亿兆体育

Zusammenfassung

1 KI-Dashboarding 鈥� Was ist das?!

Viele sprechen 眉ber KI-Dashboarding, aber es gibt oft kein gemeinsames Verst盲ndnis davon, was es bedeutet und welchen Mehrwert es schaffen kann. Die scheinbaren Grenzen zwischen [echter] k眉nstlicher Intelligenz und Standard-Dashboard-Funktionalit盲ten sind flie脽end; das volle Potenzial der KI wird oft nicht genutzt. Stark vereinfacht gesagt, generiert KI-Dashboarding intelligente Erkenntnisse, die 眉ber die vordefinierten Analysepfade f眉r Berichtsnutzer hinausgehen, und erm枚glicht alternative Arten der Interaktion, um Informationen abzufragen. Es gilt im Sinne eines einheitlichen Verst盲ndnisses aber klarzustellen, was KI-Dashboarding kann, und wo auch etwaige Grenzen liegen. Im Rahmen der folgenden Ausf眉hrungen bezieht sich KI-Dashboarding auf KI-Funktionalit盲ten, die in g盲ngigen Front-end-Tools (Berichts-Software) verwendet und im Standard angeboten werden. Alles dar眉ber hinaus, also die Nutzung von Algorithmen, erstellt durch Data Scientists, in dedizierten "AI Engines" w盲re eine Entwicklungsstufe 眉ber der Nutzung von integrierten KI-L枚sungen/ Technologien.

1.1 Vorteile der Nutzung intelligenter KI-Dashboard Technologien

Die Kernfrage sollte aber sein: Warum sollte man den Einsatz von KI-Dashboarding 眉berhaupt in Betracht ziehen, bzw. welche Vorteile bringt der Einsatz? Ein wichtiger Punkt bei diesen 脺berlegungen ist, dass der Einsatz von fortgeschrittenen L枚sungen, au脽erhalb eines KI-Dashboards, erweiterte Kenntnisse im Bereich Datenmodellierung, Statistik sowie Programmierung erfordert (Data Scientist). Diese Kombination an F盲higkeiten ist nur sehr punktuell vorhanden, weshalb der Einsatz von KI-Dashboards eine valide Option ist. KI-Dashboarding liefert

• zus盲tzliche Gesch盲ftseinblicke auf der Grundlage des verf眉gbaren Datenmodells ohne zeitaufw盲ndige und manuelle Analysen.
• wertvolle Informationen f眉r jeden Anwender, auch ohne Data-Scientist-Kenntnisse oder ein definiertes Reporting-Konzept.
• h枚here Effizienz durch den Einsatz von KI-Dashboarding als Ad-hoc-Analyse, um zus盲tzliche Einblicke und Hinweise auf die Ursachen von Abweichungen zu erhalten.
• einen einfachen Einstieg, um die Organisation mit Technologien der "k眉nstlichen Intelligenz" in Kontakt zu bringen, um Barrieren und Vorurteile abzubauen.
• wertvollere Diskussionen, da herk枚mmliche Analysen und Analysewege durch zus盲tzliche Erkenntnisse erg盲nzt werden.

1.2 Entwicklungsstufen von KI-Dashboards

Gem盲脽 der oben eingef眉hrten Definition von KI-Dashboards, haben diese Standardfunktionalit盲ten zur KI-gest眉tzten Analyse inne. In Abb.听1 sind die entsprechenden Entwicklungsstufen skizziert.

Abb.听1: Entwicklungspfade von KI-Dashboards

Ausgehend von der ersten Ausbaustufe, welche den Einsatz von entsprechenden Dashboards-Tools voraussetzt, haben auch hier nicht alle Unternehmen diesen Stand erreicht oder befinden sich auf dem Weg dahin. In dieser Phase folgen Dashboards einem klaren Aufbau sowie einer vordefinierten Struktur (Analysepfade) zur Identifikation der relevanten Handlungs- und Problemfelder.

In der zweiten Phase handelt es sich um die bereits definierten KI-gest眉tzten Dashboards, welche zus盲tzliche Erkenntnisse aus der verf眉gbaren Datengrundlage generieren. Hier ist wichtig zu verstehen, dass die zugrunde liegenden Algorithmen dem Nutzer nicht transparent sind und gezeigte Ergebnisse immer noch mit dem entsprechenden Fachwissen zu validieren sind. Sie weisen aber jene im Kapitel genannten Vorteile und M枚glichkeiten auf. Wichtig ist auch zu verstehen, dass die g盲ngigen Berichtstools kontinuierlich weiterentwickelt werden und die Grenze zwischen erster und zweiter Phase immer mehr verschwimmt.

In der dritten Phase hingegen ist das Anforderungsprofil an die KI-Dashboard-Tools entsprechend h枚her. Diese decken nicht nur das Spektrum der zuvor genannten Tools ab, sondern sind auch in der Lage folgende Funktionalit盲ten anzubieten:

• Automatische Generierung von zielgerichteten Visualisierungen auf Basis der verf眉gbaren Daten (intelligente & nutzerspezifische Bereitstellung)
• Automatische Identifikation von relevanten Erkenntnissen sowie Zusammenh盲ngen
• Automatisierte Analyse von strukturierten, aber insb. auch unstrukturierten Daten

Grunds盲tzlich nimmt die konzeptionelle Vorarbeit innerhalb von diesen KI-Dashboard-Tools ab. Dennoch ist zu ber眉cksichtigen, dass es derartige Tools mit vollem Umfang noch nicht gibt, aber erste Entwicklungen in diese Richtung erkennbar sind. Spannend wird auch die Wechselwirkung mit ChatGPT oder dem MS Co-Pilot sein, dies wird bei der Weiterentwicklung der Tools und deren Funktiona...