Künstliche Intelligenz (KI) wird häufig dargestellt als eine Technologie, die den Menschen in Zukunft ersetzen wird und Entscheidungen vollständig automatisiert. Tatsächlich ist KI eher ein Assistent, der das menschliche Verständnis oder Urteilsvermögen erweitert. Die Entscheidungen treffen wird nach wie vor der Mensch. Die Einsatzszenarien für KI reichen von Datenanalyse über Chatbots bis hin zur Entwicklung neuer Services, Produkte und Geschäftsmodelle. Noch stehen die Unternehmen allerdings erst am Anfang, sich mit dem konkreten Einsatz von KI zu befassen.
Gartner spricht in den Trends 2020 von der Hyperautomation. Sie beschäftigt sich mit der Anwendung fortschrittlicher Technologien, einschließlich KI und maschinellen Lernens (ML), um Prozesse zunehmend zu automatisieren und den Menschen zu unterstützen. Eine aktuelle Analyse „KI für die integrierte Energiewende“ der Deutschen Energieagentur Dena unterstreicht ebenfalls, dass diese Technologie in Zukunft Prozesse verbessern und so einen wesentlichen Beitrag für eine klimafreundliche und kosteneffiziente Energieversorgung leisten kann. Durch eine Verbesserung der Prognosen zu Energieerzeugung und -verbrauch ist KI beispielsweise in der Lage erneuerbare Energien besser zu integrieren und die Stabilität des Energiesystems zu erhöhen. Weiterhin lassen sich mithilfe von KI der Betrieb von Energieanlagen optimieren oder auch neue Geschäftsmodelle oder Services wie Smart Meter oder Smart Home-Systeme entwickeln.
Kampf gegen „schmutzige“ Daten
Grundsätzlich legt der Aufbau eines Datenschatzes den Grundstein für den Einsatz von KI und ML. Das haben bereits viele Player der Energiebranche erkannt und werden diesen daher systematisch weiter ausbauen. Doch das Sammeln von Daten birgt auch Gefahren. Wer jemals Daten analysiert hat, kennt den Kampf mit „schmutzigen“ Daten. Schlecht strukturierte, fehlerhafte oder unvollständige Daten erschweren Analysen enorm. Ein geregeltes Datenmanagement bildet eine gute Grundlage für die gesamte Analyse-Pipeline. Dieses umfasst ebenfalls die saubere Aufbereitung der Daten, bevor diese dann im Unternehmen verteilt werden.
So hilft beispielswiese Tableau Prep, um gängige Herausforderungen in der Datenvorbereitung mit intelligenten Funktionen besser zu bewältigen und sich wiederholende Aufgaben teilweise zu automatisieren. Daten aus verschiedenen Quellen, ähnliche Werte in diversen Formaten und ein täglich wachsender Datenpool lauten dabei die größten Aufgaben, die es zu bearbeiten gilt. Dennoch ‒ eine gute Vor- und Aufbereitung zahlen sich aus. Ohne sauberes Datenmaterial wird es keine glaubwürdigen Analyseergebnisse geben.
Datengetriebene Unternehmenskultur
Gartner prognostiziert ebenfalls, dass die Demokratisierung von Daten und Analysen weiter voranschreitet und KI-Tools das Entwickeln individueller Anwendungen vereinfachen. Doch wie gelingt es allen Mitarbeitern, einen Zugang zu technischen Anwendungen zu ermöglichen, die bisher Data Scientist und Business Intelligence(BI)-Experten vorbehalten waren? Die Lösung liegt in KI-gestützten Funktionen in Selfservice-BI-Plattformen. Hierdurch können nicht nur Datenanalysten ihre Tätigkeiten ausweiten, um schneller und effizienter zu werden, sondern Mitarbeiter aller Abteilungen unabhängig vom Kompetenzniveau. Die Verbreitung von neuen KI-gestützten Technologien wie Natural Language Processing (NLP) helfen hier Unternehmen und unterstützen dabei eine datengetriebene Unternehmenskultur aufzubauen und Daten für alle nutzbar machen.
Das Feature Ask Data von Tableau basiert auf NLP und erlaubt es, grundsätzlich jede Frage – wenn auch in schriftlicher Form – zu den Daten zu stellen. Mitarbeiter müssen nicht länger ihre Denkweise ändern und sich der Software anpassen. Vielmehr ist es umgekehrt.
Explain Data liefert die Hintergründe
Technologisch anspruchsvolle Algorithmen sind in der Lage, Absichten hinter einer Frage zu erkennen. Die neue Funktion Explain Data liefert jetzt zusätzlich auch noch das „Warum“ hinter den Antworten. Das Feature stellt Nutzern KI-gestützte Analysen zur Verfügung und macht ihnen so anspruchsvolle statistische Analysen zugänglicher.
Wer etwa verstehen möchte, wieso die Strompreise im November im Vergleich zum Oktober stark gefallen sind, muss nicht erst selbst auf Spurensuche gehen. Mit einem simplen Klick auf den Daten-Ausreißer analysiert die KI dank ausgeklügelter statistischer Algorithmen alle verfügbaren Daten und erklärt die relevanten Faktoren. Hierbei nutzt die Anwendung in Sekundenschnelle leistungsfähige Bayes-Algorithmen zur automatischen Beurteilung hunderter Muster und Erklärungen. Explain Data liefert die relevantesten Erklärungen mit der höchsten statistischen Signifikanz als interaktive Visualisierung. So werden auch Faktoren aufgedeckt, die eventuell gar nicht aufgefallen wären.
Trend geht zu Transparenz
Marktteilnehmer wie Kunden und Privatpersonen erkennen den Wert ihrer Daten zunehmend, und möchten wissen, was damit geschieht. Unternehmen sollten daher mit Daten verantwortungsbewusst umgehen. Transparenz und Rückverfolgbarkeit werden so laut Gartner immer wichtiger.
Moderne Technologien unterstützen hierbei, etwa in dem sie Metadaten dort anzeigen, wo sie Nutzer dringend benötigen. So ermöglicht es das neue Feature Tableau Catalog, Anwendern, während der Anzeige einer Visualisierung auf Dateninformationen zugreifen zu können. Durch einfaches Klicken lassen sich Fenster mit Metadaten aufrufen. Dies beinhaltet zum Beispiel Arbeitsmappen-Metadaten, wie Autor und Datum der letzten Änderung sowie weitere Informationen zur Datenquelle selbst, wie Datenqualitätshinweise. Vor diesem Hintergrund kann jeder, der die Visualisierung aufruft, selbst entscheiden, ob er den zu analysierenden Daten vertraut oder nicht.
