AI und Machine Learning schaffen weiterhin die IT-Jobs der Zukunft

Im Bereich Arbeit werden IT-Berufe immer wichtiger, sie nehmen eine Vorreiterrolle ein. Neue, smarte Technologien verändern den Arbeitsalltag von IT-Entscheidern und IT-Profis. Die Automatisierung ist ein wichtiger Bestandteil der IT-Branche. Der Einsatz wird sich in Zukunft noch erhöhen durch die Weiterentwicklung von smarten und kognitiven Technologien. Dabei bieten Artificial Intelligence (AI), Deep Learning und neuronale Netze weitere Möglichkeiten, in ganz verschiedenen Bereichen Arbeitsschritte an Maschinen auszulagern.

Durch diese Entwicklungen werden zunächst viele Jobs verloren gehen. Dabei sind die verschiedensten Bereiche unterschiedlich stark betroffen. Marktforscher gehen jedoch davon aus, dass am Ende mehr Fachkräfte in diesen Bereichen gebraucht werden als jetzt durch die kognitiven Technologien wegfallen. Dem Martkforscher Gartner zufolge werden bis 2020 rund 1,8 Millionen Jobs durch AI überflüssig. In der gleichen Zeit entstehen den Prognosen zufolge 2,3 Millionen neue Arbeitsplätze.

Hohe Einstiegshürde durch vorkonfektionierte Lösungen senken

AI ist der Rahmen für Machine- und Deep-Learning-Modelle. Mithilfe einer Regelbasis kann die Künstliche Intelligenz (KI oder AI) alles, was Machine- und Deep-Learning als Ergebnisse generieren, korrekt interpretieren. Das ist heute schon Realität im privaten Bereich mit den Assistenzsystemen von Apple, Amazon oder Google. Die Spracherkennung ist dabei ein wesentlicher Bestandteil. Durch die Erfahrungen von Amazon und Co. mit den verschiedenen Assistenzsystemen entstehen schon bald Assistenzsysteme für ganz verschiedene Geschäftsfelder im Businessbereich.

Allerdings ist die Einstiegshürde für viele Unternehmen noch sehr hoch. Es fehlt nicht nur die adäquate IT-Infrastruktur, sondern auch gut ausgebildetes und erfahrenes Personal. Durch AI-Cloud-Services lässt sich die Einstiegshürde speziell für kleine Unternehmen herabsetzen. Es gibt vorkonfektionierte und komplett austrainierte Deep-Learning-Modelle für Optical Character Recognition (OCR), die Unternehmen einsetzen können, wie beispielsweise die Software mit automatisierter Belegerfassung von sevdesk.

Helpdesk als Einstieg

Für viele Unternehmen ist der Bereich Helpdesk der Einstieg in das Thema AI. Im ersten Schritt unterstützen Chatbots die Mitarbeiter. Sie entlasten von Standardfragestellungen. Wenn der Kunde dem Chatbot eine Frage stellt oder nach einem bestimmten Artikel sucht, können die Chatbots im Hintergrund einfache Aufgaben erledigen, wie beispielsweise die Nutzeranfragen vorsortieren oder einfache Aufgaben automatisch ausführen. Im Einzelhandel ist es bereits heute möglich, dass Kunden den Chat-Bots Fragen stellen oder bestimmte Artikel suchen. Das ist wie das Prinzip Helpdesk.

Einfache und sich wiederholende Aufgaben können Roboter übernehmen, beispielsweise Passwörter zurücksetzen oder neue Nutzer anlegen. Administratoren bekommen damit mehr Zeit, die sie in anspruchsvollere Aufgaben investieren können. Das kann einen Arbeitsplatz-Abbau bedingen. In anderen Bereichen können sich damit jedoch auch Chancen auftun – etwa wenn frei gewordene Mitarbeiter neue Projekte vorantreiben können.

AI im Bereich Security

Im Bereich der Sicherheitslösungen nutzen immer mehr Unternehmen KI oder Machine-Learning. Administratoren sind heute kaum noch in der Lage, hunderttausende Logfiles auszuwerten. Sie trainieren Modelle und definieren normales Verhalten. Kommt es zu Abweichungen von diesem Modell, macht das System Meldung an den Sicherheitsexperten, der dann über das weitere Vorgehen entscheidet.

Ein weniger schöner Aspekt ist die Tatsache, den auch Hacker und andere Kriminelle AI nutzen. Sie entwickeln damit Cyber-Attacken oder machen Schwachstellen ausfindig. Sicherheitsforscher konnten eine Malware mit KI erweitern. Die Software konnte sich selbst modifizieren.

Business Intelligence und Künstliche Intelligenz

Abbildung 2 – Die fast unendlich große Datenmenge, die als Big Data ausgewertet werden muss, können Maschinen viel besser bewältigen.

Business Intelligence profitierte ebenfalls vom Einsatz künstlicher Intelligenz. Daten maschinell zu durchkämmen, Muster automatisch zu erkennen wird durch AI immer mehr optimiert. Die Entwicklung neuer Tools und Anwendungen für spezielle Anwenderbedürfnisse wird leichter. Es wird künftig möglich sein, Anwendungen einfach per Drag and Drop zusammenzustellen. So können künftig auch Mitarbeiter oder IT-Hintergrund damit arbeiten. Der vereinfachte Umgang mit nicht strukturierten Daten führt dazu, dass diese Business-Intelligence-Anwendungen weitestgehend automatisiert werden können. Hierdurch eröffnen sich im Unternehmen neue Möglichkeiten, um beispielsweise Wettbewerbsvorteile zu generieren. Durch die große Menge an auszuwertenden Daten und die Menge an Informationen, die daraus gewonnen werden kann, ist langfristig damit zu rechnen, dass in diesem Bereich Arbeitskräfte gesucht werden.

Anwendungsszenarien im Bereich Finanzdienstleistungen

Für AI, Deep und Machine Learning gibt es im Bereich Finanzdienstleistungen zahlreiche Anwendungen.

Kreditwürdigkeit eines Kunden einstufen:
Sobald ein Bankkunde einen Kredit beantragt, muss die Bank aufgrund regulatorischer Vorgaben die Bonität des Kunden überprüfen. Als Mittel der Wahl dient eine Scorecard der Bewertung. Mit ihrer Hilfe wird die Ausfallwahrscheinlichkeit für einen Kredit ermittelt. Grundlage der Scorecard ist ein statistisches Prognosemodell, das anhand von historischen Bankdaten trainiert wurde. In Abhängigkeit von der errechneten Ausfallwahrscheinlichkeit bekommt der Kunde den Kredit zu bestimmten Konditionen.
Versicherungsbetrug erkennen:
Betrugsversuche sind bei Versicherungen an der Tagesordnung. Versicherer versuchen anhand der Schadensmeldungen bei den Haftpflichtversicherungen Betrugsversuche leichter zu erkennen. Dazu trainieren Mitarbeiter die Software mithilfe historischer Daten. Für jede eingehende Schadensmeldung berechnet die Software eine Betrugswahrscheinlichkeit. Im Workflow ist ein Schwellenwert hinterlegt. Wird dieser erreicht, macht das System Meldung. Anschließend kann ein Mitarbeiter die Schadensmeldung manuell untersuchen. Ansonsten kann der Workflow vollständig automatisch ablaufen.

KI-Einsatz braucht Rahmenbedingungen

Damit AI, Machine Learning und Deep Learning erfolgreich implementiert werden können, sind drei wichtige Aspekte zu bedenken:

die technologischen Voraussetzungen,
die organisatorischen Voraussetzungen und
die mentale Einstellung.

Damit alles einwandfrei läuft, ist außerdem viel Rechenleistung gefragt.

Projekte, die sich mit AI befassen, sollten in erster Linie als Forschungsprojekt angesehen werden. Der Ausgang lässt sich nicht mit Sicherheit bestimmen. Für Machine-Learning reicht in der Regel ein normales Forschungsbudget aus. Projekte im Bereich Deep-Learning und AI sind deutlich aufwendiger und damit auch entsprechend teurer.