Das Merkwürdige an künstlicher Intelligenz und KI-Ablegern wie maschinellem Lernen, Deep Learning, und inzwischen generativer KI ist, dass es sie schon so lange gibt. Während diejenigen, die neu in den IT-Markt eintreten, ein erneuertes Verständnis von KI haben, sind ihre grundlegenden Mechanismen weitgehend gleich geblieben.
Verändert haben sich die Kosten und die einfache Erstellung sehr komplexer und wertvoller KI-Modelle. Die Nutzung von Cloud Computing hat den rasanten Aufstieg von KI-Systemen entfacht. Während Unternehmen ihre Investitionen in Innovationen der Cloud-Technologie ausweiten, kann KI noch mehr Geschäftswert liefern.
Die meisten Unternehmen setzen KI-Systeme als monolithische Systeme ein. Sie erhalten Trainingsdaten, lernen daraus und nutzen die daraus entstehenden Modelle anschließend für einen vordefinierten Zweck. Zum Beispiel, um in einem Kreditabwicklungssystem die Kreditrisiken zu bestimmen, eine Lieferkette zur Minimierung der Lagerbestände zu automatisieren oder für eine Investmentfirma Aktien auszuwählen.
Die in diesen eigenständigen Systemen verfügbaren Innovationen begrenzen jedoch den Wert dieser monolithischen KI-Systeme. Diese Einschränkung gab den Anstoß, KI-Technologie mit anderen zentralen Geschäftssystemen und weiteren KI-Systemen zu integrieren, um zusätzlichen Wert zu schaffen.
Wenn dies richtig umgesetzt wird, lautet das Ergebnis 1+1=3. Dadurch steigt auch der ROI eines KI-Systems, dessen Entwicklung und Wartung kostspielig sein können.
Siehe auch: Was ist künstliche Intelligenz?
KI-Orchestrierung und die Integration von KI-Systemen
Die Integration von KI-Systemen in viele andere Geschäftssysteme – ob lose oder eng gekoppelt – ist nichts Neues. Letztlich sind KI-Systeme funktionslos. Zwar können sie einige beeindruckende Aufgaben ausführen, doch sie sind keine Geschäftsanwendungen an sich. Sie müssen an Geschäftsanwendungen gebunden werden, um den von KI erwarteten Geschäftswert zu schaffen.
Früher wurden KI-Systeme eng an Anwendungen und Anwendungsdaten gekoppelt. Entweder waren die KI-Systeme Bestandteil des Geschäftssystems, das im selben Bereich und auf derselben Plattform ausgeführt wurde, oder es handelte sich um Systeme, auf die über synchrone (blockierende) APIs zugegriffen wurde, die programmgesteuert mit den KI-Systemen interagieren konnten.
Bei der engen Kopplung von KI-Systemen an Geschäftssysteme ging es vor allem darum, den Weg des geringsten Widerstands zu wählen. Auch wenn es „funktionierte“, schränkte es den Wert ein, den KI-Systeme für viele andere Geschäftssysteme liefern konnten.
Leichtgewichtige Orchestrierungsdienste können die besonderen Anforderungen von KI-Systemen bewältigen und einen lose gekoppelten Zugriff auf beliebig viele KI-Systeme ermöglichen. Sie nutzen diese Systeme mithilfe von No-Code- oder Low-Code-Entwicklung, bei der Orchestrierungsdienste Lösungen durch Konfiguration statt durch umfangreiche Entwicklung erstellen. Eine lose statt einer engen Kopplung ermöglicht es, Zugriff und Orchestrierung so einzurichten, dass KI-Systeme auf eine Weise genutzt werden können, die einen höheren Geschäftswert aus diesen Systemen schöpft.
Orchestrierungen sind weder neu noch innovativ – unabhängig davon, ob sie innerhalb derselben Cloud, über mehrere Clouds hinweg oder über interne Systeme laufen. Es handelt sich um eine neue Anwendung einer bestehenden Innovation, die es Orchestrierungsebenen ermöglicht, die Interaktion mit KI-Systemen so zu steuern, dass diese bei gemeinsamer Nutzung wesentlich effektiver werden (1+1=3).
Nehmen wir zum Beispiel an, wir haben ein KI-System, das Aktien auswählt, deren Wert steigen wird, ein KI-System zur Unterstützung der Risikoanalyse bestimmter Unternehmen und ein KI-System, das Trends in sozialen Medien erkennt, bevor sie zu Trends werden. Jedes System hat für sich genommen einen klaren Wert. Die Möglichkeit, Orchestrierungen zu erstellen, die spezifische Geschäftsprobleme oder Vorschläge durch die Kombination aller oder einiger KI-Systeme bewerten können, ist jedoch wesentlich wertvoller.
Im obigen Beispiel können wir eine vom KI-System zur Aktienauswahl erstellte Aktienliste verwenden und diese Informationen anschließend an das Risikoanalysesystem übergeben. Dieses System kann die Daten durchforsten und auf Grundlage seiner Trainingsdaten und des daraus resultierenden Wissensmodells Risikoeinstufungen vergeben.
Anschließend übergeben wir die nach Risiko geordnete Liste guter Aktien an unser KI-gestütztes Analysesystem für soziale Medien. Dieses kann bestimmten Produkten der jeweiligen Unternehmen positive oder negative Trends zuordnen. Durch diese kombinierte Anwendung von KI-Systemen lässt sich außerdem ermitteln, ob der Markt dieses Unternehmen wahrscheinlich unterstützen wird.
Sie verstehen das Prinzip. Folgen Sie den Mustern der Prozessintegration, RPA, Datenintegration und anderer Systeme, die über primitiveren Systemen arbeiten und dadurch mehr Wert schöpfen. Es geht darum, die Automatisierung zwischen diesen Systemen zu unterstützen, um nützliche Orchestrierungen zu finden, die als Ad-hoc-Lösung oder als dauerhaftere Lösung umgesetzt werden können.
Siehe auch: Die Zukunft der künstlichen Intelligenz
Das volle Potenzial der KI-Orchestrierung
Natürlich veranschaulicht unser einfaches Beispiel weder das volle Potenzial der KI-Orchestrierung noch die Zahl möglicher Geschäftsanwendungen. Weitere Beispiele sind:
- Die Orchestrierung von 12 verschiedenen KI-Systemen und 110 Datenbanken zur Unterstützung der Lieferkettenintegration, die Entscheidungen mit nahezu perfekten Informationen und umfassendem Verständnis ermöglicht.
- Die Möglichkeit, ein Investmentsystem wie das in unserem Beispiel definierte zu erstellen, das mithilfe Dutzender KI-Systeme sowie interner und externer Datenquellen Aktien mit einer Erfolgsquote von 89 Prozent auswählt.
- Ein System, das mithilfe externer und interner Daten sowie 9 KI-Systemen die besten potenziellen Bewerber einstuft und ermittelt, welche Kandidaten in einer bestimmten Rolle am wahrscheinlichsten erfolgreich sein werden.
KI allein hat einen gewissen Wert. Die Integration von KI mit anderen KI-Systemen und weiteren Datenquellen kann einen weitaus größeren Wert schaffen. An diesem Punkt können Unternehmen KI auf Wertniveaus heben, die bisher nicht erreicht wurden. Dies bietet außerdem eine Plattform, um mit der Leistungsfähigkeit von KI zu experimentieren und dadurch innovative Werte zu entdecken, die die meisten Unternehmen bisher weder erkannt noch überhaupt konzipiert haben.
Siehe auch: Die Geschichte der künstlichen Intelligenz
Zwei Arten der KI-Orchestrierung
Wie sieht also ein Tool für KI-Orchestrierung aus? Es gibt zwei grundlegende Arten:
- Die erste Art umfasst Workflow- und Orchestrierungstools, die nativ die KI-Integration unterstützen.
- Bei der zweiten Art von Tool müssen Sie dessen Funktionen erweitern, damit es mit dem KI-System kommunizieren und mit KI-Daten umgehen kann, die erzeugt und verarbeitet werden (z. B. Trainingsdaten).
Manche nutzen möglicherweise sogar KI für ihre Workflow- oder Orchestrierungsfunktionen, doch das ist kein kritischer Pfad. Entscheidend ist, ein Tool zu verwenden, das Ihre Quell- und Zieldatenbanken sowie KI-Systeme integrieren kann – vorzugsweise mithilfe einer Low-Code- oder No-Code-Orchestrierungs-Engine, die Sie einfach und schnell einrichten können. Die von Ihnen genutzte Plattform (z. B. eine Public Cloud), die unterstützende Technologie und andere Faktoren bestimmen, welches Tool für KI-Orchestrierung das „richtige“ ist.
Auch diese Art von KI ist weder neu noch Science-Fiction. Es handelt sich schlicht um einen Ansatz, der bestehende Technologien nutzt, um mehr Geschäftswert zu schaffen. Dennoch verstehen die meisten Unternehmen noch nicht, was KI-Orchestrierung ist, und noch weniger erkennen ihren geschäftsverändernden Wert. Es ist Zeit, sich damit zu beschäftigen.
Siehe auch: Wie KI die Softwareentwicklung durch KI-Augmentierung verändert