Prof. Jan Bosch
Dieser Artikel ist der letzte von vier, in denen ich die verschiedenen Dimensionen der digitalen Transformation untersuche. Zuvor habe ich über Geschäftsmodelle, Produkt-Upgrades und die Nutzung von Daten gesprochen. Die vierte Dimension befasst sich mit der künstlichen Intelligenz. Ähnlich wie bei den anderen Dimensionen hat unsere Untersuchung gezeigt, dass es einen klaren Evolutionspfad gibt, den Unternehmen beim Übergang von einem traditionellen zu einem digitalen Unternehmen durchlaufen (siehe Abbildung).
In der ersten Phase konzentriert sich das Unternehmen noch auf die Datenanalyse. Alle Daten werden für den alleinigen Zweck der menschlichen Nutzung und Interpretation verarbeitet. Zu diesem Zeitpunkt dreht sich alles um Dashboards, Visualisierungen und Stakeholder-Ansichten.
Entwicklung des Einsatzes von KI-Technologie.
In der zweiten Phase beginnen die ersten Modelle für maschinelles Lernen (ML) oder Deep Learning (DL) entwickelt und eingesetzt zu werden. Das Training der Modelle basiert auf statischen Datensätzen, die zu einem bestimmten Zeitpunkt zusammengestellt wurden und die sich nicht weiterentwickeln, es sei denn, es wird eine ausdrückliche Entscheidung getroffen. Wenn dies geschieht, wird ein neuer Datensatz zusammengestellt und für das Training verwendet.
In der dritten Stufe werden DevOps und MLOps in dem Sinne verschmolzen, dass die Modelle auf der Grundlage der neuesten Daten kontinuierlich neu trainiert werden. Diese Daten sind nicht mehr ein Datensatz, sondern ein Fenster über einen Datenstrom, der für das Training und das kontinuierliche Neutraining verwendet wird. Je nach Bereich und Änderungsrate der zugrunde liegenden Daten wird die MLOps-Schleife entweder mit der DevOps-Schleife abgestimmt oder mehr oder weniger häufig ausgeführt. Wenn Sie beispielsweise ML/DL für die Vorhersage von Hauspreisen in einem Immobilienmarkt verwenden, ist es wichtig, das Modell auf der Grundlage der neuesten Verkaufsdaten häufig neu zu trainieren, da sich die Hauspreise ständig ändern.
Vor allem in der softwareintensiven Branche der eingebetteten Systeme, in der ML/DL-Modelle in jeder Produktinstanz eingesetzt werden, ist der nächste Schritt in der Regel die Einführung von föderierten Ansätzen. Anstatt alle Schulungen zentral durchzuführen, wendet das Unternehmen föderierte Lernansätze an, bei denen alle Produktinstanzen an den Schulungen beteiligt sind und Modellaktualisierungen von den Produktinstanzen gemeinsam genutzt werden. Dies ermöglicht eine Lokalisierung und Anpassung, da das System in bestimmten Regionen und von bestimmten Benutzern unterschiedlich eingesetzt werden kann. Je nach Ansatz des föderierten Lernens ist es möglich, dies zu berücksichtigen. Verschiedene Fahrer möchten zum Beispiel, dass sich ihr adaptiver Tempomat unterschiedlich verhält. Einige möchten, dass das System vorsichtiger vorgeht, während andere eine aggressivere Art des Bremsens und Beschleunigens wünschen. Jede Produktinstanz kann sich im Laufe der Zeit als Reaktion auf das Feedback des Fahrers anpassen.
Schließlich erreichen wir die Phase des automatisierten Experimentierens, in der das System völlig autonom mit seinem eigenen Verhalten experimentiert, um bestimmte Erfolgskennzahlen zu verbessern. Während in früheren Stadien Menschen A/B-Experimente oder Ähnliches durchführen und die A- und B-Alternativen vorschlagen, ist es hier das System selbst, das Alternativen generiert, sie einsetzt, die Wirkung misst und über die nächsten Schritte entscheidet. Obwohl es in dieser Kategorie nur wenige Beispiele gibt, waren wir unter anderem an Fällen beteiligt, in denen wir ein solches System verwendet haben, um die Einstellungen der Konfigurationsparameter zu untersuchen (die meisten Systeme haben Tausende), um die Leistung des Systems automatisch zu optimieren.
Zusammenfassend lässt sich sagen, dass die digitale Transformation eine komplexe, mehrdimensionale Herausforderung ist. Eine der Dimensionen ist der Einsatz von KI/ML/DL. Der Einsatz von KI ist kein binärer Schritt, sondern vielmehr ein Prozess, der sich im Laufe der Zeit entwickelt und in vordefinierten Schritten abläuft. Der Einsatz von KI ermöglicht die Automatisierung von Aufgaben, die vorher nicht automatisiert werden konnten, und die Verbesserung der Ergebnisse automatisierter Prozesse durch intelligente, automatisierte Entscheidungen. Sobald Sie Software haben, können Sie Daten generieren. Sobald Sie Daten haben, können Sie KI einsetzen. Sobald Sie über KI verfügen, können Sie das Potenzial der Digitalisierung wirklich ausschöpfen.
auf dem Laufenden halten
Erhalten Sie unsere monatlichen Updates
