Tageszeitungen und Wirtschaftsmedien berichten inzwischen häufig über die Möglichkeiten von KI. Ein Zeichen dafür, dass die „hippen“ Technologien den Sprung von der Spielwiese zum Geschäftsfeld schaffen. 

Doch wie funktioniert KI? Ein Beispiel: Das menschliche Gehirn erkennt selbst in jungen Jahren automatisch, dass auf einem Foto ein Auge dargestellt ist – unabhängig von Farbe, Grösse oder Bildausschnitt. Bei KI geht es darum, einem System menschliches Verhalten beizubringen, um daraus Entscheidungen abzuleiten. Das System muss also auf Basis des Bildes lernen, dass ein Auge abgebildet ist. Diese Erkenntnis ist der Ausgangspunkt, um Aktionen einzuleiten – zum Beispiel einen Iris-Scan zur Zugangskontrolle.

Überschaubarer Einsatz in der Wirtschaftspraxis

Mit Technologie ist es wie mit allen Trendphänomenen: Je mehr darüber geredet wird, desto mehr Halbwahrheiten sind auch im Umlauf. KI muss nicht immer und um jeden Preis eingesetzt werden – und sie ist noch längst nicht „Realität“. Das ist einer der Mythen, die das Analystenhaus Gartner widerlegt hat. Im Unternehmensalltag angekommen sind bisher lediglich einzelne Funktionalitäten wie Spracherkennung oder Fraud Prediction. Und: Die Systeme sind immer noch abhängig vom Menschen, der vorgibt, welche Ziele sie verfolgen sollen. Die KI führt also nur die Funktionen aus, die ihr einprogrammiert wurden.

Diese von Gartner postulierten begrenzten Einsatzgebiete – im Gegensatz zu den theoretisch unbegrenzten Möglichkeiten von KI – zeigen sich auch in einer Studie, die der Analytics-Experte SAS durchgeführt hat. Demnach haben erst wenige europäische Unternehmen KI in ihrer Unternehmensstrategie verankert. 49 Prozent der Befragten sehen den notwendigen Kulturwandel und die damit einhergehende Veränderung von Prozessen als grösste Herausforderung. Nur zwölf Prozent erfüllen die technologischen Voraussetzungen (Plattform mit KI-Fähigkeiten) und 20 Prozent haben ein dezidiertes Data-Science-Team.

Banken als Vorreiter

Der Finanzsektor gehört nicht zu den Branchen, die man per se mit technologischer Innovation in Verbindung bringt. Anders sieht die Situation allerdings im Hinblick auf KI aus. Laut einer Studie von TCS Research verwenden 86 Prozent der „Banking Business Leader“ bereits KI. Und es gibt einige Banken, die dies schon in Real-World-Szenarien beweisen. Die UBS plant den Einsatz von Bots im Wertpapierhandel, um die Händler-Performance zu steigern. Die Barclays Bank entwickelt im Customer Service ein Siri-ähnliches KI-System, um Kunden über Transaktionen in Echtzeit zu informieren. Goldman Sachs investiert in das Start-up Kensho, um mit KI Online-Artikel und Social Media auszuwerten – mit dem Ziel, finanzielle Probleme potenzieller Kunden zu identifizieren.

Kein Patentrezept für alle

Dennoch muss nicht jedes Unternehmen ein KI-Vorreiter sein. Für viele ist es sinnvoll, von den Best Practices anderer zu lernen und Kosten, Risiken und Nutzen für sich selbst abzuwägen. Um KI sinnvoll im Geschäftsalltag einsetzen zu können, ist eine Plattform wie die von SAS erforderlich, die den gesamten analytischen Lifecycle abbildet – von Data (Datensammeln) über Discovery (Auswertung) bis hin zum Deployment (Einbindung in operative Prozesse).

Wie Analytics und KI das Geschäftsmodell von Banken und anderen Branchen verändern, zeigte auch die diesjährige SAS Analytics Experience in Mailand. Eindrücke, Diskussionen und Videos zur Veranstaltung gibt es auf Twitter und Instagram unter #AnalyticsX.