Künstliche Intelligenz
Den KI-Turbo zünden
Fortsetzung des Artikels von Teil 1
Betrugsprävention mit ML
Ein anschauliches Beispiel aus der Finanzwirtschaft: Ein Kreditkartenanbieter setzt ML-Algorithmen ein, um Betrügereien möglichst im Vorfeld auszuschließen (Fraud Prevention). Das Unternehmen überprüft mithilfe von ML und KI viele hundert Millionen Transaktionen pro Stunde auf Stimmigkeit und Richtigkeit. Pro Transaktion kommen dabei 1,9 Millionen ML-Regeln zur Anwendung, die zum Beispiel verdächtige Muster entdecken und dann Alarm schlagen. Zur korrekten, fälschungssicheren Identifikation von Anrufern setzt der Kreditkartenanbieter zudem nicht nur auf Stimmerkennung, sondern auch auf Algorithmen, die analysieren, wie ein Anrufer sein Handy hält und benutzt. Durch Betrugsprävention vermeidet der Dienstleistungsanbieter pro Jahr Schäden in Millionenhöhe. Im Durchschnitt, so haben Kundenanalysen ergeben, generiert der Einsatz von KI- und ML-Lösungen in den Unternehmen über einen Zeitraum von drei Jahren einen Return on Investment (ROI) von bis zu 218 Prozent.
Die Qualität der Daten ist entscheidend
Voraussetzung für den erfolgreichen Einsatz von ML und KI ist die Qualität der Daten, mit denen die Verfahren trainiert werden, denn nur damit entstehen nützliche Ergebnisse. Unternehmen, die KI-Lösungen für ihre Zwecke einsetzen wollen, sollten erst einen Use Case identifizieren, der die Geschäftsziele unterstützt, und sich fragen, welche Daten für den Anwendungsfall relevant sind und ob sie in ausreichender Qualität sowie zeitnah zur Verfügung stehen. Handelt es sich zum Beispiel um Echtzeit-Entscheidungen, die am Netzwerk-rand (Edge) oder bei IoT-Anwendungen in der Produktion oder der Gebäude-Automation zu fällen sind? Dann kann es sinnvoll sein, Rechen-Power in Gestalt von kompakten Micro-Rechenzentren direkt vor Ort bereitzustellen. Das entlastet die Netzwerke, weil die Übertragung hochvolumiger Daten entfällt, und senkt die Latenzzeiten. Zwar sieht der Königsweg zu Mehrwert generierenden KI- und ML-Anwendungen für jedes Unternehmen ein wenig anders aus. Einige Best Practices haben sich jedoch bewährt. Qualitativ hochwertige Daten und eine leistungsstarke Infrastruktur, die sich in On-premises-Lösungen und in die Cloud integriert, gehören zu den essenziellen Komponenten einer erfolgreichen KI-Applikation.
Vorab ist es unabdingbar, die Herausforderungen an die Infrastruktur zu verstehen und Compute-, Storage- und Netzwerk-Ressourcen gegebenenfalls anzupassen. Softwareseitig hilft der Einsatz von Tracking- und Validierungs-Tools dabei, Erfolgsparameter zu erfassen und zu kontrollieren. Auch die richtige Auswahl von Hardware und Software ist wichtig, um die KI-Strategie immer wieder anzupassen und zu optimieren. Die Anwendungsfälle einer erfolgreichen KI-Strategie sollten zudem so gewählt werden, dass sie die Geschäftsziele des Unternehmens bestmöglich unterstützen.
Benjamin Krebs ist Senior Director & General Manager Enterprise Germany bei Dell Technologies
- Den KI-Turbo zünden
- Betrugsprävention mit ML
Lesen Sie mehr zum Thema
