Zukunft Industrien

Das A und O für AI ist IA: Artificial Intelligence baut auf Informationsarchitektur

Henry Ford fuhr in den 1890er Jahren das erste Automobil durch die Straßen von Detroit. Es vergingen jedoch weitere 30 Jahre, bis sein Unternehmen die Produktion rationalisierte und Autos für den Massenmarkt liefern konnte. Die naheliegende Erkenntnis: Manchmal hat Technik eine lange Tragezeit, bevor wir sie in großem Stil nutzen können. Allerdings gibt es noch eine tiefer gehende Erkenntnis: Innovationen gedeihen nur auf fruchtbarem Boden.

Vom Dampfwagen zum heutigen Auto

Beim Automobil entstand der fruchtbare Boden dank zentraler Bauteile und Standardkomponenten wie Verbrennungsmotor, Lenkrad oder Achse. Sie ermöglichten es, das Auto zu einer breiten Akzeptanz zu führen. Und wie so oft, entstanden aus den Bausteinen komplementäre Innovationen, die wiederum das Automobil als Ganzes verbesserten. Es war allerdings ein langer Weg bis zum massentauglichen Automobil, der nur gelang, da Hersteller und Zulieferer gemeinsam das Automobil perfektionierten.

Was AI von der Automobilindustrie lernen kann

Die Entwicklung des Automobils ähnelt jener, die derzeit Systeme mit künstlicher Intelligenz (KI) durchmachen. Damit KI- oder AI-Systeme (Artificial Intelligence) florieren können, bedarf es wie in der Autoindustrie eine Reihe von Bedingungen und Bausteinen, die aufeinander aufbauen. Beispielsweise erfordert AI maschinelles Lernen, maschinelles Lernen wiederum benötigt Analytik und Analytik basiert auf einer soliden Informationsarchitektur (IA). Mit anderen Worten: AI braucht IA, um zu gedeihen!

Artificial Intelligence erfordert Informationsinfrastruktur

AI erfordert maschinelles Lernen, maschinelles Lernen wiederum benötigt Analytik und Analytik basiert auf einer soliden Informationsarchitektur.

Derzeit sind AI-basierte Systeme in der Lage, menschliche Funktion rudimentär nachzuahmen. In der Konsumwelt ist das die Nachahmung von Sprache oder Interaktionen. Im Unternehmen unterstützt und verbessert AI zahlreiche Unternehmensfunktionen wie Logistik, Marketing, Finanzen oder Personalmanagement. Allerdings sind im übertragenen Sinne aktuelle AI-Systeme so weit von der menschlichen Intelligenz entfernt, wie der einstige Cugnot-Dampfwagen von einem heutigen Auto.

Drei zentrale Pfeiler für die IA

Damit sich die künstliche Intelligenz entwickeln kann, muss es Unternehmen gelingen, ihren digitalen Boden fruchtbarer machen. Also sind Innovationen gefragt, wie das Fließband für die Fertigung bei Ford oder die Weiterentwicklung einzelner Komponenten. Aus diesem Grund bauen Unternehmen ihre AI-Umgebung neu auf, indem sie eine solide Basis für die Informationsarchitektur (IA) schaffen. Drei zentrale Pfeiler einer IA sind: Hybrid Data Management, Unified Governance and Integration sowie Data Science and Business Analytics.

Hybrid Data Management (HDM) bietet eine Plattform zur Verwaltung aller Datentypen und zwar über unterschiedliche IT-Ressourcen hinweg – egal ob eigenes Rechenzentrum, Public, Private oder Hybrid Cloud. HDM umfasst sämtliche Formen der Datenverwaltung wie SQL und NoSQL sowie Techniken der zeilen- und spaltenorientierten Speicherung oder auch Hadoop-Umgebungen. Der Pfeiler Unified Governance and Integration liefert die Komponenten, die Daten einfach und sicher über Cloud-Plattformen hinweg verfügbar machen. Der Prozess ermöglicht eine robuste Datenaufbereitung, Richtlinienerstellung, Autorisierung und Auditierung. Als Drittes bietet die Kombination aus Datenwissenschaft und Business Analytics eine ganzheitliche Analyse aller Datentypen und versetzt Menschen in die Lage, komplexe Datensätze wirtschaftlich zu interpretieren. Zu den wichtigsten Komponenten gehören Analysewerkzeuge, fortgeschrittene statistische Modelle und maschinelles Lernen.

Infrastruktur ist fruchtbarer Boden für AI

Data Science und AI florieren aufgrund von Digitalisierung, Datenexplosion und Auswirkungen des maschinellen Lernens. Aber obwohl die bestehenden AI-Techniken einen besseren Einblick in Daten geben, fehlt es noch an eigenständigen Lösungen. Oder um auf die Analogie des Automobils zurückzukommen, noch gibt es keinen Massenmarkt für die selbstfahrenden Autos – allerhöchstens einzelne Cugnot-Dampfwagen. Denn die Entwicklung von KI-Systemen erfordert mehr als nur das Erlernen einer bestimmten Aufgabe aus Daten – sie erfordert eine Infrastruktur. Hybrid Data Management, Unified Governance und Integration sowie Data Science und Business Analytics liefern diese Infrastruktur. Sie sind fruchtbarer Boden und das A und O für eine IA, auf der AI für unternehmerische Innovationen gedeihen und wachsen kann.

Erstveröffentlichung auf Englisch bei Venturebeat.com: https://venturebeat.com/2018/01/12/the-road-to-ai-leads-through-information-architecture/

Add Comment
No Comments

Leave a Reply

Your email address will not be published.Required fields are marked *

More Zukunft Industrien Stories

Data Leadership = Business Leadership. Das volle Potenzial von Daten nutzen

Die Nutzung von Daten ist keineswegs neu. Die Art und Weise und auch die damit verbundenen geschäftlichen Potenziale haben sich jedoch in den letzten Jahren grundlegend verändert. Schaut man einige Jahr(zehnt)e zurück, so drehte sich am Anfang alles um die effiziente Speicherung; Daten wurden vor allem als Dokumentation von Geschäftsprozessen gesehen. Das Potenzial bestand darin, […]

Wie digitale Delfine, 3D-Druck und ein digitaler Zwilling den Hafen von Rotterdam zum intelligentesten Hafen der Welt machen

Der Hafen Rotterdam ist, gemessen an der umgeschlagenen Frachtmenge, der größte Hafen Europas und soll nun zum intelligentesten Hafen der Welt umgestaltet werden. Zu diesem Vorhaben gehört unsere Initiative zur digitalen Transformation mit der Unterstützung von IBM. Angesichts der Tatsache, dass mehr als 85 % aller weltweit gehandelten Güter während ihrer Nutzungsdauer mindestens einmal per Schiff […]

Die Zeit ist reif für eine neue Generation von Customer Services: Kognitive Technologien für mehr Kundenzufriedenheit und höhere Effizienz

Einen wirklich exzellenten Kundenservice kann nur derjenige bieten, der seine Kunden genau kennt und sie dort abholt, wo sie stehen – so weit, so unstrittig. Doch was sich nach einer Binsenweisheit anhört, ist in der Praxis oft kaum umzusetzen: Schließlich muss sich der Kundenberater im Service Center in Sekundenschnelle auf seinen Interaktionspartner und dessen Bedürfnisse […]