Künstliche Intelligenz (KI) wendet fortschrittliche, logikbasierte Analysetechniken, einschließlich Machine Learning, an, um Ereignisse zu interpretieren, Entscheidungen zu unterstützen und zu automatisieren, und daraus Maßnahmen zu ergreifen.
Hier bei Gartner definieren wir KI als die Anwendung fortschrittlicher, logikbasierter Analysetechniken, einschließlich Machine Learning (ML), um Ereignisse zu interpretieren, Entscheidungen zu unterstützen und zu automatisieren, und daraus Maßnahmen zu ergreifen. Diese Definition entspricht dem aktuellen neuesten Stand der KI-Technologien sowie ihrer Fähigkeiten und berücksichtigt, dass KI heute im Allgemeinen eine probabilistische Analyse beinhaltet (eine Kombination aus Wahrscheinlichkeit und Logik, um der Unsicherheit einen Wert zuzuweisen).
Andere Organisationen und Personen können andere Definitionen verwenden. Es gibt keine einheitliche, allgemein akzeptierte Beschreibung für KI, da es eine so große Bandbreite an Möglichkeiten gibt, wie KI menschliche Aktivitäten unterstützen, ergänzen und automatisieren sowie selbstständig lernen und handeln kann (siehe „Was ist Machine Learning?“).
Um als Organisation die Chancen der KI zu nutzen, müssen Sie jedoch eine allgemein akzeptierte Definition formulieren und sich darauf einigen, was Sie mit KI erreichen wollen. (Siehe „Was ist eine KI-Strategie für Unternehmen?“.)
Sorgen Sie jedoch dafür, dass die Leiter der Geschäftsbereiche, der IT-Abteilung und der Abteilung für Data und Analytics keine grundlegenden Meinungsverschiedenheiten darüber haben, was KI für die Organisation bedeutet, da Sie sonst keine Strategie entwickeln können, die ihre Vorteile nutzt.
Beachten Sie, dass die Anbieter von KI-Technologien wahrscheinlich auch ihre eigenen Definitionen des Begriffs haben könnten. Bitten Sie sie, zu erläutern, wie sie mit ihrem Angebot Ihre Erwartungen an die Wertschöpfung durch KI erfüllen wollen.
Machine Learning ist eine entscheidende Technik, die es der KI ermöglicht, Probleme zu lösen. Entgegen der weitverbreiteten falschen Vorstellung (und den falschen Begriffen in der Volkskultur) lernen Maschinen nicht. Sie speichern und berechnen in immer größerer Komplexität.
Machine Learning ist eine rein analytische Disziplin. Es wendet mathematische Modelle auf Daten an, um Wissen zu extrahieren und Muster zu finden, die Menschen wahrscheinlich übersehen würden. ML empfiehlt auch Maßnahmen, aber es weist Systeme nicht an, ohne menschliches Eingreifen zu handeln.
Konkret wird beim Machine Learning ein Algorithmus oder eine statistische Formel (ein sogenanntes „Modell“) erstellt, mit dem eine Reihe von Datenpunkten in ein einziges Ergebnis umgewandelt wird. ML-Algorithmen „lernen“ durch „Training“, bei dem sie Muster und Korrelationen in Daten erkennen und diese nutzen, um neue Erkenntnisse und Prognosen zu liefern, ohne dass sie explizit darauf programmiert werden.
Deep Learning, eine Variante der Machine-Learning-Algorithmen, verwendet mehrere Schichten von Algorithmen, um Probleme zu lösen, indem es Wissen aus Rohdaten extrahiert und diese auf jeder Ebene umwandelt. Deep Learning kann herkömmliches ML (oder oberflächliche Lerntechniken) bei der Arbeit mit komplexen und oft hochdimensionalen Daten wie Bildern, Sprache und Text übertreffen. Regelbasierte Systeme oder traditionelles ML können jedoch viele KI-Probleme effektiv lösen.
Für die meisten Organisationen sind Deep-Learning-Lösungen noch kein wesentlicher Bestandteil ihrer Produkt-Roadmap (regelbasierte Systeme oder traditionelles ML ermöglichen heute die meisten KI-Anwendungsfälle). Ihr Einsatz nimmt jedoch aufgrund ständiger Fortschritte bei der Datenverarbeitung und Durchbrüchen bei den Rechentechniken zu.
Die Verwendung von ML, einschließlich Deep Learning, zur Erstellung von Prognosen ermöglicht es einem KI-gesteuerten Prozess, die Auswahl des günstigsten Ergebnisses zu automatisieren. Dadurch entfällt die Notwendigkeit eines menschlichen Entscheidungsträgers.
Weitere Informationen finden Sie unter „Wie sieht die Zukunft der KI und der KI-Technologien aus?“
Führungskräfte aus den Bereichen IT und Datenanalyse können mit Hilfe von KI-Techniken eine Vielzahl von Geschäftsproblemen lösen und erhebliche Investitionsrenditen erzielen. Für die meisten Organisationen stellt sich jedoch die Frage, wie sie Künstliche Intelligenz einsetzen können, um das Wachstum der digitalen Geschäftsmodelle zu fördern oder zu beschleunigen.
Die Hauptchancen der Künstlichen Intellligenz ergeben sich aus folgenden Fähigkeiten:
Die Untersuchungen von Gartner belegen immer wieder, dass CIOs in den Vorteilen der KI eine enorme Chance sehen, sich aber noch schwer tun, diese Vorteile in der Praxis zu nutzen. Allerdings wird KI letztlich die Art und Weise, wie Arbeit erledigt wird, neu gestalten, da die Technologie einige Aufgaben ersetzt, die bisher von Angestellten erledigt wurden. Zudem verändert sie die Art und Weise, wie tagtägliche Entscheidungen getroffen werden. Die Anwendungsfälle lassen sich in drei Kategorien einteilen: Automatisierung und Optimierung, Gewinnung von Insights und Schaffung von menschenähnlichem Engagement (z. B. Chatbots und virtuelle Assistenten). (Weitere Informationen unter „Was sind Beispiele für Anwendungen der KI in der Geschäftswelt?“.)
Momentan ist der Hype um KI allerdings noch sehr groß, was es einigen Organisationen schwer macht, die richtigen Erwartungen an die Geschäftsergebnisse zu stellen. Ein ungezügelter Hype lässt Projekte entstehen, die keine Chance auf Erfolg haben. Wenn das passiert, geben Unternehmensleiter mit unrealistischen Erwartungen der Technologie und der Wissenschaft die Schuld dafür, dass sie nicht die erhofften Veränderungen herbeiführen konnten.
Achten Sie darauf, eine Unternehmensstrategie für KI zu entwickeln, um von Anfang an Anwendungsfälle und Erfolgsmetriken zu ermitteln. Häufig werden Vorteile wie Risikominderung, Beschleunigung von Prozessen, Steigerung des Umsatzes, Erhöhung der Kundenzufriedenheit und Verringerung des Arbeitsbedarfs oder der Kosten gemessen. Viele Geschäftsszenarien beruhen auf einer Kombination aus materiellen und immateriellen Vorteilen. (Siehe „Was ist eine KI-Strategie für Unternehmen?“.)
Als neue Technologie muss KI ihre volle Wirkung und ihren Nutzen erst noch entfalten. Die KI-Innovation ist eine von vielen Kräften, die bestehende Märkte stören und beispielsweise neue digitale Geschäftsinitiativen ermöglichen. KI wird auf unterschiedlichste Weise in verschiedenen Branchen, Organisationen und Funktionen eingesetzt. Ein paar Beispiele aus dem Geschäftsbetrieb sind:
Damit ein Geschäft von den Vorteilen der KI profitieren kann, sollten Führungskräfte eine unternehmensweite KI-Strategie entwickeln, die Anwendungsfälle identifiziert, Vorteile und Risiken quantifiziert, Geschäfts- und Technologie-Teams aufeinander abstimmt und organisatorische Kompetenzen verändert, um so die Einführung von KI zu unterstützen.
Um den Nutzen von KI sicherzustellen, sollten Sie die Initiativen strategisch auswählen und sich darauf konzentrieren, was Ihre Organisation erreichen möchte und welche Geschäftsprobleme Sie lösen wollen. Um wirklich durchstarten zu können, müssen Sie KI als Teil Ihrer bestehenden Anwendungen einsetzen. Dazu gehören Daten aus allen Bereichen des Unternehmens, um alle angebotenen Funktionen auszunutzen.
Organisationen, die sich in einem früheren Stadium der KI-Ausgereiftheit befinden, verfolgen eher Anwendungsfälle rund um die Kostenkontrolle, bevor sie zu Schlüsselelementen des Wertversprechens, wie der Kundenzufriedenheit, übergehen. Untersuchungen von Gartner zeigen, dass KI mit zunehmender Ausgereiftheit breiter eingesetzt wird und mehr Wirkung entfaltet.
Schlüsselelemente einer KI-Strategie für Unternehmen sind:
Die KI entwickelt sich durch neue Techniken, spezielle Infrastrukturen und Hardware rasant weiter. In den kommenden fünf Jahren erwartet Gartner, dass Organisationen modernste Techniken für intelligentere und zuverlässigere, verantwortungsvolle und ökologisch nachhaltige KI-Anwendungen einsetzen werden.
Der Weg der KI folgt nun stärker dem der Technologien, die ihr vorausgegangen sind. Für Unternehmen und Regierungen wird KI immer wichtiger:
Auch in Zukunft werden Organisationen KI einsetzen, um ihre Prozesse zur Entscheidungsfindung zu verbessern. Intelligente Unternehmen, die diese Methoden schnell übernehmen, werden sich stärker vom Wettbewerb abheben und mit mehr Flexibilität und schnellerer Reaktion auf Veränderungen in ihrem Ökosystem reagieren.
Die Umsetzung von KI-Strategien bleibt eine Herausforderung für Infrastruktur- und Betriebsteams. Der Start vor Ort bedeutet Investitionen in Infrastruktur und Architektur, die schwer zu prognostizieren, zu besetzen und zu finanzieren sein können. Das macht die Cloud-Optionen attraktiv, doch je mehr der Bedarf an KI wächst und je mehr Investitionen erforderlich sind, desto teurer können diese Cloud-Optionen werden (und desto bedenklicher wird die Bindung an einen Cloud-Anbieter). Aus diesem Grund sind neue Strategien, die Investitionen in Cloud-Funktionen mit Investitionen in die Infrastruktur verbinden, so attraktiv (sogenannte Cloud- und On-Premises-Hybridstrategien).
Zu den Annahmen von Gartner zur strategischen Planung für KI gehört, dass bis 2025:
Die Mehrheit der Unternehmensorganisationen kennt oder versteht das Innenleben der KI nicht, was zu Bedenken hinsichtlich Fairness, Sicherheit und Datenschutz führen kann. KI kann jedoch nicht gedeihen, wenn das Unternehmen kein Vertrauen in diese Techniken hat. Daher benötigen Organisationen Kontrollmechanismen, um Bedrohungen und Schäden zu begutachten und darauf zu reagieren. Und um sicherzustellen, dass Integrität Teil der KI-Nutzung ist.
Gartner bezeichnet sein Framework für das KI-Risikomanagement als „MOST“, weil es die folgenden drei Säulen umfasst:
Sobald KI in Unternehmen Einzug hält, werden unweigerlich Bedrohungen folgen und zu ernsthaften organisatorischen Risiken führen. Organisationen müssen die Bedrohungen proaktiv bewerten. Auf diese Weise können sie das Vertrauen der Stakeholder in KI stärken.
Tatsächlich erwartet Gartner, dass bis 2025 Regulierungen einen Fokus auf KI-Ethik, -Transparenz und -Datenschutz erfordern werden: mit dem Resultat, dass Vertrauen, Wachstum und besseres Funktionieren der KI auf der ganzen Welt gefördert wird – anstatt sie zu behindern.
Seien Sie dabei, wenn auf den Gartner-Konferenzen die neuesten Insights bekannt gegeben werden.