Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
3 l 2021 markt & Trends l Machine Learning und Künstliche Intelligenz l 35 nötig Zu beobachten sind jedoch durchaus unterschiedliche Ausgangslagen So fehlt es in vielen Organisationen mitunter an Initiativen zur Digitalen Transformation einer wesentlichen Voraussetzung für diese Projekte In anderen Unternehmen wiederum werden solche Vorhaben zwar geplant die Umsetzung jedoch nicht gestartet Ein drittes Szenario ist dass die Projekte Insellösungen darstellen die nur ein spezifisches Problem lösen nicht aber die Digitale Transformation des gesamten Unternehmens voranbringen Strategische Vorarbeit Rom wurde nicht an einem Tag erbaut das gilt auch für datengetriebene Unternehmen unserer Zeit Die oben erwähnten Anwendungsszenarien versprechen durchaus einen hohen ROI rangieren allerdings am momentanen oberen Ende der Digitalisierungsskala Das heißt Machine Learning und Künstliche Intelligenz sind keine Low Hanging Fruits für Unternehmen die sich noch am Anfang der Digitalisierungsreise befinden Wo genau sie stehen und was ihnen möglicherweise fehlt merken sie oft erst in dem Moment in dem sie entsprechende Lösungen einführen wollen Erst dann setzt sich die Erkenntnis durch dass als erstes die grundlegenden Digitalisierungsschritte erfolgreich umgesetzt werden müssen Je nach Organisation kann das ein recht umfangreiches Unterfangen sein der Einführungsprozess der Lösungen kommt dann noch on top hinzu Der plötzlich auftretende Modernisierungsbedarf kann durchaus entmutigend wirken wobei darüber hinaus in Zeiten des Fachkräftemangels oft auch eine Strategie fehlt wie die erforderliche Expertise beschafft werden kann Projekte werden also teilweise nicht gestartet oder schon nach dem PoC Proof of Concept abgebrochen weil die Aufgabe zu groß zu komplex zu teuer erscheint und die erforderlichen Experten fehlen Zu dieser generellen Problematik kommt ein spezifisch deutsches Problem hinzu die Ingenieursmentalität Alles soll im Vorfeld schon genau berechnet sein Was kostet es und was bringt es ein? Die Kosten von KI und ML gegebenenfalls im Rahm von Cloud-Modellen kalkulierbar Um den ROI einschätzen zu können müsste jedoch noch der finanzielle Output klar definiert werden Doch was bei anderen Investitionen möglich ist stößt hier auf eine besondere Situation Der genaue Nutzen dieser mächtigen Systeme lässt sich noch schwer beziffern insofern lässt sich auch der ROI meist nicht berechnen ein weiterer Grund warum Initiativen ins Stocken geraten können Dieser Aspekt wirft eine alte aber dennoch zukunftsweisende Frage auf Überlässt man dem Controlling die Führung von Unternehmen oder dürfen Techniker und Ingenieure mitreden? ROI-Fixierung als Innovationsbremse Doch auch wenn über solchen Projekten die Unbekannte ROI schwebt sollte der Mut da sein diese Vorhaben zu starten unabhängig von der digitalen Reife des Unternehmens So können Organisationen deren allgemeine Digitalisierung noch nicht weit fortgeschritten ist zumindest Aussagen zum ROI für die grundlegenden Digitalisierungsschritte machen Diese anzugehen ist früher oder später ohnehin das Gebot der Stunde Die Aussicht auf ein ML KIProjekt kann somit zur Initialzündung einer überfälligen generellen Digitalisierung des Unternehmens werden Bei digital reiferen Firmen wäre der Investitionsaufwand überschaubar ebenso wie der Integrationsaufwand und der Bedarf an Expertise Entsprechende Technologien stünden somit schneller bereit zum Testen Doch die Fixierung auf den finanziellen Output verhindert einen wichtigen Innovationstreiber das Ausprobieren Genau dazu sollten Unternehmen jedoch übergehen und mit den neuen Technologien spielen und verschiedene Ansätze erproben um für sie nützliche einträgliche Anwendungsszenarien herauszufinden Sackgasse Insellösungen Die Projekte gar nicht zu starten oder zu früh abzubrechen ist das eine Projekte hingegen durchzuführen um ein einzelnes Problem einer einzigen Abteilung zu lösen ist wiederum ein anderes Thema Eine Point Solution ist in vielen Fällen zu kurzfristig gedacht und treibt die Digitale Transformation des Unternehmens oft nicht wirklich voran Durch breiter angelegte Digitalisierungsschritte werden Insellösungen dagegen häufig überflüssig Unternehmen sollten diese daher vermeiden und stattdessen planvoll vorgehen und gegebenenfalls größer denken Ein wichtiger Schritt den Unternehmen auf dem Weg zu Machine Learning und Künstlicher Intelligenz erfolgreich meistern müssen ist die Cloud-Migration Meist bietet nur sie die erforderliche Skalierbarkeit Kapazität Kosteneffizienz und Algorithmen Auch wenn jede Migration speziell ist und auf anderen Voraussetzungen beruht durchläuft sie letztlich bestimmte Phasen Zudem müssen nicht sofort die komplette Legacy IT migriert und die alte Abteilungsstruktur auf den Kopf gestellt werden Die Cloud eignet sich auch gut um gegebenenfalls erstmal nur neue Applikationen zu testen Wenn die ersten Berührungsängste abgebaut und zuverlässige Spezialisten an Bord sind ist der nächste Schritt auf der Digitalisierungsreise schon einfacher zu bewältigen Als nächster Schritt auf dieser Reise sollte eine robuste Dateninfrastruktur als Fundament für die nachfolgenden Anwendungen aufgesetzt werden Technisch gesehen müssen sie heutzutage permanent für neue Schnittstellen und Updates offen sein Möglich macht das die sogenannte Containerisierung Dabei bildet eine Anwendung keine monolithische Einheit mehr sondern besteht aus mehreren Containern Als Standard-Verwaltungssystem für die verschiedenen Container-Module hat sich die Open-Source-Plattform Kubernetes etabliert Agile Teams Doch die beste technische Plattform nützt wenig wenn Abteilungen und Teams isoliert voneinander arbeiten Agile Zusammenarbeit ist daher die Organisationsform der Wahl für die Digitale Transformation Beispielsweise DevSecOps Die Teams für Entwicklung Developers IT-Sicherheit Security und den laufenden IT-Betrieb Operations werden verzahnt Ob DevSecOps MLOps AIOps DataOps agile Teams treiben hier die Projekte voran Schwerfällige Abteilungen deren Prozesse kaum Rücksicht aufeinander nehmen sollten spätestens bei solchen Vorhaben der Vergangenheit angehören Carsten Riggelsen ist Leiter Data & AI DACH bei AllCloud