Erfolgreiche KI-Initiativen hängen von Datenmanagement und Teamkultur ab

München, Starnberg, 29. Aug. 2019 - Gründe, warum die KI-Initiativen vieler Unternehmen hinter den Erwartungen zurückbleiben, finden sich in diesem Gastbeitrag von Delphix...

Zum Hintergrund: Künstliche Intelligenz (KI) hat sich branchenübergreifend als Standard etabliert; doch die Verantwortlichen vernachlässigen das Datenmanagement und die Teamkultur. Egal, ob große Unternehmen oder kleine Start-ups: KI-Technologien finden sich mittlerweile fast überall und werden branchenübergreifend eingesetzt. Immer mehr Unternehmen drängen mit KI-getriebenen Dienstleistungen und Erkenntnissen auf den Markt. Jedes Unternehmen ist demnach auch ein Datenunternehmen – unabhängig davon, ob das den Verantwortlichen bewusst ist oder nicht. Aber KI ist eben nur so gut wie die Daten, mit denen sie gefüttert wird, d.h. die Datenqualität kann in jedem KI-Projekt schnell zu einer Achillesferse werden.

Eine erfolgreiche KI-Strategie erfordert deshalb zwei Dinge: Erstens eine robuste Plattform zur Datenverwaltung und zweitens eine neue Arbeitsweise aller beteiligten Datenteams als Teil einer ganzheitlichen DataOps-Strategie. Eric Schrock, Chief Technology Manager bei Delphix (1), zeigt im Folgenden auf, in welchem Umfang aus seiner Sicht die Wahl der richtigen Datenplattform und die Datenkultur im Unternehmen über den Erfolg einer KI-Initiative mitentscheiden:

"Der Geburtsort aller Daten liegt weder in den Produktionsdatenbanken noch im Data Lake. Sie werden am Edge geboren – bei den Nutzern und Mitarbeitern sowie an Datenschnittstellen. Ein solides Datenmanagement stellt diesen Faktor in den Mittelpunkt. Die Verantwortlichen müssen sich die Frage stellen, wo sie welche Daten sammeln und warum. Doch selbst wenn die Beteiligten sämtliche Datenquellen im Blick haben: Alles Sammeln ist umsonst, wenn die Menschen, die die Daten brauchen, keinen Zugang zu ihnen bekommen. Daten müssen möglichst schnell und unterbrechungsfrei dorthin fließen, wo sie gebraucht werden. Zu den Entwicklern, zum Analytics-Team, aber auch zu Beteiligten außerhalb des Unternehmens.

1. Compliance und Sicherheit mitdenken

Agilität beim Datenzugriff entwickelt sich allerdings schnell zu einem Alptraum in Sachen Compliance und Security. Um das zu verhindern, müssen Unternehmen nicht nur genau verstehen, wo sensible Daten vorhanden sind, sondern Compliance und Security auch im Datenfluss aufrechterhalten. Dafür brauchen sie Lösungen, die den Datenzugriff automatisiert kontrollieren und Risiken minimieren, durch Techniken wie Maskierung und Redaktion. Das Ziel bleibt ein möglichst einfacher Zugriff auf die Daten, aber ohne Sicherheit und Datenschutz zu gefährden.

In einem Do-it-yourself-Projekt oder als Flickwerk verschiedener Lösungen und Tools lassen sich Agilität und Sicherheit allerdings kaum vereinen. Die Verantwortlichen sollten deshalb über die Investition in eine geeignete Datenmanagement-Plattform nachdenken, die ihnen das abnimmt. Denn wer die angemessene Technologiebasis zusammenstellt, beschleunigt KI-Initiativen und die damit verbundenen Geschäftsprozesse enorm.


Abb. 1: DATA STORAGE COST (Quelle: DataOps Infografic, Delphix)

Data Age 2025: The evolution of Data to Life-Critical Don’t Focus on Big Data; Focus on the Data That’s’ Big


2. Ein zweiter Erfolgsgarant ist das richtige Team

Eine solide Plattform ist jedoch nur die halbe Miete. Um den Erfolg ihrer KI-Projekte wirklich sicherzustellen, müssen Unternehmen intern eine Kultur aufbauen, die Daten in den Mittelpunkt stellt. Dies sollte ein zentraler Bestandteil jeder DataOps-Strategie sein. Dafür müssen sich alle Mitarbeiter auf die bereitgestellten Daten verlassen können und einzelne Teams miteinander kooperieren. Die richtigen Technologien können diese Transformation der Unternehmenskultur nicht ersetzen, aber entscheidend unterstützen. Denn sie liefern einen schnellen und sicheren Zugriff auf qualitativ hochwertige Daten, wo immer sie benötigt werden. Doch auch die Qualität des Teams lässt sich messen. Wichtig ist, dass das Team verschiedene Fähigkeiten abdeckt. Dafür braucht es:

  • Jemanden, der die Struktur der zugrunde liegenden Daten versteht, einschließlich der Frage, wo man sie findet.
  • Ein Mitglied, das den geschäftlichen Kontext kennt, einschließlich der wichtigsten Ziele und Kennziffern.
  • Einen Spezialisten, der nachvollziehen kann, wie die KI-Algorithmen und -Modelle funktionieren.
  • Einen Analytiker, der versteht, wie man die KI-Algorithmen und -Modelle im konkreten Fall anwendet.

Fazit

Das Vertrauen in KI ist ohne ein angemessenes Maß an Selbstreflexion bestenfalls Zeitverschwendung und schlimmstenfalls eine Quelle für katastrophale Geschäftsergebnisse. Unternehmen sollten daher in die erforderlichen Fähigkeiten ihrer Teams investieren und sicherstellen, dass jede Dateninitiative diese Kompetenzen in einer kollaborativen IT-Umgebung zusammenführt. Und das geschieht über die richtige Datenmanagement-Plattform und DataOps-Strategie. Erst das Zusammenspiel von Technologie im Datenmanagement und qualifizierten Teams lässt KI ihr volles Potenzial entfalten."


(1) Das Foto zeigt Eric Schrock, Chief Technology Manager bei Delphix (Bildquelle: Delphix)

Querverweise:

Delphix Blogpost > Driving or Driven by Disruption: The AI Maturity Model

Link zu unserem Beitrag > Investitionen in DataOps-Strategien und Technologien sind global auf dem Vormarsch.