Künstliche Intelligenz und Datenanalyse – ein unschlagbares Duo

Datenanalyse war einer der ersten großen Anwendungsbereiche für Künstliche Intelligenz. Angesichts der aktuellen Entwicklung sind Analytics-Hersteller darum bemüht, die enge Beziehung zwischen Analytics und KI zu einer Symbiose auszubauen.

Datenanalyse und Künstliche Intelligenz standen schon immer in einem engen Verhältnis zueinander. Beide Technologien können ihren Nutzern dabei helfen, das Objekt ihrer Neugier genauer zu ergründen. Datenanalyse kann in Daten versteckte Zusammenhänge und Kausalitäten ausfindig machen – ebenso KI, allerdings auf einer viel höheren Ebene. Man denke an KI in der Röntgenmedizin, wo sie dazu beiträgt, Tumore zu entdecken, bevor das menschliche Auge sie als solche erkennen kann. 

Künstliche Intelligenz kann darüber hinaus noch viel mehr, aber auch davon hat Datenanalyse in der Vergangenheit profitiert. So haben bereits vor mehreren Jahren Hersteller wie Tableau, Qlik oder Microsoft die Nutzung natürlicher Sprache in ihren Produkten eingeführt, über die Nutzer mit dem Analysesystem kommunizieren können. Außerdem wird KI schon seit längerem im Bereich der Data Discovery eingesetzt, um Muster zu erkennen, Empfehlungen für die passenden Analysepfade und -methoden abzugeben, Vorhersagen zu verfeinern und vieles andere mehr.

Generative KI kann Geschäftsprozesse aufwerten

Durch das Aufkommen der generativen KI (ChatGPT & Co.) sollen Analytics und KI noch enger zusammenwachsen. „Datenanalyse wird immer wichtiger für Unternehmen, weil es inzwischen sehr viele Geschäftsprozesse gibt, bei denen Analytics eine tragende Rolle spielen kann“, erklärt Jörg Tewes, seit Anfang des Jahres CEO beim Nürnberger Analytics-Spezialisten Exasol. „Ich bin davon überzeugt, dass das Verschmelzen von Analytics und KI in Zukunft sehr wichtig werden wird, denn Unternehmen sehen jetzt die Chance, durch generative KI ihre Geschäftsprozesse noch weiter aufzuwerten.“

Als Beispiel erwähnt Tewes einen Exasol-Kunden aus dem Gesundheitswesen. Diese US-Krankenhauskette nutzt Analytics in Kombination mit KI, um ihre Patientennachverfolgung auszubauen. Es wird beispielsweise ausgewertet, welche Heilungsrate Patienten mit einer bestimmten Diagnose bei der gewählten Therapie hatten und wie nachhaltig die Heilung über einen längeren Zeitraum tatsächlich war. Auf diese Weise können Therapien optimiert und genauere Heilungsprognosen abgegeben werden. Anwendungsfälle mit einer ähnlichen Aufgabenstellung, rein technisch gesehen,  gebe es in fast jeder Branche.

Ein weiteres Beispiel betrifft einen Kunden aus dem Bereich Computerperipherie. „Die Gretchenfrage bei produzierenden Unternehmen ist immer, welche Stückzahl produziert werden soll“, sagt Tewes. „Hierfür gibt es eine ganze Reihe von Parametern, die in Betracht gezogen und analysiert werden müssen. Früher wurde diese Frage von Menschen mithilfe von Datenanalyse entschieden, heute nehmen die Entscheider KI-Algorithmen zur Hilfe. In Zukunft wird diese Aufgabe wohl komplett von künstlich intelligenten Systemen übernommen, die entsprechende Empfehlungen abgeben.“

KI-Features einbetten

Entsprechend rüsten alle Analytics-Hersteller ihre Produkte mit KI-Fähigkeiten auf – die Zeiten, als IBM mit seinem Watson allein auf weiter Flur stand, sind längst vorbei. Die Salesforce-Tochter Tableau hat nun Tableau AI, SAS hat Viya, Qlik hat Staige und Microsoft gönnt seinem Power BI einen KI-Assistenten namens Copilot – nur um einige zu nennen.

„Die meisten Unternehmen haben mit hohen Gesamtbetriebskosten zu kämpfen.“

Auch ein Hersteller wie Exasol, der eine hochperformante Datenbank für Analytics-Abfragen anbietet, positioniert sich in Sachen KI. So verfügt seit neuestem seine (nach eigenen Angaben weltweit schnellste und vielseitigste) Abfrage-Engine Exasol Espresso, die mit jedem BI-Tool kompatibel ist, über eine Integration des Self-Service-Analytics-Anbieters Veezoo.  Diese ermöglicht es Anwendern, Datenbankabfragen in natürlicher Sprache zu stellen, damit die Nutzer in Echtzeit zuverlässige Antworten aus Milliarden von Datenzeilen erhalten. Die KI-Funktion von Veezoo bietet zudem intelligente Vorschläge für Folgefragen, um die Datenexploration zu leiten und die Datenanalyse in eine interaktive Erfahrung zu verwandeln.

„Espresso adressiert und löst exakt das Problem, mit dem größere Unternehmen derzeit zu kämpfen haben – die Skalierung von Datenkosten und den Umgang mit steigender Komplexität“, sagt Jörg Tewes. „Die meisten Unternehmen haben mit hohen Gesamtbetriebskosten zu kämpfen. Unabhängig davon, ob sie Möglichkeiten zur Nutzung von KI evaluieren oder Kosten senken und gleichzeitig die Leistung steigern wollen, stellen wir fest, dass sie eine Lösung benötigen, die sich nahtlos in bestehende Daten-Stacks einfügt.“

KI zeigt ihre Wirkung überall

Neben der nahtlosen Integration ihrer Analytics-Tools in die existierende Infrastruktur der Unternehmen wird von den Herstellern auch erwartet, dass ihre Produkte die KI-Strategie der Unternehmen und die Entwicklung von KI-gestützten Anwendungen unterstützen. „Eine der großen Schwierigkeiten aus Sicht der Unternehmen ist, KI-Modelle mit echten Transaktionsdaten zu trainieren“, erklärt Tewes. „Das ist eine Aufgabe, bei der sehr schnell sehr große Datenmengen entstehen. Außerdem soll dieses Training aus Wettbewerbsgründen möglichst vertraulich stattfinden. Das ist für uns ein sehr spannender Bereich, über den wir intensiv mit Kunden sprechen.“

Eine der großen Herausforderungen besteht darin, KI-Modelle mit echten Transaktionsdaten zu trainieren.

Als Beispiel aus der Praxis nennt Tewes einen Exasol-Kunden aus dem Bereich E-Commerce, der die Plattform nutzt, um die Produktpreise dynamisch zu variieren. „Bei der Ermittlung des anzuzeigenden Preises und der Empfehlung weiterer Produkte spielen eine ganze Menge Faktoren eine Rolle, zum Beispiel die Verfügbarkeit der Produkte, die Einkaufshistorie des jeweiligen Kunden, seine Interessen, die Produkte oder Webseiten, die er zuvor angeschaut hat, etc. Hierfür kommen KI-Modelle zum Einsatz und sie werden mit immer mehr Daten trainiert und verfeinert.“

Jörg Tewes rechnet damit, dass die zunehmende Nutzung Künstlicher Intelligenz auch sein Unternehmen immer besser ins Spiel bringen wird, denn sie ist mit einigen Herausforderungen in den Bereichen Datenaufbereitung, Datenhaltung, Datenverfügbarkeit und Datenzugriff verbunden, die alle entscheidend dafür sind, dass Daten KI-fähig sind. „In jedem Unternehmen gibt es verschiedene Datenquellen und jede Fachabteilung verwaltet üblicherweise ihre eigenen Datenbestände. Was Unternehmen immer mehr erreichen wollen, sind schnelle Abfragen quer über all diese unterschiedlichen Datenquellen. Und genau dieses Problem wird von der Exasol-Datenbank adressiert.“