Ein kleiner Rückblick:

In Artikel 1 wurde klar, dass KI auf genau definierte Aufgaben sehr beeindruckende Fähigkeiten entwickeln kann. Was ist künstliche Intelligenz? | Banian AG

Mit Hilfe der Analytical Process Automation (APA) Software – «Alteryx» wurde in Artikel 2 ein neuronales Netz (ein Algorithmus in der KI) so trainiert und implementiert, dass es anschliessend von Business Anwendern leicht genutzt werden kann.  Was ist künstliche Intelligenz? | Banian AG

In dieser Anwendung in Artikel 3 wurde klar, dass KI und besonders neuronale Netze, wirklich nur die Dinge gut können, die im Training gelernt wurden. Sollten jedoch Daten vorkommen, die im Training nicht gelernt wurden, können neuronale Netze sehr unvorhersehbare Fehler machen. Und zwar auch Fehler, die wir als Mensch nicht unbedingt als logisch betrachten würden, da das neuronale Netz Daten nicht so analysiert, wie wir Menschen das tun. Was ist künstliche Intelligenz? - Teil 3 | Banian AG

Alles in allem sind neuronale Netze also sehr beeindruckende Werkzeuge, wenn sie richtig trainiert und angewendet werden! Werkzeuge, die auch für KMUs interessanten Geschäftsnutzen erzeugen können. – Aber wie? In diesem Artikel werden wir in einem Umsetzungsprozessfluss veranschaulichen, wie genau ein solches KI-Projekt umgesetzt werden könnte. 

Wie bekomme ich massgeschneiderte KI für mein Unternehmen?  - Der Umsetzungsprozessfluss

Aus der Sicht eines Unternehmens kann ein KI-Projekt in 3 Phasen durchlaufen werden:

1. Erstgespräch

In einem Erstgespräch geht es um Kernfragen. Was soll erreicht werden? Welche Daten stehen zur Verfügung? Kann KI das gewünschte Ziel mit diesen Daten auch erreichen? Es geht hier hauptsächlich darum die gewünschte Fragestellung in den Bereich des Möglichen zu bewegen.

2. Durchstich

Hier geht es zunächst erstmal um Daten. Wo kommen sie her? In welchem Kontext stehen sie? Werden vielleicht noch andere Daten benötigt? Sind sie ausreichend sauber? Sind Lösungen (Labels) vorhanden oder müssen sie noch generiert werden? Sobald die Daten verfügbar sind, geht es dann an das Training eines ersten Modelles. Mit diesem vorläufigen Ergebnis wird dann ein Durchstich Pipeline entwickelt. Bei Abschluss dieses Schrittes, steht ein beispielhaftes Modell, das vorläufige Vorhersagen treffen kann.

3. Operationalisierung

In diesem dritten Abschnitt wird das vorläufige Durchstich-Modell feingeschliffen. Dabei werden Modell-Parameter optimiert, aber auch die Datengrundlage kann verbessert werden, beispielsweise durch Hinzufügen weiterer Daten, oder dem besseren Bereinigen bereits vorhandener Daten. Bei Abschluss der Pipeline-Entwicklung, wird die Pipeline an das Unternehmens-System angebunden, getestet und schliesslich übergeben.

Diese letzte Phase dauert am längsten und um sicherzustellen, dass die KI-Lösung auch wirklich massgeschneidert ist, sind regelmässige Rücksprachen und Vorstellungen mit dem Unternehmen wichtig.

Aus der Perspektive eines Data Scientisten hat eine KI-Pipeline weitere Komponenten, die teilweise mehrfach durchlaufen werden. Dabei ist der eigentliche Data Science Teil, indem beispielsweise ein neuronales Netz trainiert wird, vergleichsweise klein. Dagegen ist es nicht zu unterschätzen, wie viel Zeit das Zusammenführen von Daten und ihre Aufbereitung benötigt.

Für die Operationalisierung wird der Kreislauf von Daten Aufbereitung und Modell Training mehrfach wiederholt, um die optimale Pipeline zu entwickeln und das Beste aus den Daten herauszuholen. Verschiedene Modelle werden entwickelt und trainiert und ihre Performance untereinander verglichen, um die vielversprechendste Modell-Architektur zu identifizieren. Wenn die finale Pipeline mit dem besten Modell einmal identifiziert wurde, kann die massgeschneiderte KI-Lösung dann an die Unternehmens-Systeme an geeigneter Stelle angebunden werden. Je nach Anwendung kann es nützlich sein, ein Monitoring zu implementieren, dass die Performance des Modells und der Pipeline überwacht, sodass rechtzeitig eingegriffen werden kann, wenn sich beispielsweise die Datengrundlage verändert hat.

Warum eine massgeschneiderte KI-Lösung?

Wie in Artikel 3 hervorgehoben, sind KI-Lösungen, wie neuronale Netze, Werkzeuge mit beeindruckenden Fähigkeiten – allerdings nur unter zwei Bedingungen: Sie werden der Fragestellung entsprechend trainiert und sie werden ihren Fähigkeiten entsprechend angewendet, um unvorhersehbare Fehler zu umgehen. Deshalb ist es essenziell die Data Science Pipeline exakt wie möglich an die Business-Anforderung anzupassen. Bei einer massgeschneiderten KI-Lösung wird bereits bei der Entwicklung des Modells sehr spezifisch auf die Eigenheiten der Unternehmensdaten eingegangen. Die Fähigkeiten und Limitierungen des Modells auf Grund der vorhandenen Trainings-Daten sind dadurch gut bekannt und können klar kommuniziert werden. Zusätzlich wird auch die Anbindung des Modells massgeschneidert. Dadurch kann sichergestellt werden, dass das Modell seinen Fähigkeiten entsprechend angewendet wird.

Schon eine Idee?

Gibt es Prozessschritte, die vielleicht auch in den Bereich KI passen könnten? Oder gibt es eine Prognose, die eigentlich schon immer mal interessant gewesen wäre? Aber ist das wirklich der richtige Anwendungsfall für KI?

Wir bei der Banian AG helfen gerne mit einem Erstgespräch weiter. Kontaktieren Sie uns!

Zusatz:

Oder würden noch ein paar Anwendungsbeispiele helfen? Im nächsten Artikel wird anhand einiger Beispiele diskutiert, wo man als KMU KI einsetzen könnte.