Angesichts des digitalen Wandels wird es für Unternehmen immer entscheidender, ihre Daten und deren Informationswert strategisch zu nutzen. Datenkultur und Datenkompetenz, also die Fähigkeit, Daten zu erschließen, zu verstehen und mit ihnen zu kommunizieren, bilden für Unternehmen dabei auch die Basis, auf der sie ihre KI- und ML-Strategie sowie -Projekte entwickeln.

Wenn immer mehr Mitarbeitende KI-Lösungen im Unternehmen nutzen, ist ein Mindestmaß an Datenkompetenz unabdingbar. Die Kenntnis der richtigen Daten für die Lösung eines geschäftlichen Problems sowie die Fähigkeit diese Daten zu interpretieren und KI-Empfehlungen zu geben, ist Voraussetzung dafür, dass Mitarbeitende KI im Rahmen ihrer Entscheidungsfindung vertrauen und erfolgreich anwenden. Eine gemeinsame Datensprache im Unternehmen öffnet außerdem weitere Türen für eine erfolgreiche Zusammenarbeit mit Experten. Darüber hinaus entscheiden entsprechende Maßnahmen für Change-Management und Weiterbildung darüber, ob Unternehmen wettbewerbsfähig bleiben.

Eine Forrester-Studie im Auftrag von Tableau bestätigt, wie Datenkompetenz den Unternehmenserfolg beeinflusst. Die Befragung unter Führungskräften und Angestellten zur Datenkompetenz untersucht die Relevanz von Daten-Know-how für bessere Geschäftsergebnisse und stellt die Wahrnehmung des Managements und der Angestellten gegenüber.

Datenkompetenz fördert Innovationsfähigkeit

Unternehmen schätzen daten-kompetente Angestellte, da diese ihrer Meinung nach bessere und schnellere Entscheidungen treffen. Sie seien zudem produktiver und innovativer, so ein zentrales Ergebnis der Studie. 77 Prozent der Führungskräfte geben an, dass sich die Innovationsfähigkeit erhöht, wenn Daten richtig eingesetzt werden. Über die Hälfte sieht dadurch Potenzial für Umsatzsteigerungen. Dem stimmen die Angestellten zu. 86 Prozent von ihnen sagen, dass sie datengestützt bessere Entscheidungen treffen. Generell gilt: Je höher der Grad der Digitalisierung in den Unternehmen, desto wichtiger werden Kompetenzen im Umgang mit Daten.

KI-Projekte setzen Datenkompetenz voraus

Für jede Art von datenbasierter KI-Aktivität ist es entscheidend zu verstehen, wofür die Daten erfasst und gepflegt wurden. Das gilt auch für die Frage, wie sie in der Vergangenheit und in Zukunft genutzt werden sollen. Dazu ist es wichtig, ein Modell mit vollständigen Daten zu trainieren, die die reale Situation im Moment der Entscheidungsfindung abbilden.

Data Scientists wissen jedoch oft nicht, wofür die Daten im Detail stehen und wie sie generiert werden: Welche Aktivitäten und welche technologischen Prozesse sind für das Bereitstellen der Daten erforderlich und was bedeuten diese Daten für das Business? Hier spielen Analysten und Anwender, die nahe an den Daten sind und die Probleme kennen, die gelöst werden sollen, eine große Rolle. KI ist deshalb eine Teamaufgabe, deren Erfolg vom geschäftlichen Kontext und zusätzlich einer grundlegende Daten- und Modellkompetenz abhängt.

Schließlich gibt es menschliche Faktoren, die für den Projekterfolg ausschlaggebend sind, die Unternehmen jedoch häufig übersehen, wenn sie sich zu stark auf Daten und Technologie konzentrieren. Mit KI sind meist Vorhersagen möglich. Aber es muss jemanden geben, der die Maßnahmen festlegt, mit denen sich diese umsetzen lassen. Ist der Vorschlag sinnvoll, weil er eine klare Maßnahme vorsieht, und setzen die betreffenden Personen diese auch um? Gibt es ein Umfeld, in dem diese Vorschläge effektiv aufgenommen werden?

Erfolgsversprechende KI-Projekte identifizieren und Schritt für Schritt erweitern

Die Projektauswahl ist wahrscheinlich die größte Herausforderung für Unternehmen bei KI-Initiativen. Entscheidend ist, dass die KI-Strategie tatsächlich auf die Geschäftsziele abgestimmt ist.

Es gilt, zunächst die Probleme und Fragestellungen exakt einzugrenzen, die Unternehmen mit KI lösen möchten. Was tragen die Antworten zur Verbesserung der Geschäftsergebnisse bei und wie steht es mit den verfügbaren Ressourcen?

Oft ist das erste erfolgreiche KI-Projekt das, das sich am einfachsten operationalisieren und mit dem geringsten Änderungsaufwand produktiv umsetzen lässt. Es empfiehlt sich ein Projekt, das so schnell wie möglich einen Nutzen bringt, auch wenn es sich nur um kleine Verbesserungen handelt. Sinnvoll ist es, Kunden, Anwender und Interessenvertreter möglichst intensiv in den Entwicklungsprozess mit einzubeziehen. Zudem sollten Feedback für mehr Datenerfassung und Input der Verantwortlichen möglich sein.

Die grundlegende Datenstrategie spielt eine wichtige Rolle für die erfolgreiche Anwendung von KI im Unternehmen. Der kontinuierliche Aufbau einer Datenkultur schafft die optimalen Bedingungen, um Fertigkeiten zu entwickeln und neue Lösungen im gesamten Betrieb zu fördern.

Im Zuge der digitalen Transformation haben viele Unternehmen in den vergangenen Jahren bereits in Daten und Analytics investiert. Dabei ist es entscheidend, Daten und Datenkompetenz als Teamaufgabe zu betrachten. Nun geht es darum, diese Haltung auf KI zu übertragen und auszuweiten.

Weiterbildung über traditionellen Rollen hinaus

Eine hohe Datenkompetenz ist in modernen, datengesteuerten Organisationen also für alle Bereiche sehr relevant. Obwohl sich Führungskräfte und Mitarbeitende darüber einig sind, führt dieses Bewusstsein nicht zwangsläufig zu Investitionen in entsprechende Weiterbildungsmaßnahmen. Diese beschränken sich zudem oft ausschließlich auf die Profis. 43 Prozent der Führungskräfte sind laut Forrester-Studie der Meinung, dass Weiterbildung im Umgang mit Daten nur für traditionelle Datenfunktionen, wie Analytik oder Datenwissenschaft, relevant sei. Lediglich 34 Prozent von ihnen bieten entsprechende Schulungen für die ganze Belegschaft an.

Um das gewaltige Potenzial von Daten freizusetzen, müssen Unternehmen in ihre wichtigste Ressource investieren – ihre Angestellten. Dabei sollten sie Weiterbildung über die traditionellen datenorientierten Rollen hinaus anbieten. Denn der Unternehmenserfolg hängt davon ab, dass alle Fachbereiche eines Unternehmens geschult werden, um Daten für bessere Entscheidungen nutzen zu können und so letztendlich Wettbewerbsvorteile zu erzielen. Bisher gehen Führungskräfte oft noch davon aus, dass für eine Ausweitung der KI-Nutzung größere Teams nötig sind, insbesondere mehr Data Scientists. Allerdings muss nicht für jede geschäftliche Herausforderung das Data-Science-Team mobilisiert werden. Mit dem richtigen Ansatz lassen sich die Vorteile von KI nutzen, ohne sich mit den Herausforderungen traditioneller Data-Science-Zyklen zu beschäftigen.

Deshalb müssen die Verantwortlichen zur Bereitstellung und Skalierung von KI-Lösungen dafür sorgen, dass KI als Teamaufgabe unterschiedlicher Kompetenzen wahrgenommen wird. Für manche KI-Projekte ist eine spezielle Kombination von Personal, Tools und auch der Erwartungen erforderlich, wie eine erfolgreiche Nutzung aussehen muss. Die jeweilige Konstellation richtig zu definieren, ermöglicht mehr erfolgreiche KI-Projekte, erweitert die Schar der KI-Nutzenden und beschleunigt sowie unterstützt die Entscheidungsfindung für die gesamte Belegschaft.