Data-Thinking als Werkzeug für KI-Innovation

Daten erzeugen Wissen und Wissen ist Macht. Das Thema Big Data ist inzwischen in den meisten Unternehmen angekommen. Daten zu sammeln ist längst Standard. Ganz gleich ob Bestellhistorien, demographische Daten, Retourenquoten oder Marktpreise – Was man hat, das hat man! Was fehlt, ist allerdings ein konkretes Ziel zur Weiterverwendung der gesammelten Daten.

In der lobenswerten Absicht, die neuesten Technologien auch gleich umzusetzen, werden KI-Anwendungsfälle dann auf Basis der gesammelten Daten regelrecht konstruiert, ohne einen tatsächlichen Nutzen zu bringen. Schnell werden Klagen über mangelnde Datenqualität laut. In der Konsequenz verursacht das zuvor noch so hochgelobte KI-Projekt vor allem Kosten. Doch kann man lernen, Daten so zu nutzen, dass sie interne Kosten senken oder gar mehr Umsatz bringen?

Was bedeutet Data-Thinking?

Die Antwort ist klar: „Ja, man kann!“ »Data-Thinking« lautet das Stichwort. Es beschreibt eine Methode, die Data-Science mit dem Design-Thinking-Ansatz verbindet. Im Gegensatz zu herkömmlichen Big-Data-Konzepten rücken technologische Aspekte dabei in den Hintergrund. Die Basis dieser Datenstrategie entspricht der Grundidee von Design-Thinking: Die kreative Entwicklung nutzerzentrierter Use-Cases in crossfunktionalen Teams.

Dabei sollten sich die Projektbeteiligten in ihren Ideen nicht von den aktuell zur Verfügung stehenden Daten einschränken lassen, sondern sich zunächst darauf besinnen, in welchen Anwendungsfällen das größte Geschäftspotential steckt.

Wie Mitarbeiter im Unternehmen profitieren auch Daten von flachen Hierarchien und schwachen Strukturen. Im Gegensatz zum Data-Warehouse werden im Data-Lake Daten aus unterschiedlichen Quellen und in unterschiedlichen Formaten, frei von ihrem Verwendungszweck, zusammengeführt. Davon profitiert datenzentrierte Produktinnovation.

Data-Thinking in der Praxis

Erst dann ermittelt das Team, welche Daten in welcher Qualität für den Einsatz von künstlicher Intelligenz notwendig sind. Dieses Vorgehen bietet klare Vorteile: Zum einen können Data-Scientists und KI-Spezialisten, die bei unrealistischen System-Anforderungen oder unausgereiften Vorhaben eingreifen, bereits frühzeitig hinzugezogen werden. Zum anderen werden Innovationsbudgets von Anfang an in Lösungen investiert, die das Unternehmen tatsächlich voranbringen.

Für alle, die jetzt die Hände über dem Kopf zusammenschlagen und sich fragen, wie das alles schaffbar sein soll, gibt es gute Nachrichten. Viele Daten und KI-Werkzeuge sind open source und erfordern geringe bis keine Programmierkenntnisse. Mit Hilfe von Werkzeugen, wie sie Google anbietet, lässt sich schnell starten. Um sich dem Thema Machine-Learning spielerisch anzunähern, lohnt es sich, das Tool »Wekinator« auszuprobieren.

Die Frage, die sich am Ende stellt, lautet: Welcher Use-Case birgt das größte strategische Potential für das eigene Unternehmen?

Jetzt zum kostenlosen Download anfordern!

Das Trendbuch steht ab sofort exklusiv für Händler, Hersteller und Verlage hier zum kostenlosen Download bereit.

Es ist außerdem als hochwertige Printausgabe erhältlich und kann via E-Mail bestellt werden. Oder ihr sichert euch euer persönliches Exemplar am 28. März 2019 auf der Handelskraft Konferenz in der Klassikstadt in Frankfurt am Main.