Die menschliche Seite des maschinellen Lernens

Viele Experten prognostizieren: Die steigende Nutzung von maschinellem Lernen in Unternehmen führt zu massiven Entlassungen. Doch eine aktuelle Studie in Zusammenarbeit mit der Economist Intelligence Unit „Maschinelles Lernen optimal nutzen: Fünf Tipps von Vorreitern” zeigt, dass hochqualifizierte Mitarbeiter während der Transformation und darüber hinaus unverzichtbar sind. Der menschliche Anteil in den Unternehmen schwindet also nicht.

Die Integration von maschinellem Lernen erfordert jedoch eine völlig neue Definition von Rollen und Zuständigkeiten, neue Fähigkeiten zur Entwicklung oder Zusammenarbeit mit fortschrittlichen Algorithmen und, was vielleicht am wichtigsten ist, eine Kultur, die sich zusammen mit den KI-Möglichkeiten weiterentwickelt und dazulernen kann.

Tatsächlich sehen 75 Prozent der befragten Unternehmen bereits die Vorteile von maschinellem Lernen. Diese Unternehmen bezeichnen man als „Vorreiter“. Sie gaben an, dass sie davon ausgehen, ihre Mitarbeiter mit zunehmender intelligenter Automatisierung immer wieder neu schulen zu müssen.

Das aufstrebende Unternehmen, das maschinelles Lernen einsetzt, wird über Mitarbeiter verfügen, die Erik Brynjolfsson und Andrew McAfee vom MIT Center for Digital Business wie folgt charakterisieren: „Sie befinden sich im Wettlauf mit den Maschinen, nicht gegen die Maschinen”.

Studie zu maschinellem Lernen: Was wir von den Vorreitern lernen können

Mit den Maschinen mitzuhalten, ist Teil einer größeren Herausforderung: der digitalen Transformation. Diese schafft die Basis für neue Technologien wie maschinelles Lernen, IoT, Big Data und Analysen, sodass das Unternehmen überleben und wachsen kann. Entscheidend wird sein, interne Widerstände, die schon frühere große technologische Umbrüche begleitet haben, etwa die Einführung von Unternehmenssoftware Anfang der 2000er Jahre, zu vermeiden.

Das Überwinden solcher Widerstände ist Aufgabe der Unternehmensführung. Hier haben die Vorreiter einen Vorsprung. Denn der Vorstand in den Vorreiterunternehmen befasst sich stärker mit der Machine-Learning-Strategie als andere Unternehmen. Zudem mangelt es bei den Vorreitern seltener an strategischer Klarheit bezüglich des maschinellen Lernens – anders als bei der Einführung von Unternehmenssoftware, als die Topmanager oft selbst nicht wussten, wohin die Reise geht.

Technologiespezialisten brauchen nicht nur Programmierkenntnisse, sondern auch ein profundes Verständnis von Datenwissenschaft und Business, um die Möglichkeiten von maschinellem Lernen auszuschöpfen.

Es wird darüber hinaus wichtig sein, über eine klare Strategie zur digitalen Transformation im Allgemeinen und zu maschinellem Lernen im Besonderen zu verfügen. Gerade wenn Unternehmen eine neue Generation von kundigen, wissbegierigen Technologiespezialisten anwerben möchte – die nicht nur über Programmierkenntnisse verfügen, sondern auch über ein profundes Verständnis von Datenwissenschaft und Business –, um die Möglichkeiten von maschinellem Lernen auszuschöpfen. Solche Talente sind möglicherweise schwer zu finden – der Mangel an verfügbarem externen Fachwissen zu maschinellem Lernen wurde von den Vorreitern als eine der größten Herausforderungen bezeichnet.

Zudem müssen die Führungskräfte ihre Experten, die keinen IT-Hintergrund haben für die Zusammenarbeit mit Technologieexperten gewinnen, damit sich maschinelles Lernen im Laufe der Zeit im Unternehmen weiterentwickeln kann. Die Wirtschaftsprüfungsgesellschaft EisnerAmper, einer der Vorreiter bei maschinellem Lernen, hat beispielsweise in den vergangenen 18 Monaten Datenwissenschaftler, Business-Analysten und Anwendungsentwickler für die eigene Unternehmenstechnologiegruppe eingestellt. Die Newcomer arbeiten mit den verantwortlichen Buchhaltern, Wirtschaftsprüfern und Steuerberatern bei der Entwicklung neuer Kompetenzen zusammen.

Mit der Zeit wird das Machine-Learning-Unternehmen anders funktionieren, indem es Geschäftsprozesse, Personalmodelle sowie Lern- und Entwicklungsprogramme an die Geschwindigkeit und den Umfang anpasst, mit denen Maschinen lernen können, meint Stanton Jones, Director und Principal Research Analyst bei ISG. Er stellt fest: Unternehmen bewegen sich weg von einem Fokus, bei dem Mitarbeiter einen Prozess vorantreiben, der durch Technologie unterstützt wird, hin zu einem Fokus, in dem Technologie einen Prozess vorantreibt, der von Mitarbeitern unterstützt wird.

Mitarbeiter verarbeiten und analysieren Output des maschinellen Lernens

Maschinelles Lernen ermöglicht Unternehmen eine exponentielle Steigerung der eigenen Fähigkeiten, ohne zusätzliche Mitarbeiter einzustellen, was als „nichtlineares Wachstum“ bezeichnet wird. Menschen werden auch weiterhin einbezogen, aber auf einer höheren Ebene, die den Output des maschinellen Lernens verwaltet, analysiert oder für weitere Maßnahmen heranzieht.

Exponentieller Nutzen entsteht dann, wenn Maschinen die menschlichen Fähigkeiten erweitern und ergänzen. „Das ist eher eine Partnerschaft mit maschineller Intelligenz”, meint Cliff Justice, Leiter des Teams für Innovation und Unternehmenslösungen bei KPMG. „Man erschließt neue Wege. Man setzt Innovationen schneller um.”

Bei EisnerAmper ist maschinelles Lernen der Motor, der die digitale Transformation vorantreibt. So kann das Unternehmen über die Wirtschaftsprüfung und Rechnungslegung hinaus zu einem strategischen Unternehmensberater für seine Kunden werden. Das Unternehmen hat intelligente Audit-Tools entwickelt, bei denen die Software tatsächlich lernt, wie sie lernen soll, um die Prozesse effektiver und effizienter zu gestalten. Innerhalb der nächsten drei Jahre soll ein vollständig auf maschinellem Lernen basierendes Audit-Verfahren eingeführt werden.

Maschinelles Lernen als Motor der digitalen Transformation

So können die Experten bei EisnerAmper mehr Zeit darauf verwenden, Kunden hochwertige Serviceleistungen und strategische Beratung zu bieten und gleichzeitig herkömmliche Audit-Leistungen günstiger als die Wettbewerber anzubieten.

Die Studie belegt: Vorreiter nehmen die organisatorischen und kulturellen Veränderungen an, die für den Erfolg von maschinellem Lernen notwendig sind. Unter den Befragten, die sich erst seit Kurzem mit maschinellem Lernen befassen, jedoch noch keine Vorteile sehen, sagen nur 50 Prozent, dass sie planen, ihre Mitarbeiter für das Machine-Learning-Zeitalter neu zu schulen – das sind 25 Prozentpunkte weniger als bei den Vorreitern.

Die Vorreiter haben jedoch erkannt, dass der Nutzen aus maschinellem Lernen sich aus der richtigen Mischung aus menschlicher und digitaler Arbeit ergibt. Dies erklärt, warum die Vorreiter meinen, dass der interne Widerstand im Vergleich zu anderen Unternehmen weniger eine Herausforderung darstellt.

Damit haben sie nicht nur bei der Entwicklung von Machine-Learning-Funktionen einen Vorsprung, sondern auch beim Anpassen ihres Unternehmens an eine nahe Zukunft, in der die Integration von Mensch und maschinellem Lernen eine Notwendigkeit im Wettbewerb darstellt.

Erfahren Sie mehr und laden Sie die vollständige Studie hier herunter.


 

Dieser Artikel ist Teil einer Serie von Beiträgen rund um das Thema maschinelles Lernen.

Weitere Inhalte finden Sie hier:

29. August: Machine Learning macht Geschäftsprozesse effizienter

Geplante:

12. September: Von digital zu intelligent – maschinelles Lernen optimal nutzen

19. September: Beendet maschinelles Lernen die Auslagerung von Geschäftsprozessen?

26. September: Drei Anwendungsfelder für maschinelles Lernen im Unternehmen