Künstliche Intelligenz ermöglicht es dem Menschen, sich auf die wirklich wichtigen Aufgaben zu konzentrieren. Künstliche Intelligenz ersetzt uns nicht, sondern kann Schritte in der Kette von Schlussfolgerungen, Vorhersagen, Entscheidungen und nachfolgenden Handlungen übernehmen, die für das menschliche Gehirn zu zeitaufwändig, mühsam oder schwierig sind, um sie in großem Umfang zu erledigen. Damit KI in jedem Umfeld effektiv und ethisch vertretbar arbeiten kann, muss sie mit organisatorischen, kulturellen und menschlichen Fähigkeiten gepaart werden. In diesem Artikel werden wir drei Elemente aus dem DAIN Data & AI Maturity Model (DAMM) vorstellen, die wir als "menschliche" Befähiger bezeichnen.
Dies ist Teil 3 unserer vierteiligen Artikelserie, in der wir erklären, wie wir unsere Kunden bei ihrer Daten- und KI-Transformationsreise beraten und das DAIN Data & AI Maturity Model vorstellen.
- Teil 1 stellt das DAIN Data & AI Maturity Model (DAMM) vor.
- Teil 2 befasst sich eingehender mit den strategischen Einflussfaktoren.
- Teil 3 (dieser Artikel) geht auf die organisatorischen und menschlichen Voraussetzungen ein.
- Teil 4 befasst sich mit den Kerntechnologien der Daten- und KI-Transformationen.
Aufbau der Organisation und Kultur
Datenumwandlungen geschehen nicht über Nacht; sie erfordern Veränderungen in einer Organisation, ihrer Kultur und ihren Arbeitsweisen. Ein wichtiger Aspekt ist, dass es sich bei der Datenanalyse nicht nur um "Data Science" handelt, die dem Datenteam vorbehalten ist, sondern um eine Veränderung der Art und Weise, wie Entscheidungen durch eine gründliche Analyse der Daten getroffen werden. Um dies zu unterstreichen, haben sich einige Organisationen sogar dafür entschieden, anstelle von Daten und Analysen den Begriff "Entscheidungswissenschaft" zu verwenden.
Um mit der Entscheidungswissenschaft erfolgreich zu sein, ist eine enge Interaktion zwischen Geschäfts- und Technologieakteuren ein Muss. Die Mitglieder des Datenteams müssen das Unternehmen, mit dem sie zu tun haben, verstehen. Ebenso sollten die Interessenvertreter des Unternehmens ein gutes Verständnis der Konzepte der Datenwissenschaft haben, insbesondere in Bezug auf die Anwendung von Datenanwendungsfällen für ihren Geschäftsbereich. Ein solches Verständnis auf beiden Seiten hilft bei der Interaktion mit den Beteiligten erheblich.
Da sich Unternehmen, Unternehmenskultur und Fähigkeiten von Unternehmen zu Unternehmen unterscheiden, gibt es keine Einheitslösung für die Organisation Ihrer Datenteams. Während ein Kompetenzzentrum in bestimmten Situationen die richtige Struktur sein kann, müssen sich seine Rolle und sein Einfluss ändern, wenn das Unternehmen "datenreif" wird. In der idealen Phase ist es wichtig, die Organisation mit einem klaren Zweck und einer klaren Struktur zu gestalten, damit die richtigen Kompetenzen in den richtigen Teams, die über das gesamte Unternehmen verteilt sind, zur Verfügung stehen.
Neben der Verbesserung des Verständnisses zwischen den Beteiligten müssen formale Governance-Prozesse eingeführt werden, um sicherzustellen, dass Entscheidungen, Zuständigkeiten und Eskalationswege für alle klar sind. Dieses Modell wird als Betriebsmodell für die Daten- und KI-Entwicklung bezeichnet und soll sicherstellen, dass alle in diesem Modell beschriebenen Befähiger und Einflussfaktoren in der Praxis reibungslos funktionieren. Dies ist ein umfassendes Thema, das wir in einem späteren Kapitel dieser Artikelserie ausführlicher behandeln werden.
Der Zweck einer guten Datenkultur ist es, sicherzustellen, dass die Investitionen in die Verbesserung der allgemeinen Datenreife von der Organisation in vollem Umfang genutzt werden. Um auf den Begriff Entscheidungswissenschaft zurückzukommen, bedeutet eine gute Datenkultur, dass Daten zur Unterstützung von Entscheidungen herangezogen werden, wann immer relevante Daten und Analysen zur Verfügung gestellt werden können. Die Organisation sollte sich von einem Bauchgefühl zu einem datengesteuerten Verhalten wandeln.
Ein großer europäischer Telekommunikationsanbieter stand vor der Herausforderung, die Wirkung von Daten- und KI-Projekten in mehreren Ländern zu beschleunigen. Eine wichtige Initiative war die Umgestaltung der Datenteams zur Unterstützung der einzelnen lokalen Organisationen. Es wurde ein "Hub and Spoke"-Modell mit einem Kompetenzzentrum für Daten und Analytik eingerichtet, um die lokalen Einheiten in die Lage zu versetzen, ihre eigenen Lösungen für ihre jeweiligen Märkte bereitzustellen. Dies stellte ein optimales Gleichgewicht dar, da die lokalen Einheiten aufgrund von Unterschieden bei externen Markttrends, Kundenbedürfnissen und internem Reifegrad ein gewisses Maß an Unabhängigkeit benötigten, während sie gleichzeitig von der zentralen Organisation mit gemeinsamen Fähigkeiten (z. B. Data-Science-Experten) und Technologien (z. B. einer gemeinsamen Datenplattform) versorgt wurden.
Daten und KI bedeuten neue Kompetenzen
Die Arbeit mit Daten und fortgeschrittene Analysen sind neue Disziplinen für Unternehmen. Mit neuen Disziplinen kommen auch neue Anforderungen an die menschlichen Fähigkeiten. Während Unternehmen in der Regel bereits über interne oder externe Kompetenzen für die Verwaltung von Daten, Data Warehouses und die Entwicklung von Berichten verfügen, erfordern die Verwaltung größerer Datenmengen und fortschrittliche Analysen neue Kompetenzen. Wie unter "Organisation und Kultur" beschrieben, sind außerdem das Verständnis und die Anwendung von Daten für die Entscheidungsfindung wichtig, um sicherzustellen, dass die Bemühungen einen nachhaltigen Einfluss auf das Unternehmen haben werden. Auf dem heutigen Markt, auf dem Datentalente sehr gefragt sind, ist es schwierig, Fachkräfte einzustellen oder unter Vertrag zu nehmen. Daher ist ein klarer Plan für die menschlichen Fähigkeiten erforderlich, um sicherzustellen, dass die relevanten Fähigkeiten zur Verfügung stehen, wenn und wo sie benötigt werden.
Der Beginn einer Datentransformation in einem Unternehmen erfordert in der Regel den Einsatz externer Ressourcen, die bei der Erstellung eines Plans und möglicherweise bei der Implementierung der ersten Datennutzungsfälle helfen. Der Einsatz von Externen ist in den ersten Phasen logisch, wenn Ihr eigenes Datenteam nicht vorhanden oder klein ist. Externe Mitarbeiter, die in der Vergangenheit mit ähnlichen Projekten gearbeitet und daraus gelernt haben, sind von unschätzbarem Wert, wenn es darum geht, die richtige Richtung vorzugeben und erste Erfolgsgeschichten zu schreiben. Ein umfassender Einsatz externer Ressourcen erhöht jedoch das Budget und verringert die Entwicklung interner Fähigkeiten. Ziel ist es, das richtige Gleichgewicht zwischen Externen und Internen zu finden. Im Optimalfall sorgen die externen Ressourcen dafür, dass sich das Boot im richtigen Windwinkel, vor dem Wind und gegen den Wind bewegt, während die internen Ressourcen ständig neue Manöver lernen und die Führung dem gesamten Team sagt, wo es lang geht.
Ähnlich wie das Gleichgewicht zwischen Externen und Internen sollte auch das Datenteam ein ausgewogenes Verhältnis zwischen älteren und jüngeren Mitarbeitern aufweisen, das dem Reifegrad der Daten insgesamt entspricht. Da die Nachfrage nach Fähigkeiten oft von Projekt zu Projekt variiert, hilft eine unterschiedliche Seniorität bei der Zuweisung von Aufgaben und der Motivation des Teams. Darüber hinaus helfen ein gut durchdachter Karrierepfad und einheitliche Titel im Datenteam dabei, Talente anzuziehen, und zwar sowohl jüngere als auch ältere. Führende Unternehmen können die besten Talente ihrer Klasse anziehen, was ihre Reife weiter steigert.
Datennutzungsfälle werden nur begrenzte Auswirkungen haben, wenn das Unternehmen nicht bereit ist, die Ergebnisse zur Verbesserung des Geschäfts und der Abläufe zu nutzen. Datenkompetenz ist die Fähigkeit, Daten als Informationen zu lesen, zu verstehen, zu erstellen und zu kommunizieren. In der gesamten Organisation werden Datenkompetenz-Fähigkeiten benötigt, um sicherzustellen, dass die Erkenntnisse des Analyseteams richtig verstanden und entsprechende Maßnahmen ergriffen werden.
Insgesamt gibt es viele Fähigkeiten, die bei der Umstellung erfüllt werden müssen. Einige können eingestellt, andere ausgelagert werden, aber noch wichtiger ist, dass das Wissen der gesamten Organisation über Daten und KI angehoben wird. Dies ist notwendig, um die allgemeinen Anforderungen an die Datenkompetenz zu erfüllen, eine Kultur der Innovation mit Daten zu etablieren und eine reibungslosere Kommunikation zwischen Geschäfts- und Datenteams zu ermöglichen. Zusätzlich zur allgemeinen Ausbildung sollten spezielle Schulungen für die Mitglieder des Datenteams angeboten werden, um ihr Fachwissen zu erweitern.
Nach der Umstrukturierung der Datenteams in einem Hub-and-Spoke-Modell bestand die zweite Herausforderung für den Telekommunikationsanbieter darin, seine internen Fähigkeiten bei der Bereitstellung von Datennutzungsfällen zu verstehen und zu verbessern. Die Lösung begann mit einer Bestandsaufnahme der aktuellen Fähigkeiten und der Festlegung eines Anspruchsniveaus sowohl für die zentrale als auch für die lokale Landesorganisation. Dabei wurden die spezifischen Qualifizierungsanforderungen herausgestellt, so dass das Kompetenzzentrum ein maßgeschneidertes Schulungsprogramm für die Mitarbeiter erstellen konnte. Vor allem aber umfasste es nicht nur rein technische Schulungen, sondern eine Mischung aus technischen und nichttechnischen Vorträgen und Übungen, die sich an drei Hauptzielgruppen richteten: Führungskräfte, Datenexperten und Geschäftsinteressierte. Das Programm steigerte nicht nur die Datenkompetenz innerhalb des Unternehmens, sondern sorgte auch für Begeisterung, Dynamik und Zusammenhalt zwischen den verschiedenen Abteilungen, wodurch die Datenkultur im Unternehmen gestärkt wurde.
Berücksichtigung von Datenschutz und Ethik
Datenschutz und ethische Aspekte der Datennutzung und KI sind wichtige und aktuelle Themen. Sie beschleunigen zwar nicht unbedingt die Datentransformation, stellen aber sicher, dass die Datennutzung mit den rechtlichen und ethischen Standards unserer Gesellschaft übereinstimmt. Die Nichteinhaltung eines dieser Standards kann schwerwiegende Folgen haben, weshalb wir diesem Thema einen ganzen Abschnitt gewidmet haben.
Der Datenschutz, manchmal auch als Informationsschutz bezeichnet, ist ein Bereich des Datenschutzes, der den ordnungsgemäßen Umgang mit sensiblen Daten betrifft, insbesondere mit personenbezogenen Daten, aber auch mit anderen vertraulichen Daten wie bestimmten Finanzdaten und Daten über geistiges Eigentum. Personenbezogene Daten sind alle Informationen, die dazu genutzt werden können, die Identität einer Person zu bestimmen oder zurückzuverfolgen, oder die in Verbindung mit anderen personenbezogenen oder identifizierenden Informationen einer bestimmten Person zugeordnet oder mit ihr verknüpft werden können.
In der Europäischen Union, im Vereinigten Königreich, in Kalifornien und in vielen anderen Regionen legt die Datenschutzgesetzgebung einen Rahmen für den Umgang mit personenbezogenen Daten fest. Zumindest sollte der Datenschutz diesen gesetzlichen und möglicherweise vertraglichen Anforderungen entsprechen. Dies ist jedoch oft nicht ausreichend. Das Grundniveau bedeutet, dass die obligatorischen Anforderungen erfüllt werden, aber nicht, dass die datenschutzbezogenen Verantwortlichkeiten klar und die Prozesse effizient sind. Um die unnötige Weitergabe von Daten zu vermeiden, sollte das allgemeine Bewusstsein für den Datenschutz in der Organisation geschärft werden.
Es gibt keine klar definierten Regeln für die Bewertung der Ethik, wie es sie für den Datenschutz gibt. Die Europäische Kommission hat unter einen Vorschlag für ein KI-Gesetz veröffentlicht, das zum ersten Maßstab für die Regulierung von Daten und KI werden könnte, aber frühestens 2022 in Kraft treten wird. In der Zwischenzeit sollten Organisationen ihre eigenen Richtlinien für die ethische Nutzung von Daten definieren und Governance-Prozesse zu deren Durchsetzung einrichten. Die Richtlinien sollten ausgehend davon definiert werden, was die allgemein akzeptable und faire Nutzung von Daten sowohl innerhalb der Branche als auch im breiteren gesellschaftlichen Kontext ist. Was Führungskräfte in diesem Bereich auszeichnet, ist die Fähigkeit, die allgemeinen Richtlinien zu übersetzen, zu kommunizieren und in die täglichen Arbeitsabläufe aller Mitarbeiter, die mit Daten arbeiten, einzubetten. Klare Richtlinien verdeutlichen dem Unternehmen, was Datenschutz und Ethik in der Praxis bedeuten .
DAIN führte 2019-20 ein Datenstrategieprojekt für die Stadt Helsinki durch. Ein großer Teil der Komplexität bei der Datennutzung in einer Stadt besteht darin, die Einhaltung der rechtlichen Anforderungen zu gewährleisten. Die Anforderungen an die Datennutzung in einer öffentlichen Organisation gehen weit über die GDPR hinaus, die die Verwendung vordefinierter Regeln für die Datennutzung verhindert. Die Lösung für die Stadt war die Einrichtung einer Arbeitsgruppe zur Datennutzung, die sich regelmäßig trifft und neue Datenverwendungsfälle bewertet. Die Organisation der Stadt profitiert nun davon, dass es eine einzige Behörde und ein einziges Verfahren zur Genehmigung der legalen und ethischen Datennutzung gibt. Es mag schwierig sein, eine Reihe von Regeln für die legale und ethische Nutzung von Daten für alle Anwendungsfälle aufzustellen, aber ein klares Verfahren zur Bewertung von Anwendungsfällen ist ein Schritt in die richtige Richtung.
Transformation beginnt bei den Menschen
Transformationen werden von Menschen durchgeführt. Die richtigen menschlichen Fähigkeiten, eine Kultur, in der Daten einen hohen Stellenwert haben, und eine Organisation, die die Datenumwandlung unterstützt, machen die Reise reibungsloser. Um sicherzugehen, dass Sie Fortschritte machen, empfiehlt es sich, die Bewertung der Datenreife wiederholt durchzuführen, kontinuierlich zu verstehen, wo Sie sich auf dem Weg befinden, und sicherzustellen, dass keine Befähiger zurückbleiben.
Um mehr über die Reise zu erfahren, empfehlen wir Ihnen auch einen Leitfaden, der von zwei unserer Gründer geschrieben wurde: Wie Sie Ihre Daten- und KI-Strategie definieren und umsetzen.