KI-basiertes Decision-Making: So gelingt die Zusammenarbeit zwischen Mensch und Maschine

Die Dynamik moderner Märkte lässt viele tradierte Entscheidungsstrategien von Unternehmen aus Handel und Industrie im wahrsten Sinne alt aussehen. Ein erfolgversprechender Ansatz für ein zukunftsfähiges Decision Making ist das koordinierte Zusammenspiel von Künstlicher Intelligenz (KI) und menschlicher Intuition. Dabei kommt der Verfügbarkeit und leichten Verwertbarkeit der Daten eine besondere Bedeutung zu. Vor der Einführung eines neuen Produkts müssen beispielsweise möglichst weitreichende Informationen zum Kundenkreis, zu konkurrierenden Angeboten und Kosten und zur Verfügbarkeit von Ressourcen eingeholt werden. Um aus den dabei anfallenden großen Datenmengen nutzbare Erkenntnisse zu ziehen, haben sich moderne KI-gestützte Methoden als besonders hilfreich erwiesen.

Wie verbessert Decision Intelligence die Geschäftsentscheidungen?

Die dabei vielversprechendste Methode ist Decision Intelligence. Sie erweitert die traditionelle, beschreibende Business Intelligence um Trenderkennung mittels Predictive Analytics und gibt Handlungsempfehlungen durch Prescriptive Analytics. Diese Empfehlungen können je nach Anforderungen von menschlichen Entscheidern berücksichtigt oder von der KI vollständig automatisiert umgesetzt werden. Ein solches KI-basiertes Decision Making zielt darauf ab, die jeweiligen Vorteile menschlicher und maschineller Fähigkeiten zu kombinieren – und so mit informierten Entscheidungen bessere Geschäftsergebnisse zu erzielen.

Die besten Fähigkeiten von Mensch und Maschine vereinen
Künstliche Intelligenz ist immer dann überlegen, wenn große Mengen von Daten aus unterschiedlichen Quellen und Formaten unvoreingenommen auf Zusammenhänge untersucht werden müssen. Bei den aktuell anfallenden Datenvolumina übersteigt eine solche Aufgabe die menschlichen Verarbeitungskapazitäten – insbesondere dann, wenn Analysen in Fast-Echtzeit benötigt werden. Zudem sind unsere Entscheidungen häufig von unbewussten Wahrnehmungsverzerrungen geprägt.

Wir neigen beispielsweise dazu, Bestehendes und Bekanntes zu bevorzugen oder uns von Stereotypen leiten zu lassen – glauben aber selbst, die Realität objektiv zu betrachten. Dafür sind Menschen in der Lage, schwer quantifizierbare oder nicht von den Datensätzen erfasste Informationen sowie emotionale Bedeutung in ihre Überlegungen mit einzubeziehen. Eine Zusammenführung dieser spezifischen Fähigkeiten von Mensch und Maschine ist daher ein vielversprechender Weg zu erfolgreichen Geschäftsentscheidungen.

Für jeden Use Case die passsende Form der Decision Intelligence
Im Rahmen der Decision Intelligence wird dabei – in aufsteigender Reihenfolge der KI-Autonomie – zwischen drei verschiedenen Modi der Kooperation von KI und menschlichen Entscheidern unterschieden:

• Beim Decision Support dient die künstliche Intelligenz nur dazu, Daten aufzubereiten und leicht verständliche Analysen bereitzustellen. Alle Entscheidungen werden weiterhin von Menschen getroffen.
• Im Rahmen der Decision Augmentation formuliert die KI Vorhersagen und gibt Empfehlungen, die jedoch von menschlichen Entscheidungsträgern überprüft und freigegeben werden müssen.
• Die höchste Stufe ist die Decision Automation. Hierbei werden die anhand der Analysen gewählten Handlungsoptionen von der KI ausgewählt und automatisch ausgeführt. Menschen überwachen jedoch den Prozess und dessen Auswirkungen, vor allem in Hinsicht auf unerwartete Outcomes und mögliche Risiken.

Welcher Modus dabei die besten Ergebnisse liefert, hängt vom speziellen Anwendungsszenario ab. Eine weitgehende Automatisierung bietet sich zum Beispiel für die Optimierung des Warenbestands in verteilten Lagerhäusern, für Empfehlungskampagnen im Marketing oder für eine dynamische Preisgestaltung an. Dagegen ist bei der Festigung von Geschäftsbeziehungen zu langjährigen Zulieferern und Kunden oder bei der Auswahl von geeignetem Personal für eine neu ausgeschriebene Stelle eine größere menschliche Interaktion die passendere Vorgehensweise.

Mit einer neuen Datenkultur zu qualitativ hochwertigeren Entscheidungen
Unternehmen sollten zuerst ermitteln, welcher Use Case am stärksten von KI-gestützter Entscheidungsfindung profitieren kann, und dann für diesen Bereich konkrete Ziele formulieren, beispielsweise:

• Steigerung des Umsatzes
• Verbrauch von weniger Ressourcen
• Erschließung neuer Kundensegmente

Hierbei müssen alle Stakeholder für diesen Bereich eingebunden werden, damit eine möglichst breite Datenbasis entsteht und Silos aufgebrochen werden. Um die Analyse und Bewertung der Daten möglichst unkompliziert zu gestalten, bietet sich die Software-as-a-Service-Plattform von paretos an: Mit Schnittstellen zu einer großen Anzahl von Business-Anwendungen erleichtert sie den Input und die Strukturierung der Daten und eröffnet Decision Intelligence auch für Business User ohne Expertenwissen in Data Science.

Was heißt „eine neue Datenkultur“?

Eine solche Nutzung von künstlicher Intelligenz, auch außerhalb der traditionellen IT, sollte von der Einführung einer neuen Datenkultur begleitet werden. Dies bedeutet Einsicht in die menschlichen Beschränkungen im Umgang mit großen Datenmengen und ein Vertrauen in die faktenbasierten Entscheidungen der KI, eine kontinuierliche Evaluierung von Prozessen und eine Hinwendung zu flacheren Entscheidungshierarchien. Erfolgreicher Einsatz von KI-basiertem Decision Making kann so der entscheidende Schritt werden, um ein Unternehmen fit für die Anforderungen des Data Driven Business zu machen.