Daten müssen passen
Qualitativ hochwertige und gut strukturierte Daten sind das A und O für jedes KI-Projekt. Hinzu kommen Faktoren wie die Algorithmenauswahl und Datenstrategie. Dafür ist eine Datenverwaltung und -analyse notwendig sowie eine Unternehmenskultur, die eine Ermittlung von Anwendungsfällen begünstigt. Auch Datenarchitektur, organisatorische Aufstellung und Daten-Governance sind bedeutsam. Wichtig ist auch die Auswahl der Eingabedaten und eine Analyse der Ergebnisse. Damit KI die Arbeitsabläufe in einem Unternehmen unterstützen kann, sollten Unternehmen vor der AIaaS-Nutzung immer die relevanten Daten prüfen. Ausgangspunkt ist dabei die spezifische Situation des Unternehmens sowie der Business Case. So entstehen maßgeschneiderte Lösungen, die KI an geeigneten Stellen mit guten Ergebnissen einsetzen. Die verantwortlichen Teams in den Unternehmen sollten hier rechtzeitig Knowhow und vor allem Erfahrung beim Gestalten von KI-Projekten aufbauen oder extern hinzuziehen.