Alles, was ein CEO über künstliche Intelligenz wissen muss

Wie KI funktioniert. Was Sie damit tun können. Und wie Sie an den Start gehen.

image

Bei KI dreht sich alles um die Verbindung zwischen A und B

Informationen über künstliche Intelligenz (KI) sind oft verwirrend und manchmal geradezu irreführend (fühlst du dich angesprochen, IBM?). Aber KI für Unternehmen ist einfach:

“99% des ökonomischen Wertes, den KI heute schafft, wird durch eine Art von KI erzeugt, nämlich durch das Abbilden der Lernbeziehung von A nach B oder von Input zu Output.” Andrew Ng

Nahezu jede Geschäftsanwendung von KI besteht heute darin, zu lernen, aus bestimmten Inputs bestimmte Outputs zu erzeugen:

Input Output Beispiel

Wie lernt KI, den richtigen Output vorherzusagen?

  1. Sie sammeln Beispiele für input –> output Paare (je mehr, desto besser).
  2. Der KI-Algorithmus lernt die Verbindung zwischen Input und Output (darin liegt die Magie).
  3. Sie wenden den erlernten Algorithmus (das “Modell”) auf neue Input-Daten an, um den korrekten Output vorherzusagen.

Das war’s! Fast jeder, der KI benutzt, um Geld zu verdienen, geht so vor.

Verwenden Sie KI, wenn Sie viele Daten haben.

KI braucht Daten

KI ist mächtig, weil sie Daten in Erkenntnisse verwandelt. Aber KI ist beim Lernen weniger effizient als ein Mensch (ja, viel weniger effizient), also braucht KI eine Menge an Daten, um zu lernen. Wenn Sie große Datenmengen haben, sollten Sie KI in Erwägung ziehen!

Daten sind ein Wettbewerbsvorteil, nicht Algorithmen.

Deshalb haben Google und Facebook kein Problem beim open sourcing ihrer Algorithmen. Aber sie bieten definitiv ihre Daten nicht Open Source an. Wenn Sie viele Daten haben, die sonst niemand hat, dann ist das die perfekte Gelegenheit, ein einzigartiges KI-System aufzubauen.

Die 3 einfachsten Wege, Ihre KI-Anwendungsfälle zu finden.

Sie haben also eine Menge Daten. Was machen Sie jetzt? Hier sind die 3 besten Arten, die ich kenne, um AI Anwendungsfälle zu entdecken:

1. Verbesserung der automatisierten Entscheidungsfindung

Wo gibt es Software, die regelbasierte Entscheidungen automatisiert?

Zum Beispiel:

  • Anrufweiterleitung
  • Kredit Scoring
  • Bildklassifizierung
  • Marketing-Segmentierung
  • Produktklassifizierung

Die Chance ist groß, dass die KI die Genauigkeit dieser Entscheidungen verbessern kann, da KI-Modelle mehr von der unterliegenden Komplexität erfassen können, die A und B verbindet. Im Vergleich dazu können Sie, wenn Sie Regeln manuell in Software schreiben (auf traditionelle Weise), nur rudimentäre Abhängigkeiten kodieren.

Für einen unserer Kunden (ImmobilienScout24) konnten wir den Umsatz mit E-Mails um 250% steigern. Durch einfaches Ersetzen der regelbasierten E-Mail-Segmentierung durch eine intelligentere und feinere AI basierte Segmentierung.

2. Dinge, die Menschen in < 1 Sekunde tun können

Eine weitere große Heuristik, die ich zum ersten Mal von Andrew Ng gehört habe, ist:

“So ziemlich alles, was ein normaler Mensch in < 1 Sekunde tun kann, können wir jetzt mit KI automatisieren.” Twitter

Was sind also einige Dinge, die Menschen in < 1 Sekunde entscheiden können?

  • Wer ist auf dem Bild?
  • Habe ich ein gutes Gefühl bei diesem potenziellen Kunden?
  • Sieht dieser CT-Scan problematisch aus?

Auch viele Jobs sind eine Aneinanderrehiung von < 1 sec Entscheidungen. Etwa das Autofahren:

  • Wird diese Person die Straße überqueren?
  • Bin ich zu nah am Bürgersteig?
  • Sollte ich langsamer fahren?
  • …und viel, viel mehr.

Alles, was Sie in weniger als 1 Sekunde tun können, kann KI höchstwahrscheinlich auch (oder wird es bald können).

3. Lassen Sie sich von Kaggle-Wettbewerben inspirieren.

Animated GIF-downsized large (1)

Große Unternehmen wie Zillow, Avito, Home Depot, Santander,Allstate undExpedia führen auf Kaggle Datenwettbewerbe durch. Das sind knifflige Fragen, die sie von externen Datenexperten gelöst sehen wollen. Diese Wettbewerbe geben Ihnen also eine Vorstellung davon, an welchen Arten von KI-Lösungen gearbeitet wird. Es ist wirklich eine großartige Ressource.

Schauen Sie sich die Wettbewerbe an und lassen Sie sich inspirieren.

TL;DR: KI-Anwendungsfälle finden:

  • Verbesseren Sie Entscheidungen, die bereits automatisiert sind
  • Automatisieren Sie Dinge, die Menschen in < 1 Sekunde tun.
  • Lassen Sie sich von Kaggle-Wettbewerben inspirieren.

Warten Sie nicht, bis Sie ein Data Science Team haben

Der Aufbau eines guten Data Science Teams ist extrem hart (und teuer!)

Viele Unternehmen kämpfen (oftmals vergeblich) mit dem Aufbau eines effizienten Data Science Teams. Warum ist das so schwer?

  • Fehlinformationen über das richtige Erfahrunfsprofil
  • Harter Wettbewerb um Talente
  • Wenige Manager, die Data Science Teams effektiv führen können

Außerdem….

Sie wissen noch nicht, ob Sie ein Data Science Team brauchen.

Vielleicht haben Sie viele Daten und auch viele Ideen, aber das heißt nicht, dass Sie Ihr eigenes Datenforschungsteam brauchen. Erst wenn Sie Ihre ersten KI-Systeme gebaut haben, können Sie wirklich beurteilen, wie viel Personal Sie langfristig benötigen werden. Also….

Bauen Sie etwas, das funktioniert – und das schnell

Ihr erstes Ziel sollte es sein, leichte KI-Beute zu machen und das erste Projekt schnell fertigzustellen. Dies bringt Sie meilenweit voran:

  • Sie erzielen greifbare Erfolge, die Investoren, den Vorstand und Ihr Team begeistern;
  • Sie lernen den Geschmack von KI kennen. Sie erfahren, was funktioniert und was nicht;
  • Sie bekommen bessere Ideen, wo Sie KI als nächstes einsetzen können.

Mit diesem ersten fertiggestellten System sind Sie in einer viel besseren Position, um ein Data Science Team einzustellen und auszubilden. Oder vielleicht stellt sich heraus, dass Sie kein komplettes Team einstellen wollen (oder müssen), weil das erste Projekt bereits 80% dessen ausmachten, was Sie mit KI umsetzen sollten.

KI-Teams sollten im ganzen Unternehmen arbeiten

Wenn Sie ein KI-Team aufbauen, sollten Sie es für das gesamte Unternehmen aufbauen, nicht nur für eine Abteilung. Ein horizontales KI-Team.

Denken Sie nicht in Abteilungen.

KI-Erfahrung ist sehr übertragbar: Für einen Data Scientist sehen Ihre CRM-Daten fast genauso aus wie Ihre Bestandsdaten. Und für einen Algorithmus sehen sie noch ähnlicher aus. Es macht also Sinn, eine einzige KI-Task Force für die gesamte Firma aufzubauen.

Anmerkung: Damit das funktioniert, sollten Sie auch alle Ihre Daten an einem Ort haben!

Mehr lebensrettende Tipps

Strandwächter Sonnenuntergang

Hören Sie nicht auf Leute, die Ihnen einen “besseren Algorithmus” verkaufen wollen.

Entweder, diese Leute haben keine Erfahrung, oder sie versuchen, Ihnen Open Source mit einem Preisaufschlag zu verkaufen. In der KI kocht jeder nur mit Wasser, und das bedeutet, dass alle Open Source Algorithmen verwenden.

Konzentrieren Sie sich auf Geschäftserfahrung & Programmierqualität

Arbeiten Sie mit jemandem zusammen, der sich die Zeit nimmt, das Geschäftsproblem, das Sie zu lösen versuchen, wirklich zu verstehen, und der hohe Ansprüche an die technische Qualität stellt. Wenn Sie viele Ergebnisse mit weniger Kopfschmerzen wollen, dann ist die Klempnerarbeit wichtiger als der noch so schlaue Algorithmus, der durch die Rohre fließt.

Magic Triangle Treffen 😋

Die besten Ideen entstehen, wenn man drei Arten von Menschen in einem Raum zusammenbringt:

  1. Jemand, der mit den aktuellen Unternehmenszielen vertraut ist (Sie?),
  2. Jemand, der Ihre Daten kennt (Ihr Datenbank-Entwickler) und
  3. Jemand, der viel praktische Erfahrung im Bau von KI Systemen hat.

Zusammen können diese drei Leute realistische Pläne machen, und zwar sehr schnell.

TL;DR

Noch einmal das Wichtigste:

  • KI dreht sich um die Verbindung zwischen A und B.
  • Schauen Sie sich Prozesse an, die große Datenmengen und Entscheidungen unter 1 Sekunde beinhalten.
  • Holen Sie sich einen ersten Erfolg, bevor Sie groß planen.

Wenn Sie dabei Hilfe brauchen, schreiben Sie mir gern. Ich freue mich immer über spannende Herausforderungen: m.schmitt [at] datarevenue.de

Brauchen Sie Hilfe bei einem Machine Learning Projekt?

Telefontermin buchen

ODER sende mir eine Beschreibung an: m.schmitt@datarevenue.de