Interview: 'Daten sind der Lebenssaft'
Quelle: PwC

Interview: "Daten sind der Lebenssaft"

Von Susanne Ardisson* und Simon Wegmüller

Alan Morrison, Senior Research Fellow bei PwC, beschäftigt sich unter anderem damit, wie Unternehmen den Nutzen von Technologien ­ausloten können. Im Gespräch erklärt der ehemalige Analyst, welche Rolle künstliche Intelligenz und Big Data bei der digitalen Transformation spielen.

Artikel erschienen in Swiss IT Magazine 2018/12

     

"Swiss IT Magazine": Wie viele Firmen sind wirklich fortgeschritten genug, um mit künstlicher Intelligenz und Big Data arbeiten zu können? Welche Grundlagen sollten abgedeckt sein, bevor es tatsächlich sinnvoll wird, in einer Firma KI und Datenanalyse initiativ zu betreiben?
Alan Morrison: Die meisten Firmen können mit kleineren Mengen an Daten in einem einmaligen Projekt in sehr differenzierter Art und Weise arbeiten und einen begrenzten Erfolg erzielen. Die wirklich wichtige Frage ist jedoch, wie sie tagtäglich mit grossen Datenmengen arbeiten können. Wie gelingt es ihnen, ohne kontinuierlichen Fluss der richtigen Daten zur richtigen Stelle ihre Tätigkeiten zu transformieren und einen wirklichen Wettbewerbsvorteil zu erzielen? Sehr starr organisierte Strukturen sind im Einzeldenken verhaftet, während ihre erfolgreichsten Wettbewerber kreative, nicht-­linear denkende Menschen sind, die verschiedene Methoden und Ansätze nutzen, um Geschäftserfolge zu erzielen. Daten sind der Lebenssaft jeder Organisation heutzutage. Wettbewerbsvorteile stehen in direkter Verbindung zu der Fähigkeit von Unternehmen, Maschinen nutzbar zu machen, um Einsichten und darauf beruhende Initiativen zu entwickeln, die ihre Performanz erhöhen. Diese Einsichten erschliessen sich nur mit den richtigen Datenflüssen am rechten Ort und im richtigen Format.


Was sind Hauptunterscheidungsmerkmale von Firmen, die erfolgreich und weniger erfolgreich Technologieprojekte mit Geschäftszielen verbinden?
Am erfolgreichsten sind Firmen, die in ihren Technologieprojekten wissensbasierte Entscheidungsfindung iterativ in der Entwicklung nutzen und nicht der Herde nachlaufen. Wie ich vorhin bemerkte: sie sind kreative, nicht-lineare Denker. Sie nehmen sich die Zeit, das Problem erst in der Tiefe zu verstehen. Sie diagnostizieren Probleme meistens richtig, bevor sie eine Lösung erarbeiten. Wenn sie in Schwierigkeiten geraten, überdenken sie ihre Lösungsansätze und korrigieren beziehungsweise verfeinern sie. Sie sind agil in ihrem Denken genauso wie in ­ihren Handlungen. Sie bringen ihre Denkweise in die Organisationskultur ein.
In letzter Zeit haben wir intensiv Blockchain-­Technologien recherchiert. Wir müssen recht häufig Enthusiasten davon abhalten, diese Technologie in bestimmten Anwendungsfällen einzusetzen, weil sie dafür einfach nicht geeignet ist. Es ist Technologie mit grossem Potential, den kombinierten Einsatz mit KI eingeschlossen. Aber sie hat ihren Platz, sie ist noch im frühen Entwicklungsstadium und die ausgeprägte Kryptographie macht sie langsam. Die meisten Daten sollten nicht in Blockchains abgelegt werden. Blockchain da zu nutzen, wo die Technologie angebracht ist, kann aber helfen, Fehler in den Systemen zu erkennen und sie dann zu beheben.
Wie geht PwC die digitale Transformation an?
PwC setzt immer beim menschlichen Faktor an. In vielen Fällen ist die grösste Herausforderung nicht die Technologie – sondern das Anpassen der Organisation und der Prozesse in einer humanistischen, nachhaltigen Art und Weise.
PwC war die erste der grossen Unternehmensberatungen, die sich mit der Ethik künstlicher Intelligenz beschäftigt und den Ausdruck "responsible AI" ins Leben gerufen hat. Unsere Berater wählen Ansätze zu aktuellen Problemen immer möglichst umfassend und entwickeln und nutzen Frameworks als ersten Schritt zu Lösungen. Dazu gehören Informationsbeschaffung, das Involvieren von Fachleuten zu einem Thema, sorgfältige Diagnose und danach ausnahmslos Framework-Entwicklung, soweit es ein brauchbares Framework noch nicht gibt.


Durch die Explosion von Datenmengen und die fortgeschrittenen Verarbeitungsmöglichkeiten entsteht ein zunehmender Bedarf an hochqualifizierten Experten. Wie verändert sich der Arbeitsmarkt gegenwärtig und welche neuen Stellenprofile werden sich ent­wickeln?
Data Scientists sind nur die Spitze des Eisbergs. Die meisten Firmen sind sich dessen noch nicht bewusst, aber sie benötigen Wissensingenieure (Knowledge Engineers), und viele andere Spezialisten, die ihnen helfen. Data Scientists können einen sehr engen Blick auf Anforderungen haben – sie arbeiten von Projekt zu Projekt und sind notwendigerweise auf das Lösen von eng umgrenzten Problemen konzentriert.
Unternehmen müssen sich grundsätzlich mit Technologien befassen und unabhängige, strategische Sichtweisen entwickeln. Ich geniesse das Privileg, als Stratege einen Schritt zurücktreten und auf einer Metaebene analysieren zu können, wie diese Technologien Teil gemischter Ansätze werden, die sich auf die Geschäftswelt auswirken. Ich frage mich oft, wie das System von der Zuhilfenahme bestimmter Werkzeuge profitiert. NoSQL-Datenbanken beispielsweise können Firmen eine grössere Flexibilität verleihen. Aber ab einem bestimmten Punkt müssen sie verhindern, dass Werkzeuge ausufern und auswählen, wie viele Datenbankprodukte sie tatsächlich unterstützen.
Mit dem zunehmenden Bewusstsein von Sicherheitserwägungen und DSGVO, die jetzt greifen, wird sich auch die Datenlandschaft verändern.
Es gibt dazu keine einfache Antwort. Wir sind alle damit beschäftigt, Daten anzureichern und sie effektiver zu nutzen. Datenanreicherung impliziert ständig zunehmende Beziehungen zwischen Menschen, Orten und Dingen. Da gerät man schnell in den Bereich der Datensicherheit. Die DSGVO stellt einige hilfreiche Anforderungen. Aber der Teufel liegt immer im Detail.

In welche Richtung entwickelt sich das Geschäfts- und Technologieumfeld von kleinen bis ganz grossen Unternehmen?
Organisatorische Grenzen werden durchlässiger und es gibt immer mehr Zusammenarbeit zwischen den Organisationen. Wir haben auch den Aufstieg der "Gig Economy" (auftragsabhängige, kurzfristige Beschäftigungsfelder) gesehen – Freiberufler oder Auftragnehmer sind häufiger geworden. In manchen Fällen besteht die gesamte Organisation aus Auftragnehmern.
Ganz allgemein beobachten wir ein zunehmend fliessendes Umfeld. IDC beschreibt die Online-Arbeitsumgebung als den Innovationsgraphen. Unternehmen müssen überlegen, wie sie sich in neuen Rollen in diesem Graphen positionieren können.


Digitale Transformation ist ein bedeutendes Paradigma, das die Debatten in der Geschäftswelt seit Jahren dominiert. Was kommt nach digitaler Transformation?
Dynamische, kontinuierlich wachsende Organisationen mit fliessenden Geschäftsmodellen und flexiblen Arbeitskräften, die sich den ständig verändernden Aufgaben und Herausforderungen anpassen.
Sie befassen sich mit semantischen Technologien. Warum sollten Firmen diesem Technologiefeld Beachtung schenken?
Viele Menschen stolpern über den Begriff semantisch. Ich tendiere dazu, Metaphern und Visualisierungen zu verwenden, um das Verständnis zu fördern. Wenn ich in der Lage bin, mir ein Konzept visuell anzueignen, kann ich es mit anderen teilen. Die Visualisierung macht es leichter transferierbar.
Graphen und wie sie die Beziehungen zwischen Menschen, Orten und Dingen abbilden können, ermöglichen das Artikulieren und Skalieren all unseres Wissens über die Welt in einer maschinenlesbaren Form. Denken Sie nur daran, wie machtvoll diese Graphen sein können. Diese artikulierten Beziehungen, die Brücke zwischen menschlichem und Maschinenwissen, kann man als semantische Graphen bezeichnen.
Um zu Agilität in Skalierungs- und Geschäftsmodellen zu gelangen, müssen Unternehmen eine Grundlage semantischer Graphen für KI legen. Ich bin ein grosser Fan von semantischen Graphen als übergeordnete Datenstruktur, die alle untergeordneten Strukturen verwalten kann, weil sie eine volle Kontextdarstellung verschiedener Datentypen und maschinenlesbarer Artikulation der vielfältigen Beziehungen ermöglicht, die in jeder Organisation bestehen. Beziehung ist, was es uns ermöglicht, zu disambiguieren und den Kontext zu beschreiben. Was ist machtvoller als ein Graph, um Kundenbeziehungen und alle Segmente und Subsegmente der Märkte, die diese Kunden bedienen, zu artikulieren und zu beschreiben?
Systeme für maschinelles Lernen müssen die Macht der semantischen Graphen einsetzen. Wir haben das immer und immer wieder gesehen. Maschinen können in n Dimensionen denken und die verschiedenen Kontexte herausarbeiten, die in multi-dimensionalen Graphen beschrieben werden und brauchen diese Ebene der Artikulation, um für jeden Kontext sinnvolle Ausgaben generieren zu können. Wie können Firmen jedem Teil der Organisation dienlich sein, wenn die Daten nicht in einem Kontext stehen? Um mit Daten bestimmter Grös­senordnungen arbeiten zu können, benötigen Organisationen Datenintegration und Interoperabilität, die abteilungsübergreifend vorteilhaft ist. Das lässt sich am besten mit semantischen Graphen verwirklichen.


* Susanne Ardisson ist Kommunikations-Beraterin der KI-Konferenz Semantics, in deren Rahmen Alan Morrison 2018 als Keynote-Speaker zu Gast war.


Artikel kommentieren
Kommentare werden vor der Freischaltung durch die Redaktion geprüft.

Anti-Spam-Frage: Wieviele Zwerge traf Schneewittchen im Wald?
GOLD SPONSOREN
SPONSOREN & PARTNER