Neues Jobprofil: Der IT-Erklärbär

Die Aussichten könnten besser kaum sein: mehr als die Hälfte der deutschen Anwenderunternehmen plant, das Budget im kommenden Jahr mit Blick auf den digitalen Wandel aufzustocken. Und immerhin jeder dritte will die Ausgaben wenigstens auf der bisherigen Höhe belassen. Das klingt schon deshalb ermutigend, weil die meisten Unternehmen in Investitionen in das Cloud Computing immer noch und vor allem Kostensenkungsmaßnahmen erkennen. Dass Cloud Computing sich aber inzwischen vom reinen Outsourcing-Modell zur hybriden Architektur für Mehrwert-Dienste wie Big Data, Künstliche Intelligenz oder mobile Computing entwickelt, bricht sich erst allmählich in den Köpfen der Anwender Bahn.

Dort herrschen vielmehr „beängstigende Verständnislücken“, wie sie jetzt der internationale Lösungsanbieter Epicor in einer groß angelegten Studie beobachtet hat. Immerhin eine von drei Führungskräften in Deutschland hat nach eigenem Bekunden zwar schon etwas von „Big Data“ oder „Cloud“ beziehungsweise „Software as a Service“ gehört, verbindet mit den Begriffen aber keine konkrete Vorstellung. Darüber hinaus gaben 36 Prozent zu, dass sie nicht mit dem „Internet of Things“ vertraut sind, für „3D-Druck“ liegt dieser Wert bei 44 Prozent, bei „Machine Learning“ bei 40 Prozent.

Der Wettlauf in die Digitalisierung scheint tatsächlich viele Anwender zu überfordern. Es geht nicht allein darum, auf der Höhe der technischen Entwicklung zu bleiben. Ebenso wichtig – wenn nicht wichtiger – ist es, die Möglichkeiten, die diese Technologien bieten, auch intern zu kommunizieren. Denn schließlich geht es darum, mit Hilfe von Big Data, KI, IoT, 3D-Druck oder Machine Learning die eigene Strategie so auszugestalten, dass man als Anwender einen größtmöglichen Nutzen daraus ziehen kann. Tatsächlich aber, so hat die Unternehmensberatung Kienbaum jetzt in einer groß angelegten Studie erfahren, hat eine von vier Führungskräften in Deutschland keine Klarheit über die aktuellen und zukünftigen Unternehmensziele. Ja, sogar jeder fünfte Manager mit Personalverantwortung tappt diesbezüglich im Dunkeln.

Die Geschwindigkeit, mit der sich die Dinge ändern, war vielleicht noch nie so hoch wie heute. Und die Veränderungen sind wohl auch noch nie so weitreichend gewesen – sieht man vielleicht von der Beherrschbarkeit des Feuers ab.

Und während viele Anwender diese Entwicklung damit abzutun scheinen, dass es sich bei der digitalen Transformation um eine Nebenwirkung der digitalen Giganten wie Google, Apple und Amazon handelt, die mit der eigenen Zukunft nur wenig zu tun hat, sind es in Wahrheit doch die Betreiber der Unternehmens-Architekturen – also Microsoft, IBM, Oracle oder SAP – die auf dem Weg ins Cloud Computing mit Hochgeschwindigkeit voranschreiten und gestern Big Data, heute IoT und morgen künstliche Intelligenz promoten. Da kann es nicht verwundern, dass manch mittelständischer Anwender angesichts technologischer Höchstgeschwindigkeit, mangelnder interner Kommunikation und dem Fehlen einer verlässlichen Vision auf der Strecke bleibt.

Da kann nur ein professioneller Erklärbär des Vertrauens helfen – und der ist im Grunde auch schnell bei der Hand. Die wenigsten mittelständischen Anwender kaufen direkt bei einem der großen Architektur-Anbieter. Sie arbeiten eher mit dem Systemhaus um die Ecke zusammen, das in etwa die gleichen Strukturen aufweist, den gleichen Menschenschlag herangebildet hat und offen zugibt, ebenfalls nur mit hängender Zunge mit der technischen Entwicklung Schritt zu halten. 82 Prozent der ITK-Anbieter blicken hoffnungsvoll in die Zukunft. Sie erkennen allmählich, dass Cloud Computing und die damit verbundenen Technologien einen Riesenmarkt für sie darstellen.

Microsoft zum Beispiel rechnet vor, dass 90 Prozent des eigenen Umsatzes durch Partner stimuliert ist. Und umgekehrt bedeutet jeder Euro Umsatz bei Microsoft ein Vielfaches an Einnahmen bei den Partnern. Das gilt ganz analog bei IBM, Oracle und SAP, die diese Zahlen nicht so dezidiert offenlegen, aber im Prinzip die gleiche Channel-Strategie fahren.

Und dieser Vertriebskanal befindet sich selbst im Umbruch. Es geht nicht mehr darum, goldene DVDs in den Firmenrechner zu stecken, um das nächste Update zu „deployen“. Es geht darum, aus den vielen Technologie-Optionen die richtigen für das Anwenderunternehmen auszuwählen, bei der Formulierung einer langfristigen Digitalstrategie zu helfen und diese Maßnahmen dann Schritt für Schritt umzusetzen. Dazu muss man die Zukunft erklären können. Und Voraussetzung dafür wiederum ist es, die technologische Zukunft auch zu verstehen.

Hier steckt wiederum die große Herausforderung für die Architektur-Anbieter. Sie müssen ihre Partner „enablen“, diese neue Rolle des Erklärbärs auch richtig auszuspielen. Ihre Aufgabe muss es sein, die „beängstigenden Verständnislücken“ zu schließen – ehe morgen neue aufbrechen.

Der Anlern-Kollege

Es ist doch immer wieder die gleiche Leier – diesmal hat sie das Beratungshaus capgemini angestimmt: Während die Unternehmen weltweit künstliche Intelligenz vor allem zur Verbesserung der Kundenbindung und damit der Umsatzsteigerung nutzen, liegt das Hauptmotiv bei den Deutschen in der Produktivitätssteigerung und damit in der Kostensenkung. Das ergab eine aktuelle Befragung von Entscheidern rund um den Globus.

Ähnliche Ergebnisse hörten wir schon zum Thema Digitalisierung im Allgemeinen, Industrie 4.0 im Besonderen, und auch bei Big Data Analytics werden die Erkenntnisse hierzulande bevorzugt zur Prozessoptimierung genutzt. Es ist der altbekannte Reflex, nach dem die Deutschen in bestehenden Märkten immer besser werden und dabei mitunter die neuen Märkte erst spät betreten. Es ist auch die Quelle, aus der die Kritiker der deutschen Wirtschaft ihr Menetekel von der mangelnden Investitionsbereitschaft schöpfen.

Aber im rechten Licht betrachtet, ist es gar nicht mal so verkehrt, mit Hilfe künstlich intelligenter Systeme zunächst einmal die produktiven Prozesse zu verbessern, ehe neue Dinge angegangen werden. Zwar ist der Begriff „künstliche Intelligenz“ älter als das Internet und erst recht älter als das Internet der Dinge. Aber trotzdem steckt die Disziplin auch 60 Jahre nach ihrer Schöpfung durch Marvin Minsky noch immer in den Kinderschuhen. Das gilt zwar für das Internet der Dinge auch – aber diese Disziplin hat ja gerade mal ein Jahrzehnt auf dem digitalen Rücken.

Während einerseits durch kognitive Systeme wie IBMs Watson oder KI-Services aus der Cloud, wie sie mit Microsofts Cortana angeboten werden, derzeit völlig neue Einsatzgebiete entstehen – und dabei einer weiteren Studie zufolge sogar mehr Arbeitsplätze geschaffen als obsolet werden – und andererseits die Verknüpfung von großen Datenmengen mit neuen Analyseverfahren auch einen erheblichen Erkenntnisgewinn bringt, sind es doch vor allem die guten, alten regelbasierten Systeme, die die Produktivitätssteigerungen im Unternehmen bringen. Erste Versuche mit den sogenannten Expertensystemen stammen schon aus den achtziger und neunziger Jahren des vergangenen Jahrhunderts. Aber inzwischen sind die Regel- und Lernkomponenten so ausgefeilt, dass man damit richtig arbeiten kann.

Schätzungen zufolge sind allein in der Buchhaltung – und damit also in jedem einzelnen der 3,3 Millionen Betriebe in Deutschland – 70 bis 90 Prozent der anfallenden Arbeiten Kandidaten für die Ablösung durch KI-Systeme. So können regelmäßig wiederkehrende Buchungsvorgänge leicht durch regelbasierte Systeme bewältigt werden, die auch nach klaren Regeln entscheiden, ob ein Betrag vom Normalen abweicht und deshalb den Eingriff des Buchhalters erfordern. Im Controlling können Auswertungen so regelbasiert gestaltet werden, dass Manager-Dashboards mit wenigen Key Performance Indikatoren einen Überblick über das Tagesgeschehen gewähren.

Und natürlich können KI-Systeme die Daten aus dem Internet der Dinge so auswerten, dass eine notwendige Wartung frühzeitig erkannt werden kann, weil die Präzision der Maschine eine bestimmte Toleranzgrenze überschritten hat. Das Kaufverhalten der Kunden gibt schließlich nach klaren Regeln wichtige Informationen über die zukünftigen Produktionsschwerpunkte und den damit verbundenen Einkauf von Vorprodukten. Dass auch den Kunden selbst genauere Empfehlung für ihr nächstes Kauferlebnis vermittelt werden, ist ebenfalls mit regelbasierten Systemen zu meistern.

Diese KI-Systeme sind nichts anderes als Anlern-Kollegen, die aus einem starren Regelwerk heraus ihre Entscheidungen treffen und zugleich dokumentieren, wie sie zu diesen Ergebnissen gelangt sind. So können die Regeln immer weiter verfeinert, die Entscheidungsmöglichkeiten immer weiter ausgebaut werden. Mit Hilfe von neuronalen Netzwerken ist es darüber hinaus möglich, diesen Anlern-Prozess weiter zu automatisieren, in dem die KI-Systeme in der Lage sind, direkt aus den Ereignissen Regeln abzuleiten, ohne auf die Formulierung durch den menschlichen Mentor zu warten.

Wann immer aber derzeit die Diskussion zur künstlichen Intelligenz aufkommt, wird schnell von ethischen Herausforderungen bei der Entscheidungsfindung gesprochen. Die Frage, ob KI-Systeme jemals ein Bewusstsein entwickeln können, lässt wahre Untergangsszenarien entstehen. Und die Vorstellung, Roboter mit künstlicher Intelligenz würden nicht nur die Arbeitsplätze, sondern gleich auch die Weltherrschaft an sich reißen, ist ebenfalls schnell zitiert.

Dabei sind die heutigen KI-Systeme noch immer vor allem eins: Anlern-Kollegen, die genau das tun, was ihnen eingegeben wurde – und nicht mehr. Es ist unser Bewusstsein und unser Reflex, der ihnen größere geistige Fähigkeiten unterstellt. Dabei sind sie gerade einmal gut genug, uns von langweiligen, langwierigen, immer gleichen und deshalb gesundheitsschädlichen Arbeiten zu befreien. Und das ist doch wohl die edelste Form der Prozessoptimierung.

Old School but Gold School

In Zeiten zunehmender Digitalisierung gelten ERP-Lösungen als Old School. Enterprise Resource Planning – das war einmal revolutionär, als es darum ging, den Abteilungen das Silodenken auszutreiben und den Fluss der Werte im Unternehmen mit dem Fluss der Waren entlang der Supply Chain zu verknüpfen. Seitdem aber haben sich ERP-Systeme zumindest evolutionär weiterentwickelt: sie binden das Kundebeziehungsmanagement (CRM) mit ein, haben Financials und Controlling integriert und sind inzwischen sogar in der Lage, Office-Funktionen einschließlich eMail und Telefonie in den Geschäftsprozess zu übernehmen. Selbst wer den Begriff „Unternehmensressourcen“ weiter fasst als den klassischen Dreiklang von Maschinen, Material und Menschen (pardon! Falsche Reihenfolge, aber irgendwie doch richtig), wird mit ERP-Systemen glücklich. Sie managen Dienstleistungen und Projekte ebenso wie Verträge und Produktlebenszyklen.
Und doch hängt dem ERP-System als Genre etwas Altertümliches an. Hipp sind Webshops oder Big Data Analytics, hopp sind das Internet der Dinge und Social Media. Doch wenn man genau hinschaut, ist auch das nichts anderes als das Management von Unternehmensressourcen – wenn man den Begriff „Ressource“ eben nur weit genug fasst.
Aber genau darum geht es bei der Digitalisierung. Alles ist Ressource und am besten ist es, wenn diese Ressourcen in digitalisierter Form vorliegen. Dann nämlich können sie jederzeit und ohne Medienbrüche weiterverwertet werden. Das nennt man Fungibilität: Daten sind austauschbar – zwischen Funktionen, Geschäftsprozessen, Kooperationen, Märkten. Und sie lassen sich aggregieren und zu neuem Wissen zusammenfassen. Und genau das war und ist die Kernkompetenz von ERP-Systemen, So gesehen waren ERP-Systeme noch nie so modern wie heute.
Wenn sie nicht so alt wären! Das Hauptproblem lange tradierter ERP-Systeme ist ja gerade, dass sie mehrere Technologieschübe hinter sich haben und nach und nach zusätzliche Aufgaben übertragen bekommen haben. Man kann es kaum glauben: aber Software kann altern und verwittern. Viele monolithische ERP-Systeme, die heute den digitalen Fortschritt eher behindern als fördern, beweisen dies.
Das kann sich ändern, wenn man die Funktionen von ERP-Systemen aufbricht und als Services aus der Cloud bezieht. Nach einer jüngsten Marktuntersuchung von Forrester Research findet genau das statt. Dabei sind nicht unbedingt Lösungen gemeint, wie SAP sie vor einem Jahrzehnt mit Business by Design in den Markt gebracht hat. Damals hat SAP einfach ein weiteres monolithisches Software-Gebilde entwickelt, das sich von seinen Altvorderen nur dadurch unterschied, dass es auf einem Server irgendwo auf dem Globus residierte und nicht im firmeneigenen Hochsicherheitskeller.
Gemeint sind vielmehr hybride Software-Architekturen, in denen On-Premises-Lösungen mit zusätzlichen Funktionen – eben den Services – aus der Cloud integriert und zu neuen Lösungseinheiten zusammengefasst werden. Und es gibt eine Reihe von Kandidaten für diese Services, die ERP-Systeme zum nächsten Level der unternehmensweiten Ressourcenverwaltung und -verplanung bringen:
Office-Integration mit ERP ist heute noch keinesfalls selbstverständlich – wie sie beispielsweise bei Microsoft Dynamics365 und Office365 nahtlos funktioniert. Wer aber sein gut funktionierendes ERP-System nicht für eine Büro-Integration opfern möchte, kann heute Cloud-basierte Lösungen komfortabel einbinden.
Eine solche Two-Tier-Architektur bietet sich auch bei der Einbindung von Predictive Analytics auf der Basis von Big-Data-Tools an. Ebenso stehen heute bereits APIs für die Integration von KI-Anwendungen aus der Cloud bereit.
Interessant ist auch, dass Cloud-Ökosysteme nicht nur um die großen ERP-Lösungen von SAP, Microsoft und Oracle entstehen, sondern auch für den CRM-Spezialisten Salesforce zusätzliche Anwendungen auf der Basis der bereitgestellten Toolbox entstehen. FinancialForce und Kenandy sind beispielsweise Anbieter, die nach und nach auch in Europa bekannt werden.
Vor allem aber ergeben sich wesentliche Erweiterungen rund um das Internet der Dinge, mit denen ERP-Systeme weiter ausgebaut werden. Gerade die Zusammenfassung von Daten aus dem Fertigungsgeschehen in einem Manufacturing Execution System kann nur sinnvoll über die Cloud erfolgen. Das MES agiert dann wie ein Vorschalt-System, das die Daten erst einmal bündelt, da die ERP-Systeme nicht unbedingt für die schnelle Verarbeitung von Massendaten bekannt sind.
Digitalisierung ist eben auch die Digitalisierung der Unternehmensressourcen – oder zumindest der Information über die Ressourcen. Das ist die wesentliche Leistung der ERP-Systeme, seit es Materialbedarfsplanungen gibt.
Das ist zwar Old School, ist aber in Zeiten der Digitalisierung durchaus auch Gold School.

So what?

Expertise entsteht aus Experimenten! Der im Grunde richtige Lehrsatz scheint zugleich das Credo der Bildungsexperten zu sein, die ständig an neuen Modellen arbeiten. Kaum hat eine Schulreform erste Ergebnisse gezeigt, wird sie durch die nächste bereits abgelöst. Aber es braucht nun mal Zeit, aus Fakten Wissen und aus Wissen Bildung wachsen zu lassen. Da ist es denn auch nur folgerichtig, dass mehr und mehr Bundesländer wieder zum neunjährigen Gymnasium zurückkehren.

Dass Bildung Zeit braucht, müssen auch die Schulungsexperten der künstlichen Intelligenz und des maschinellen Lernens erkennen. Je komplexer die Aufgabenstellung ist, desto langwieriger ist der Aufbau einer Computing-Umgebung für deren Bewältigung. Inzwischen zeigt sich, dass beispielsweise der schlagzeilenträchtige Sieg von IBMs Watson bei der Quizshow Jeopardy! doch ein relativ leichtes Unterfangen war im Vergleich zu den immensen Aufgaben, mit denen IBMs Auftraggeber die Plattform für das Cognitive Computing betrauen wollen. Neben schönen Erfolgen mehren sich inzwischen Nachrichten über abgebrochene oder gar fehlgeschlagene Projekte.

Um Maschinenstürmern gleich den Wind aus den Segeln zu nehmen: Cognitive Computing und Deep Learning erzeugen keine Bildung – die bleibt uns Menschen vorbehalten. Aber diese und andere Formen der künstlichen Intelligenz revolutionieren die Verfügbarkeit von allokiertem Wissen und die Fähigkeit, aus Daten Informationen zu generieren und in großen Datenmengen Muster zu erkennen, aus denen wiederum Schlussfolgerungen gezogen werden können, die uns bei der Entscheidungsfindung unterstützen.

Das hat inzwischen einen unermesslichen Nutzwert. KI-gestützte Systeme erkennen in Netzwerken auffällige Verhaltensmuster, die auf einen Hackerangriff schließen lassen, und ergreifen Abwehrmaßnahmen. Das Potential allein ist immens: Wie der Hightech-Verband Bitkom jetzt mitteilt, ist allein in den vergangenen zwei Jahren rund die Hälfte der deutschen Unternehmen Ziel eines Angriffs geworden. Der dabei entstandene Schaden summiert sich in den zurückliegenden 24 Monaten auf 53 Milliarden Euro. Und dabei wird die Malware immer komplexer, so dass Virenscanner ohne Zuhilfenahme künstlicher Intelligenz versagen. IBM hat jetzt ihr Wissen um Systeme und Netze aus 30 Jahren Projektgeschichte in einen Datenpool geleitet, aus dem Watson schöpfen soll. Die Datenbank unter dem Namen IBM Data Lake soll bei der Automatisierung der Systemadministration helfen und Hackern das Leben schwer machen.

Ein weiteres Paradebeispiel ist das Scannen von Millionen Seiten an Fachliteratur, die mit Hilfe der Fähigkeiten von IBMs Watson, natürliche Sprache auf ihren Inhalt hin zu analysieren und sich bei der Entschlüsselung der Semantik auch nicht durch syntaktische Sprachfallen wie doppelte Verneinung beirren zu lassen, ausgewertet werden. Ebenso sind KI-Systeme hervorragend geeignet, in Bildern typische Muster zu erkennen und damit Abweichungen von der Norm zu identifizieren. Beide Methoden helfen heute Ärzten und Wissenschaftlern in nahezu allen Disziplinen bei der Forschungsarbeit und der Diagnose von Krankheiten. Wenn auf diese Weise auch nur ein Menschenleben gerettet werden konnte, haben sich die Investitionen bereits gelohnt.

Und die Investitionen sind in der Tat immens: IBM allein hat einen zweistelligen Milliardenbetrag in die Entwicklung der Technologie hinter Watson gesteckt und dabei auch zahlreiche Firmenübernahmen gewagt. Aber die Marktchancen sind keineswegs geringer: Im Jahr 2025 sollen Unternehmenslösungen im Wert von 31 Milliarden Dollar verkauft werden. Darin ist die damit verbundene Wertschöpfung noch gar nicht berücksichtigt. Sie dürfte ein Vielfaches betragen.

Kein Wunder also, dass sich die Konkurrenz um die vordersten Plätze rangelt. Nach Einschätzung von Gartner ist IBMs Watson-Plattform die am weitesten entwickelte, doch Anbieter wie GE Digital, Microsoft, PTC und Amazon Web Services folgen auf dem Fuß. Und Internetgiganten wie Google und Facebook entwickeln eigene KI-Plattformen für den Eigenbedarf. Wie IBM wollen sie vor allem die eigenen Datenmengen gewinnbringend auswerten.

Dabei steckt die KI-Forschung auch 50 Jahre nach ihrer Begründung durch Marvin Minsky eigentlich noch in der Trial-and-Error-Phase – also am Beginn der Bildungskarriere. So verfolgen Cognitive Computing oder Deep Learning unterschiedliche Konzepte des Wissensausbaus und der Analyse, was sie keineswegs zu universell einsetzbaren Hochbegabten macht. Sie verfügen eher über singuläre Fähigkeiten, die sie für bestimmte Aufgaben optimal erscheinen lässt, für andere wie3derum nicht. Das ist eine typische Erkenntnis bei komplexen Unternehmenslösungen: Auch ERP-Systeme lassen sich nicht ohne weiteres heute im Maschinenbau und morgen in der Medizin einsetzen. Sie folgen kontextspezifischen Best Practices und keinen universellen Begabungen.

Das muss nun auch das Bildungssystem rund um die künstliche Intelligenz erkennen. IBMs Watson ist ebenso wenig ein Universalgenie wie es die KI-Angebote der Konkurrenten sind. Dass Googles KI-Ansatz den Weltmeister im Go-Spiel besiegt, bedeutet nicht, dass es jedes Spiel beherrschen kann. Aber es kann fahren (im autonomen Google-Fahrzeug) und antworten (über Android-Smartphones).

IBM wiederum versucht nun, Watsons Fähigkeiten zur Mustererkennung für die Prozesssteuerung im Internet der Dinge zu nutzen. Das wäre ein weiterer Riesenmarkt. Und der wäre auch nötig, denn bislang dürfte Watson trotz lukrativster Verträge mit Fortune-500-Unternehmen kaum mehr eingespielt haben als die Kapitalkosten. Mit IoT könnte sich jedoch ein niedrigschwelliger Bildungssektor anbieten, für den man nicht gerade das KI-Abitur benötigt.

Denn für IBM verrinnt die Zeit. Nicht nur wächst die Konkurrenz. Nach 21. Quartalen mit Umsatzrückgang schmilzt auch die Marktbedeutung. Gut, dass die jüngsten Anstrengungen zur Verschlankung die Kosten so weit senken, dass unverändert Gewinn ausgewiesen werden kann. Sonst heißt es für IBMs Watson in wenigen Quartalen wirklich nur noch: „So what?“