Der Einsatz von künstlicher Intelligenz und Machine Learning im Stammdatenmanagement gewinnt an Momentum. Die Devise heißt: aufhören, nur darüber zu reden, und anfangen, endlich die Vorteile von KI und ML zu nutzen.
Vor einigen Monaten veröffentlichten meine Kollegen Henrik Baumeier und Christian Fuchs einen Beitrag in unserem CAMELOT Blog. Es ging darum, wie künstliche Intelligenz (KI) das Master Data Management (MDM) beeinflussen wird.
Seit diesem Artikel hat sich für unser Team, das auf innovative MDM-Lösungen und -Ansätze spezialisiert ist, viel geändert.
KI und ML auf dem Vormarsch
Anfang März nahm ich dann am Gartner Data and Analytics Summit in Grapevine, Texas teil. Ich hatte sehr hohe Erwartungen, was die Rolle von KI und Machine Learning (ML) auf der Konferenz anging, und ich wurde nicht enttäuscht, als ich die Zahl der Anbieter sah, die ML- oder KI-Fähigkeiten bewarben. Früher waren es gerade einmal eine Handvoll – heute sind es ein paar Dutzend. Was mich dann aber überraschte, war, wie zurückhaltend sich einige Gartner-Analysten und auch der Hauptredner über die aktuellen KI- und ML-Möglichkeiten äußerten. Zwar waren sich alle einig, dass KI/ML ein enormes Potenzial haben und unsere Arbeits- und Lebensweise revolutionieren werden. Jedoch sahen die Redner diese Entwicklung weiter entfernt in der Zukunft, als ich gedacht hätte.
Der Grund für meine Überraschung waren einerseits die vielen Anbieter von KI-/ML-Fähigkeiten auf dem Event, andererseits, und das vor allem, unsere eigenen Fortschritte im letzten Jahr. Kunden baten uns um Unterstützung bei der Definition und Umsetzung KI-/ML-basierter Anwendungsfälle. Zudem konnten wir beobachten, dass unsere Kunden interne, auf KI, ML und deren Anwendung zur Unterstützung der Datenverwaltung spezialisierte Teams aufbauen. Wenn ich dann noch bedenke, was die Datenverwaltungsexperten von CAMELOT mithilfe dieser viel versprechenden, neuen Möglichkeit in kürzester Zeit schon entwickelt und vereinfacht haben, bin ich mir sicher:
Die Datenverwaltung verändert sich und diese Veränderung findet bereits jetzt in allen Bereichen statt – von Governance bis Technologie.
In diesem Artikel möchte ich mit Ihnen einige Gedanken zum möglichen Einfluss von KI auf die Datenverwaltung teilen. Lassen Sie mich das Ganze mit einer kurzen (albernen und vereinfachten) Geschichte über einen Freund erklären. Nennen wir ihn Chris B., angestellt in der Marketing- und Vertriebsabteilung eines großen Pharmakonzerns.
Materialstammdatenpflege im Jahr 20XX
Die Abteilungen Portfolio Management und Marketing haben sich darauf geeinigt, dass das Produkt X auf dem US-Markt in einer neuen Verpackungsgröße angeboten werden soll. Chris muss deshalb einen neuen Stammdatensatz für das Produkt abfragen, das so schnell wie möglich auf den Markt kommen soll. Bis letztes Jahr nutzte er das MDM-Tool und fragte die Daten von bereits existierenden Produkten und Gestaltungskonzepten sowie aus dem Portfoliomanagement ab, indem er die Informationen in das MDM-System eingab. Chris mochte diese Aufgabe nie, denn er machte sie zu selten, um sich wirklich auszukennen. Er hatte zwar eine Schulung absolviert, war sich aber bei den Datenwerten und ihrer Bedeutung trotzdem nicht sicher. Außerdem war das System ziemlich langsam und zeigte häufig technische Fehlermeldungen an, die Chris nicht verstand. Chris wendete sich deshalb immer an Michael vom Stammdatenteam. Michael war ein echter Stammdatenexperte und konnte Chris helfen, seine Abfragen korrekt zu erstellen.
Zu Beginn dieses Jahres änderte sich jedoch alles: Chris öffnete seinen Unternehmensmessenger und wurde mit Scott verbunden. Scott ist ein virtueller Datenpfleger – ein Chatbot. Chris teilt ihm mit, welche Produktart er braucht. Dazu muss er nur das Produktbild (Artwork) und ein paar andere grundlegende Informationen, die ihm vorliegen, hochladen. Scott bedient dann anstelle von Chris das technische System. Scott fragt Chris, ob er zusätzliche Informationen benötigt. Chris kann wiederum Scott fragen, wenn er die Bedeutung bestimmter Werte oder deren Beziehung zu anderen Werten wissen möchte. Scott unterstützt ihn zusätzlich, indem er weitere Erklärungen und Empfehlungen für Werte anzeigt. Scott kann diese Dinge tun, weil er mehr als bloß ein Chatbot ist. Er ist in Echtzeit mit existenten Datenbanken verbunden. Er vergleicht ähnliche Materialien und benachrichtigt Chris, wenn er ein mögliches Duplikat entdeckt hat.
Scott kann Werte auf Grundlage ähnlicher Produkte vorhersagen und sie mit den Verpackungsinformationen und Produktbilder vergleichen. Scott prüft auch die Datenkonsistenz auf Basis von Validierungsregeln. Das Regelwerk, das Scott zur Validierung verwendet, ist dynamisch und entwickelt sich durch seine Fähigkeiten in den Bereichen maschinelles Lernen und Regelfindung ständig weiter. Früher arbeiteten Chris’ Kollegen vom Stammdaten-Governance-Team Jahre an der Definition, Prüfung und Implementierung von Regeln. Deren Komplexität war einerseits durch den menschlichen Verstand, andererseits durch die IT-Abteilung und ihre Möglichkeiten beschränkt, die Regeln in das System einzuspeisen. Scott dagegen identifiziert und entwickelt jeden Tag neue Regeln. Scott interagiert häufig mit dem Stammdaten-Governance-Team. Durch seine neuen Vorschläge und durch die Kombination aus Datenanalyse, Datenvergleich und Experteneingabe kann die Datenqualität im System verbessert werden.
Die Reaktion des Daten-Governance-Teams
Chris’ Kollegin vom Stammdaten-Governance-Team, Tina, war noch nie so glücklich mit ihrer Arbeit. Sie kann sich jetzt darauf konzentrieren, die Stammdatenprozesse zu verwalten und zu verbessern, während sie gleichzeitig Scotts Fähigkeiten ausbaut, indem sie ihn überwacht und ihm hilft, zu lernen. Tina erhält Empfehlungen zum Materiallebenszyklus und Vorschläge, wann etwas angepasst werden muss. Diese basieren auf Transaktionsdaten wie Lagerbestand und Bestellungen. Mit jedem Zyklus und jeder neuen Abfrage liefert Scott bessere Ergebnisse. Tina war anfangs skeptisch – doch dann begriff sie, dass sie Scott überwachen und erkennen kann, wenn er einen „Fehler“ macht, was wiederum Scott dabei hilft, seine Fähigkeiten auszubauen. Ihre Arbeit hat sich positiv verändert, da sie jetzt für mehr wertschöpfende, und weniger roboterhafte Tätigkeiten verantwortlich ist.
Aber sind wir schon bereit dafür? Wo bleibt die menschliche Interaktion? Früher hat Michael jedes Mal, wenn er Chris half, einen neuen Witz erzählt. Chris liebte das. Er erzählte den Witz immer abends seinen Kindern. Scott bekommt deshalb nächste Woche eine neue Funktion, mit der er Chris fragen kann, ob er einen Witz hören möchte. Scott greift dafür auf eine Website mit Witzen zu und fragt Chris im Anschluss, ob er den Witz gut fand. Da Scott ständig besser werden möchte, erzählt er den anderen Marketingmitarbeitern Marie, Emma und Thomas nicht noch einmal denselben Witz, wenn er nicht gut war. Scott wird alle Reaktionen der Mitarbeiter speichern und eine Datenbank mit Witzen anlegen, die von den Mitarbeitern als lustig empfunden werden. Der Plan für die nächsten Veröffentlichungen sieht vor, dass Scott die menschliche Sprache besser verstehen kann und es so noch einfacher wird, neue Materialien abzufragen. Um seine Treffsicherheit in Sachen Humor zu steigern, wird Scott auch die Gesichter der Mitarbeiter beobachten und seine Witze nach Eingaben wie Alter, Arbeitsprofil und Timing auswählen. (Menschen haben über den Tag verteilt unterschiedliche Gemütszustände, die einem vorhersehbaren Muster folgen. Daniel Pink hat dieses Muster bei seiner Hauptrede auf der Gartner DA und in seinem Buch perfekt beschrieben: „When: The Scientific Secrets of Perfect Timing“ (Januar 2018).)
Wann wird das alles passieren?
Wenn Sie mich fragen, liegen diese Dinge nicht im Jahr 20XX, sondern stellen Möglichkeiten der Datenpflege bereits für 2018 dar. Alle benötigten Komponenten sind schon jetzt verfügbar. Wir sollten damit aufhören, nur über KI und ML zu reden und stattdessen endlich anfangen, die Vorteile auszuschöpfen und Lösungen zu realisieren. In Zeiten, in denen Siri und Alexa unsere private Kommunikation und Unterhaltung managen, erscheint es ein bisschen veraltet, 300 Materialstammdatenfelder manuell in Web Dynpro UI einzupflegen. Werden Veränderungen bezüglich Integration und Vertrauen notwendig sein? Ja! Wird es zu Disruption kommen? Sicherlich! Werden Firmen, die diese Herausforderungen meistern und neue Technologien einsetzen einen enormen Wettbewerbsvorteil haben? Absolut!
Der Ansatz von CAMELOT ist, diese neuen Chancen zu ergreifen, statt nur über sie zu reden. Wir arbeiten intern an Lösungen für unsere Kunden und zusammen mit unseren Kunden an Co-Innovationsprojekten. Wir haben uns das Ziel gesetzt, eine Idee innerhalb von 8 Wochen zu einem Prototypen weiterzuentwickeln.
Die globale Community for AI in MDM hat bereits heute mehr als 35 Mitglieder, darunter weltweit führende Unternehmen aller Branchen. Letzte Woche veranstalteten wir in Europa einen Workshop zum Thema KI im MDM Design Thinking, ein zweiter solcher Workshop wird im April in den USA stattfinden.
Über 30 Anwendungsfälle befinden sich derzeit in unserem Innovations-Funnel, Dutzende sind bereits als Prototyp realisiert, etwa unser KI-Vorzeigeprojekt zum Einsatz von IBM Cloud Machine Learning-Fähigkeiten (Natural Language Processing). Die Integration in den MDG/Fiori-App-Chatbot oder ein eigens entwickeltes ML-Tool, das den Lebenszyklus eines Produkts auf Grundlage von Bestellungen und Einstellungen vorhersagt, leitet den Materialstatus entsprechend ab.
Schließen Sie sich unserer Mission an – hören Sie auf, bloß über KI zu reden und erschaffen Sie Lösungen, die Ihr Geschäft voranbringen und Sie zu einer führenden Innovationskraft machen!
Wir danken Marc Hoffmann für seinen wertvollen Beitrag zu diesem Artikel.
