Die Basis für Big Data und Künstliche Intelligenz
Schon seit Jahrzehnten kreist das Thema „Künstliche Intelligenz“ (KI) in den Köpfen von Zukunftsforschern, Sci-Fi-Fans und IT-Entwicklern. Aber während früher technische Kapazitäten und gewinnbringende Nutzungsszenarien fehlten, ist beides inzwischen längst vorhanden. Hinzu kommen eine wachsende Roboterisierung, ein sprunghaft steigendes Datenaufkommen aus den verschiedensten vernetzten Quellen und sinkende Kosten für ausreichend potente IT-Systeme.
In Deutschland herrscht dabei noch etwas Zurückhaltung; beispielsweise legte die Bundesregierung erst Ende 2018 ein eigenes KI-Strategiepapier vor. Aber immerhin: Einige Organisationen erforschen und entwickeln entsprechende Technologien. Zudem zeigt eine aktuelle Studie der Unternehmensberatung PWC, dass der Sprung unmittelbar bevorsteht: Zwar setzen erst sechs Prozent der deutschen Unternehmen KI produktiv ein – zugleich aber planen oder testen weitere 17 Prozent den Einsatz in Kürze und nochmals 28 Prozent sehen KI als relevanten Faktor für ihren künftigen Geschäftserfolg.
Big Data ermöglicht komplexe Entscheidungen
Mit dem wachsenden Einsatz von KI findet eine Evolution der Datenanalyse statt: Während sich traditionelle Business Intelligence (BI) an beschreibenden und diagnostizierenden Fragen für das Controlling orientiert (Was ist passiert? Warum ist es passiert?), versucht Advanced Analytics, künftige Entwicklungen zu prognostizieren oder gar vorrausschauend zu beeinflussen. Unternehmen analysieren mit KI riesige Datenmengen und nutzen die dadurch gewonnenen Erkenntnisse für ihre Entscheidungsprozesse.
Der Clou dabei: Anstatt schon vorab Software-Routinen zu implementieren, die erwartete Ereignisse definieren, werden künstliche Systeme mit großen Datenmengen auf bestimmte Muster und Gesetzmäßigkeiten „trainiert“ – zum Beispiel durch maschinelles Lernen. So können abstrahierte Aufgabenstellungen und Lösungswege erlernt und in künftigen Situationen eingesetzt werden. Künstliche Intelligenz ist in der Lage, ein Gesamtbild aller verfügbaren Informationen zu berücksichtigen und verschiedene Zukunftsszenarien zu simulieren. Um aber bei komplexen Entscheidungen tatsächlich zu unterstützen, müssen KI-Systeme in ein passendes Big-Data-Szenario eingebettet sein.
Auf die Architektur kommt es an
Data Lakes machen Big Data und KI nutzbar
Mit der in Big Data verfügbaren Rechenpower und Speicherkapazität geschehen Abfragen und Auswertungen auch in Echtzeit. Verantwortlich dafür ist meist das Open Source Framework Apache Hadoop. Damit wird die Berechnung der Daten über viele Knoten vernetzter Computer verteilt und so enorm schnell. Aber Geschwindigkeit ist kein Selbstzweck; der bereitstehende Datenschatz soll schließlich in wertstiftende Anwendungsfälle und Erkenntnisse münden. Hier sorgt die Künstliche Intelligenz dafür, dass analytische Systeme die passenden Informationen situationsgerecht bereitstellen.
Big Data ist keine Entweder-oder-Frage
In einer hybriden Architektur ist der Data Lake die Schicht, in der absolut alle denkbaren Daten ankommen und dauerhaft gespeichert werden. Daran angebunden ist das Data Warehouse als jene Schicht, die bereits strukturierte Daten vorhält – business ready und nach definierten Vorgaben. Bislang wird das DWH von den Datenquellen direkt gespeist. In einer funktionierenden Hybrid-Architektur erhält das DWH seine Daten stattdessen aus dem Data Lake, das damit gewissermaßen zum „Single Point of Truth“ wird.
Der hybride Ansatz für Anwender und Experten
Wichtig ist, hier nicht nur technologische Aspekte im Blick zu haben, sondern auch die Menschen. Gefragt sind Experten, die sich nicht allein mit Data Lakes und Data Warehouses auskennen, sondern die das Potenzial einer hybriden Architektur aktivieren – mit einem Verständnis für die Anforderungen der klassischen BI-Welt und neuer Analyse-Konzepte. Unternehmen, die den Einstieg in KI und Big Data suchen, sollten also frühzeitig in Mitarbeiter investieren und eigene Talente weiterentwickeln: Data Engineers für die Datenbewirtschaftung; Data Scientists für Advanced Analytics und AI sowie Data Artists zur Datenvisualisierung.