Selbst Mittelständler können heute mit wenigen Schritten erfolgreich in die Datenzukunft starten. Das behauptet Marc Hanussek vom Business Innovation Engineering Center BIEC. Basisanwendungen könnten zu relativ geringen Kosten und mit moderatem Aufwand in nahezu jedem Geschäftsmodell implementiert werden, in dem Daten erhoben werden.
Data Science und Künstliche Intelligenz sind demnach längst keine Domäne von Technologiekonzernen mehr. Am fiktiven Beispiel eines mittelständischen Versandhändlers demonstriert Hanussek in seinem Blog-Beitrag auf der Seite von Fraunhofer IAO, wie das Unternehmen zu möglichst genauen Prognosen über das Verhalten der Kunden kommt. Rohstoff hierfür sind alle Daten über das Kundenverhalten, die über bestehende Kundenkanäle erfasst werden.
Die reine Datenextraktion reicht allerdings nicht. Analytics-Anwendungen gewinnen aus dem Datenrohstoff qualifizierte Erkenntnisse, mit denen Trends frühzeitig identifiziert und ausgewertet werden können. Analytics ist eine Teildisziplin von Data Science, die Muster in den Daten zum Kundenverhalten zu verstehen und so Vorhersagen über künftige Entscheidungen und Verhaltensmuster der Kunden zu treffen sucht.
Der Blogbeitrag zeigt Schritt für Schritt, wie das Unternehmen lernen kann, das zukünftige Kundenverhalten aus den bestehenden Verhaltensmustern vorherzusagen. Hierfür bieten sich dann Verfahren des Maschinellen Lernens an, welche der Künstlichen Intelligenz zugeordnet werden.
Das recht ausführlich beschriebene Vorgehen lässt sich auf viele Gebiete übertragen: Mittels KI können zum Beispiel Trends in sozialen Netzwerken wie Facebook oder Twitter ausgemacht werden (so werden etwa Worthäufigkeiten, Sentiments, Hashtags oder Likes gezählt). Genauso ist es denkbar, Wetter- und Nachrichtendaten in Vorhersagen einfließen zu lassen.
Auch Sensordaten und deren Vorhersage können zum Beispiel im Maschinenbau dazu beitragen, technische Systeme vorausschauend (und damit nicht nur reaktiv oder präventiv) zu warten. Sei es die automatische Unterscheidung eingehender Dokumente wie Rechnungen, Mahnungen, Gutachten oder Beschwerden – Data Science und KI-Verfahren, insbesondere Maschinelle Lernverfahren sind immer dann gut einsetzbar, wenn man nach bisher unbekannten Zusammenhängen in großen Datenmengen sucht.