Das Datenmanagement und die Einhaltung von gesetzlichen Vorschriften fordern heute Unternehmen im besonderen Masse. Um diese Herausforderungen zu meistern, ist der Einsatz künstlicher Intelligenz nicht nur eine Option sondern eine Notwendigkeit. Dazu haben wir haben mit Dr. Stefan Oglesby, einem führenden Experten für KI und Datenstrategie, diskutiert. Er hat uns wertvolle Einblicke gegeben, wie Organisationen KI nutzen können, um Innovationen voranzutreiben, die Einhaltung von Vorschriften zu verbessern und vertiefte Markteinblicke zu gewinnen.
Gerade weil der Druck in den Bereichen Governance, Risikomanagement und Compliance (GRC) sowie im Datenmanagement weiter zunimmt, ist es wichtig zu verstehen, wie KI effektiv genutzt werden kann. Da Daten zu einem zentralen Bestandteil jeder Geschäftsentscheidung werden, ist es für Unternehmen wichtig, intelligente Lösungen für das Datenmanagement einzusetzen.
Einführung in KI und Datenklassifizierung
wikima4: Was sind einige der grössten Missverständnisse über KI in der Datenklassifizierung, auf die Sie stossen?
Stefan Oglesby: Das wahrscheinlich grösste Missverständnis ist die Überschätzung der Fähigkeiten von KI. KI liefert nicht automatisch gültige Ergebnisse ohne vorherige menschliche Eingabe. KI-Modelle müssen für ihre spezifische Aufgabe entsprechend trainiert werden. Die Ergebnisse von KI-Modellen müssen ausserdem kontinuierlich von Menschen überprüft werden, um die Genauigkeit der Ergebnisse sicherzustellen. Ein weiteres potenzielles Missverständnis ist, dass KI das menschliche Urteilsvermögen ersetzen kann.
Im Allgemeinen kann KI die menschliche Entscheidungsfindung verbessern, nicht ersetzen. Fachwissen ist von entscheidender Bedeutung. Die Herausforderung besteht folglich darin, die Effizienz mit einem maximalen Automatisierungsgrad zu optimieren und gleichzeitig eine Qualitätskontrolle und -eingabe auf menschlicher Ebene sicherzustellen.
wikima4: Welche ersten Schritte sollten Organisationen Ihrer Erfahrung nach unternehmen, wenn sie mit ihrer KI-gesteuerten Datenklassifizierung beginnen?
Stefan: Wie bei jeder datenbezogenen Reise sollte man mit einer Strategie beginnen, wie Bernard Marr es ausdrückt, d. h. das Geschäftsproblem spezifizieren, das KI tatsächlich lösen soll. Das Ergebnis ist so gut wie der Input; daher ist ein ordnungsgemässer Datenaufbereitungsprozess von entscheidender Bedeutung. Die geeignete Infrastruktur, d. h. Tools, Plattformen und Teams, muss sorgfältig ausgewählt werden, wobei Kosten und Zeitaufwand gegeneinander abzuwägen sind. Schliesslich wird durch einen „Pilot- und Iterationsansatz“ das Risiko hoher Kosten und Verzögerungen vermieden. Es wird dringend empfohlen, mit einem kleinen, fokussierten Pilotprojekt zu beginnen, gefolgt von einer Iteration auf der Grundlage der Ergebnisse.
KI-Algorithmen und Kontextanalyse
wikima4: Welche der vielversprechendsten KI-Algorithmen oder -Techniken werden derzeit für die kontextbezogene Datenanalyse eingesetzt? Wie verändern sie die Landschaft des Datenmanagements?
Stefan Oglesby: Die Klassifizierung von Daten im Hinblick auf personenbezogene Daten (PII), aber auch die Identifizierung z. B. vertraulicher oder geschützter Themen eines Dokuments kann mit einer Reihe von Algorithmen und Techniken angegangen werden. Modelle zur Erkennung benannter Entitäten (Named Entity Recognition, NER), die auf Transformer-Architekturen basieren, wie z. B. BERT (Bidirectional Encoder Representations from Transformers), helfen bei der Extraktion von personenbezogenen Daten in grossen Textdaten, was ein erster Schritt zur Klassifizierung sein kann. LLMs (Large Language Models), wie z. B. GPT, sind ebenfalls eine Methode der Wahl, um kritische Themen und Inhalte zu identifizieren, da sie in der Lage sind, Kontext und Semantik in unstrukturierten Daten zu verstehen.
Verstärkendes Lernen durch menschliches Feedback ist wahrscheinlich erforderlich, um Standardmodelle an die Anforderungen einer bestimmten Organisation anzupassen und so eine kontinuierliche Verbesserung der Klassifizierungsprozesse zu optimieren.
wikima4: Was sind Ihrer Meinung nach die grössten Herausforderungen, mit denen Organisationen bei der Implementierung von KI für die Kontextanalyse konfrontiert sind, und wie können sie diese bewältigen?
Stefan Oglesby: Wie bei den meisten realen Anwendungen von (Gen-)KI ist die Qualität und Verfügbarkeit von Daten die grösste Herausforderung. Uneinheitliche, unstrukturierte, oft in Silos gespeicherte Daten müssen vor der weiteren Verarbeitung mit KI umfassend bereinigt und integriert werden. Daher benötigen alle Organisationen, die mit dem Einsatz von KI zur Klassifizierung beginnen, eine robuste Datenverwaltung und geeignete ETL-Prozesse.
Oftmals stellen Qualifikationslücken und Fehleinschätzungen des erforderlichen Änderungsmanagements erhebliche Hindernisse dar. Es müssen funktionsübergreifende Teams gebildet werden. Es müssen fortlaufende Schulungen angeboten werden, um die erforderlichen Qualifikationen zu erreichen.
Die Klassifizierung hat praktische Auswirkungen darauf, wie Teams Daten nutzen und analysieren. Ein intransparentes Black-Box-Modell kann die Akzeptanz der KI-basierten Klassifizierungsansätze in einer Organisation gefährden. Investitionen in zumindest teilweise erklärbare und interpretierbare Modelle werden dieses Risiko mindern.
Vorteile KI-gestützter Klassifizierungen
wikima4: Was sind Ihrer Meinung nach die am wenigsten genutzten Vorteile der KI-gestützten Datenklassifizierung? Warum zögern Unternehmen Ihrer Meinung nach, diese Vorteile voll auszuschöpfen?
Stefan Oglesby: Ich sehe die folgenden nicht ausreichend genutzten Vorteile:
Erstens: Verbesserte Datensicherheit: KI kann sensible Daten automatisch identifizieren und schützen und so menschliche Fehler reduzieren.
Zweitens: Einhaltung von Vorschriften: KI optimiert die Einhaltung von Vorschriften, indem sie Daten kontinuierlich überwacht und gemäss den sich weiterentwickelnden Vorschriften klassifiziert.
Schliesslich zögern Organisationen oft aufgrund von Bedenken hinsichtlich der Anfangskosten, der Komplexität der Integration und des Mangels an internem KI-Fachwissen.
wikima4: Wie hilft KI-gesteuerte Klassifizierung bei der Bekämpfung von „Schattendaten“ und der Gewährleistung einer genaueren Datenverwaltung?
Stefan Oglesby: KI hat das Potenzial, „Schattendaten“, d. h. nicht nachverfolgte, nicht klassifizierte Daten, aufzudecken, indem sie alle Daten im gesamten Unternehmen systematisch scannt und kategorisiert. Dadurch werden bisher „verschleierte“ Daten deutlich besser erkannt und sichtbar gemacht. KI, wenn sie speziell trainiert und feinabgestimmt wird, klassifiziert Daten auf systematischere Weise, wodurch Risiken reduziert und die Datenverwaltung verbessert werden.
Ausblick und Innovationen
wikima4: Mit Blick auf die Zukunft: Welche aufkommenden Trends oder Technologien werden Ihrer Meinung nach den grössten Einfluss auf die KI-gesteuerte Datenklassifizierung und die Compliance haben?
Stefan Oglesby: Parallel zum aktuellen KI-Hype ist auch das Misstrauen gewachsen, das bis zur Ablehnung gehen kann. Das umfangreiche und komplexe EU-KI-Gesetz ist ein offensichtliches Symptom dieser Entwicklung.
Federated Learning ist ein Ansatz, der es ermöglicht, ein Modell gemeinsam zu trainieren und gleichzeitig sicherzustellen, dass die Daten dezentral bleiben. Die Vermeidung der Weitergabe sensibler Daten beim Training von Modellen über dezentrale Datenquellen hinweg verbessert den Datenschutz und hilft bei der Einhaltung der einschlägigen Vorschriften.
Auf einer eher technischen Seite wird Automated Machine Learning (AutoML) eine schnellere und effizientere Bereitstellung von Datenklassifizierungsmodellen ermöglichen.
wikima4: Wie stellen Sie sich die Integration von KI in andere Technologien wie Blockchain vor, um die Einhaltung von Vorschriften in Zukunft zu verändern?
Stefan Oglesby: Die „unveränderliche“ Eigenschaft einer Blockchain gewährleistet fälschungssichere Datensätze. Die Blockchain-Technologie kann Audits optimieren und stellt sicher, dass klassifizierte Daten – zusammen mit ihrer Klassifizierung – nicht manipuliert oder verfälscht wurden.
Die Blockchain-Technologie kann ausserdem Compliance-Prozesse durch selbstausführende Smart Contracts automatisch ausführen. In diesem Szenario werden die Ergebnisse der KI-gesteuerten Datenklassifizierung auf transparente und unveränderliche Weise in einer Kette gespeichert. Der Zugriff auf kritische Off-Chain-Daten kann ebenfalls sicher mit der Blockchain-Technologie verwaltet werden. Die Kombination aus manipulationssicheren Daten, unveränderlicher Klassifizierung und dezentraler Datenzugriffskontrolle führt zu einem „vertrauenslosen“ Ansatz zum Schutz kritischer Daten, der sie gegen menschliche Fehler oder Manipulationen immun macht. Ein solcher Ansatz kann jedoch eine übermässig komplexe Lösung für ein begrenztes Problem sein.
Praktische Ratschläge und Strategien
wikima4: Welchen praktischen Rat würden Sie Unternehmen, die zögern, KI für das Datenmanagement einzusetzen, geben, um ihre Bedenken zu überwinden und den Integrationsprozess zu starten?
Stefan Oglesby: Mit einem Pilotprojekt klein anfangen: Beginnen Sie mit einem kleinen, überschaubaren KI-Projekt, um den Nutzen zu demonstrieren und Vertrauen aufzubauen. So können Organisationen schnelle Erfolge erzielen, ohne vorab grosse Investitionen tätigen zu müssen. Konzentrieren Sie sich auf Datenqualität und -sicherheit: Gehen Sie auf Bedenken ein, indem Sie sicherstellen, dass robuste Massnahmen in den Bereichen Datenverwaltung, Datenschutz und Sicherheit vorhanden sind.
Investieren Sie in Ausbildung und Training: Schulen Sie Ihre Mitarbeiter darin, die Vorteile von KI zu verstehen und zu erkennen, dass sie menschliches Fachwissen ergänzt und nicht ersetzt.
wikima4: Was sollten Unternehmen bei der Auswahl eines KI-Technologiepartners berücksichtigen, insbesondere im Bereich der Datenklassifizierung und Compliance?
Stefan Oglesby: Es ist wichtig, einen Partner mit Fachwissen im Bereich der Datenklassifizierung zu suchen. KI ist nur ein neues Instrument im Werkzeugkasten, das an die spezifischen Anforderungen der auszuführenden Aufgaben angepasst werden muss. Daher würde ich mich auf die Erfolgsbilanz eines potenziellen Partners in den Bereichen Datensicherheit, Risk Management und Compliance konzentrieren.
Flexible Lösungen, die auf Ihre spezifischen Bedürfnisse zugeschnitten werden können, sowie fortlaufende Unterstützung sind ein Muss.Ich empfehle ausserdem, nach Partnern zu suchen, die in der Vergangenheit ein klares Bekenntnis zu ethischen Praktiken gezeigt haben. Ich würde auch nach ihrem Ansatz zur Erklärbarkeit von KI-Modellen fragen, um Vertrauen zu schaffen und regulatorische Standards zu erfüllen.
Die Rolle von KI in der Marktforschung:
wikima4: Können Sie uns anhand von Insight Lab, einer KI-gesteuerten Plattform für qualitative Marktforschung, erläutern, wie KI die Marktforschung verändert und welche Herausforderungen sie mit sich bringt?
Stefan Oglesby: KI verändert die Marktforschung, indem sie die Transkription, Verarbeitung und Analyse grosser Mengen qualitativer Daten, wie z. B. Kundenfeedback und Interviews, mit beispielloser Geschwindigkeit und Genauigkeit automatisiert. Diese Automatisierung ermöglicht es Forschern, sich auf höherwertige Aufgaben wie strategische Analysen und Entscheidungsfindung zu konzentrieren.
Generative KI kann auch die Erfassung von tiefergehendem, qualitativem Kundenfeedback beschleunigen, indem sie neutrale, motivierende Sondierungen während Online-Interviews automatisiert.
Zu den Herausforderungen gehören jedoch die Sicherstellung, dass die KI Nuancen und Stimmungen in Daten korrekt interpretiert, die Verwaltung des Datenschutzes und die Aufrechterhaltung der Qualität und Genauigkeit der gewonnenen Erkenntnisse. Generative KI ist der nie schlafende Assistent des Marktforschers. KI kann das tiefgreifende Markt- und Strategieverständnis des erfahrenen leitenden Forschers nicht ersetzen. Noch immer validiert der Mensch die KI-Ergebnisse. Insight Lab begegnet diesen Herausforderungen mit skalierbaren Tools und Funktionen für die Zusammenarbeit. Sie verbessern die Effizienz als auch die Zuverlässigkeit der Marktforschungsergebnisse.
wikima4: Wie können KI-gesteuerte Marktforschungsinstrumente tiefere Einblicke bieten, die bisher nur schwer zu gewinnen waren?
Stefan Oglesby: Kosten und Zeitrahmen waren bisher grosse Hindernisse bei der Gewinnung qualitativer, tieferer Einblicke in die Verhaltensmuster, Bedürfnisse und Wünsche der Verbraucher. KI-gesteuerte Marktforschungsinstrumente können den Zeitaufwand für die Analyse grosser Mengen von Verbrauchergesprächen um bis zu 70 % reduzieren. Dadurch werden qualitative, tiefgehende Erkenntnisse erschwinglich und für ein viel breiteres Spektrum strategischer und taktischer Marketingherausforderungen nutzbar. Darüber hinaus können optimierte KI-Tools, die auf fortschrittlichen und speziell abgestimmten LLMs (Large Language Models) basieren, unstrukturierte Daten auf äusserst präzise Weise analysieren. Sie vermeiden dabei häufig die Voreingenommenheit, die von weniger erfahrenen Junior-Forschern eingebracht wird, die oft die Schwerstarbeit bei qualitativen Projekten leisten.
Ich bin davon überzeugt, dass die Vorteile von KI weit über Kosten und Effizienz hinausgehen. Mit KI können Dinge getan werden, die vorher nicht möglich waren! Mit einem „Chat your data“-Ansatz kann der Entscheidungsträger die ursprünglichen, anonymisierten Verbrauchergespräche jederzeit zur Beantwortung von Fragen und zur Unterstützung von Ideenfindungsprozessen nutzen. So kann beispielsweise ein Produktmanager ein KI-Tool verwenden, um innovative Produkt- und Dienstleistungskonzepte auf der Grundlage der authentischen, ungefilterten Stimme der Kunden zu erstellen.
Persönliche Einblicke und Reflexionen:
wikima4: Was hat Sie dazu inspiriert, sich in Ihrer Karriere auf KI und Datenstrategie zu konzentrieren? Gibt es persönliche Erfahrungen oder Erkenntnisse, die Sie teilen können und die Ihre Ansichten über die Zukunft der KI geprägt haben?
Stefan Oglesby: Die Inspiration, mich in meiner Karriere auf KI und Datenstrategie zu konzentrieren, kam daher, dass ich die transformative Kraft datengestützter Entscheidungsfindung und die Effizienz, die KI bei der Verarbeitung und Analyse grosser Datensätze mit sich bringt, selbst erlebt habe. Meine persönlichen Erfahrungen mit den Grenzen traditioneller Datenanalysemethoden und der rasanten Entwicklung der KI-Fähigkeiten haben das Potenzial für bedeutende Fortschritte in diesem Bereich aufgezeigt. Diese Erfahrungen haben meine Überzeugung geprägt, dass KI in Zukunft eine entscheidende Rolle im Datenmanagement spielen wird, insbesondere bei der Verbesserung von Präzision und Geschwindigkeit.
wikima4: Wenn Sie einen grossen Durchbruch in der KI für die Datenklassifizierung oder Compliance innerhalb des nächsten Jahrzehnts vorhersehen könnten, welcher wäre das und warum?
Stefan Oglesby: Mit Blick auf die Zukunft sehe ich einen grossen Durchbruch bei der KI für die Datenklassifizierung und Compliance, der mit der Entwicklung selbstregulierender KI-Systeme einhergeht. Diese Systeme würden nicht nur Daten klassifizieren, sondern auch die Einhaltung sich entwickelnder globaler Vorschriften autonom sicherstellen. Dieser Fortschritt würde die Kosten für menschliche Fehler und Versehen drastisch senken und die Compliance nahtlos und effizienter machen, was angesichts immer strengerer Datenschutzgesetze von entscheidender Bedeutung ist.
Zusammenfassung
In einer Zeit, die zunehmend von datengesteuerten Strategien dominiert wird, unterstreichen die in diesem Interview geteilten Erkenntnisse, wie wichtig es ist, KI nicht nur als Werkzeug zur Automatisierung, sondern auch für die Innovation und Compliance zu betrachten. Unternehmen, die in robuste Datenverwaltung investieren, ihre Teams weiterbilden und ihre KI-Technologiepartner sorgfältig auswählen, sind gut positioniert, um die Vorteile der KI effektiv zu nutzen. Auf diese Weise können sie potenzielle Herausforderungen in Chancen verwandeln und eine Kultur der kontinuierlichen Verbesserung und Agilität fördern. Wie Dr. Oglesby andeutet, ist der Weg zur KI-Integration nicht ohne Hürden, aber mit dem richtigen Ansatz und der richtigen Denkweise kann er zu transformativen Ergebnissen für Unternehmen führen.
Mehr über unseren Experten
Dr. Stefan Oglesby ist ein erfahrener Daten- und KI-Stratege mit einer Leidenschaft für Innovationen in den Bereichen Datenanalyse und Marktforschung. Durch seine langjährige Erfahrung in Leitungspositionen und als Unternehmer versteht er es, komplexe Daten in umsetzbare Geschäftsstrategien umzuwandeln. Derzeit konzentriert sich Dr. Oglesby auf den Aufbau von Insight Lab, einer KI-gesteuerten Plattform für qualitative Marktforschung. Seine Expertise erstreckt sich über Branchen wie Konsumgüter, Finanzen und Medien.