“Eine Datenstrategie sollte den Fachbereichen die Kontrolle über ihre Daten überlassen”

Was sind die wichtigsten Elemente, die man bei einer Datenstrategie berücksichtigen sollte? 

Wenn ein Unternehmen ein Datenprojekt startet, sollte es zunächst prüfen, ob es bereits eine Datenstrategie hat. Wenn dies nicht der Fall ist, unterstützen wir das Unternehmen bei dieser Aufgabe, damit es ein Projekt entwickeln kann, das wirklich den Bedürfnissen der Geschäftsbereiche entspricht. Das erfordert allerdings, dass man sich die Zeit nimmt, die Bedürfnisse der verschiedenen Abteilungen zu analysieren, um die Erwartungen oder mögliche Risiken, zum Beispiel im Bereich des Datenschutzes, richtig zu verstehen. Unserer Ansicht nach ist es wichtig, eine hybride Datenstrategie zu verfolgen, die zwar von der IT gesteuert wird, aber den Fachbereichen die Kontrolle über ihre Daten überlässt. Es geht also darum, eine Governance zu implementieren, die diesem Ansatz entspricht. Zudem braucht es eine geeignete Plattform, um die Daten kohärent zusammenzufassen. Unternehmen sind heute mehr denn je in der Lage, eine grosse Menge an Daten zu nutzen, die von IoT-Sensoren stammen, teilweise sogar in Echtzeit. Das Ziel wird also sein, dass alle für ein Projekt relevanten Daten nutzbar sind und einen Wert generieren können.

Welche Bedürfnisse haben Schweizer Unternehmen in Bezug auf KI?

Der KI-Boom hat dazu geführt, dass diese Technologien in allen Unternehmensbereichen sehr gefragt sind. Allerdings haben die Kunden nicht immer eine klare Vorstellung davon, welche Projekte sie umsetzen können. Darüber hinaus bestehen Bedenken bezüglich der Datensicherheit und des Datenschutzes. Unser Ansatz besteht zunächst darin, Anwendungsfälle zu empfehlen, bei denen man öffentliche oder kaum sensible Daten mithilfe geeigneter Tools nutzt. So haben wir beispielsweise Chatbots durch die Integration von OpenAI in Microsoft Azure eingesetzt, um die Suche in öffentlich verfügbaren PDF-Dokumenten zu erleichtern. Als Nächstes haben wir auf private, aber nicht sensible Daten zurückgegriffen, beispielsweise auf Informationen, die von der Personalabteilung bereitgestellt werden, oder auf Informationen aus vorhandenen FAQs. Mit solchen Anwendungen kann man schrittweise Erfahrungen sammeln, um anschliessend Projekte in Angriff zu nehmen, die in puncto Datenschutz und Sicherheit komplexer sind. 

Welche KI-basierten Use Cases stossen auf das grösste Interesse? 

Abgesehen von intelligenten Suchfunktionen, die auf Chatbot-Schnittstellen zugreifen, geht es immer häufiger um Prozessautomatisierung. In solchen Fällen geht es darum, Daten zu extrahieren, sie anschliessend zu analysieren, zu kontrollieren und allenfalls in andere Systeme zu integrieren. Tools, die dabei helfen, bestimmte Prozesse zu automatisieren, gibt es zwar schon lange. Doch generative KI ist dermassen leistungsfähig, dass sich solche Projekte heutzutage viel einfacher und schneller umsetzen lassen. Weitere Anwendungsfälle, an denen wir immer häufiger arbeiten, betreffen das Generieren von Inhalten. GenAI ist sehr nützlich, um beispielsweise Übersetzungen zu erstellen oder um Bewerbungen auf Ausschreibungen zu automatisieren. 

Business Intelligence (BI) per Selbstbedienung - ist das heute schon Realität in den Unternehmen? 

Wenn BI-Selbstbedienungslösungen mithilfe von Tools wie Power BI gut implementiert werden, können sie einem Unternehmen als Wertschöpfungsfaktor dienen. Die Voraussetzung dafür ist jedoch die gleiche wie bei jedem anderen Datenprojekt: Es braucht zunächst eine klare Governance. Und der entsprechende Aufwand wird manchmal unterschätzt. Wie bereits erwähnt, besteht das Erfolgsrezept immer in einer ausgewogenen Zusammenarbeit zwischen IT und den Fachabteilungen.