Keine Wunderwaffe

Im ersten Schritt sollten sich Nutzer von KI und Machine Learning darüber klar werden, welche Ziele sie überhaupt mit diesen Technologien erreichen möchten. Beide seien fast immer in einen bestehenden Unternehmens- oder Prozesskontext eingebettet, beispielsweise in Bereichen wie Vertrieb, Produktion oder Service, so Jens Beier. «KI steht also nicht als Wunderwaffe da, sondern optimiert und automatisiert bestehende Prozesse.»

Daher ist es unverzichtbar, vor der Einführung von KI, ML und der entsprechenden «Ops-Frameworks» zu prüfen, ob nicht bereits konventionelle Ansätze ausreichen: «Oftmals stellt sich heraus, dass ein spezifisches Problem eine andere oder einfachere Lösung benötigt als zunächst gedacht», betont Christoph Nützel von Futurice.

Ein weiterer potenzieller Stolperstein ist die Daten­basis: «ML-Projekte richten sich nicht am jeweiligen Anwendungsfall aus, sondern an den vorhandenen Daten», so Nützel weiter. Diese Tatsache lässt sich häufig mit herkömmlichen Arbeitsweisen nicht in Einklang bringen. Daher ist es notwendig, dass Entwickler, IT-Fachleute, Experten aus den Fachbereichen und Data Scientists Wege finden, um effektiv zusammenzuarbeiten und zu kommunizieren.