Seite 2: Eine Frage der Kompatibilität

Inhaltsverzeichnis

Das bedeutet nicht, dass KI überbewertet wird. KI ermöglicht sowohl völlig neue Produkte als auch neue Geschäftsmodelle, und sie kann Menschen von lästigen Routinearbeiten befreien. Aber Algorithmen sind eben nur ein kleiner Teil dessen, was bei der Neuorganisation von Geschäften wirklich zählt. Viel wichtiger sind organisatorische Änderungen.

Eines der größten Hindernisse besteht oft darin, dass Aufzeichnungen und Dokumentationen mit vielen unterschiedlichen Systemen erstellt werden, die meist nicht miteinander kompatibel sind. Ein Problem, auf das auch Richard Zane stieß, Chief Innovation Officer bei UC Health. Das Unternehmen betreibt ein Netzwerk von Kliniken in Colorado, Wyoming und Nebraska und hat erst kürzlich einen Livi getauften Chatbot eingeführt, der Sprachtechnologie von einem Start-up namens Avaamo nutzt. Livi soll Patienten auf der Website helfen, ihre Rezepte zu erneuern, Termine zu buchen oder andere wichtige Informationen zu finden.

Sprechstundenhilfe Livi

Mittlerweile haben die Mitarbeiter von UC Health tatsächlich mehr Zeit, um Patienten mit komplizierten Problemen zu helfen, während Livi Routinefragen bearbeitet. Die Einführung von Livi dauerte allerdings rund anderthalb Jahre, was vor allem auf Schwierigkeiten bei der Verknüpfung der Software mit anderen Verwaltungssystemen wie Patientenakten oder Abrechnungsdaten für Versicherungen zurückzuführen ist.

Ähnliche Probleme gibt es auch in anderen Branchen. Einige große Einzelhändler etwa speichern ihre Daten zu eigenen Einkäufen und Verkäufen in separaten Systemen, die nicht miteinander verbunden sind. Wenn Unternehmen solche Probleme nicht angehen, hat auch die beste selbstlernende Software keine Chance, denn ihr steht immer nur ein Teil der relevanten Daten zu Verfügung. Das erklärt, warum die bisher gebräuchlichsten Anwendungen der KI in Bereichen existieren, die relativ isoliert sind, aber dennoch über reichlich Daten verfügen – etwa die Betrugserkennung bei Banken oder die IT-Sicherheit.

Und selbst wenn ein Unternehmen Daten aus verschiedenen Quellen in sein KI-System einbezieht, bedarf es immer noch vieler Kontrollen, um sicherzustellen, dass die Informationen korrekt und aussagekräftig sind. Laut Genpact, einem IT-Dienstleister, der Firmen bei der Einführung von KI-Projekten unterstützt, haben oft nur zehn Prozent eines solchen Projekts wirklich mit KI zu tun. "Neunzig Prozent der Arbeit bestehen aus Datenextraktion, Bereinigung, Normalisierung und ähnlichem Rumgeärgere", sagt Sanjay Srivastava, Chief Digital Officer von Genpact. Bei Google, Netflix, Amazon oder Facebook mag das alles mühelos und leicht aussehen. Aber diese Unternehmen wurden aufgebaut, um digitale Daten zu erfassen und zu nutzen. Und sie haben keinerlei Schwierigkeiten, an Doktoranden und Gastwissenschaftler aus Mathematik, Informatik und Datenwissenschaften heranzukommen. "Das ist anders als bei den meisten anderen Unternehmen", sagt Skomoroch.

KI, um Ölfelder auszuwerten

In kleineren Firmen müssen sich die Mitarbeiter oft in viele verschiedene technische Bereiche einarbeiten, sagt Anna Drummond, die als Datenwissenschaftlerin bei Sanchez Oil & Gas beschäftigt ist. Das Unternehmen mit Sitz in Houston hat erst kürzlich begonnen, Produktionsdaten aus Öl- und Gasbohrungen in Echtzeit zu sammeln und zu analysieren. Natürlich hat Sanchez die dafür nötige Software nicht selbst entwickelt, sondern eingekauft. Aber Drummond und ihre Kollegen mussten sicherstellen, dass die Daten von den Ölfeldern auch tatsächlich im richtigen Format vorliegen und die Auswertungen in sinnvoller grafischer Form auf die Bildschirme der Ölförderer übermittelt werden. Menschen, die mit all diesen Dingen vertraut sind, seien "nicht leicht zu finden", sagt sie. "Es ist im Grunde genommen wie die Suche nach Einhörnern."