Machine Learning erklärt für Unternehmen

Gezielt genutzt entfaltet ML Superkräfte

Will ein Unternehmen von neuen Technologien wie ML profitieren, müssen Business-Vertreter und Datenspezialisten dieselbe Sprache sprechen. Was danach folgt, ist Stoff für Fünftklässler, wie unsere Beispiele zeigen.  

Ob CxO, Kader oder Product Owner – als Vertreter einer Gruppe in einem Unternehmen sind Sie vermutlich mit Schlagwörtern konfrontiert wie Indusry 4.0, Künstliche Intelligenz, Machine Learning (ML) und IoT. Selbst wenn Sie verstehen, was damit gemeint ist, ist es schwierig, ein gutes Beispiel dafür zu finden, wie die Technologie Ihrem Unternehmen nutzen, Ihre dringendsten Probleme lösen oder Sie vom Mark abheben kann.

 

Möglicherweise befinden sich unter den anderen Stakeholdern, mit denen Sie zu tun haben, Datenspezialisten wie Data Engineers, Data Scientists oder Data Architects. Diese Fachleute verstehen es, aus den Unmengen von Daten wertvolle Erkenntnisse zu gewinnen. Der Knackpunkt besteht in der Regel darin, die Kommunikation zwischen den beiden Welten zu fördern.

 

Als Consultant und Business-Analyst zählt genau auch dieses «Übersetzen» zu meinen Aufgaben. Deshalb will ich Ihnen heute eine ganz einfache Methode vorstellen, die ich in meiner Funktion häufig anwende, um die Kommunikation zwischen Data Science und Business zu erleichtern.

 

Business-Vertreter kennen sich mit Geschäftsfällen und Lösungen für grosse Herausforderungen aus, auf denen vorzugsweise ein Preisschild klebt. Datenspezialisten orientieren sich an Anforderungen in Bezug auf die gewünschten Ergebnisse. 

 

Damit sich diese beiden Gruppen einander annähern, müssen die Business-Vertreter verstehen, welche Lösungen es dank der Technologie gibt, während sich die Datenspezialisten idealerweise darauf konzentrieren, was das Unternehmen einen Schritt voranbringt (rentabler, schlanker, Mehrwert schaffen usw.). 

 

Dieser Blog will Business-Vertretern anhand von Beispielen helfen zu verstehen, wie Machine Learning funktioniert – und zwar auf dieselbe Weise, wie wir einem Fünftklässler ein kompliziertes Konzept erklären würden. Das bedeutet selbstverständlich nicht, dass ich Business-Vertreter mit Schülern gleichsetze. Die Methode ist aber ziemlich wirkungsvoll. Und Sie können darauf zurückgreifen, wenn Ihre Kinder fragen, was Sie arbeiten.

 

Machine Learning als Superheld – gestatten: «Captain ML»

Unser «Superheld» kommt jeweils bei Ideation Workshops mit Kunden zum Einsatz: Nachdem wir die Schwachpunkte zusammengetragen und priorisiert haben, inspirieren wir die Teilnehmenden, indem wir ihnen mögliche Anwendungen von Machine Learning vorstellen – dargestellt als Superkräfte von Captain ML. 

 

Was würden Sie tun, um Ihre akutellen Herausforderungen zu meistern, wenn Sie ein Superheld mit solchen Kräften wären? 

 

Die Zukunft vorhersagen

ML ist primär für seine «Vorhersage»-Fähigkeiten bekannt. Denn ML antizipiert Szenarien, indem es untersucht, wie Datenhistorie und Muster mit geschäftlichen Ereignissen korrlieren. Es erlaubt einem Unternehmen, frühzeitig Massnahmen zu ergreifen. Nehmen wir als einfaches Beispiel das Feature, das die Belegung eines Zugs anzeigt, wenn Sie Ihr Billet kaufen. Die Anzeige hilft Ihnen, den besten Zug zu wählen. Sie verwendet mehrere Eingaben, um eine Prognose zu machen (Belegung in der Vergangenheit, Wetter, Tageszeit usw.). 

 

Überschallgeschwindigkeit

Maschinen reagieren schneller als Menschen und können helfen, Prozesse zu automatisieren. Es lassen sich nicht nur Abläufe (z.B. Verarbeitung von Audiodaten zu Text) optimieren und beschleunigen, sondern auch Algorithmen nutzen, um komplexere Prozesse zu automatisieren, sodass die Menschen noch effizienter arbeiten. Stellen Sie sich einen Drive-through vor, in dem ein Bot dem Mitarbeiter hilft, eine Kundenbestellung aufzunehmen. Der Bot übersetzt das Gespräch in Text (speech-to-text) und schiesslich in eine Bestellung (Korrelation mit erhältlichen Produkten) – was möglich ist, da er sowohl Menschen mit speziellem Akzent als auch Schnellsprecher versteht. Damit unterstützt der Bot den Mitarbeiter dabei, seine Arbeit besser und schneller auszuführen. 
 

Es gibt mehrere Anwendungsfälle für betriebliche Effizienz, in denen Voice-Bot-Technologie eine Lösung bietet.  

«Eingeimpfte» Kreativität

Dank Deep Learning und Transformator-Modellen ist es heute sogar möglich, Maschinen eine Art menschlicher Kreativität einzuimpfen, sodass sie ähnlich einem Künstler orginielle Ergebnisse hervorbringen. Die bekanntesten Anwendungen solcher Modelle sind in der Kategorie «Fake News» zu finden (vermutlich haben Sie Videos gesehen von Obama, der Fake News verbreitet, oder von Mona Lisa, die synchron mit Gandhi und Einstein tanzt).  

 

Selbstverständlich gibt es auch sinnvolle Anwendungen: Die Erstellung von Fotos eines Objeks aus einer Bleistiftskizze könnte Architekten und Designern helfen, den Rendering-Prozess zu beschleunigen. Die Umwandlung einer Reihe stichwortartiger Bullet Points in ein anständig verfasstes E-Mail könnte Fachleuten helfen, effizienter zu arbeiten (weniger Aufwand für das Schreiben von E-Mails). 

 

Aussersinnliche Wahrnehmung («extrasensory perception»)

Stellen Sie sich vor, Sie könnten Ihre Hände und Augen mit Sensoren erweitern, die in der Lage sind, Geräusche, Vibrationen oder andere Indikatoren zu erkennen. Genau das machen IoT-(Internet of Things-)Sensoren bei der vorbeugenden Wartung: Sie erfassen und speichern Schwingungsdaten (z.B. einer Achterbahn). Ein Algorithmus korreliert dann merkwürdige Schwingungsmuster – sogenannte Anomalien – mit potenziellen Ausfällen und löst einen Alarm aus, der es ermöglicht, Wartungsarbeiten rechtzeitig zu planen und Ausfälle zu verhindern (z.B. sodass keine Achterbahn mit Menschen darauf ausfällt). 

 

Hypervision

Stellen Sie sich Hypervision als die Fähigkeit vor, Objekte und deren Charaktereigenschaften zu verstehen – was ein Mensch rein durch Betrachtung nicht könnte. Beispiel: Eine Drone kann reife Äpfel erkennen und nur diese pflücken, indem sie dank einer Kamera und ML Muster in der Schale, Farbe oder Form der Frucht feststellt. Versicherungen können Algorithmen nutzen, die Schäden auf Bildern erkennen und helfen, die Schadenabwicklung zu automatisieren.

 

Der sechste Sinn

Als könnte es Ihre Gedanken lesen, unterstützt Sie ML in Echtzeit und sagt voraus, welchen Schritt Sie als Nächstes am besten machen. Denken Sie zum Beispiel an die Autocomplete-Funktion von Gmail oder Empfehlungsmaschinen wie Netflix: Der Alogrithmus nutzt gewisse Daten als Kontext (etwa die E-Mail-Historie). So kann er vorhersagen, was Sie schreiben werden, und Ihnen helfen, die Sätze zu ergänzen. 

 

Derselbe Ansatz liesse sich auf Bank- und Finanzdienstleistungen anwenden. Eine Empfehlungsmaschine für Produkte könnte Kunden über relevante Funktionen ihres E-Bankings informieren oder ihnen Anlageprodukte vorschlagen, für die sie sich eventuell interessieren. 

 

Wie können die ML-Superkräfte Sie in neue Höhen katapultieren?

Wenn Ihnen unsere Erklärungen zu ML gefallen haben, teilen Sie es uns mit! Wir freuen uns darauf, uns mit Ihnen über Ihre Herausforderungen und die Möglichkeiten zu unterhalten, wie ML Ihrem Unternehmen zu einem Höhenflug verhelfen kann.