Prozess einfacher verbessern
Auf einer solchen Plattform lassen sich KI-Anwendungsszenarien oft deutlich einfacher umsetzen. KI kann beispielsweise helfen, die Anforderungen von Kunden in die eigene Sprache zu übersetzen. Ein Maschinenbauer könnte also das Lastenheft des Kunden automatisiert auf die benötigten Teile herunter brechen, um leichter ein Angebot zu erstellen. Potenzial gibt es auch im Servicebereich: Wenn etwa der Kunde eines Anlagenbauers meldet, dass es an einer bestimmten Stelle der Anlage Probleme gibt, kann die KI bereits Fehlerberichte aus bisherigen Instandhaltungsmaßnahmen und Ticketsystemen analysieren und sämtliche Informationen zur Fehlerbehebung zusammentragen. KI lässt sich nicht nur nutzen, um Angestellte in der jeweiligen Sprache durch einen Prozess zu leiten, sondern auch um in Echtzeit Feedback zu geben, wie die Bearbeitung eines Prozessschritts verbessert werden kann. Hier verändern sich derzeit die Möglichkeiten durch Bilderkennung mit Videotechnologie und die zunehmend leistungsfähigen KI-Modelle stetig weiter.
Nutzen und Kosten abwägen
Ob der Wechsel auf eine Plattform wie Fabric sinnvoll ist, hängt stark von der konkreten Ausgangssituation ab. In Workshops lassen sich die Potenziale ermitteln und genauer bestimmen, inwieweit die bestehende Landschaft zukunftsfähig ist. Aus Kostensicht ist zu klären, was es bringt, kein externes Data-Sciences-Wissen mehr einkaufen zu müssen – und wie viel mehr Innovation so im Unternehmen möglich wird. Es muss eine ausreichende Kapazität vorhanden sein, damit sich Data Analytics as a Service rechnet. Nicht zu vergessen: Beim kulturellen Wandel hin zum datengetriebenen Unternehmen ist jenseits der Datenarchitektur vor allem die Etablierung einer Datenkultur entscheidend. Damit ist nicht gemeint, dass man zum IT-Unternehmen wird, in dem jeder und jede IT-Knowhow haben muss. Diese Lücke füllen KI-Assistenten. Es braucht jedoch die Sicht auf Daten als Produkte, für die es jeweils verantwortliche Product Owner gibt.