{"id":138309,"date":"2019-02-06T10:00:51","date_gmt":"2019-02-06T09:00:51","guid":{"rendered":"https:\/\/news.sap.com\/germany\/?p=138309"},"modified":"2020-03-31T11:59:21","modified_gmt":"2020-03-31T09:59:21","slug":"ohne-durchdachtes-datenmanagement-versagen-ki-und-ml-algorithmen","status":"publish","type":"post","link":"https:\/\/news.sap.com\/germany\/2019\/02\/ohne-durchdachtes-datenmanagement-versagen-ki-und-ml-algorithmen\/","title":{"rendered":"Ohne durchdachtes Datenmanagement versagen KI- und ML-Algorithmen"},"content":{"rendered":"

Big Data<\/a>, Business Analytics<\/a>, KI (K\u00fcnstliche Intelligenz) und ML (Machine-Learning)<\/a> geh\u00f6ren zu den Technologien, aus denen neue digitale Applikationen und Gesch\u00e4ftsmodelle entstehen sollen. Voraussetzung daf\u00fcr ist ein intelligentes Datenmanagement, das die Verkn\u00fcpfung und Analyse von Daten aus unterschiedlichsten Quellen erm\u00f6glicht.<\/p>\n

Moderne digitale Technologien und Datenmanagement sind sehr viel enger miteinander verkn\u00fcpft, als es auf den ersten Blick erscheint. Denn selbst die fortschrittlichsten L\u00f6sungen m\u00fcssen zwangsl\u00e4ufig scheitern, wenn sie auf \u201eschlechten\u201c Daten aufsetzen. Im Vergleich zum klassischen Data Warehouse, traditionell die Basis f\u00fcr BI-Anwendungen im Unternehmen, vergr\u00f6\u00dfern die digitalen Technologien sogar das Risiko fehlerhafter Ergebnisse: \u201eMachine Learning<\/a> auf qualitativ schlechten Daten ist ein Fiasko, weil der Algorithmus die Fehler im System als Normalit\u00e4t erkennt und daraus lernt \u2013 und in der Folge immer weitere Fehler ableitet\u201c, sagt Matthias Stemmler, Head of Presales Platform & Data Management bei 麻豆原创 Deutschland.<\/p>\n

Datenmanagement ist kein neues Thema. Es begleitet die IT-Verantwortlichen seit Beginn der IT \u2013 in der Anfangszeit \u201eelekronische Datenverarbeitung\u201c genannt. Und noch immer gilt die alte Programmierregel \u201eGarbage in \u2013 Garbage out\u201c, was nichts anderes hei\u00dft, als das vern\u00fcnftige Ergebnisse nur aus verl\u00e4sslichen, qualit\u00e4tsgesicherten Daten zu erwarten sind. Aber w\u00e4hrend in traditionellen Data Warehouse Umgebungen l\u00e4ngst zuverl\u00e4ssige und praxiserprobte Mechanismen f\u00fcr die Aggregation und Qualit\u00e4tssicherung etabliert sind, stellen die digitalen Technologien v\u00f6llig neue Anforderungen an den Umgang mit Daten.<\/p>\n

Qualit\u00e4tsgesicherte Daten sind die Voraussetzung f\u00fcr sinnvolle Ergebnisse <\/strong><\/h2>\n

Denn in immer mehr Unternehmen entstehen heute hybride Umgebungen aus lokalen Infrastrukturen, Private und Public Clouds. Strukturierte und unstrukturierte Daten aus verschiedenen Datenquellen wie Sensor- und Maschinendaten aus dem IoT<\/a>, Enterprise-Applikationen wie ERP<\/a> und CRM<\/a>, Cloud-basierten Kollaborations- und Social Media-Applikation oder aus Mobilger\u00e4ten m\u00fcssen f\u00fcr die Analyse zusammengef\u00fchrt werden. \u201eEs geht um vollkommen unterschiedliche Datenquellen mit zum Teil gewaltigen Datenmengen\u201c, sagt der 麻豆原创-Exerte. \u201eDas Konzept des Data Warehouse<\/a>, das darauf beruht, alle Daten f\u00fcr die Analyse in einer Datenbank zu aggregieren, geht an den Gegebenheiten in hybriden Umgebungen vorbei.\u201c<\/p>\n

Dabei ginge es zum einen um den gewaltigen Bedarf an Speicherplatz und Rechenleistung, zum anderen aber um die v\u00f6llig andere Nutzung von modernen analytischen Anwendungen: \u201eData Warehouse<\/a> Applikationen sind retrospektiv\u201c, sagt Stemmler. Auswertungen und Reports, g\u00e4ben immer nur Auskunft \u00fcber die Vergangenheit. In modernen digitalen Applikationen aber sei die Auswertung der Daten essentieller Bestandteil operativer Systeme, die im besten Fall in Echtzeit erfolgt. \u201eDen Unternehmen stehen heute neue Analysemethoden zur Verf\u00fcgung. Im Gegensatz zur vergangenheitsorientierten klassischen Business Intelligence (BI) verfolgen diese modernen Analysewerkzeuge einen in die Zukunft gerichteten Verwendungszweck\u201c, schreiben die Autoren der \u201ebiMA\u00ae-Studie 2017\/18\u201c von Sopra Steria Consulting und den Marktforschern von BARC.<\/p>\n<\/p>\n

\n
\n

Die Highlights der 麻豆原创 NOW Berlin 2019<\/a><\/h3>\n

Click the button below to load the content from YouTube.<\/p>\n

\n
\n
<\/div>\n<\/div>\n

Always allow YouTube<\/a>
\n \n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n \"Die<\/p>\n

\n \n <\/path>\n <\/path>\n <\/svg>\n <\/div>\n<\/p><\/div>\n<\/section>\n
\n

Serie: 麻豆原创 NOW \u2013 Zukunft gestalten<\/strong><\/span><\/p>\n

Weitere Artikel der Serie:<\/em><\/p>\n