Wie bilde ich eine KI-Strategie

Wie bilde ich eine KI-Strategie

„Baue eine KI-Strategie auf den Stärken auf, die du bereits hast und transorfmiere das was du bereits bist zum besseren.“ Mit dieser Aussage benennt Nisha Gopinath Menon in seinem Artikel über den Aufbau einer erfolgreichen KI-Strategie einen der wichtigsten Punkte im allgemeinen Hype um künstliche Intelligenz.

Es wird unglaublich viel geschrieben über künstliche Intelligenz, disruptive Technologien, Heere von arbeitslosen und durch Maschinen ersetzte Menschen. Sicher ist nur: Die Welt wie wir sie kennen wird sich verändern. Nun aber in Panik zu verfallen und auf Teufel komm raus auf den KI-Zug aufzuspringen, ist sicherlich der falsche Weg. Denn noch sind wir in einer frühen Phase dieser Revolution, deren Auswirkungen uns vermutlich sehr lange begleiten werden. Ich spreche von Dekaden und nicht Jahren.

Der richtige Zeitpunkt, sich damit auseinanderzusetzen, welche Möglichkeiten KI-Technologien für das eigene Unternehmen bieten ist aber auf jeden Fall genau jetzt. Denn es gibt kaum einen Bereich, für den es nicht schon Produkte und Projekte gibt, die auf Machine Learning oder natural language processing basieren.

Um den ersten Schritt zu einer sinnvollen KI-Strategie zu tun, ist es allerdings völlig unerheblich was es bereits gibt. Denn wichtig ist es, sich zunächst einmal mit dem eigenen Unternehmen auseinanderzusetzen. „Es ist egal ob sie ihr Unternehmen weiterentwickeln wollen oder ein ganz neues Business aufbauen – KI sollte immer dem Businessplan folgen und niemals umgekehrt“ schreibt Manon weiter. Zurecht, denn ein KI-Projekt sollte immer einem Zweck dienen und nicht zum Selbstzweck werden. „Und wenn dabei Produkte und Ideen entstehen, die die gängige Praxis oder ganze Wirtschaftszweige sprengen, um so besser!“

KI ist ein guter Problemlöser

Um eine Antwort auf die Frage zu finden, wie uns KI helfen kann, sollten wir uns bewusst sein, wo ihre Stärken liegen. Diese Technologien sind vor allem gute Problemlöser. Doch sollten Probleme nicht zu allgemein oder komplex sein. Ein Beispiel dafür ist das aktuell medial sehr prominente Thema Autonomes Fahren. Fahrzeuge selbständig auf der Straße mit anderen Verkehrsteilnehmern zu bewegen ist ein unglaublich Komplexes Unterfangen. Aber es kann in viele spezifische Probleme aufgesplittert werden. Die Erkennung von Straßenschilder beispielsweise oder Hindernissen, das managen von Bremsmanövern und so weiter …

Und genau darin liegt die Stärke von KI-Systemen. In der Lösung klar umrissener, spezifischer Probleme. Bei der Entwicklung einer KI-Strategie spielt dieses Verständnis eine große Rolle. Heruntergebrochen in kleinere, besser lösbare Probleme werden diese zu Bausteinen für die Entwicklung einer KI-basierten Lösung.

Ein Beispiel: Seit Jahren verdienen SEO-Agenturen und Spezialisten Milliarden damit dem sich stetig ändernden Algorithmus von Google die Keywords abzutrotzen, auf die es in der Markenkommunikation und in den Kampagnen ankommt. Will ich als Marke in einem stark umkämpften Marktsegment wahrgenommen werden optimiere ich dann was das Zeug hält und schraube mein SEA-Budgets nach oben. Google freut´s, denn im Zweifelsfall schraube ich zusammen mit meinem Wettbewerb auch die Preise nach oben. Wäre es da nicht besser, über mehr Relevanz Google & Co. von meiner Wichtigkeit zu überzeugen und damit eine bessere Sichtbarkeit im Internet zu erzielen? Sicher, aber was sieht Google als relevant an?

Eine Möglichkeit wäre bei Google anzurufen und zu fragen. Einfach, aber ziemlich sicher ergebnislos. Eine andere Möglichkeit wäre es, alles, wirklich alles was ihre Marke, ihre Produkte oder ihr Unternehmen, ihre Kunden und Interessenten betrifft zu lesen und zu analysieren, was davon warum für Google relevant ist. Das können sie nicht. Aber es ist ein klar definiertes Problem. Das heißt nicht, dass auch die Lösung einfach ist. Im Gegenteil. Aber es gibt heute genug Rechenleistung für eine solche Analyse. Die Fähigkeit semantisch Content zu sezieren haben intelligente KI-Systeme mittlerweile ebenfalls.

Semcona – ein deutsches Software-Unternehmen – hat genau dieses klar definierte Problem gelöst und ein Produkt geschaffen, dass mittels künstlicher Intelligenz und enormer Rechenpower genau das macht, was ich oben beschrieben habe. Mit dem Ergebnis das auf diese Weise aufgemotzter Content relevanter und damit sichtbarer wird. Dazu findet die KI auch Themen, die Kunden und Interessenten der Marke beschäftigen, die aber in einer SEO Recherche nie auftauchen würden, da sie nicht unbedingt in einem direkten Zusammenhang mir den Produkten oder dem Unternehmen stehen. So löst KI ein ganz spezifisches Problem.

KI Produkte brauchen Daten

Wie in dem Beispiel oben zu erkennen ist, benötigen KIs in der Regel Daten um zu lernen. Je besser die Qualität und Menge des vorhandenen Inputs ist, desto besser. Die Überlegung, an welcher Stelle KI in einem Unternehmen für Fortschritt sorgen könnte muss daher auch immer eine Bewertung der aktuellen Datenlage mit einbeziehen. Das können allgemein verfügbare Daten sein und / oder Daten, über die das Unternehmen selbst verfügt.

Nehmen wir auch hier ein kurzes Beispiel: Die Social Media Plattform Pinterest verfügt über einen gut kuratierten Bildbestand von 200 Millionen Nutzern. Das ist eine unglaubliche Masse an Bildern und eine sensationelle Qualität. Denn so ziemlich jedes Bild ist bereits von den Usern getagt, kategorisiert und mit einem Begleittext versehen.

Das brachte Pinterest auf die Idee ein Produkt zu entwickeln, das nicht nur Bilder erkennt, sondern dem Benutzer dazu auch passenden Content zeigt. Wiederum ein klar definierter Rahmen wenngleich auch eine unheimlich schwierige Aufgabe. Denn eine Avocado von einer Birne zu unterscheiden ist schon schwierig. Aber aufgrund eines Bildes einer Avocadoa ein Guacamole Rezept anzuzeigen ist hochkomplex. Doch mit dem richtigen Datenbestand ist es machbar, wie im Artikel Visual AI – Wird die Kamera das neue Keyboard? beschrieben.

„Wenn Sie eine KI-Strategie entwickeln, schauen sie sich skeptisch und genau an, wie sie aktuell mit Daten umgehen“ empfiehlt Nisha Gopinath Menon denn auch.

Lets get startet …

KI löst mit selbstlernenden Prozessen klar definierte Probleme auf Basis einer qualitativ und quantitativ ausreichenden Datenmenge sowie genügend Rechenleistung. Das ist meines Erachtens der Rahmen in dem sich KI im Augenblick aus Marketingsicht bewegt.

Für Unternehmen gilt es nun Antworten auf die genannten Fragen zu finden. Was tun wir? Wie und warum tun wir das. Gibt es Probleme, die wir lösen können oder Prozesse, die wir verbessern können? Beschäftigen sie sich mit Daten. Welche Daten haben wir? Wie gehen wir heute mit Daten um? Kann ein Problem mit Zuhilfenahme externer Datenquellen gelöst werden?

Eine gute KI Strategie beginnt ganz banal bei dem, was ein Unternehmen tut oder damit, was eine Idee ausmacht. Sie ist nie Selbstzweck und einer Umsetzung geht immer eine sorgfältige Vorbereitung voraus. Wer sich dessen bewusst ist und nicht blind drauf losrennt, hat gute Chancen mit Hilfe von künstlicher Intelligenz fundamentale und erfolgreiche Veränderungen herbeizuführen. Und die Reise beginnt gerade erst …

Dieser Artikel ist inspiriert von „Building a successfull AI-Strategy“ des Autors Nisha Gopinath Menon

Quelle: https://www.cognitiveclouds.com/insights/create-a-successful-artificial-intelligence-strategy/

Schreibe einen Kommentar

*

code

Ich akzeptiere die Datenschutzhinweise