Wie navigieren Unternehmen erfolgreichen zwischen Big-Data und Künstlicher Intelligenz: Was können und dürfen sie?

12.09.2023 | J. Morelli – Online Redaktion, Forum Verlag Herkert GmbH

Wie keine anderen Entwicklungen erschütterten „Big Data“ und „Künstliche Intelligenz“ die weltweite Technologie-Landschaft. Alleingenommen bringen sie bereits ein großes Maß an Veränderung mit sich. Zusammen aber scheint ihr Potenzial noch um ein Vielfaches größer zu sein. Bereits jetzt nutzen Unternehmen diese Kombination, um sich einen Wettbewerbsvorteil zu schaffen. Das klingt verlockend, birgt aber auch einige Herausforderungen, deren Kernpunkte, Synergien und Anwendungsmöglichkeiten wir in diesem Fachartikel für Sie zusammengefasst haben.

Inhaltsverzeichnis

1. Die Synergie zwischen Big Data und KI
2. "Match made in heaven" – Big Data und KI erobern die Wirtschaft
3. Worauf müssen Unternehmen achten?
4. Fazit – lohnt sich der Einsatz von Big Data und KI?

Die Synergie zwischen Big Data und KI

Bevor wir tiefer in die Materie eindringen können und erklären, worauf Unternehmen achten müssen, lohnt sich ein Blick darauf, warum das Zusammenspiel von Big Data und KI derart vielversprechend erscheint:

Bei Big Data dreht sich alles um den Umgang mit extrem großen strukturierten oder unstrukturierten Datensätzen. Ab einer bestimmten Größe war es jedoch bislang nahezu unmöglich diese effektiv zu nutzen.

Künstliche Intelligenz auf der anderen Seite befähigt Computer von ebendiesen immens großen Datensätzen zu lernen, Muster zu identifizieren und logische Konsequenzen und Schlüsse daraus zu ziehen.

Zusammengenommen klingen die beiden nach einer perfekten Verbindung, die es Unternehmen ermöglicht folgende Vorteile und Nutzen daraus zu ziehen.

„Match made in heaven“ – Big Data und KI erobern die Wirtschaft

Bereits Usus ist es bei Technologieunternehmen die Kombination aus Künstlicher Intelligenz und Big Data zu folgenden Zwecken zu verwenden:

• Verbesserte Entscheidungsfindung und –qualität: Der KI-Algorithmus ist in der Lage, riesige Datensets schnell zu analysieren und sofort detaillierte Einblicke zu liefern – „Human Errors“ sind mehr oder weniger ausgeschlossen. Das ermöglicht es Unternehmen datengesteuerte Entscheidungen zu treffen.
• Personalisierte Kundenerfahrung: Dieser Punkt ist bislang mehr Traum als Realität, hat sich aber partiell mit intelligenten CRM-Programmen und Marketing-Automation bereits auf dem Markt etabliert. Das Ganze startet wiederum mit der Datenanalyse durch KI und der darauf basierenden Generierung von maßgeschneiderten Werbeinhalten oder Seitenerfahrungen (z. B. Pop-Up). Dadurch lassen sich nicht nur Kundenzufriedenheit und –bindung, sondern auch Verkäufe verbessern.
• Prognose: Das Vorgehen ist hierbei analog zu den vorherigen Punkten: Die KI wertet die Daten zweckgebunden aus und erlaubt auf diese Weise, vorausschauende Aussagen zu treffen.

→ Das klingt zugegebenermaßen ziemlich verlockend. Unternehmen sollten aber vor allen hinsichtlich des Datenschutzes bei einer derartigen Verbindung auf der Hut sein.

Worauf müssen Unternehmen achten?

Bevor Firmen aber eine derartige Kombination in Betracht ziehen, sollten stets Compliance, Qualitätssicherung und Datenschutz garantiert werden:

• Datenschutz und Datensicherheit: Je mehr Daten erhoben, gespeichert, verwendet oder bearbeitet werden, desto größer auch die Anforderungen an den Datenschutz. Steht nicht bereits vor der Umsetzung von Big-Data-Konzepten samt/und KI ein lupenreines Datenschutzkonzept und –organisation, sollte von deren Einführung vorerst Abstand genommen werden. Gerade in puncto Transparenz stehen Unternehmen bislang des Öfteren vor der Herausforderung, komplexe Big-Data-Analysen in einfacher und nachvollziehbarer Form darzustellen. Eine zusätzliche Herausforderung stellt das Vertrauen dar. Denn Kunden fällt es erfahrungsgemäß schwerer, Maschinen – in unserem Fall künstlicher Intelligenz – anstelle von Menschen zu vertrauen.
• Daten-Qualität stellt einen Knackpunkt im Zusammenwirken von künstlicher Intelligenz mit Big Data dar. Denn die Qualität der Informationen, die dem Algorithmus „gefüttert“ werden, bestimmt bis zu einem großen Grad auch die Qualität des Ergebnisses. Deshalb muss vor der Umsetzung die entsprechende IT-Infrastruktur einer Qualitätsprüfung unterzogen werden – auch alle Datenströme sollten hinsichtlich ihrer Qualität überprüft werden.
• Fachpersonal: Gerade beim Umgang mit sensiblen oder persönlichen Daten kommen oft Fachkräfte, wie Datenanalysten, Softwareingenieure und AI-Experten zum Einsatz. Derartige Positionen werden mit ziemlicher Sicherheit innerhalb der nächsten Jahre stark gefragt sein. Denn um das Meiste aus mit KI bearbeiteten Datenmassen herauszuholen, braucht es ein Team aus Experten.
• Interoperabilität: Der Entschluss wurde gefasst, nun soll eine Lösung folgen – in der Praxis werden aber des Öfteren mehrere Tools oder Plattformen benötigt, um die reibungslose Zusammenarbeit von Big-Data-Systemen und künstlicher Intelligenz zu erreichen. Und hierbei ist Systemintegration entscheidend, um beispielsweise Datenleaks oder Datenfriedhöfe zu vermeiden.

→ In bestimmten Branchen (Schlagwort KRITIS) müssen weitere Vorgaben erfüllt werden, um den höchstmöglichen Schutz sensibler Daten zu erreichen.

 

 

Fazit – lohnt sich der Einsatz von Big Data und KI? Welche Grenzen gibt es bei der Big-Data-Analyse

Die Verbindung von Big Data und künstlicher Intelligenz birgt ein ungeheures Potenzial. Jedoch ist eine erfolgreiche Umsetzung und der Betrieb eines derartigen Konzepts abhängig von rigorosem Planen, datenschutzrechtlichen Anforderungen und digitaler Infrastruktur. Der Schutz und die Sicherheit der Daten haben dabei höchste Priorität. Herausforderung und Chance sind der ständige Wandel der digitalen Käuferschaft, die mithilfe von intelligenter Unterstützung genauer benannt und bedient werden kann.

Die Grenzen der Big-Data-Analyse  

Das Sammeln und Auswerten von Daten durch Firmen unterliegt rechtlichen Einschränkungen: Sowohl das aktuelle Bundesdatenschutzgesetz (BDSG) als auch die europäische Datenschutz-Grundverordnung (DSGVO) besagen, dass die Erhebung, Verarbeitung und Nutzung personenbezogener Daten zulässig ist, solange eine freiwillige Einwilligung des Betroffenen vorliegt.

Die DSGVO besagt aber auch, dass personenbezogene Daten nur zu einem bestimmten Zweck erhoben und verarbeitet werden dürfen, der vorab festzulegen ist. Im Beschäftigungskontext sind das z. B. Daten, die zur Durchführung eines Dienstleistungsverhältnisses erforderlich sind. Ist dieser Zweck jedoch erfüllt, müssen die Daten wieder gelöscht (in bestimmten Fällen gesperrt) werden.

Noch entscheidender im Kontext von Big Data ist aber die Regelung in der DSGVO zur Datensparsamkeit. Denn werden Daten anhangs-, zusammenhangs- und nahezu ausnahmslos erhoben und verarbeitet, liegt eine unzulässige Vorratsdatenspeicherung vor (vgl. BVerfG, Urteil vom 08.06.2016, Az. 1 BvQ 42/15). 

Allein diese drei allgemeinen datenschutzrechtlichen Vorschriften grenzen die Möglichkeiten von Big-Data-Analysen ein. Zwar gibt es im aktuellen BDSG und in der DSGVO (Art. 6 Abs. 1 Buchstabe f) eine Vorschrift, die eine Verarbeitung von Beschäftigtendaten zur Wahrung berechtigter Interessen des Arbeitgebers erlaubt. Diese Erlaubnis steht jedoch unter Vorbehalt, weil schutzwürdige Interessen des Beschäftigten überwiegen. 

Personenbezogene Daten erst anonymisieren? 

Fällt jedoch jeglicher persönlicher Bezug weg – werden die personenbezogenen Daten anonymisiert, um sie für Prognosen nutzen zu können –, kommen – so die gängige Expertenmeinung – die Regeln des gesetzlichen Datenschutzes nicht mehr zur Anwendung.

Quellen: BVerfG, DSGVO