KI-Anwendungen entwickeln: mehr als nur „Irgendwas mit KI“

IN Machine Learning — 12 June, 2017

Jüngste Fortschritte in Machine Learning und künstlicher Intelligenz (KI) sowie technologische Verbesserungen haben es vielen Unternehmen ermöglicht, KI in ihr Angebot oder in ihre Geschäftsprozesse zu integrieren.


Wie bei jeder neuen Technologie schrieben sich eine Reihe von etablierten Firmen und Start-ups erst einmal KI auf die Fahne, ohne eine wirkliche Strategie zu haben. Manchen ist dieser Ansatz sogar gelungen, wenn schon nicht mit einem nachhaltigen Produkt, dann doch immerhin, indem sie Venture-Capital-Gesellschaften und andere Investoren dazu bringen konnten, ihn zu finanzieren.

Ein Unternehmen, das einfach nur das Label „intelligente Technologie“ auf sein Produkt klebte, sorgte vor kurzer Zeit für Aufmerksamkeit im Netz: Juicero, ein Silicon-Valley-basiertes Start-up, das 120 Millionen US-Dollar erhielt, um eine Presse zu entwickeln, die vorgepacktes frisches Obst und Gemüse zu Saft verarbeitet. Allein schon aus ernährungsphysiologischer Perspektive ist dieser Ansatz eher zweifelhaft (der Verzehr von Obst und Gemüse ist wegen der Ballaststoffe deutlich gesünder), doch passte der Ansatz zu einem aktuellen Lifestyle-Trend. Die Verbraucher müssen jedoch zunächst 400 Dollar für das Gerät bezahlen und sich zudem an eine geschlossene Bestellkette binden, um neue Packungen mit den Zutaten zu erhalten. Die Presse selbst ist mit dem Internet verbunden, aber, wie Bloomberg vor kurzem berichtete, macht die Maschine nichts, was man nicht mit eigenen Händen in der gleichen Zeit erreichen kann. Convenience ist zwar sicherlich ein Faktor, vor allem für Cafés und Restaurants, jedoch ist die kommerzielle Variante der Presse, die Unternehmen angeboten wird, deutlich teurer als das Produkt für den Endanwender.

Einfach nur zu versuchen, durch die Integration einer Art „intelligenter Technologie“ innovativ zu sein, bringt weder Business- noch Endkunden voran und geht nicht auf deren Bedürfnisse und Anforderungen ein. KI ist kein Wundermittel, das alle Probleme löst. Die entscheidende Frage ist, welche Anforderung oder welcher Use Case konkret mittels KI gelöst werden kann. Ein neuer Comic „Here to Help“ von xkcd.com illustriert das Problem ziemlich gut. Mithilfe von KI können Machine Learning und andere algorithmische Ansätze dazu beitragen, ein Problem zu lösen, das nicht anders zu bewältigen ist. Dazu ist jedoch ein detailliertes Verständnis des Gesamtkontexts nötig und eine genaue Vorstellung davon, wie die Anwendung entweder eine bestehende Herausforderung lösen oder neue Ideen oder Strategien ermöglichen kann.

Beim Aufbau einer KI-basierten Applikation müssen folgende Fragen bedacht werden:

  • Gibt es einen validierten Use und Business Case?
    Wenn die Anwendung nicht gerade zu einer ambitionierten Forschungs- und Entwicklungsarbeit gehört, ist es trotz eines spannenden Use Cases oftmals nicht sinnvoll, die Fragestellung zu bearbeiten, wenn nicht ein starker Business Case dahinter steht. Denn gibt es keinen bestehenden oder zukünftigen Markt oder Kunden, der von dieser Anwendung profitieren würde, ist nicht klar, was Unternehmen aus der Bearbeitung der Fragestellung, die ja immer mit Aufwand an Personal und Material verbunden ist, gewinnen könnten. Das bedeutet nicht, dass man zögerlich sein sollte, sich neuen Herausforderungen zu stellen, aber es sollte ein klares Potenzial für das Produkt oder die Dienstleistung geben. Reid Hoffman, der Gründer von LinkedIn, prägte den berühmten Satz: „Wenn Dir die erste Version deines Produktes nicht peinlich ist, hast Du zu spät gestartet." Allerdings sollte das erste Produkt kein unbrauchbares Durcheinander ohne Nutzen sein, sondern ein "minimal viable product", das einen klaren Vorteil bietet und schnell verbessert werden kann.
  • Was ist die messbare oder greifbare Wirkung der Anwendung? Wie wird ihr "Erfolg" definiert?
  • Sind genügend Daten verfügbar und zugänglich, die für die Entwicklung und den Ausbau von KI-Systemen genutzt werden können? Sind die Daten von ausreichender Qualität?
  • Gibt es ein gutes Verständnis für den spezifischen Use Case, die Domäne oder die Branche?
  • Was ist das Alleinstellungsmerkmal, das keine andere Anwendung liefern kann?
  • Wie steht es um KI, Kompetenz in der Entwicklung und operative Exzellenz?
    KI-basierte Anwendungen werden nicht von einzelnen „Unicorns“ geschrieben und betrieben, sondern durch intensive Teamarbeit von exzellenten Spezialisten realisiert, die sich gegenseitig ergänzen (siehe meinen vorherigen Blogpost).
  • Wie interagieren die Endnutzer des Systems mit der Anwendung? Wie wird sich ihr Leben oder ihre Arbeit ändern?
    Für Unternehmensanwendungen: Wie werden Entscheidungen im Moment getroffen und wird sich dieser Prozess ändern, sobald die KI-basierte Anwendung im Tagesgeschäft integriert ist?

Zugegeben, das ist eine lange Liste von Punkten, die bei der Erstellung einer KI-gestützten Anwendung berücksichtigt werden müssen. Schnelle Abkürzungen werden vielleicht einen kurzfristigen Hype auslösen, können aber niemals die Grundlage für einen dauerhaften und messbaren Geschäftserfolg sein. 

Dr. Ulrich Kerzel Dr. Ulrich Kerzel

earned his PhD under Professor Dr Feindt at the US Fermi National Laboratory and at that time made a considerable contribution to core technology of NeuroBayes. He continued this work as a Research Fellow at CERN before he came to Blue Yonder as a Principal Data Scientist.

Video

Wir bei Blue Yonder nehmen Datenschutz und die Rechte unserer Website Besucher ernst. Um Sie über die gewünschten Inhalte zu informieren, erklären Sie sich mit der Anmeldung zum Newsletter mit der Verarbeitung Ihrer Daten einverstanden. Sie erhalten eine E-Mail, um Ihr Interesse zu bestätigen. Wir verarbeiten Ihre Daten, um Ihr online Kundenerlebnis entsprechend Ihren Interessen zu verbessern. Mehr dazu erfahren Sie in unseren Datenschutzrichtlinien.