Künstlich intelligente Systeme sind weltweit auf dem Vormarsch. Es stellt sich nicht mehr die Frage, ob KI Prozesse in Unternehmen revolutionieren wird, sondern nur noch welche und wie schnell.
Grundzüge künstlicher Intelligenz
Heutzutage ist der Begriff in der Regel für kaum jemanden noch ein Fremdwort. Als künstlich intelligent werden Systeme beschrieben, welche die menschliche Intelligenz simulieren. KI-Anwendungen umfassen die Allokation relevanter Daten und von Verarbeitungsregeln sowie deren Auswertung und Bereitstellung spezifischer Informationen. In der Entwicklung derartiger Lösungen wird versucht, die kognitiven Fähigkeiten des Menschen so adäquat wie möglich in einen maschinellen Zusammenhang zu übertragen.
Jeden Tag verschiebt sich das Verständnis dahingehend, was Künstliche Intelligenz tatsächlich leisten kann. Aufgrund der rasant wachsenden Datenmengen und der einhergehenden Steigerung der Komplexität von Datenstrukturen wächst die Bedeutung rapide. Immer mehr Bereiche in Unternehmen machen sich die innovativen Möglichkeiten zunutze. So ist KI auch im Management von Stammdaten eingezogen und auf lange Sicht nicht mehr wegzudenken.
KI im Stammdatenmanagement
Das Hauptziel eines integrierten Stammdatenmanagements (kurz MDM) bezieht sich auf die Schaffung und Erhaltung einer hohen Datenqualität. Bisher wurde dieses Ziel über den Einsatz von MDM-Systemen realisiert. Hierfür waren spezifische Regeln zur Eingabe und Verarbeitung von Stammdaten notwendig. Deren exakte Definition erforderte bislang einen ungeheuren zeitlichen und kognitiven Aufwand. Genau an diesem Punkt sollen in der Zukunft KI-Systeme ansetzen und die Prozesse der Datenbearbeitung und -verarbeitung optimieren.
Langfristig soll mittels Einsatz von künstlicher Intelligenz die Notwendigkeit eines grundlegenden Regelwerks zur Überprüfung von Stammdaten obsolet werden. Derartige Lösungen bieten das Potenzial, die intuitiven Fähigkeiten eines Master Data Experts zu adaptieren. Dazu wird ein KI-gestützter Algorithmus einer Anwendung unter der Eingabe von Trainingsdaten geschult. Dieser Prozess des maschinellen Lernens (Machine Learning, kurz ML) bildet die Basis für jedwede weitere Nutzung und das Gegenstück zur Implikation von Regeln im klassischen MDM ab.
Anwendungsbereiche künstlicher Intelligenz
Auf der Grundlage des Machine Learnings (ML) ergeben sich spezifische Anwendungsbereiche für KI-basierte Lösungen im Stammdatenmanagement. Diese orientieren sich dabei an den Datenlebenszyklusphasen in Unternehmen.
KI unterstützt beim Aufspüren von Daten
Die ersten Möglichkeiten bieten sich bereits in der Phase der Datenallokation. Es ist in der Regel ein hoher manueller Aufwand zu betreiben, um relevante Daten in externen wie internen Quellen zu finden und akkurat zu übertragen. Speziell geschulte Algorithmen beschleunigen diesen Prozess rasant und reduzieren Fehlerquellen. Speziell dem Bereich des Mapping, sprich der Ortung von Daten, werden viele Optimierungspotenziale zugeschrieben.
Datenstrukturierung mithilfe von Machine Learning
Im nächsten Schritt erfolgt grundsätzlich die Harmonisierung der Stammdaten, welche oftmals unterschiedliche Datenstrukturen aufweisen. Dies lässt sich auf die Diversität der Quellsysteme, wie CRM- oder ERP-Systeme, zurückführen. Mittels Master Data Management werden die Daten auf ein einheitliches Niveau gebracht. Bei dieser Praktik übernehmen ML-Applikationen einen beträchtlichen Teil der Arbeit teilweise oder gänzlich automatisiert. Hierfür ist wiederum ein Trainingsprozess notwendig, um der KI das Zielniveau der Stammdaten zu erlernen.
Fehlervermeidung im Stammdatenmanagement durch KI
Weiterhin steht die Unterstützung der Datenvalidierung und Stammdatenpflege in der Folgephase im Fokus. Ein Algorithmus hilft auf der Grundlage gelernter konsistenter und inkonsistenter Datensätze und deren Unterschieden bei der Überprüfung von Stammdaten. Ein KI-System ist somit in der Lage, redundante und inkonsistente Daten zu erkennen und den Fehler zu melden oder gar selbst zu beheben.
Datenschutz und KI – ein unschlagbares Team
Zuletzt birgt künstliche Intelligenz das Potenzial zur Optimierung von Verfahrensweisen im Bereich des Datenschutzes. Maschinelles Lernen ermöglicht die vereinfachte Erkennung sensibler Dateninhalte. Zudem werden kriminelle Nutzungen und Fälschungen von Datensätzen frühzeitig erkannt. Befinden sich Daten am Ende ihres Lebenszyklus und liegt kein Zweck und keine Pflicht zur weiteren Aufbewahrung vor, helfen ML-Applikationen bei der Archivierung. So ermöglichen KI-basierte Lösungen die automatisierte Einhaltung von Datenschutzbestimmungen.
Vorteile der Nutzung künstlich intelligenter Systeme
Generell lassen sich beinahe alle Bereiche der MDM-Anwendung mittels KI unterstützen. Ob Algorithmen dabei in jedem Fall besser sind als das traditionelle Aufstellen von Regeln, hängt zum Beispiel von Art, Branche und Wertgerüst eines Unternehmens ab. Jedoch liegen eine Menge Vorteile der KI-Lösungen auf der Hand:
- Automatisierung datengetriebener Prozesse
- Vereinfachung übergeordneter, strategischer Geschäftsprozesse
- Beschleunigung digitale Transformation von IT-Infrastrukturen
- nachhaltige Verbesserung der Datenqualität
- Reduzieren des personellen, finanziellen und zeitlichen Ressourcenaufwands
- langfristiges Verringern der Prozesskosten
- Erhöhung des Wirkungsgrads IT-gestützter Anwendungen
Herausforderungen in der Praxis
Alle genannten Vorteile sind unter der Voraussetzung eines adäquaten Schulungsprozesses der grundlegenden Algorithmen gegeben. Hierfür sind wiederum entsprechende Trainingsdaten notwendig, mit welchen eine KI-Anwendung gefüttert wird. Viele Unternehmen stellt die Erfüllung dieser Voraussetzung bereits vor eine große Hürde. Hinzu kommt häufig der Mangel an Expertise, weshalb viele Umsetzungsvorhaben praktisch immer wieder im Sande verlaufen. Dieses Problem lässt sich nur durch stetigen, geduldigen Aufbau des internen Know-hows bewältigen.
Die anfängliche Komplexität der Voraussetzungen hält bis heute viele Unternehmen davon ab, sich konkreter mit dem Thema KI im Stammdatenmanagement auseinanderzusetzen. Demzufolge fehlen entsprechende Use Cases aus der Praxis, während sich theoretische Ansätze im Hintergrund häufen. Eine KI ist nun mal keine IT-Komponente, die von heute auf morgen integriert werden kann. Nur wer Geduld und die notwendige Motivation mit sich bringt, wird sich den Herausforderungen stellen und eine Vorreiterstellung einnehmen können.
Hilfestellungen bieten Datenexperten wie Dun & Bradstreet sowie offene IT-Communities, wie die "Global Community for Artifical Intelligence in Master Data Management".
Abonnieren Sie unsere Blog-Updates!
Lesen Sie neue Artikel zu den Themen Credit Management, Master Data, Marketing und Compliance als Erste.