Weiterbildung
Wie viel Datenkompetenz für KI-Projekte?
Um KI-Lösungen im Unternehmen zu nutzen, bedarf es Datenkompetenz. Doch muss es immer ein ausgebildeter Data Scientist sein oder genügt es, IT-affine MitarbeiterInnen entsprechend weiterzubilden?
Für Unternehmen wird es immer entscheidender, ihre Daten und deren Informationswert strategisch zu nutzen. Datenkultur und Datenkompetenz, also die Fähigkeit, Daten zu erschließen, zu verstehen und mit ihnen zu kommunizieren, bilden für Unternehmen dabei auch die Basis, auf der sie ihre KI- und ML-Strategie sowie -Projekte entwickeln.
Wenn immer mehr Mitarbeitende KI-Lösungen im Unternehmen nutzen, ist ein Mindestmaß an Datenkompetenz unabdingbar. Die Kenntnis der richtigen Daten für die Lösung eines geschäftlichen Problems sowie die Fähigkeit diese Daten zu interpretieren und KI-Empfehlungen zu geben, ist Voraussetzung dafür, dass Mitarbeitende KI im Rahmen ihrer Entscheidungsfindung vertrauen und erfolgreich anwenden. Eine gemeinsame Datensprache im Unternehmen öffnet außerdem weitere Türen für eine erfolgreiche Zusammenarbeit mit Experten. Darüber hinaus entscheiden entsprechende Maßnahmen für Change-Management und Weiterbildung darüber, ob Unternehmen wettbewerbsfähig bleiben.
Eine Forrester-Studie im Auftrag von Tableau, der Analytics Plattform von Salesforce, ist der Frage nachgegangen, wie Datenkompetenz den Unternehmenserfolg beeinflusst.
Unternehmen schätzen daten-kompetente Angestellte, da diese ihrer Meinung nach bessere und schnellere Entscheidungen treffen – sie seien zudem produktiver und innovativer, so ein zentrales Ergebnis der Studie. 77 Prozent der Führungskräfte gaben an, dass sich die Innovationsfähigkeit erhöht, wenn Daten richtig eingesetzt werden. Über die Hälfte sah dadurch Potenzial für Umsatzsteigerungen. Dem stimmten die Angestellten zu. 86 Prozent von ihnen sagen, dass sie datengestützt bessere Entscheidungen treffen. Generell gilt: Je höher der Grad der Digitalisierung in den Unternehmen, desto wichtiger werden Kompetenzen im Umgang mit Daten.
KI-Projekte setzen Datenkompetenz voraus
Für jede Art von datenbasierter KI-Aktivität ist es entscheidend zu verstehen, wofür die Daten erfasst und gepflegt wurden. Das gilt auch für die Frage, wie sie in der Vergangenheit und in Zukunft genutzt werden sollen. Dazu ist es wichtig, ein Modell mit vollständigen Daten zu trainieren, die die reale Situation im Moment der Entscheidungsfindung abbilden.
Data Scientists wissen jedoch oft nicht, wofür die Daten im Detail stehen und wie sie generiert werden: Welche Aktivitäten und welche technologischen Prozesse sind für das Bereitstellen der Daten erforderlich und was bedeuten diese Daten für das Business? Hier spielen Analysten und Anwender, die nahe an den Daten sind und die Probleme kennen, die gelöst werden sollen, eine große Rolle. KI ist deshalb eine Teamaufgabe, deren Erfolg vom geschäftlichen Kontext und zusätzlich einer grundlegende Daten- und Modellkompetenz abhängt.
Schließlich gibt es menschliche Faktoren, die für den Projekterfolg ausschlaggebend sind, die Unternehmen jedoch häufig übersehen, wenn sie sich zu stark auf Daten und Technologie konzentrieren. Mit KI sind meist Vorhersagen möglich. Aber es muss jemanden geben, der die Maßnahmen festlegt, mit denen sich diese umsetzen lassen. Ist der Vorschlag sinnvoll, weil er eine klare Maßnahme vorsieht, und setzen die betreffenden Personen diese auch um? Gibt es ein Umfeld, in dem diese Vorschläge effektiv aufgenommen werden?
- Wie viel Datenkompetenz für KI-Projekte?
- Erfolgsversprechende KI-Projekte identifizieren
