Warum Daten der ungesungene Held der KI-Strategie sind

Der KI-Goldrausch – Von Piloten und Experimenten zu Unternehmensstrategie und -skalierung

Moores Gesetz ist bei KI definitiv im Spiel. KI ist stark gefragt und jedes Unternehmen adoptiert KI. Innovation hilft auch bei der Deckung dieser Nachfrage mit neuen KI-Modellen, KI-Agents und neuen Technologien, die in diesem Bereich eingesetzt werden. Dies führt zu einer grundlegenden Veränderung für Unternehmen – die Zeit für Pilotprojekte und Experimente mit KI, insbesondere Generative KI, ist im Wesentlichen vorbei. Unternehmen erkennen, dass KI als Teil der Unternehmensstrategie für Skalierung und Schaffung echter Geschäftsdifferenzierung eingebettet werden muss. KI ist ein Thema in den meisten Vorstandssitzungen, was zu strategischer Innovation und Budgets führt.

Daten: Der erste Domino in der KI-Strategie

Ein wichtiger Aspekt bei jeder KI-Strategie sollte Daten sein. Daten sind entscheidend, damit KI-Modelle kontextuell, intelligent und domänen- sowie unternehmensspezifisch sind. KI-Modelle prognostizieren Ergebnisse auf der Grundlage der Art und Weise, wie das Modell justiert ist und der Eingaben, die ihm präsentiert werden. Beides hängt von der Qualität, Vielfalt, Aktualität und Struktur der Daten ab.

Laut einer aktuellen IDC-Prognose wird KI die globale Wirtschaft bis 2030 um fast 20 Billionen Dollar ankurbeln, angetrieben nicht nur durch Modelle, sondern auch durch massive Investitionen in die zugrunde liegenden Daten und Infrastrukturen, die sie antreiben.

Trainingsdaten mit engen Subsets führen zu voreingenommenen Modellen, veraltete Daten führen zu irrelevanten Ergebnissen und schlechte Daten führen einfach zu schlechten KI-Ergebnissen. Daher sind Daten der erste Domino in der Datenstrategie eines Unternehmens. Selbst mit den besten Menschen und bahnbrechenden Technologien, wenn der Daten-Domino fällt, bricht die gesamte KI-Strategie schnell zusammen.

Wie Gartners Bericht 2024 über die wichtigsten Trends in Daten und Analytics feststellt, hängen Unternehmen, die mit KI skaliert werden, von Daten ab, und die Führungskräfte, die erfolgreich sind, werden diejenigen sein, die Vertrauen in ihre Daten schaffen und strategisch damit führen.

Wichtige strategische Datenentscheidungen für Ihre KI-Strategie

Hier sind 5 wichtige Überlegungen, die Sie und Ihr Unternehmen für die Vorbereitung Ihrer Daten auf Ihre KI-Strategie treffen müssen:

1. Wiederverwenden Sie Ihre Datenlandschaft – Viele Unternehmen wiederverwenden die Datenmanagement-, Datenverwaltungs- und Datenspeicher- sowie Analyse-Landschaft nicht für KI. Viele Daten, die für kritische Berichte und Analysen verwendet werden, können auch für KI kritisch sein. Es ist daher wichtig, mit den bereits im Unternehmen vorhandenen Datenbeständen zu beginnen. Natürlich müssen diese durch die richtigen Datenqualitätsmaßnahmen ergänzt werden.

Wichtige Frage, die Sie stellen sollten – Welche Daten haben wir in unserem Unternehmen, und in welchem Zustand sind sie?

2. Metadaten und Datenherkunft – Für die vorliegenden Daten können Metadaten, also Daten über die Daten, genauso wichtig oder sogar noch wichtiger für KI sein. Beispielsweise können die Geschäftsterme, die den Daten zugeordnet sind, helfen, den relevanten Kontext für ein RAG-Modell zu identifizieren. Wenn ein Benutzer den Status eines Anspruchs in einem Versicherungsunternehmen abfragt, können alle Datenattribute, die mit dem Anspruchsstatus gekennzeichnet sind, als Kontext für das KI-Modell verwendet werden, um zu antworten. Die Datenherkunft hilft auch dabei, den Fluss der Daten zu verstehen, was den KI-Modellen hilft, vertrauenswürdige Datenquellen zu identifizieren.

Laut einem jüngsten ISASA-Blog ist KI-Governance kritisch und erfordert die richtigen Metadaten und Datenherkunft, um zu skaliert werden.

Wichtige Frage, die Sie stellen sollten – Sind unsere Daten ordnungsgemäß mit Geschäfts- und technischen Metadaten gekennzeichnet? Sammeln wir Datenherkunft, um den Datenfluss von Anfang bis Ende zu verstehen?

3. Datenverwaltung und -compliance – Stellen Sie sicher, dass Ihre Daten gut verwaltet und geregelt sind und dass alle Compliance- und Datenschutzbestimmungen auf die Daten angewendet werden. Die KI-Strategie sollte diese Verwaltung und Regelungen dann erben und erweitern, anstatt von vorne zu beginnen. Beispielsweise sollte ein KI-Modell, das auf einem anonymisierten Datensatz trainiert und betrieben wird, gemäß den GDPR-Regelungen anonymisiert werden, wenn ein Kunde dies wünscht.

Wichtige Frage, die Sie stellen sollten – Haben wir ein Datenverwaltungs- und Compliance-Programm? Wenn nicht, welche wichtigen Aspekte müssen ich für meine KI-Strategie haben?

4. Behandeln Sie Master-Daten als Ihren KI-Quarterback – Kritische Master-Daten, die Daten über die wichtigsten Entitäten in Ihrem Unternehmen enthalten, sollten als Grundlage für Ihre KI-Strategie verwendet werden. Beispielsweise sollte eine KI-Strategie für die Vorhersage von Kundenabwanderungen auf der Grundlage der 360-Grad-Sicht des Kunden basieren, um keine Daten zu verpassen oder unvollständig zu machen. Natürlich kann dies mit weiteren Informationen aus spezifischen Datenquellen kombiniert werden.

Wichtige Frage, die Sie stellen sollten – Haben ich meine kritischen Master-Daten-Domänen in einer vollständigen und mit dem Rest meiner Datenlandschaft verbundenen Form?

5. Daten und ihr Wert – Daten sollten nicht als Kostenfaktor behandelt werden, sondern anhand ihres Wertes, sowohl für KI als auch für das Geschäft, gemessen werden. Dies erfordert, dass Daten auf dem Vorstands- und CXO-Themen sowie auf KI-Themen behandelt werden.

Wichtige Frage, die Sie stellen sollten – Versteht mein Vorstand und meine CXOs den Wert von Daten für das Unternehmen? Wenn nicht, wie können wir sicherstellen, dass dies verstanden wird, insbesondere im Kontext der KI-Strategie im Unternehmen?

Modelle kommen und gehen, aber Daten bleiben bestehen.

Wenn Ihre KI-Strategie evolviert, werden neue Modelle und KI-Innovationen auftauchen. Die Innovationsgeschwindigkeit in diesem Bereich ist atemberaubend. Aber mit der Zeit werden KI-Modelle kommerziell werden; der wahre Differenzierer in Ihrem Unternehmen ist nicht, welches Modell Sie verwenden, sondern wie es kontextualisiert wird, mit welchen Daten es trainiert, feinjustiert und darauf arbeitet.

Wenn Sie eine KI-Strategie entwickeln, fangen Sie nicht mit dem Modell an. Fangen Sie mit der Frage an: Haben wir die Daten, um es zu unterstützen?