Wa(h)re künstliche Intelligenz

Eine Studie von MMC Ventures hat für viel Aufsehen gesorgt: 40 Prozent der so genannten „KI-Unternehmen“ in Europa verwenden demnach gar nicht KI in ihren Angeboten. Daher ist es verständlich, dass es Skepsis gegenüber den Versprechen vieler Unternehmen in Sachen KI gibt. Doch wie lässt sich herausfinden, welche Anbieter nur verbal auf den KI-Zug aufspringen, und was real ist? Ein Stattement von Gérard Bauer, VP EMEA von Vectra.

„Betrachtet man heute ein Unternehmen, das KI-Lösungen offeriert, stellen sich Fragen wie: Wie tief und breit ist die Entwicklungskompetenz aufgestellt? Wie viele Mitarbeiter haben einen Background in Bereichen wie maschinelles Lernen oder Data Science, wie sieht ihr akademischer Werdegang aus? Sind eventuell Postdoktoranden an Bord, die den Wissensvorsprung in ihrem Fachgebiet weiterentwickeln? Akademische Fachkräfte sind schwer zu finden und für eine Stelle zu gewinnen, das ist klar.

Sie bringen aber im Erfolgsfall viel Wissen und die Fähigkeit zu wirklicher Innovation ein. Unternehmen sollten am Ball bleiben, und auf Plattformen wie LinkedIn Ausschau halten nach wertvollen Mitarbeitern dieser Art. Wenn es im Unternehmen nur einen Entwickler gibt, der keine nachweisbare ML-Erfahrung hat, dann ist bestenfalls eine Open-Source-ML-Bibliothek mit vorhandenem Code im Einsatz. Und das bedeutet, dass mit KI nur „herumgespielt“ wird.

Versuchen Sie herauszufinden, ob es Fachkräfte in dem Problembereich gibt, in dem Sie nach Lösungen suchen. In vielen Fällen der angewandten KI geht es nicht nur darum, große Datenmengen zu erfassen und darauf Berechnungen auszuführen. In der Cybersicherheit brauchen wir beispielsweise erfahrene Sicherheitsforscher, die technische Verhaltensweisen von Angreifern hypothetisieren und validieren können. Ein Datenwissenschaftler allein, hätte hier nicht den nötigen Einblick. Nur in Zusammenarbeit mit dem Sicherheitsforscher kann der Datenwissenschaftler einen effektiven Algorithmus zur Erkennung von Cybersicherheitsangriffen entwickeln.

Suchen Sie nach Beweisen, dass sich ein KI-Anbieter für langfristige Innovationen und nachweisbare Ergebnisse engagiert! Auszeichnungen und Branchenanerkennungen deuten auf Glaubwürdigkeit und Relevanz in der Branche hin. Wird das Unternehmen von etablierten Branchenanalysten genannt und für seine Expertise anerkannt? Hat es Patente angemeldet oder – noch besser – eigenentwickelte KI-Fähigkeiten bereits patentiert? Dies zeigt das Engagement für Wertsteigerung durch Innovation – und deren Schutz.

Data Science trägt aus einem bestimmten Grund das Wort „Daten“ in sich, denn es geht nicht nur darum, erstaunlich komplizierte Algorithmen zu entwickeln. Neben der Auswahl algorithmischer Ansätze muss der Datenwissenschaftler auch das Kuratieren der Daten, die Auswahl und Extraktion von Merkmalen sowie das Training managen. Fragen Sie Ihren zukünftigen KI-Anbieter nach den Daten, die er zum Erstellen, Trainieren, Testen und Betreiben seiner Algorithmen verwendet. Suchen Sie nach Informationen über die Herkunft, Qualität, Verwaltung und Sicherheit der Daten sowie darüber, wie und wo sie verwendet werden.

Besonders bei jüngeren Unternehmen empfiehlt sich ein kritischer Blick auf das Führungsteam und sein Team. Verfügen sie über relevante Erfahrungen in der Branche oder zumindest tangential dazu? Was ist es um die Erfolgsbilanz und den Ruf des Unternehmens bestellt, in welche Bereiche lenkt es seine Investitionen, wo konnte es sich bereits behaupten? Suchen Sie nach Teams und Investoren, die KI nicht nur als einfache Einnahmequelle betrachten, die sich übermäßig aufspielen oder offensichtlich nur eine wahrgenommene Marktchance verfolgen.

Schließlich, denken Sie daran, dass KI, als eine Gruppe von Technologien, ein reales Werkzeug und kein fernes Ziel ist. Es geht darum, wie KI eingesetzt wird. Sorgt das KI-Tool, das Sie in Betracht ziehen, für Effizienzgewinne oder neue Erkenntnisse auf wirklich autonome Weise? Oder ist es eher eine herkömmliche Lösung mit angeflanschter Automatisierung, die durch Prozesse hinter den Kulissen, manchmal sogar menschlicher Natur, unterstützt wird? Fragen Sie Ihren Anbieter, ob er einen Fernzugriff auf das KI-Tool benötigt, um sein Versprechen oder seinen Service zu erfüllen, und stellen Sie dann sicher, dass Sie genau verstehen, wofür dieser Zugriff verwendet wird.

Suchen Sie nach Referenzen für zufriedene Langzeitkunden, die die behauptete Wirksamkeit und den Wert des KI-Tools belegen. Fallstudien des Anbieters sind hilfreich, aber unabhängige, verifizierte Reviews und User-Communities bieten sich eher als neutrale Feedbackquellen an. Das Testen eines zukünftigen KI-Tools im eigenen Unternehmen ist entscheidend, um zu verstehen, wie effektiv es ist. Suchen Sie nach Evaluierungs- oder Proof-of-Concept-Programmen, die es Ihnen ermöglichen, in Ihrer Umgebung praktische Erfahrungen zu sammeln und die richtige Lösung zwischen den Alternativen zu finden.“

www.vectra.ai