Martin Schneider ist Senior Data Scientist bei eoda und betreut seit über 10 Jahren branchenübergreifend Unternehmen bei der Entwicklung von Datenstrategien und der Umsetzung von Data-Science-Projekten. Mit dieser Erfahrung blickt er auf die Rahmenbedingungen erfolgreicher Datenprojekte, die richtigen Einstiegspunkte und die Bedeutung eines breit geteilten Datenverständnisses.

eoda blickt auf über 12 Jahre Erfahrung zurück, du selber bist seit über 10 Jahren als Data Scientist und Consultant tätig. Was sind aus deiner Sicht die Rahmenbedingungen für erfolgreiche Datenprojekte?

Martin Schneider: Entscheidend für erfolgreiche Data-Science-Projekte ist ein gut definierter Use Case – zum Beispiel bei Prognosethemen mit klaren Zielgrößen für die spätere Erfolgsmessung des Projekts. Wir sehen oft Beispiele, in denen ausgehend von einer groben Vorstellung oder Idee Data-Science-Projekte gestartet werden. Die fehlende Präzision in der Vorbereitung fällt den Beteiligten dann regelmäßig im Projektverlauf auf die Füße.

Um das Ziel eines Use Cases präzise formulieren zu können, benötigt es neben der Data Science Kompetenz immer auch die Fachkompetenz. Oder anders gesagt: Es benötigt ein Grundverständnis über die Funktionsweise von relevanten Algorithmen, aber genauso benötigt es fachliches Hintergrundwissen, um definieren zu können was wirklich hilft. Eng verbunden mit der Zielformulierung ist die Erwartungshaltung. Hier heißt es, realistisch zu bleiben und dennoch immer das übergeordnete Ziel im Auge zu behalten, dass Projekt in einen monetären Gegenwert zu überführen. Denn bei aller Innovativität und Disruption darf in Datenprojekten nie der Selbstzweck im Vordergrund stehen, sondern muss Data Science konkrete Lösungen für die Herausforderungen des Unternehmensalltags liefern.

Produktion, Verwaltung, Marketing oder Sales: Nahezu jeder Unternehmensbereich bietet heute einen Datenschatz, der darauf wartet gehoben zu werden. Wie lassen sich bei dieser Vielfalt der Möglichkeiten die richtigen Anwendungsfälle finden – gerade zum Einstieg?

Die Möglichkeiten sind wirklich vielfältig und können gerade beim Einstieg auch überfordern. Deswegen ist es wichtig, die Low Hanging Fruits zu identifizieren und mit diesen zu starten. Oft liegt der Fokus sehr stark auf Anwendungsfällen, die vermeintlich das größte wirtschaftliche Potenzial oder eine besondere Strahlkraft für den KI-Einsatz haben. Diese sollen natürlich im Zeitverlauf auch angegangen werden. Aber zum Start lohnt sich insbesondere der Blick auf Use Cases mit etwas weniger Potenzial, wenn dafür die Umsetzung schneller und einfacher scheint. Zum Beispiel, wenn die benötigten Daten für einen Use Case bereits entsprechend vorliegen und für einen anderen Anwendungsfall erst gesammelt oder aufwändig aufbereitet werden müssen. Dann ist der Weg zu den ersten KI-Erfolgserlebnissen als Ausgangspunkt für alles Weitere deutlich kürzer.

Diese Low Hanging Fruits finden wir in der Regel bei all unseren Kundinnen und Kunden. Oft finden wir sie aber nicht in den Bereichen, in denen sie im Vorfeld vermutet wurden, sondern insbesondere im Bereich der Routineaufgaben und – prozesse. Gerade in der Ablösung wiederkehrender Aufgaben, wie zum Beispiel der Rechnungsklassifizierung und -kontierung, durch eine KI-gestützte Prozessautomatisierung liegt ein enormes Potenzial.

Im eoda KI-Use-Case-Workshop entwickelst du mit Unternehmen erfolgsversprechende KI-Anwendungsfälle. Was treibt diese Unternehmen um?

Bei unserem Use-Case-Workshop unterscheiden wir in zwei Varianten: Eine für Unternehmen, die erstmal potenzielle Use Cases initial sammeln wollen und eine andere für Unternehmen, die bereits Ideen besitzen oder sogar Anwendungsfälle in der Umsetzung haben und diese auf den Prüfstand stellen möchten. Beide Kundentypen vereint der Wunsch, datengestützt neue Wege zu gehen, aber natürlich auch der Anspruch, die Investition in das komplexe Thema Künstliche Intelligenz so erfolgreich und sicher wie möglich zu tätigen.

Unseren Use-Case-Workshop haben wir damals als Einstiegsformat konzipiert. Mittlerweile nutzen ihn auch Unternehmen mit einem höheren Reifegrad, bei denen bereits Data-Science-Teams etabliert sind und die zumindest eine erste Vision für das Thema KI haben. Hier unterstützen wir vor allem dabei, bei der Vielfalt an Anforderungen den richtigen Fokus zu setzen und damit den Wirkungsgrad der Data Scientists zu steigern.

Stellt der Use-Case-Workshop also auch eine Initialzündung für die Unternehmen bei den Themen Data Science und KI dar?

Auf jeden Fall. Der Use-Case-Workshop bringt Beteiligte aus unterschiedlichen Unternehmensbereichen zusammen und ist dabei für viele der erste richtige Berührungspunkt mit dem Thema Künstliche Intelligenz. Dabei verwandelt sich anfängliche Skepsis in großes Interesse und Begeisterung. Dies zeigt sich besonders darin, dass wir für die erfolgversprechendsten Anwendungsfälle sehr schnell Ansprechpartner auf Kundenseite finden, die die Themen vorantreiben möchten.

Was ist dein Tipp, um beim Thema Data Science / KI als Unternehmen Traktion aufzunehmen?

Speziell das Thema Künstliche Intelligenz ist für viele Mitarbeitende in den Unternehmen noch schwer greifbar und bewegt sich gerade in den Medien zwischen zwei Extremen: Auf der einen Seite die große Gefahr und auf der anderen Seite die magische Wundertechnologie. Ich denke, der größte Hebel ist es, in der Belegschaft ein gutes Grundverständnis für die Möglichkeiten von KI und den damit verbundenen Prozessen aufzubauen. Es ist also wichtig, Data Science als unternehmensweites Thema zu verstehen und nicht nur als das einer dezidierten Fachabteilung oder der IT. Wenn dieses Datenverständnis da ist, entsteht auch ein entsprechendes Mindset. Damit meine ich, dass die Mitarbeitenden in der Lage sind, mit Hilfe von Daten und Algorithmen neue Geschäftschancen zu erschließen und bestehende Prozesse zu verändern. Eine enorme Hilfe für diesen Prozess können Leuchtturmprojekte sein, die einerseits einen klaren Nutzen von KI im Unternehmen aufzeigen können, aber auch einen Einblick in die grundlegende Funktionsweise von Data Science / KI gewähren.

Danke für die Einblicke.