Fortschrittliche Analysen widerlegen die gängige Befürchtung, dass „Roboter die Macht übernehmen”

Advanced Analytics, maschinelles Lernen und Cognitive Computing machen schnelle Fortschritte, und es ist angebracht, kurz darüber nachzudenken, welche Rolle sie letztendlich einnehmen werden. Sind diese neuen Technologien Vorboten der Anfänge von Autofac, einer Erzählung des Science-Fiction-Autors Philip K. Dick aus dem Jahr 1955, die eine Zukunft mit unkontrollierbaren, sich selbst reproduzierenden Maschinen schildert? Oder stellen sie lediglich den nächsten großen Schritt in der Entwicklung der menschlichen Leistungsfähigkeit und Produktivität dar?

Bisher spricht alles für Letzteres. In den letzten Jahren haben Unternehmen, die sich mit Big-Data-Lösungen beschäftigen, einige wichtige Erkenntnisse gewonnen: Durch Analysen lassen sich bisher unerkannte Verbindungen zwischen scheinbar unzusammenhängendem Datenmaterial herstellen, die gewinnbringende neue Erkenntnisse liefern oder aber ein Unternehmen schnell auf den Holzweg führen.

Realisierung der Investitionsrendite bei Advanced Analytics

Wie sich zeigt, hängt das jeweilige Ergebnis für ein Unternehmen von dessen Mitarbeitern ab – genauer gesagt von der Fähigkeit seiner Data Scientists, Business Analysts und Entwickler zu erkennen, welche Probleme als erste anzugehen sind, welche Daten sich am besten für die Analyse eignen und welche Fragen gestellt werden müssen. Doch auch mit den richtigen Mitarbeitern konnten die Ergebnisse nicht immer mit den Erwartungen standhalten, und so manches Unternehmen stellte sich die Frage, ob das Ergebnis die Investition wert war.

Doch wie Craig Guinn, ein führender Mitarbeiter im Bereich Daten und Analyse für das IBM Center of Excellence von DXC Technology, in seinem Beitrag „The Best of Times for Analytics“ betont, wird sich das bald ändern.

Guinn zufolge haben Unternehmen deshalb nicht schnell genug echte Vorteile aus dem wachsenden Datenvolumen gewonnen, mit dem sie konfrontiert sind, weil analytische Plattformen fragmentiert, Tools komplex und qualifizierte Data Scientists schwer zu finden sind. Mittlerweile jedoch gibt es neue Tools, mit denen sich nicht nur die Komplexität in den Griff bekommen lässt, sondern die auch dafür sorgen, dass Advanced Analytics nicht ausschließlich von promovierten Data Scientists verstanden werden können. Analysen können jetzt auch von entsprechend geschulten Business Analysts durchgeführt werden, so genannten „Bürgerwissenschaftlern“. Mit anderen Worten, die Menschen erhalten durch die Fortschritte mehr Kontrolle über diese Analysen, nicht weniger.

Beispielsweise werden bei Lösungen zur Interpretation von Röntgenaufnahmen Mammographien, die frei von Anomalien sind, automatisch ausgeblendet. Das gibt dem medizinischen Fachpersonal mehr Zeit für die Analyse problematischer radiologischer Aufnahmen. Die automatische Betrugserkennung in Schadensmeldungssystemen hilft Versicherern, falsche Schadensersatzansprüche auszusortieren, Geld zu sparen und mehr Zeit für Kunden mit legitimen Anliegen aufzuwenden.

Maschinen können zudem Muster in Datensätzen erkennen, die schlicht zu groß sind, um von einem Menschen analysiert zu werden, und dies trägt wiederum maßgeblich zur Sicherheit bei. So wird beispielsweise auf dem Flug einer Boeing 787 der nächsten Generation eine Datenmenge von sage und schreibe 500 GB generiert. Dank der Fähigkeit, diese Informationen zu verarbeiten, kann eine datengesteuerte Plattform erste Anzeichen für einen Triebwerksausfall erkennen, die für einen Menschen nicht erkennbar wären.

Bedenken, dass Maschinen menschliche Entscheidungsträger ersetzen könnten, sind legitim, doch lässt sich auch argumentieren, dass Maschinen sich nur weiterentwickeln, um menschliche Fähigkeiten weiter auszubauen. Advanced Analytics führen zu neuen Karrieremöglichkeiten für Business Analysts, Anwendungsentwickler und andere. Und angesichts der Fortschritte im Automatisierungsbereich werden wohl auch die Beschäftigungsmöglichkeiten für Data Scientists weiter zunehmen.

Wie es scheint, werden diese neuen Formen der maschinellen Entscheidungsfindung in Unternehmen wohl auf absehbare Zeit eine unterstützende Rolle spielen, damit diese Unternehmen – und die Menschen, aus denen sie bestehen – intelligenter und schneller arbeiten können.

Allerdings sollten wir die Maschinen im Auge behalten. Nur, um sicherzugehen.

Weitere Informationen zur neuen Ära der unternehmerischen Entscheidungsfindung auf der Grundlage harter Fakten statt Intuition finden Sie im DXC Whitepaper „The Best of Times for Analytics“.