Unternehmensdaten für KI nutzbar machen

GARBAGE IN - GARBAGE OUT

Das sollte jedem klar sein. Unstrukturierte und schlechte Daten schränken die Genauigkeit und Effektivität künstlicher Intelligenz erheblich ein. Wenn es um KI geht, gilt „GARBAGE IN – GARBAGE OUT“ umso mehr. Während Führungskräfte im Beschaffungswesen eifrig in innovative KI-Lösungen investieren, die revolutionäre Erkenntnisse und Automatisierung versprechen, bauen viele dieser Initiativen auf Treibsand. Die unangenehme Wahrheit ist, dass die Stammdaten der meisten Unternehmen – also die grundlegenden Informationen über Produkte, Lieferanten, Verträge und Ausgabenkategorien – eher einem digitalen Schrottplatz als einem strategischen Vermögenswert ähneln. Stellen Sie sich folgendes Szenario vor: Ihre KI empfiehlt die Konsolidierung der Artikel „123.564.22”, „234.678.66” und „423.567.66” – ohne auch nur das Material, die Form, die Komplexität und die Oberflächenbehandlung dieser Artikel zu kennen. Das Ergebnis? Falsche Empfehlungen, ungenaue Ausgabenanalysen und schlechte Vorhersagen, die die Beschaffungsleistung eher beeinträchtigen als verbessern.

Probleme vervielfachen sich

Traditionelle Beschaffungsprozesse können trotz unklarer Daten recht gut funktionieren, da menschliches Urteilsvermögen Unstimmigkeiten ausgleichen kann. Diese intuitive Fähigkeit, Fehler zu korrigieren fehlt jedoch, wenn es um die Vorhersage von Kosten, Warengruppen und Zolltarifnummern geht. Künstliche Intelligenz verarbeitet auch fehlerhafte Daten, was bedeutet, dass schlechte Datenqualität in jedem Algorithmus, jeder Vorhersage und jeder Empfehlung verstärkt wird. Unternehmen mit sauberen, umfassenden Unternehmensdaten profitieren exponentiell von der Implementierung von künstlicher Intelligenz. Sie können Einsparungsmöglichkeiten schneller identifizieren, Kosten vorhersagen und Prozesse schneller und genauer automatisieren. Unternehmen, die mit Datenqualitätsproblemen zu kämpfen haben, erzielen hingegen nur marginale oder sogar negative Renditen aus Ihren KI-Investitionen.

Die Lösung: UPR – Unified Part Representations
Vor der Implementierung einer KI-Lösung muss die Datengenerierungsebene – die Ebene, die Unternehmensdaten in eine Form umwandelt, die direkt von künstlicher Intelligenz verwendet werden kann – vorhanden sein. Andernfalls sind alle „neuen Daten” nutzlos, da sie von den KI-Modellen nicht verwendet werden können. Es wird eine neue Datenebene benötigt, um Daten aus bekannten „Silos" wie PDM-, PLM- und ERP-Systemen zu extrahieren, zu vereinheitlichen und zu kombinieren. Die Lösung dazu liefert Luminarity bereits in der Standardkonfiguration, die Data-Driven Engine.

Das Luminarity UPR - Intelligence Board bietet State-of-the-art Funktionen um Datenqualität global zu messen.

Unsere Empfehlung:

• Kümmern Sie sich um die Datengenerierungsebene und werfen Sie einen Blick auf unsere Data-Driven Engine. Mit der integrierten Datengenerierungsebene von Luminarity funktioniert jede KI perfekt.
• Definieren Sie klare Verantwortlichkeiten und Zuständigkeiten für den Inhalt und die Qualität der UPR – Unified Part Representations. In Luminarity gibt es beispielsweise zwei Rollen: 1) Die Rolle des Administrators, dessen Aufgabe es ist, aus den produktbeschreibenden Daten die "perfekte UPR" zu generieren. 2) Die Rolle des KI-Anwenders, der Kernprozesse wie die Artikelklassifizierung (autonomes Warengruppenmanagement) und beispielsweise die Kostenprognose (autonome Kostenkalkulation) vollständig automatisiert.
• Implementieren Sie Mechanismen, mit denen die KI potenzielle Datenqualitätsprobleme identifizieren und kennzeichnen kann. Dadurch entsteht ein positiver Kreislauf, in dem die KI sowohl von einer verbesserten Datenqualität profitiert als auch zu dieser beiträgt. Luminarity bietet zu diesem Zweck das „UPR Intelligence Board”.

Der Return on Invest wenn man es richtig macht
Organisationen, die diese Empfehlungen befolgen, erzielen folgende Effekte:

• 30-50% genauere, bessere Vorhersagen 
• Schnellere Amortisation der KI-Initiativen
• Substanziell weniger Eingriffe in die KI-basierten Prozesse

• Verbesserte Compliance- und Risikomanagementfunktionen

Das Fazit: Datenqualität ist ein strategischer Vorteil. Unternehmen, die im Zeitalter von künstlicher Intelligenz erfolgreich sein wollen, sind diejenigen, welche die Qualität von Unternehmensdaten als strategische Notwendigkeit – und nicht nur als operative Notwendigkeit erkennen. Während Wettbewerber mit „Garbage-in, Garbage-out” Szenarien zu kämpfen haben, bauen zukunftsorientierte Unternehmen Wettbewerbsvorteile durch überlegene Datenfundamente auf. Die Frage ist nicht, ob Ihr Unternehmen sich irgendwann mit der Qualität von Produkt- und Stammdaten befassen muss, sondern ob Ihr Unternehmen diese Herausforderung proaktiv als Sprungbrett für den KI-Erfolg angeht – oder sie reaktiv als Hindernis betrachtet, das es zu überwinden gilt. Die Entscheidung, die Sie heute treffen, wird darüber entscheiden, ob KI zur Superkraft Ihres Unternehmens oder zu Ihrer teuersten Enttäuschung wird.