Wie KI Business Intelligence revolutioniert

Wir alle sehen und spüren jeden Tag, wie neue Technologien aus dem Boden sprießen und unser tägliches Leben unterstützen und bewusst oder unbewusst beeinflussen. Beispiele dafür sind Produkt- oder Filmempfehlungen basierend auf Verhaltensmustern homogener (Kunden-) Gruppen, die Sprachsteuerung von Geräten im Haushalt oder im Fahrzeug, sowie virtuelle Assistenten, die uns bei Problemen jeglicher Art Hilfestellungen anbieten. Derartige Anwendungen basieren auf Methoden der Künstlichen Intelligenz (KI).

KI beeinflusst ebenso die Art und Weise wie schon heute analytische Systeme unsere täglichen Entscheidungsprozesse unterstützen oder Entscheidungen vollständig aufgrund einer bestimmten Datenlage übernehmen. Das klassische Business Intelligence System (BI-System) ist nicht tot, sondern erfährt durch KI eine neue Dimension in Bezug auf Möglichkeiten und Automatisierungen in der Datenanalyse.
 

Was verstehen wir heute unter KI im Kontext Business Intelligence?

Alle reden von KI, doch was genau verstehen wir unter dem Begriff im Zusammenhang mit BI? KI ermöglicht eine weitere Evolution in der Art und Weise, wie wir Analysen durchführen. Lassen Sie uns nun einen genaueren Blick auf eine Auswahl der Ansätze und Technologien von KI werfen, in die bereits heute viele Organisationen investieren:

• Maschinelles Lernen (ML) verwendet Algorithmen und mathematische Modelle, um Muster in Datensätzen zu identifizieren, welche Maschinen unterstützen, Probleme autonom zu lösen und ihre Lösungsansätze schrittweise zu verbessern. Um dies zu erreichen, werden verschiedene Lern- und Trainingsmethoden für die Modelle angewandt (z.B. (halb )überwacht, unbewacht). 
• Deep Learning (DL) ist eine Form von ML. Die Besonderheit des Lernansatzes besteht darin, dass Repräsentationen für komplexe Konzepte eingeführt werden, die wiederum auf Repräsentationen basieren, die in ihrer Struktur einfacher sind. Dabei verwendet DL eine Reihe von hierarchischen und miteinander verbundenen Schichten (unter Verwendung neuronaler Netzwerke), um maschinelles Lernen durchzuführen. 
• Natural Language Processing (NLP) umfasst Methoden und Techniken zur Verarbeitung und Analyse von Daten in natürlicher Sprache, die auf eine direkte, natürliche und sprachbasierte Kommunikation zwischen Mensch und Maschine abzielen.
   

Wie KI die klassische Business Intelligence revolutioniert

Anhand eines simplifizierten BI-Schichtenmodells bestehend aus Datenaufnahmeschicht, Datenverarbeitungsschicht und Datenzugriffsebene wird in dem Artikel die Einordnung heutiger KI-Bausteine sowie deren Anwendungspotentiale im Bereich von Business Intelligence an konkreten Beispielen erörtert.

KI findet sich auf allen Architekturschichten wieder. Eine Auswahl der im referenzierten Artikel ausführlich beschriebenen Beispiele ist nachfolgend skizziert:

Datenaufnahmeschicht

• Automatisierung des Datenimports durch trainierte Modelle, um gesuchte und für ein Analyseszenario erforderliche Felder in heterogenen Quellen zu identifizieren, semantisch zu kennzeichnen und sie gegebenenfalls einer gemeinsamen Zielstruktur zuzuordnen. 
• Steigerung der Datenqualität durch den Einsatz von ML. Ausgebildete Modelle stehen zur Validierung, Ergänzung und Korrektur von Datensätzen zur Verfügung. 

Datenverarbeitungsschicht

• Gruppierung und Klassifizierung unstrukturierter Texte mittels NLP. NLP-inhärente Standardfunktionen erlauben ein Clustering und die Kategorisierung von Dokumenten bereits vor deren analytischer Nutzung. Die automatisierte Verknüpfung der erkannten Inhalte mit unternehmenseigenen Daten erfolgt modellgestützt (z. B. Zuordnung zu einem Stammdatum eines Produkts). 
• Integration von Bild- und Videoinformationen durch ML und DL zur korrekten Klassifizierung und Zuordnung zu semantisch verwandten als auch vorhandenen, strukturierten Daten.

Datenzugriffsschicht

• Die Nutzung von Sprachkommandos ist bereits heute in produktiven Analyselösungen erfolgreich realisiert. Durch Sprachbefehle können beispielsweise benötigte Informationen direkt abgerufen, aufbereitet und in vordefinierten Dashboards ausgegeben werden („Zeige mir die Umsatzzahlen für Süddeutschland im Jahr 2018!“). 
• Verwendung von Multimediadaten als Eingabevariablen (z.B. Bilder, Video) für die Abfrage von analytischen Informationen (z.B. Eingabe eines Produktbilds zur Abfrage der Umsatzzahlen).
   

Ausblick

Dieser Artikel zeigt auf, dass KI schon heute Einzug in die klassische BI-Welt hält und diese auf eine neue Evolutionsstufe hebt. Auf allen Ebenen eines BI-Systems können durch ML, DL, NLP oder weitere KI-verwandte Disziplinen zum einen Mehrwerte zur Automatisierung und damit Effizienzsteigerung sowie zum anderen neue Formen der Interaktion mit und Nutzung der verfügbaren Daten realisiert werden.