Da die Budgets in der amerikanischen Unternehmenswelt inzwischen überall knapper werden und die Ära des leichten Geldes rasch verblasst, ist die Zeit reif, ein lange angestrebtes Ziel in der Welt von Business Intelligence und Analytics zu erreichen: den Kreislauf zu schließen.
Bereits 2001 priesen wir bei Data-Warehousing-Unternehmen wie meiner früheren Wirkungsstätte Daman Consulting den Wert der „Operationalisierung“ von Business Intelligence. Die Idee bestand darin, aus BI gewonnenen Erkenntnissen dynamisch in operativen Systemen zu nutzen und so die Leistung direkt zu verbessern.
Obwohl eingebettete Analysen seit Jahrzehnten existieren, lässt sich durchaus sagen, dass sich die meisten BI-Lösungen in diesem Jahrtausend auf das Dashboard-Paradigma konzentriert haben: Sie liefern Führungskräften über Data Warehousing visuelle Erkenntnisse auf hoher Ebene, um fundierte Entscheidungen zu erleichtern.
Doch Menschen sind langsam, sehr viel langsamer als ein KI-Algorithmus in der Cloud. In der Zeit, die eine erfahrene Fachkraft für eine einzige Entscheidung benötigt, kann eine KI Tausende Fragen stellen, ebenso viele Antworten erhalten und diese anschließend auf eine Reihe gezielter, umgesetzter Optimierungen eingrenzen.
Das ist der Bereich der angewandten Intelligenz, eines Closed-Loop-Ansatzes für die traditionelle Datenanalyse. Ziel ist es, mehrere zentrale Fähigkeiten – Datenaufnahme, Verwaltung, Anreicherung, Analyse und Entscheidungsfindung – in einer einzigen Steuerungsumgebung für die Entwicklung und Bereitstellung von Algorithmen zu vereinen.
Dieser Ansatz bietet viele Vorteile: Transparenz, Effizienz, Verantwortlichkeit – und was ist im heutigen Markt am wichtigsten? Agilität. In Zeiten großer Umbrüche müssen Unternehmen in der Lage sein, schnell umzusteuern. Und wenn diese Entscheidungen durch Automatisierung fest verankert sind? Umso besser.
Das hilft auch im entscheidenden Bereich der Erklärbarkeit, also bei der Fähigkeit, darzulegen, wie ein Modell künstlicher Intelligenz zu seinem Ergebnis gelangt ist. Wie gut lässt sich eine bestimmte Entscheidung zur Vergabe eines Hypothekendarlehens erklären? Wie reproduzierbar ist sie? Welche Verzerrungen sind in den Modellen und den Daten enthalten? Ist die Entscheidung vertretbar?
Passend dazu: Der KI-Markt: Ein Überblick
Ab zur Bank
Der Aufstieg von Fintech-Start-ups und Neobanken, gepaart mit den sich rasch verändernden Zinssätzen, setzt die traditionellen Führungskräfte des Finanzmarkts massiv unter Druck, schnell, aber sicher zu innovieren. Statt eine Rückzugsstrategie zu verfolgen, setzen viele Unternehmen auf KI, um wieder an Dynamik zu gewinnen.
Als CPTO von FICO hat Bill Waid eine breite Palette von Innovationen im Bankwesen beaufsichtigt. UBS reduzierte den Kartenbetrug um 74 %, während Mastercard die Betrugserkennung auf mehrere wichtige Arten optimierte, unter anderem durch automatisierte Nachrichten, um das Omnichannel-Kommunikationsproblem zu lösen.
Die Geschichte von Mastercard zeigt, wie ein großes Finanzinstitut inzwischen in der Lage ist, Kundeninteraktionen über eine Vielzahl von Kanälen hinweg dynamisch zu identifizieren, zu überwachen und zu verwalten – und zwar schnell genug, um finanzielle Verluste zu verhindern. Ein netter Nebeneffekt? Weniger genervte Kunden.
In einem kürzlich ausgestrahlten Radiointerview erläuterte Waid eine weitere Situation, in der Zusammenarbeit das Marketing verbessert. „Im Bankwesen ist die Kreditkarte aus Risikosicht eines der profitabelsten Produkte. Wenn man also jemanden aus dem Risikobereich fragen würde, welches Produkt er vorantreiben würde, wäre es die Kreditkarte.“
Doch andere Abteilungen könnten anderer Meinung sein. „Wenn man die Marketingperson fragt, verfügt sie über all die Statistiken und Zahlen zur Akzeptanz und könnte einem sagen: Nein, es ist nicht die Kreditkarte, zumindest nicht für diese Gruppe (von Kunden), denn sie sucht eigentlich nach einer HELOC- oder einer Autofinanzierung.“
Der Punkt ist, dass man Geschäfte verlieren kann, wenn man den falschen Vorschlag macht. Ohne eine Zusammenarbeit rund um gemeinsame Fähigkeiten auf einer zentralisierten Plattform, so Waid, wäre dieser Fehler wahrscheinlich in den Produktivbetrieb gelangt und hätte die Kundenloyalität und den Umsatz geschädigt.
Mit einer Plattform für angewandte Intelligenz, so sagt er, können wichtige Stakeholder aus allen Geschäftsbereichen mitwirken. Das trägt dazu bei, Kontinuität und Engagement sicherzustellen, und bietet zugleich eine gemeinsame Grundlage für Wirksamkeit und Verantwortlichkeit.
Man kann sich das als menschliches Betriebssystem für unternehmensweite Intelligenz vorstellen – eines, das mit Unternehmensdaten, Prognosemodellen und Entscheidungs-Workflows verbunden ist und so für Kohärenz in wichtigen operativen Systemen sorgt. Im Idealfall ist es wie ein voll funktionsfähiges Cockpit für das Unternehmen.
Diese Transparenz schafft Vertrauen, einen Eckpfeiler hochwertiger Entscheidungsergebnisse: „Dieses Vertrauen hat zwei Dimensionen“, sagt er. „Die erste lautet: Kann man verstehen, was die Maschine tut? Hat man Vertrauen darin, zu wissen, warum sie zu dieser Prognose gelangt ist?
„Das zweite Element besteht darin, dass die Analyse das Labor verlassen muss, damit sie nützlich ist. Oft sehe ich, dass die Analyse erst nach der Operationalisierung eines Prozesses entsteht, bei dem mehr Daten oder ein Datenfluss vorhanden ist, der für eine Analyse gut geeignet ist.“
Weitere Informationen finden Sie auch unter: Die besten Tools für Datenanalyse
Fazit: Die Analyse wird zur Erweiterung
Hier zeigt sich der praktische Nutzen angewandter Intelligenz: Die Analyse wird zur Erweiterung. Wenn das Unternehmen über diese Transparenz verfügt, gewinnt es Vertrauen und integriert die Erkenntnisse in seine eigenen operativen Workflows. Dann wird der beabsichtigte Nutzen der Maschine spürbar.
„Plattformen sorgen für Vereinheitlichung: Sie bringen Prozesse, Menschen und Technologie zusammen“, sagt Waid. Und während sich die KI mit Large Language Models und Quantencomputing weiterentwickelt, lässt sich durchaus sagen, dass die Praktiken angewandter Intelligenz für entscheidende Stabilität sowie für aussagekräftige Erkenntnisse sorgen werden.
Siehe auch: 100+ führende KI-Unternehmen 2023