Experteninterview: “Alle sollen künstliche Intelligenz nutzen können” – mit KI-Experte Chris Rusche

Profitieren nur die Datenriesen unter den Unternehmen von Künstlicher Intelligenz? Welche Auswirkungen hat die Automatisierung der Entscheide auf unsere (Arbeits-)welt? Und welche Vision verfolgt BSI beim Thema Machine Learning (ML)? Das verrät Chris Rusche, BSI Mitgründer, Innovator und Produktentwickler, im Interview mit ai-zurich.

Profitieren nur die grossen Player von den Errungenschaften der Künstlichen Intelligenz oder haben auch normale Unternehmen mit überschaubaren Datenmengen eine Chance?

Werden Unternehmen grösser, haben sie Vorteile. Die riesigen Dinosaurier können ihre kleinen Konkurrenten aufkaufen oder klein halten. Und doch: Grösse verlangsamt, bindet Energie, verhindert Transformation. Und so spielte der Kreislauf der Wirtschaft die letzten Jahrhunderte: gute Firmen wurden gross, grosse Firmen wurden träge, träge Firmen wurden von innovativen, agilen Unternehmen überholt.

ML könnte hier die Karten wieder neu mischen. Denn für Maschinelles Lernen braucht es zwei Dinge: eine Lernstrategie und Daten. Und so werden in Zukunft die grossen Unternehmen – neben ihren anderen Vorteilen, wie Kapital- und Einkaufskraft sowie Marktpräsenz – nun auch noch die Daten haben, die künftig so wichtig sind. Nutzen sie diese und die damit trainierten Maschinen richtig, können sie ihre Trägheit überwinden, werden sie schneller und flinker auf Marktänderungen reagieren können als ihre kleinen Konkurrenten.

Das klingt jetzt weniger nach «Demokratisierung von KI» und mehr nach «Bigger is better». Düstere Aussichten für Schweizer und deutsche Unternehmen mit weniger Datenpower?

Keineswegs. Es gibt auch neue Ansätze für ML (Stichwort Transfer Learning), die mit weniger Daten auskommen. Und Software zu vernünftigen Preisen und laufenden Kosten, die die Vorteile von ML für alle im Unternehmen nutzbar macht – nicht nur für Data Scientists. So wird Maschinelles Lernen eben doch demokratisiert, und auch kleinere Player oder organisatorische Silos von Konzernen können profitieren. Daran arbeiten wir bei BSI: KI für «normale» Menschen und normale Datenmengen.

Interessant. Was können wir uns unter Transfer Learning vorstellen?

Unsere Neuronalen Netze sind vortrainiert und wissen schon sehr viel. Und mit den Kundendaten, die uns dann zur Verfügung gestellt werden, können wir das Neuronale Netz, bei uns Brain genannt, feinjustieren, d.h. auf den spezifischen Anwendungsfall des Kunden trainieren. Dafür braucht es dann nicht mehr so viel Rechenpower und weniger Daten.

Ganz einfach ausgedrückt: Wir haben ein Kind, das schon einmal auf die heisse Herdplatte gefasst und gelernt hat, dass das keine gute Idee ist. Dann müsste man ihm nur noch beibringen, dass das auch für das Bügeleisen gilt. So funktioniert Transfer Learning. Die letzten 5% sind anwendungsspezifisch, für alles andere kann man vom Vorwissen des Neuronalen Netzes profitieren.

Du rufst das Zeitalter der automatisierten Entscheide aus. Welche Entscheidungen wird ML in Zukunft übernehmen – und gar besser meistern als der Mensch?

Wir leben im Zeitalter der Automation: Nachdem die Arbeit in der Landwirtschaft und den Fabriken von Maschinen übernommen und in weiterer Folge die Information und Kommunikation digitalisiert wurde, kommt nun die nächste Stufe: Wir automatisieren die Entscheide.

Heute schon entscheidet eine Maschine, wie teuer ein Flug oder Hotelzimmerbei der Buchung ist. Geschriebenen Text kann ML bereits jetzt gut übersetzen. Eine Ärztin der Zukunft wird eine Blutprobe oder ein Röntgenbild durch ML beurteilen lassen. Der Marketing Manager wird seine Entscheidung, zu welchem Preis ein Produkt angeboten werden soll, durch ML vorbereiten lassen. Anwälte werden mithilfe von ML recherchieren und vergleichbare Fälle finden. Und warum soll nicht eine ML-Software einen Bestseller schreiben? Alle Bücher eines Genres lesen, analysieren und daraus ein neues Buch ableiten, das den Publikumsgeschmack perfekt trifft? Oder auch ML-getriebene Entscheide in Software? Eine künftige Version von BSI CRM? All diese Tätigkeiten brauchen Entscheide, gute Entscheide.

Werfen wir einen Blick auf das Marketing. Wie wirkt sich die Automatisierung der Entscheide auf diese Unternehmensdisziplin aus?

ML für die Trenderkennung, das Themenmonitoring, Churn Detection, Lead Scoring und Sentimentanalysen einzusetzen, kann spannende Insights liefern, reicht aber nicht aus. Denn: Was bringt es, Veränderung schnell zu erkennen, aber nur langsam darauf zu reagieren? Das Wissen muss auch genutzt werden, um die Produkte, Vertriebswege und Marketingstrategie anzupassen und laufend zu verbessern. Die Execution ist wichtig. Das ist für heutige grosse Unternehmen nicht einfach. Es bedingt eine umfassende (digitale) Transformation und Vertrauen in die eigenen Produkte. Und es erfordert Agilität und Innovationswillen. 

Und wie könnte diese Innovation aussehen?

Ein häufiger Use Case unserer Kunden ist KI-basiertes Rating und Clustering. Das ist durchaus sinnvoll, aber wollen wir nicht etwas weiterdenken? Warum brauchen wir überhaupt noch Ratings, Clustering und Personas? Warum bedienen wir nicht jeden Kunden ganz individuell, hyperpersonalisiert. Eine Vision, die ich auch sehr grossen Unternehmen ans Herz lege: Behandle deine Kunden wie einst Tante Emma. Sie kannte ihren Kunden, sein Lieblingsessen, den Namen des Hundes und wusste, wie es den Kindern geht. Wenn ein Grossunternehmen mit tausenden Mitarbeitenden weiss und tut, was Tante Emma wusste und tat, dann hat es sehr viel erreicht!

_

Über Chris Rusche: Chris begann vor 23 Jahren als Praktikant bei BSI. Später arbeitete er als Software-Entwickler. 2004 übernahm er die Geschäftsführung von Jens B. Thuesen, Gründer von BSI. Nach 10 glücklichen Jahren als CEO durfte Chris Rusche wieder zurück in die Produktentwicklung und dort an Innovationen im Bereich CRM, Marketing Automation und Künstliche Intelligenz arbeiten. Chris Rusche war Speaker bei der ai for business Konferenz 2020.