FORUM

Es wird viel gesprochen über Lösungsansätze, wie man Künstliche Intelligenz einsetzen kann, will, sollte. Aber was tut sich konkret? Abgesehen von den Anwender-Plattformen ist die Luft bei den real verprobten KI-Anwendungen dünn. Sind wir zu wenig »hands-on«, wenn es ums praktische Umsetzen von Projekten geht? Verlieren wir im Hype das Ziel aus den Augen?

Ein Kommentar von Paul Haberfellner, Alliance Enthusiast bei Nagarro

Ich gebe zu, ich bin Pragmatiker. In vielen Jahren »Feldarbeit« in der IT-Branche ist mir klar geworden: Reden ist Silber, machen ist Gold. Das bringt mir interessante, lebhafte Diskussionen ein. Gut so, denn Diskussion bedeutet Weiterentwicklung. Aktuell setze ich mich mit praktikablen »KI-Werkzeugkästen« auseinander. Gerade wetteifern zum Beispiel alle Hyperscaler um die KI-Themenführerschaft. Mit enormem Tempo nimmt das, was bis vor kurzem Utopie war, Gestalt an, begleitet von tiefgehenden, technologie- und generationsbedingten Veränderungen. Ich frage mich, ob die konkreten, praktikablen Herangehensweisen dabei etwas auf der Strecke bleiben.

Immer wieder das Datenthema

Vor wenigen Monaten noch war der Run auf Data-Centers groß im Gespräch, angestoßen durch Green-Energy beziehungsweise Energiewende und natürlich auch durch die drastisch gestiegenen Produktions-Energiekosten. Durch die Krisen rückten Daten und Datenhaltung in den Mittelpunkt. Das ist immer noch ein valides Thema, doch inzwischen wurde es von Artifical Intelligence (KI) abgelöst.

Wichtiges Thema! Und ganz bestimmt eines, das die Welt in relativ kurzer Zeit verändern wird. Die Gretchenfrage hat weiterhin mit den verfügbaren Daten zu tun. Unternehmen sprechen über ihre KI-Lösungsansätze, meist ohne sie mit konkreten Daten in realen Kundensituationen verprobt zu haben. Warum ist das so? Meiner Beobachtung nach schlichtweg, weil es an »Real-Life«-Anwendungen, Szenarien und Erfahrungen fehlt. 

Verproben, PoC machen, konkret werden!

In der Herangehensweise ist die grundlegende Frage, bin ich »User« oder »Maker«? Wer als Anwender in das KI-Szenario einsteigt, lernt Systeme wie Google Bart, AWS Bedrock, Windows Copilot etc. zu konfigurieren. Wer im Unternehmen sein Business transformieren und individuelle KI-Lösungen entwickeln möchte, muss durch mehrere Hautschichten durch, sich mit der Systematik auseinandersetzen, wissen, welche Engineering-Tools gerade marktreif sind und zu einem relativ frühen Zeitpunkt: Verproben, »Proof of Concepts« (PoCs) machen, »tun«!

Aus unserem eigenen Erfahrungsschatz kann ich berichten: Nagarro hat weltweit in den letzten Jahren so viel PoCs wie nur irgend möglich angestoßen. Dieser Tage stellen wir unter anderem eine neue »AI Forecasting Engine« für Prognosen vor, die auf großes, globales Interesse stößt. Warum? Weil sie bereits verprobt und mit Daten angereichert ist, und damit wertvolle Funktionalitäten liefert, um Arbeitsabläufe besser zu planen, zu rationalisieren, oder Simulationen zu erzeugen.

Auf die Eingangsfrage »wer kann tun?« zurückkommend, würde ich antworten: Jeder, der frühzeitig konkret wird, um fundierte Entscheidungen zu treffen. Dabei sollte das Business-Ziel im Vordergrund stehen. Weniger Hype und mehr Pragmatismus führen erfahrungsgemäß zu rascher Handlungsfähigkeit. Als Beispiel: Wenn es um Ressourcen-Optimierung und Wartungskosten geht, können Unternehmen im Testen von Software über 70 Prozent sparen, indem sie repetitive Aufgaben mit Hilfe von KI automatisieren. Und während Sie bereits einsparen, läuft vielleicht ein weiterer PoC für einen Anwendungsfall auf Basis erprobter KI-Anwendungen.