata zu lösen – ganz ohne menschliches Zutun. Die dadurch
entstehenden Einsatzgebiete für KI-basierte Lösungen sind vielfältig. Im Kundenservice
ermöglichen Chatbots und andere Sprach- oder Text-Verarbeitungsprogramme schon
jetzt eine immense Zeitersparnis. Neuere künstliche Intelligenzen können bereits durch
Stimmungs- und Verhaltensanalysen unzufriedene Kund:innen lokalisieren und vorzeitig
entsprechende Gegenmaßnahmen ergreifen. Auch im digitalen Marketing haben sich KIs
durch personalisierte Produktempfehlungen und individuelle User-Experience schon
längst unverzichtbar gemacht. Neben der Ermittlung von Trends und Kundenpräferenzen
ermöglichen sie sogar ein dynamisches Preismanagement mit Algorithmen, die aktuelle
Markt- und Lieferketten-Geschehnisse berücksichtigen. Nicht zuletzt wird Machine
Learning erfolgreich für Sicherheits- und Risikomanagement genutzt: Smarte
Programme erstellen Prognose-Modelle, beispielsweise zum Wirtschaftsgeschehen in
Deutschland, können durch automatische Compliance-Checks sowie Analysen
Betrugsversuche frühzeitig erkennen und ermöglichen eine Videoüberwachung mit
Gesichts- sowie Objekterkennung.
Für den erfolgreichen Einsatz einer künstlichen Intelligenz ist der Zugang zu einer sinnvoll
kuratierten Datenmenge, wie Smart Data, erforderlich.
Smart
Smart Data: Der Schlüssel zum Erfolg
Um eine KI erfolgversprechend zu trainieren, gilt es zuerst ihren genauen
Anwendungszweck zu definieren. Soll sie Prognose-Modelle zum Marktgeschehen
entwickeln? Dann muss ihre Datenbasis wirtschaftliche Indikatoren wie
Insolvenzgeschehen, Entwicklungen von Bonitäts-Scores oder grundlegende
Unternehmensinformationen enthalten. Ist das Ziel jedoch, mittels maschinellen Lernens
die Vermarktungsaktivitäten eines Unternehmens zu optimieren, benötigt die künstliche
Intelligenz genau das: Marketing-Daten. Datensätze, die den gewünschten Anforderungen
und Qualitätsansprüchen entsprechen, nennt man Smart Data. Im Gegensatz zu Big Data,
sprich extrem großen Informationsmengen, sind die smarten Daten speziell auf ihre
individuellen Anwendungszwecke ausgerichtet und beinhalten ausschließlich
verwertbares Material.
Die Grundlage für das Gelingen eines Programms legen die sogenannten Data Analytics,
die Vorbereitung vor der eigentlichen KI-Erstellung. Der Begriff umfasst einen dreistufigen
Prozess, bei dem Datenmengen segmentiert und analysiert werden. Der erste Schritt ist
die Materialbeschaffung. Wichtig hierbei ist es, verschiedene relevante Quellen
einzuholen, die auf die speziellen Anwendungsziele ausgerichtet sind. Dabei gilt: Je größer
und strukturierter der Informationspool ist, desto effizienter kann der Machine Learning
Prozess voranschreiten. Daraus ergeben sich die Optimierung und Nutzbarmachung der
beschafften Daten. Informationen werden hier auf ihre Qualität, Konsistenz und potenzielle
Fehler gescannt und bereinigt. Zuletzt erfolgt die Anwendung vielseitiger Methoden
moderner Statistik. Hierbei werden die bereinigten Daten mithilfe von Data Analytics
Werkzeugen wie dem Data- oder Text Mining analysiert und Zusammenhänge innerhalb
unterschiedlicher Informationsströme aufgedeckt. Das Material wird dabei aufbereitet,
indem es extrahiert, erfasst und transformiert wird, um es in die zur Weiterverarbeitung
passende Form zu bringen.
Wirtschaftstreibende müssen also vor allem eines wissen: Je besser die KI trainiert wird, je
größer und qualitätvoller das Datenmaterial ist, desto gewinnbringender wird sie zukünftig
für das Unternehmen eingesetzt werden können. Allgemein gilt hier wie so oft das Credo
Qualität über Quantität. Ein ausreichender Informationspool ist wichtig, garantiert jedoch
nicht automatisch brauchbare Ergebnisse. Qualitätsmerkmale bei der Dimensionalität,
Struktur sowie Tiefe des Materials sollten unbedingt beachtet werden. Aus diesem Grund
ist es für Unternehmen ratsam, mit einem vertrauensvollen Datenpartner
zusammenzuarbeiten. Wirtschaftsauskunfteien wie beispielsweise Creditsafe
unterstützen Konzerne mit der Bereitstellung umfangreicher und qualitativ hochwertiger
Datensätzen. Ein schneller Zugang zu gut aufbereitetem Material und eine individuelle
Beratung zu Daten-Themen verringert den Rechercheaufwand für Mitarbeitende und
spart Ressourcen. Kurzum: Es kann den entscheidenden Vorteil gegenüber der
Konkurrenz bedeuten.
Zukünftig wird KI monotone und zeitraubende Prozesse fortschreitend ersetzen. Mitarbeitende finden so mehr Zeit für
komplexe Abläufe
Zukünftig wird KI monotone und zeitraubende Prozesse fortschreitend ersetzen. Mitarbeitende finden so mehr Zeit für
komplexe Abläufe und kreative Aufgaben © pixabay / Buffik
Fazit: Was bringt die Zukunft?
In einer Zeit, in der sich die digitale Welt zunehmend mit der physischen vermischt,
gewinnt KI auch im Geschäftskontext immer weiter an Bedeutung. Machine Learning hat
sich zu einer revolutionären Technologie entwickelt, die aus vielen Anwendungsfeldern
nicht mehr wegzudenken ist. Unternehmen haben dank künstlicher Intelligenzen die
Möglichkeit, sowohl Zeit als auch Ressourcen einzusparen. Für einen erfolgreichen Einsatz
ist Smart Data ein entscheidender Faktor: Je mehr qualitativ hochwertige Informationen
zur Verfügung stehen, desto besser kann das System trainiert werden. Vielseitige Daten,
die verschiedene Aspekte eines Problems abdecken, ermöglichen es der KI dabei, ein
breiteres Verständnis zu entwickeln. Gleichzeitig sind zielgerichtete Informationen von
großer Bedeutung, da das Modell durch sie auf spezifische Anforderungen ausgerichtet
werden kann. Künstliche Intelligenz eröffnet neue Möglichkeiten für Automatisierung,
Prozessoptimierung und personalisierte Dienstleistungen. Mit der fortschreitenden
Entwicklung von Machine Learning wird sich auch dessen Anwendungsspektrum weiter
ausdehnen, um noch mehr Branchen und Bereiche zu transformieren. Der beste Weg, das
eigene Unternehmen wirtschaftlich voranzutreiben und zukunftsorientiert zu führen, ist,
sich der neuen Technologie bewusst zu sein und sie bestmöglich zu nutzen.
Über Jens Junak:
Jens Junak ist Country Manager von Creditsafe Deutschland. Er verantwortet das Deutschlandgeschäft der
international tätigen Creditsafe-Gruppe und konzentriert sich insbesondere auf das strategische Wachstum
der deutschen Standorte. Zuvor war er in verschiedenen Unternehmen in der Finanzbranche in leitender
Position tätig, unter anderem in der SCHUFA und bei Coface Deutschland. Für Creditsafe Deutschland arbeitet
er seit Juli 2020.
Über Creditsafe:
Creditsafe ist die meistgenutzte Auskunftei der Welt und bietet digitale Lösungen wie Bonitätsauskünfte, B2BMarketingadressen
oder Compliance Checks. Das Unternehmen stellt Informationen aus mehr als 200
Ländern und Territorien (ISO-Liste) bereit und hilft somit Firmen, sich auch international rechtskonform
aufzustellen, ihr finanzielles Risiko zu minimieren und Geschäftsbeziehungen abzusichern. Insgesamt umfasst
die Datenbank über 430 Millionen Auskünfte. Creditsafe ist in 25 Büros verteilt über 3 Kontinente vertreten und
beschäftigt über 1.500 Mitarbeiter. In Deutschland ist das Unternehmen seit 2010 tätig und vereint rund 100
Experten am Unternehmenssitz in Berlin.
