Die COVID-19-Pandemie hat das Tagesgeschäft in vielen Branchen so unvermittelt auf den Kopf gestellt, dass den Führungskräften vielerorts eine Entscheidungshilfe für den Übergang in die Post-Corona-Zeit fehlt. Einen Lösungsansatz bietet Autonomous Computing – die autonome Datenverarbeitung. Sie bezeichnet die Fähigkeit eines Computers, sich selbst automatisch durch adaptive Technologien zu verwalten. Oracle präsentiert einen Ausblick, welche Potenziale für Unternehmen und ihre strategischen Entscheider in Autonomous Computing liegen und wie dieses neue Konzept aussehen wird.
Autonomous Computing: Vier Wegweiser zur selbststeuernden Datenverarbeitung
Die KI-basierte Modellierung verschiedener Szenarien wird im Zuge der COVID-19-Pandemie zu einem immer wichtigeren Werkzeug für Führungskräfte, die Unterstützung bei strategischen Entscheidungen benötigen. Führungskräfte aller Bereiche im Unternehmen sind gut beraten, sich vor diesem Hintergrund die wichtigsten Interessengruppen anzusehen und Risiken zu identifizieren. Auf dieser Basis lassen sich Modelle für den Worst Case und die nach Wahrscheinlichkeit gewichteten Ergebnisse der Geschäftsentscheidungen erstellen.
Um autonomous Computing zu entwickeln und erfolgreich im Unternehmen zu verankern, helfen folgende Wegweiser:
1. Das Beste aus der KI-Investition machen
Noch nie dagewesene Datenmengen können sich für Unternehmen ohne die richtige Unterstützung als Fluch und Segen zugleich erweisen. Denn sie bergen wertvolle Informationen, um sich Geschäftsvorteile verschaffen zu können. Allerdings drohen sie auch mit ihrer schieren Masse die zuständigen Führungskräfte zu überfordern: Datenerfassung, -bereinigung und -sicherheit können das Management von der Vorhersage und Strategieentwicklung abbringen. Und ohne gezielte Unterstützung können sie nicht mit der erforderlichen Geschwindigkeit arbeiten.
Um eine Lösung herbeizuführen, sollten die Verantwortlichen überlegen, was sie mithilfe von KI rationalisieren und automatisieren können. KI-Lösungen können riesige Datenmengen in kurzer Zeit analysieren und interpretieren, was sie für die Planung von Szenarien unschätzbar wertvoll macht. Zudem bieten sie die Option, die vielen sich wiederholenden, aber notwendigen Aufgaben auf dem Gebiet der Datenverwaltung zu automatisieren. Dabei erweist es sich jedoch als sinnvoll, realistisch zu sein und die Erwartungen nicht zu hoch zu schrauben. Unternehmen haben oft Schwierigkeiten, die Technologie in großem Maßstab einzusetzen. Das Letzte, was Geschäftsführer jetzt wollen, ist ein kostspieliger und ehrgeiziger Schnellschuss, der ihre Ziele verfehlt.
2. Entwicklerkompetenz stärken und sinnvoll nutzen
Um das Optimum aus der KI-Investition herauszuholen, sollten Unternehmen Anwendungen sowohl kaufen als auch selbst konzipieren. Dabei muss nicht alles von Grund auf neuentwickelt werden, denn das birgt nicht zuletzt die Gefahr von Kompatibilitätsproblemen. Benötigt wird vielmehr ein strategischer Ansatz, der zusammenhängende Lösungen liefert und den Nutzen der KI maximiert, anstatt einer Reihe unterschiedlicher Lösungen.
3. Fokus auf die Datenqualität legen
Besondere Aufmerksamkeit sollte auch der Qualität der Daten gewidmet werden. Das Datenmaterial muss vollständig, bereinigt und aktuell sein, damit eine KI-Lösung genaue Erkenntnisse liefern kann. Hier erweist es sich als hilfreich, dass ebenfalls KI-gesteuerte Data Engines die Datensätze bereinigen und anreichern könne und sie so für die Analyse aufbereiten. Ein Beispiel dafür ist das Unternehmen Las Vegas Valley Water District, das die 400.000 Wassermessgeräte ihrer Kunden zur Auswertung des zukünftigen Bedarfs über eine KI analysiert.
4. Auf kosteneffizientes Feintuning setzen
Ein weiterer wichtiger Gesichtspunkt ist das Tuning der Lösung. Normalerweise nehmen Data Scientists die „Wartung“ der KI vor – ein kostspieliger, manueller Prozess. In Organisationen mit Hunderten von KI-Modellen, die gewartet werden müssen, ist dies aber kaum praktikabel. Ein aussichtsreicher Lösungsansatz: Die Anwendung von maschinellem Lernen auf diesen Prozess automatisiert diese teure Aufgabe und hält die Kosten unter Kontrolle.
Gerhard Schlabschi, Director Technology & Cloud Computing bei Oracle, erklärt:
„Es gibt nicht den einen Königsweg, um nach einem Einschnitt in den Geschäftsablauf wieder zur Normalität zurückzukehren. Szenariomodellierung und Autonomous Computing mithilfe von leistungsfähigen KI- und ML-Modellen können Unternehmen jedoch helfen, den Sturm zu überstehen. Durch systematische Kombination detaillierter, umfassender KI-Modelle mit menschlichem Urteilsvermögen, werden Unternehmen in die Lage versetzt, die richtigen Entscheidungen zu treffen, um sich einen Weg durch die Krise zu bahnen.“
