![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2019\/12\/anastasia-dulgier-1156050-unsplash-scaled-1.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>NACHRICHTEN \/ KI-TECHNOLOGIE<\/p>\n<\/div>
Inspiriert von den sieben \u201cVerschwendungen\u201d, die in der schlanken Produktion popul\u00e4r sind, hat Artefact dieses Konzept auf den Bereich artificial intelligence \u00fcbertragen. Diese Studie basiert auf mehr als 30 artificial intelligence-Projekten aus den letzten drei Jahren.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Inspiriert von den sieben \u201cVerschwendungen\u201d, die in der schlanken Produktion popul\u00e4r sind, hat Artefact dieses Konzept auf den Bereich artificial intelligence \u00fcbertragen. Diese Studie basiert auf mehr als 30 artificial intelligence-Projekten aus den letzten drei Jahren.<\/span><\/p>\n F\u00fcr jede identifizierte \u201cVerschwendung\u201d - zus\u00e4tzliche Verarbeitung, Energie, Inventar, \u00dcberproduktion, Warten, Fehler und Talent - werden die Ursachen anhand konkreter Beispiele erl\u00e4utert.<\/span><\/p>\n KI machen, weil es das neue und gl\u00e4nzende Ding ist. Das passiert, wenn technische Teams daran arbeiten, eine effiziente und innovative, aber komplexe technische L\u00f6sung zu entwickeln. Gesch\u00e4ftliche Erw\u00e4gungen werden zugunsten der technologischen Herausforderung in den Hintergrund gedr\u00e4ngt; technische Spezifikationen haben Vorrang vor unpr\u00e4zisen gesch\u00e4ftlichen Spezifikationen, und die wertsch\u00f6pfenden Kernfunktionen werden nicht klar identifiziert. Die Extraverarbeitung f\u00fchrt oft zu komplexen \u201cBlack Boxes\u201d.\u201d<\/span><\/p>\n die von den technischen Teams gepflegt werden m\u00fcssen und erst dann von den Gesch\u00e4ftsteams verstanden und \u00fcbernommen werden.<\/span><\/p>\n Die Entwicklung ma\u00dfgeschneiderter KI ist zeitaufw\u00e4ndig. Manchmal wird ein kleines, perfektes Detail, dem der Kunde keine Priorit\u00e4t einger\u00e4umt hat und mit dem er nicht rechnet, zum Mittelpunkt eines Projekts. Wenn das passiert, wird der eigentliche Zweck des Projekts zugunsten der L\u00f6sung kleinerer Probleme aufgegeben.<\/span><\/p>\n Ein Versicherungsunternehmen m\u00f6chte einen Algorithmus zur Vorhersage der Abwanderung entwickeln. Traditionell von der Stange\u00a0<\/span>Algorithmen erm\u00f6glichen die Einhaltung der Spezifikationen. Das data-Team m\u00f6chte jedoch eine\u00a0<\/span>personalisierte Deep Learning-L\u00f6sung. Der Algorithmus, den sie entwickelt haben, ist eine \u201cBlack Box\u201d, die viel l\u00e4nger braucht, um ausgewertet und verstanden zu werden.<\/span><\/p>\n Ein FMCG-Unternehmen m\u00f6chte einen Zuweisungsalgorithmus einrichten, der bei der Verwaltung der Medien helfen soll\u00a0<\/span>Kaufen. Anstatt sich die traditionellen Zuteilungsmodelle (Last Touch, Linear, First Touch usw.) zunutze zu machen, will das Unternehmen ein data-driven-Zuteilungsmodell einrichten und liefert damit ein unn\u00f6tig komplexes Modell, das schwer zu verstehen und zu verwenden ist.<\/span><\/p>\n Oft fehlt den Unternehmen ein technisches KI-\u00d6kosystem und sie verf\u00fcgen \u00fcber veraltete IS und Tools. Die verschiedenen Komponenten, die f\u00fcr den Aufbau der KI-L\u00f6sung ben\u00f6tigt werden, sind nicht integriert, was die Kosten und den Zeitaufwand f\u00fcr den Entwicklungsprozess erh\u00f6ht. Auf menschlicher Ebene sind die F\u00e4higkeiten nicht zentralisiert und die Kommunikation ist nicht fl\u00fcssig, was zu Missverst\u00e4ndnissen und Zeitverschwendung f\u00fchrt.<\/span><\/p>\n Ein Einzelhandelsunternehmen m\u00f6chte einen Algorithmus f\u00fcr Kundenempfehlungen einrichten. Das f\u00fcr das Projekt erforderliche data (CRM, Transaktionsdaten, Navigation usw.) ist \u00fcber mehrere data-Basen ohne zentralen Zugriff verstreut. Die zeitaufw\u00e4ndige Aufgabe der Zentralisierung ist notwendig, bevor das Projekt gestartet werden kann.<\/span><\/p>\n Um von der h\u00f6heren Rechenleistung zu profitieren, beschlie\u00dft das data-Team, den Algorithmus auf dem cloud zu trainieren und ihn in einer lokalen IT-Infrastruktur einzusetzen. Die technischen \u00d6kosysteme sind noch nicht integriert, so dass zus\u00e4tzliche Integrationsarbeit erforderlich ist.<\/span><\/p>\n Die Modelle werden individuell entworfen, um einen bestimmten Bedarf zu decken. Es ist nicht m\u00f6glich, aus dem, was bereits gebaut wurde, Kapital zu schlagen. Daher wird jeder neue Bedarf von Grund auf neu gedeckt, was die Produktion und Entwicklung neuer Modelle verlangsamt.<\/span><\/p>\n Schlechte anf\u00e4ngliche Technologieentscheidungen f\u00fchren zu einem data-Produkt, das einen hohen Wartungsaufwand erfordert. Das Team verbringt zu viel Zeit damit, das bestehende System zu pflegen, anstatt es zu verbessern und zu iterieren.<\/span><\/p>\n Ein Kosmetikunternehmen m\u00f6chte eine Natural Language Processing (NLP)-L\u00f6sung erstellen, um die Stimmung in sozialen Netzwerken zu analysieren. Anstatt eine bereits vorhandene Komponente zu verwenden und ein spezielles NLP-Element hinzuzuf\u00fcgen, wird die L\u00f6sung ma\u00dfgeschneidert erstellt. Drei Monate sp\u00e4ter m\u00f6chte ein anderes Team NLP f\u00fcr eine andere Art von Analyse nutzen. Es ist gezwungen, bei Null anzufangen und weiteres KI-\u201cInventar\u201d zu erstellen.<\/span><\/p>\n Ein Internet of Things (IoT)-Unternehmen m\u00f6chte verstehen, wie Verbraucher seine vernetzten\u00a0<\/span>Die data, die zum Unternehmen zur\u00fcckkommen, sind jedoch fehlerhaft und von schlechter Qualit\u00e4t. Das Unternehmen beschlie\u00dft, die Implementierung eines neuen data-Produkts auszulagern, um dieses Problem zu beheben und die Verarbeitung der data in Echtzeit zu erm\u00f6glichen sowie etwaige Qualit\u00e4tsprobleme zu vermeiden. Nach der Lieferung des neuen data-Produkts sind die internen Teams nicht mehr in der Lage, die neue (spezifische und komplexe) L\u00f6sung zu pflegen. Sie haben zu viele spezifische, separate und komplexe KI-Systeme.<\/span><\/p>\n Wenn es keine integrierte Strategie gibt, entstehen viele verschiedene Initiativen (POCs) au\u00dferhalb des Hauptziels des Unternehmens. Diese Initiativen entstehen oft in Erwartung von Kundenerwartungen und viele reagieren auf dasselbe Problem.<\/span><\/p>\n Ein FMCG-Unternehmen beschlie\u00dft, ein Projektteam zu gr\u00fcnden, das sich auf artificial intelligence konzentriert. Die erste Aktion des Teams besteht darin, einen Ideen-Workshop zu organisieren, um Anwendungsf\u00e4lle f\u00fcr die weitere Entwicklung zu identifizieren. Die eingereichten Anwendungsf\u00e4lle konzentrieren sich auf Werbung und Marketing. Andere wertvolle Bereiche werden \u00fcbersehen, darunter die Optimierung der Lieferkette, die Reduzierung des Energieverbrauchs und die Senkung der Kosten in den Gesch\u00e4ften.<\/span><\/p>\n K\u00fcnstliche Intelligenz wird von den Managern des Unternehmens nicht als strategisches Instrument betrachtet. Die Zeit, die damit verbracht wird, das Management davon zu \u00fcberzeugen, dass artificial intelligence einen Wettbewerbsvorteil schaffen kann, l\u00e4sst wenig Zeit zum Handeln.<\/span><\/p>\n Das schwache Sponsoring durch die F\u00fchrungskr\u00e4fte f\u00fchrt zu einer mangelnden Beteiligung aller Teams. Die Prozesse werden nicht gemessen, was zu Qualit\u00e4tsproblemen, M\u00e4ngeln und technischen Fehlern f\u00fchrt. Au\u00dferdem sind die Prozesse nicht flie\u00dfend, so dass zwischen den einzelnen Phasen viel Zeit mit dem Warten auf die Genehmigung verloren geht.<\/span><\/p>\n Ein Unternehmen aus der Reisebranche m\u00f6chte eine Sprach-App f\u00fcr Google Home und Alexa entwickeln. Drei Monate werden f\u00fcr die Identifizierung und Mobilisierung von technischen Ressourcen verwendet. Es wird deutlich, dass die F\u00e4higkeiten des Teams verbessert werden m\u00fcssen. Das Unternehmen entscheidet sich f\u00fcr den Einsatz externer Ressourcen, die dann einen Monat lang auf Eis gelegt werden, bis der Zugang zu den databases und der technischen Umgebung gew\u00e4hrt wird. Sobald das Projekt startbereit ist, wird es f\u00fcr mehrere Wochen unterbrochen, da der CEO eine NDA nicht unterschreibt.<\/span><\/p>\n Ein Unternehmen im Lebensmittel- und Getr\u00e4nkesektor m\u00f6chte seine Software zur Diagnose von Fehlern in seiner K\u00fchlkette ersetzen. Das Unternehmen hatte zuvor einen von Menschen erstellten deterministischen Entscheidungsbaum zur Analyse von Fehlern verwendet, wollte diesen aber durch einen Algorithmus f\u00fcr maschinelles Lernen ersetzen. Anstatt den Algorithmus die beste L\u00f6sung f\u00fcr das Problem definieren zu lassen, schr\u00e4nkte das data-Team den Algorithmus ein, indem es von Menschen entwickelte Einschr\u00e4nkungen einbezog. Am Ende des Programms sind die Ergebnisse die gleichen wie bei dem vorherigen System.<\/span><\/p>\n Um bei der KI-Transformation erfolgreich zu sein, muss das Unternehmen die St\u00e4rken und Beitr\u00e4ge jedes einzelnen Mitarbeiters anerkennen und die KI-Transformation zu einem integrativen Prozess machen. Heutzutage werden zu wenig Zeit und Ressourcen f\u00fcr die Verbesserung der F\u00e4higkeiten, Schulung und Entwicklung der Mitarbeiter aufgewendet, was die Einf\u00fchrung von KI-L\u00f6sungen zu einer Herausforderung macht und den Wissenstransfer einschr\u00e4nkt.<\/span><\/p>\n Drei Jahre nach dem Start eines gro\u00dfen KI-Umwandlungsplans befragt ein Bankunternehmen seine Mitarbeiter. Aus der Befragung gehen drei wesentliche Punkte hervor:<\/span><\/p>\n Inspiriert von den sieben \u00abVerschwendungen\u00bb, die in der schlanken Produktion popul\u00e4r sind, hat Artefact dieses Konzept auf den Bereich artificial intelligence \u00fcbertragen. Diese Studie basiert auf mehr als 30 artificial intelligence-Projekten aus den letzten drei Jahren.<\/p>","protected":false},"featured_media":5603,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-5602","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/5602","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/5603"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=5602"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=5602"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=5602"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Extra Verarbeitung: \u00dcbererf\u00fcllung der Kundenerwartungen<\/span><\/h3>\n
KI um der KI willen<\/span><\/h3>\n
\u201cDas Rad neu erfinden\u201d<\/span><\/h3>\n
Beispiele:<\/span><\/h3>\n
Energie: Menschliche oder maschinelle Anstrengungen, die den Gewinn nicht erh\u00f6hen<\/span><\/h3>\n
Mangelnde Integration<\/span><\/h3>\n
Beispiele: <\/span><\/h3>\n
Bestandsaufnahme: Die Schaffung einer nicht-autonomen Intelligenz<\/span><\/h3>\n
Spezifische versus standardisierte Kultur<\/span><\/h3>\n
Die Last vergangener Entscheidungen<\/span><\/h3>\n
Beispiele:<\/span><\/h3>\n
\u00dcberproduktion: KI kommt zu fr\u00fch f\u00fcr den Reifegrad eines Unternehmens oder auf unstrukturierte Weise<\/span><\/h3>\n
Zu viele nicht-industrialisierte Proof of Concepts (POCs)<\/span><\/h3>\n
Beispiel:<\/span><\/h3>\n
Warten: Unbesetzte Zeit, Warten auf eine Lieferung oder eine Entscheidung des Managements<\/span><\/h3>\n
Fehlendes Sponsoring durch die C-Ebene<\/span><\/h3>\n
Beispiel:<\/span><\/h3>\n
Misserfolge: Das KI-Produkt entspricht nicht den Bed\u00fcrfnissen des Endkunden<\/span><\/h3>\n
Konzentration auf die Ausf\u00fchrungsgeschwindigkeit gegen\u00fcber Qualit\u00e4t und Konsistenz<\/span><\/h3>\n
\n
Beispiel:<\/span><\/h3>\n
Menschen: Vers\u00e4umnis, interne F\u00e4higkeiten zu nutzen<\/span><\/h3>\n
Fehlen einer integrativen Kultur, in der der Mensch im Mittelpunkt steht<\/span><\/h3>\n
\n