Lassen Sie den BEAT Ihre KI-Strategie bestimmen!

Lassen Sie den BEAT Ihre KI-Strategie bestimmen!

Welche Werte bestimmen die Entwicklung und Umsetzung Ihrer KI-Strategie? Viele Unternehmen verkünden ihre Werte an prominenter Stelle auf ihren Websites und im Marketing. Einige Unternehmen drucken ihre Werte sogar an die Bürowände. Diese Werte spiegeln die kulturellen und ethischen Grundsätze des Unternehmens gegenüber seinen Kunden, Mitarbeitern und der Gesellschaft im Allgemeinen wider. Bei der täglichen Entscheidungsfindung können Mitarbeiter auf allen Ebenen des Unternehmens diese Werte als ultimativen Maßstab für die Bewertung verschiedener Szenarien und für ihre Entscheidungen verwenden.

Bei GoDataDriven sind unsere 4 Werte: Menschen zuerst, Wissen teilen, Kundennähe und Qualität ohne Kompromisse. Diese Werte leiten uns jeden Tag bei unserer Arbeit für unsere Kunden und helfen uns, wenn wir im Zweifel sind, was die beste Vorgehensweise ist.

In diesem Blog geht es um die Aussage, dass die Entwicklung und Umsetzung von KI-Strategien auch allgemeine Werte und Prinzipien erfordert. Werte, die BEAT, wie ich später noch erläutern werde, die Ihre Entscheidungen sowohl bei der Gestaltung Ihrer KI-Organisation und -Prozesse als auch bei der Umsetzung dieser Organisation und Prozesse in die Praxis bestimmen.

Prüfen Sie häufig, ob der BEAT richtig ist und Sie wissen, dass Sie mit AI Erfolg haben werden.

Diese Werte werden es wahrscheinlich nicht bis an Ihre Bürowände schaffen, da sie für Marketingzwecke etwas zu praktisch sind, aber sie werden Ihnen auf jeden Fall dabei helfen, einen Mehrwert aus Ihren KI-Initiativen zu ziehen!

KI-Strategieentwicklung und -umsetzung

Ihre KI-Strategie legt fest, welche Vorteile Sie anstreben, wie Sie Ressourcen zuweisen, um Ihre Ambitionen in die Realität umzusetzen, und wie Sie die Governance-Strukturen und -Prozesse einrichten, um sicherzustellen, dass dies gemäß Ihrem Plan und Ihren Prinzipien geschieht. Bei der Entwicklung Ihrer KI-Strategie müssen viele Kompromisse eingegangen werden, wie in meinem vorherigen Blog Was ist Ihre KI-Strategie? beschrieben. In diesem Blog wurden einige Beispiele für Kompromisse genannt, die Sie eingehen müssen:

• Business Pull & Daten/Technologie Push
• Tagesgeschäft & Geschäftsstrategie
• Geschäftsmöglichkeiten & Ethisches Verhalten
• Datengesteuert & Geschäftsgesteuert
• Make & Buy
• Ermöglichende Technologie & Einstellung von Fachwissen

Wenn Sie sich bei der Strategieentwicklung für eine Richtung entscheiden, die sich aus diesen Abwägungen ergibt, können Sie sich bei der Strategieumsetzung darauf verlassen, dass die längerfristigen strategischen Entscheidungen in die kurzfristigen taktischen und operativen Fahrpläne und Prozesse umgesetzt werden.

BEAT-Werte für eine erfolgreiche KI-Strategie

Aus unserer Erfahrung bei der Entwicklung von KI-Produkten und der Unterstützung von Kunden beim Aufbau und der Organisation ihrer KI-Fähigkeiten haben wir 4 wichtige Erfolgsfaktoren für KI-Produkte identifiziert. Wenn Sie diese Faktoren als Werte im Hinterkopf behalten, die Ihre Entscheidungen bei der Entwicklung und Umsetzung von KI-Strategien leiten, werden Sie mit der Anwendung von KI zum Nutzen Ihrer Kunden und Ihres Unternehmens erfolgreich sein. Die Werte sind:

Geschäftsrelevanz E thische Akzeptanz A nalytische Qualität Technische Qualität

Das Akronym BEAT ist die Gedächtnisstütze für diese Liste von Werten. Die KI-Strategie sollte den Grundstein für die Anwendung der BEAT-Werte legen, den Weg ebnen und die richtigen Richtungen und Anforderungen vorgeben, um die Einhaltung der Werte bei allen Bemühungen um KI sicherzustellen. Im Folgenden werde ich auf jeden dieser Werte näher eingehen.

Geschäftliche Relevanz

Nun, das ist doch klar, oder? Warum sollte man sich überhaupt die Mühe machen, Daten zu analysieren, Dashboards zu erstellen, Modelle für maschinelles Lernen zu entwickeln und zu versuchen, etwas vorherzusagen, wenn es irrelevant ist? So trivial es auch klingen mag, leider sehen wir oft, dass viel Aufwand betrieben wird, um datengestützte Erkenntnisse zu gewinnen, nur um der Erkenntnisse willen.

Wir zielen nicht nur auf schöne Zahlen und Diagramme auf Folien ab. Sie möchten, dass Ihre begrenzten KI-Ressourcen greifbare Ergebnisse und tatsächliche Auswirkungen erzielen. Deshalb ist es wichtig, Ihre KI-Initiativen mit Ihrer Geschäftsstrategie abzustimmen, denn auf dieser Ebene haben Sie bereits den richtigen Fokus für alle Unternehmensressourcen für die nächsten Jahre festgelegt. Neben den Zielen in Bezug auf die betriebliche Kontinuität ist es Ihre Geschäftsstrategie, die den richtigen Fokus für die Suche nach relevanten KI-Möglichkeiten bestimmt.

Neue Möglichkeiten sollten auf der Grundlage eines soliden Business Case in Bezug auf Mehrwert, reduzierte Kosten oder verminderte Risiken bewertet werden. Die Beziehung zu und die potenziellen Auswirkungen auf operative und/oder strategische KPIs sollten im Voraus deutlich gemacht werden. Strukturelle Vorteile sollten gegenüber einmaligen Fällen bevorzugt werden. Lesen Sie unseren Blog über die Generierung von KI-Anwendungsfällen , um ein Beispiel dafür zu erhalten, wie dieser Prozess für Sie funktionieren könnte. Und bitte beachten Sie, dass Sie nicht einmal eine Minute Gehirnschmalz auf einen potenziellen Anwendungsfall verwenden sollten, ohne dass sich der für die betroffenen KPIs verantwortliche Geschäftsinhaber zur Einführung des KI-Produkts verpflichtet hat.

Diese Prüfung sollte im Voraus und häufig während des gesamten Lebenszyklus eines KI-Produkts durchgeführt werden, von der Idee über das Experimentieren und die Entwicklung bis hin zur Produktion. Das B im BEAT ist unsere Erinnerung daran.

Ethische Vertretbarkeit

Dabei sollte es sich nicht um ein vages politisches Kontinuum von Meinungen handeln, sondern eher um eine binäre Metrik mit Vetomacht. Die KI-Strategie definiert, was angemessen ist und was nicht, basierend auf dem Ethikkodex und der Risikobereitschaft des Unternehmens. In der Praxis erweist sich dies immer noch als recht schwierig, aber zumindest sollten wir dies anstreben. Die Festlegung von Mindestanforderungen in Bezug auf Datenschutz und Sicherheit ist ein guter Anfang. Darüber hinaus braucht die Anwendung von KI Richtlinien zu Transparenz, Fairness und Interpretierbarkeit von Modellen.

In diesem Bereich wird viel geforscht und es werden ständig neue Ideen zur Messung der Fairness und zur Interpretation von Modellen des maschinellen Lernens veröffentlicht. Diese Ideen und Methoden werden immer praktischer und sind als Open-Source-Tools mit großer Geschwindigkeit verfügbar. Ihre KI-Strategie für die nächsten Jahre sollte auf jeden Fall die Bedeutung von Fairness in der KI für Ihre Kunden und Ihr Unternehmen abdecken und erfordert kontinuierliche Aufmerksamkeit bei der KI-Produktentwicklung.

Analytische Qualität

Die Analytik hinter einem KI-Produkt ist die Kombination aus den verwendeten Quelldaten und den auf diese Daten angewandten Methoden. Die Qualität Ihrer KI-Produkte hängt von der Qualität Ihrer Daten und von der Qualität Ihrer Analysemethoden ab.

Zumindest die Bedeutung und Qualität der Daten im Hinblick auf den beabsichtigten Zweck der Daten sollte bekannt sein. Das bedeutet, dass der erste Schritt darin besteht, zu definieren, wie Daten von guter Qualität aussehen, der zweite darin, die Qualität tatsächlich zu kennen und der dritte darin, die Qualität der Daten zu verbessern, sofern dies überhaupt möglich ist. Es ist eine bekannte empirische Tatsache, dass das Sammeln, Erforschen, Interpretieren und Aufbereiten von Daten für KI-Projekte bis zu 80% der Zeit Ihrer Datenexperten in Anspruch nehmen kann. Ihre Daten- und KI-Strategie sollte die Datenverfügbarkeit, -qualität und -dokumentation zu einer unternehmensweiten gemeinsamen Verantwortung machen, z.B. indem Sie einer guten Data Governance Priorität einräumen.

Der andere Aspekt der analytischen Qualität ist der methodische Ansatz bei der Umwandlung von Daten in Werte. Verstehen wir die Daten wirklich? Passt der Algorithmus in den Merkmals- und Zielraum? Die zusätzliche Komplexität des analytischen Ansatzes sollte gegen den zusätzlichen Nutzen abgewogen werden. Außerdem ist es wichtig, für die Reproduzierbarkeit der Analysen zu sorgen. Wenn wir (oder der Kunde oder eine Behörde) zu einem späteren Zeitpunkt verstehen möchten, warum das Modell einen bestimmten Wert vorhersagt, müssen wir in der Lage sein, das Modellergebnis von den Quelldaten bis zur tatsächlichen Vorhersage zu reproduzieren. Einfachheit in der gesamten Pipeline macht die Dokumentation und Reproduzierbarkeit von Analysen viel einfacher. Das kann durchaus bedeuten, dass wir uns für ein einfaches logistisches Regressionsmodell entscheiden und nicht für ein viel ausgefalleneres, aber nicht einmal so viel genaueres Deep Learning-Modell. Ein letzter Hinweis: Es ist besser, kampferprobte analytische Komponenten wiederzuverwenden, als jede Codezeile für jedes Projekt neu zu erfinden (was leider gängige Praxis ist).

Technische Qualität

Die Entwicklung eines Prototyps und der Nachweis des potenziellen Werts einer KI-Lösung in einer Datenlaborumgebung ist zwar schön, aber meistens ist der Prototyp nicht ausgereift genug, um in die Produktion überzugehen. Sie wollen die experimentelle Phase nicht zu sehr einschränken und verlangsamen, indem Sie einen produktionsreifen, testbaren Code verlangen, aber eine komplette Neuschreibung der Codebasis zwischen Experimenten und Produktion ist fehleranfällig und sehr zeitaufwendig. Das Gleichgewicht zwischen schnellem Prototyping und der Zeit bis zur Markteinführung nach der Experimentierphase von KI-Produkten sollte durch Ihre KI-Strategie bestimmt werden, die beide Phasen mit einem akzeptablen Maß an Nachteilen für die jeweils andere erleichtert.

Wie bei den analytischen Komponenten sollte die Wiederverwendung bestehender technischer Komponenten der Entwicklung neuer Komponenten vorgezogen werden. Wartbarkeit und Robustheit der technischen Lösung sind entscheidend. Wir entwickeln KI-Produkte nicht nur, um zu beweisen, dass wir dazu in der Lage sind, sondern wir entwickeln KI-Produkte, damit sie über viele Jahre hinweg einen Mehrwert bieten. Das bedeutet, dass der erforderliche Aufwand und die Kosten für den Betrieb und die Wartung des Produkts bei der Festlegung der Definitionen für die Entwicklungsphase des KI-Produkts berücksichtigt werden sollten. Auch hier gilt, dass einfache Lösungen gegenüber ausgefallenen, aber komplexen Lösungen bevorzugt werden sollten. Die KI-Strategie sollte uns leiten, wann wir welche Lösung wählen, und das T im BEAT sorgt dafür, dass wir regelmäßig überprüfen, ob das, was wir tun, aus technologischer Sicht noch sinnvoll ist.

Legen Sie Verantwortlichkeiten für die häufige Überprüfung des BEAT fest

Von der KI-Strategieentwicklung bis hin zur KI-Produktentwicklung sind die BEAT-Werte wichtige Erfolgsfaktoren. Alle Beteiligten sollten sie im Auge behalten, um kontinuierlich zu überprüfen, ob die KI-Bemühungen in die richtige Richtung gehen.

Ein Datenwissenschaftler, der an A arbeitet, sollte ab und zu einen Schritt zurücktreten und herauszoomen, um zu überprüfen, ob B, E und T noch auf einem akzeptablen Niveau und gegenseitig im Gleichgewicht sind.

Dies deutet bereits darauf hin, dass sich zwar jeder für den gesamten BEAT verantwortlich fühlen sollte, aber jeder eine spezifische Verantwortung in diesem Bereich hat. Wir raten Ihnen, die Zuständigkeiten für jeden der vier Werte an leitende Datenexperten zu vergeben, z.B. wie folgt:

• Geschäftsrelevanz -> Analytics Translator
• Ethische Akzeptanz -> Datenschutzbeauftragter
• Analytische Qualität -> Lead Data Scientist
• Technische Qualität -> Lead Data Engineer

Diese Senioren leiten die Entwicklung von Best Practices zu ihren Themen unter Berücksichtigung der BEAT-Werte und unterstützen das Team und den Rest der Organisation bei deren Anwendung.

Die BEAT-Werte dienen als Leitwertrahmen, um Ihre KI-Ambitionen in die Realität umzusetzen, sowohl bei der Entwicklung als auch bei der Umsetzung der KI-Strategie.

Bei GoDataDriven unterstützen wir Unternehmen bei der Entwicklung und Umsetzung ihrer KI-Strategie und bei der Organisation ihres Erfolgs mit KI. Wir entwickeln KI-Lösungen, wir schulen Mitarbeiter und wir verwalten Datenplattformen und KI-Dienste.

Möchten Sie wissen, wo Sie auf Ihrer KI-Reise stehen? Bitte kontaktieren Sie uns für Informationen über den KI-Reifegrad-Scan.

Möchten Sie sich uns anschließen und Unternehmen bei der Definition und Umsetzung ihrer KI-Strategie unterstützen? Dann werfen Sie einen Blick auf unsere Karriereseite zur Position des AI Strategy Consultant!