Kein roter Teppich für Künstliche Intelligenz

Vier Komma Fünf Aspekte für „mehr Mindset“ im Bereich Data Science

Künstliche Intelligenz, kurz KI, ist kein Hype mehr, sondern angewandte Realität. Das ist mir im Rahmen meiner Arbeit, Data Science Weiterbildungen an den Markt zu bringen, schnell klar geworden. Unternehmen, die das erkannt haben, versuchen sich mit der umfangreichen Materie und der Flut an Informationen, Systemen, Programmen und Anbietern durchzuschlagen, was durch den Mangel an Fachpersonal sicherlich von Rückschlägen geprägt, aber nie umsonst ist, und großen Respekt verdient. Andernorts wird über den zu geringen Invest der Bundesregierung in KI geklagt. Aber wer solange mit der Umsetzung wartet, bis die Politik den roten Teppich für KI ausrollt, der hat den Knall nicht gehört.

Neugierde und Fehlerkultur

Der Kosmos rund um Data Science, Machine Learning und Data Analytics ist schon ein sehr spezieller. Es hat viel von Statistik in einem neuen Anstrich und mit neuen Methoden. Um sich dem zu nähern, braucht es ein offenes, neugieriges Mindset mit ausgeprägter Fehlerkultur. Man denkt oft, jetzt habe ich es verstanden, und dann tut sich noch eine Galaxie auf. In hoher Frequenz muss man bestehende Annahmen über Board werfen. Und sich darüber freuen, dass man unsichtbare Fortschritte macht. Mit dieser Haltung wird grundsätzlich auch die Bewältigung anderer Aspekte der digitalen Transformation leichter. Wichtig ist, es zu tun und sich vorwärts zu scheitern. Es ist wie zu Hause, wenn ein Kind etwas wissen will, das bisher nur bei älteren auf dem Stundenplan steht, sagt man da: „Sorry, bitte gedulde Dich noch zwei Jahre, bis es drankommt“? Um es klar zu sagen: es gibt keinen roten Teppich für KI – es gibt keinen roten Teppich, der so lang ist. Also: Ran an den unbekannten, verheißungsvollen Daten-Speck.

Astronaut:in oder Pantoffelheld:in

Es erfordert Mut, diesen unbekannten Planeten von Data Science, KI, Machine Learning und Co. zu erforschen. Schon die Erkenntnis, dass es sich möglicherweise um ein und das selbe Planetensystem handelt und nicht um mehrere, kann schmerzhaft sein. Auch beim Bau der Rakete dorthin gibt es so viele Abhänger, dass man geneigt ist, das Thema einfach an den Nagel zu hängen und zu warten, bis es jemand soweit fertig und konsumierbar gemacht hat, dass man als durchschnittlicher „In den Warenkorb“- Button-Klicker:in damit umgehen kann. Dabei muss man ertragen, dass es oft zwei Schritte vorwärts und mindestens einen zurück heißt, während alle anderen offenbar Siebenmeilenstiefel anhaben, vor allem die lieben Mitbewerber:innen Hier ist VUCA Kompatibilität gefragt: iterativ Entscheidungen treffen, auch wenn der gesamte Informationshorizont noch nicht sichtbar ist.

Master Class zum "Data Analyst"

Fundierte Datenkompetenz benötigt? Mit der Master Class zum Data Analyst werden Sie zum Problemlöser für komplexe Fragen in Ihrem Unternehmen. Entwickeln Sie sich und Ihr Unternehmen weiter im Bereich der professionellen Datenanalyse.

Mehr erfahren

Die neue DNA: die Use Case-Denke

Wer sich traut, wird belohnt, teilweise auf überraschende Weise. Zum Beispiel durch faszinierende Off-Label-Effekte, die grundsätzlich mit einem Lernprozess auf ein bestimmtes Ziel hin einfach abfallen. Bewegt man sich, so wie ich, neu im Daten-KI-Algorithmus-Kosmos, stellt man schnell Eines fest: es ist schon eine Galaxie der Erkenntnis, bevor man überhaupt das Wort Python aussprechen kann (übrigens [ˈpaɪθən]). Dabei wird der Tunnel zum Licht von zwei Seiten gegraben: einerseits ist es von den eigenen Daten ausgehend faszinierend, dass Erkenntnisse und Lösungen zu Business Fragestellungen auftauchen, die man gar nicht gefragt hat. Andererseits erkennt man aus der Business Perspektive, dass es möglicherweise nützliche Daten zur Lösung existierender Fragestellungen gibt bzw. wo man Hebel ansetzen kann für zukünftige Daten und Lösungen. Es entwickelt sich ein neuer Strang im Hirn, der in Use Cases denkt, experimentierend, sich austauschend und explorativ Neugierde in zielgerichtete Bahnen lenkend, die bis gerade noch nicht existierten. Diese Effekte bei Mitarbeitenden zu sehen ist für CEOs dieser Welt schwer mit Geld zu bekommen und mindestens genauso wertvoll wie herauszufinden, dass man für „Mach mal KI“ heute vielleicht noch gar nicht genug Daten hat.

Zum Schluss wie immer: Ethik

Die Relevanz des ethischen Aspekts im Kontext Künstlicher Intelligenz steht außer Frage und ihm kommt in regelmäßigen Abständen mediale Bedeutung zu. Als Blinder, der übers Licht redet, ist mir klar geworden, dass so spezifische Aspekte nur mit entsprechendem Fachwissen von Fachleuten diskutiert werden können. Alles andere ist Stammtisch. Denn erst wer KI einsetzt versteht das Thema soweit, dass eine fundierte Entscheidung, wie die Algorithmen ethisch korrekt eingesetzt werden sollen, möglich scheint. Dabei darf der:die datengetriebene Unternehmer:in ruhig eigennützig sein. Denn Ethik, Werte und Kultur im Unternehmen spielen für nachrückende Arbeitnehmer:innen-generationen eine sehr große Rolle. Da bedeutet Daten ethisch vertretbar zu behandeln Employer Branding, und es ist nichts nur für Nerds.

Vier Komma Fünf: Habe ich mich verzählt?

Mit Sicherheit. Es ist so, dass dies eine kleine von mehreren bescheidenen Erkenntnissen ist, die ich in sechs Monaten zu dem Thema erlangen konnte. Du musst demütig sein im Data Science Business. Es ist schneller und immer einmal mehr als Du. Aber hier frisst auch die zweite Maus noch den Käse, auch noch die dritte und vierte, denn es ist genug da. Nur zum Jagen tragen sollte sich jeder selbst – am Besten noch heute.