Periodensystem der KI

Data Analytics [Da]

Das Analysieren von Daten, um bestimmte Tatsachen und/oder Ereignisse zu erkennen, die diese Daten repräsentieren.

Was genau leistet das KI-Element?

Data Analytics [Da] erkennt relevante Fakten in einem Datenkorpus. Im Gegensatz zu Sprach- oder Bilderkennung ist sie ein generell einsetzbares KI-Element, das strukturierte wie unstrukturierte Datenquellen verarbeitet. Die Art erkannter Fakten hängt dabei vom gegebenen Datentyp ab. Beispielsweise kann es sich dabei um das Erkennen von Verkaufstrends und Kundengruppen oder das Korrelieren von Sensordaten handeln. Der Einsatz dieser Komponente bringt für Unternehmen zwei Vorteile mit sich: Einerseits eine größere Effizienz von Datenanalyseprozessen gegenüber dem Einsatz von ausschließlich menschlichen Experten und die Unterstützung beim Erkennen von zuvor gänzlich unbekannten Mustern.

Für welche Aufgaben wird das KI-Element in Unternehmen eingesetzt?

Einsatzszenarien in Unternehmen gibt es üblicherweise in zwei Kategorien: Zum einen das Erkennen und Minimieren von Risiken, zum anderen das Aufdecken von neuen Chancen. So werden geschäftliche Risiken durch KI-unterstütztes Erkennen von Warnmustern vermieden, z. B. Kreditrisiken im Finanzsektor oder Qualitätsprobleme in der Produktion. Automatisch extrahierte Datenmuster geben Hinweise auf unerkannte Geschäftsfelder, z. B. bisher übersehene Kundengruppen oder neuartige Marketing-Segmente.

Welche Marktentwicklungen zeigen die Bedeutung des KI-Elements?

Im Januar 2014 investierte IBM 1 Milliarde US-Dollar in den Geschäftsbereich Watson. Im September 2016 kaufte SalesForce das US-Startup BeyondCore für ca. 110 Millionen US-Dollar. Im November 2016 investiert die Scheer Holding in das Berliner Startup Inspirient und im August 2017 investieren Lightspeed Ventures u. a. 60 Millionen US-Dollar in das US Startup ThoughtSpot.

Wie hängt dieses KI-Element mit anderen im Periodensystem zusammen?

Data Analytics [Da] hat Bezüge zu KI-Elementen für die Musterextraktion aus Daten, wie z. B. Predictive Inference [Pi], Explanatory Inference [Ei], Image Recognition [Lr] und Text Extraction [Te] mit Komponenten zum automatischen Anwenden logischer Regeln und Fachwissen bei Synthetic Reasoning [Sy] und Problem Solving [Ps].

Wer bietet für dieses KI-Element Lösungen auf dem Markt an?

Mit Fokus auf Anwender in Fachabteilungen sind vier große Anbieter zu nennen: Watson Analytics von IBM automatisiert die Datenvisualisierung und das Auffinden von unbekannten Zusammenhängen. SpotIQ von ThoughtSpot hilft bei der Hypothesengenerierung und bei der Visualisierung gefundener Muster. Das Produkt ›Discovery Platform‹ von SparkBeyond automatisiert die Datenaggregation interner und externer Quellen. Inspirient erkennt automatisch relevante Muster in Daten und erstellt priorisierte Präsentationsfolien. DataRPM automatisiert Analysen zur vorausschauenden Wartung von Maschinen, und DataRobot erstellt automatisch prädiktive Datenmodelle für Vorhersage und Planung.

Welche wirtschaftliche Bedeutung hat dieses KI-Element?

Die Marktforscher von IDC sagen für den Markt »Kognitiver und KI-Plattformen«, zu denen KI-gestützte Datenanalysen zählen, ein jährliches Wachstum von 39 Prozent voraus, auf 8 Milliarden US-Dollar bis zum Jahr 2021.

Welche Hürden zeigen sich beim Einsatz dieses KI-Elements in der Praxis?

Der Einsatz von Data Analytics [Da] erfordert die Anpassung betrieblicher Prozesse. So ist beispielsweise zu klären, welche Arbeitsschritte in Analyseprozessen automatisiert werden können und sollen. Darüber hinaus erfordert der sinnvolle Umgang mit automatisch erstellten Reports die Schulung von Anwendern. Ein weiteres Hindernis ist die nötige Integration von Datenquellen, die häufig verstreut in verschiedenen Systemen liegen. Die Zusammenführung von Daten aus verschiedenen betrieblichen Abteilungen und die Schaffung einer integrierten Datenbasis sind oft mit organisatorischen und technischen Hürden verbunden.

Wer treibt die Entwicklung dieses KI-Elements voran?

Große Softwareunternehmen wie Google, Facebook, Microsoft und Alibaba veröffentlichen regelmäßig einflussreiche Forschungsergebnisse auf den führenden Forschungskonferenzen zu Data Analytics [Da]. In Deutschland führend sind das Deutsche Forschungszentrum für Künstliche Intelligenz, das Max-Planck-Institut für Informatik, das Karlsruher Institut für Technologie und das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme. Diese entwickeln Automatisierungstechnologien für Data Analytics [Da] und überführen Forschungsergebnisse in Referenzprojekte verschiedener Branchen.