Image: Wanted: Einstein, Michelangelo und Bill Gates in einer PersonFERCHAUFERCHAUktsimage
TechnikKünstliche Intelligenz nimmt Data Scientists Arbeit ab

Wanted: Einstein, Miche­lan­gelo und Bill Gates in einer Person

Lesezeit ca.: 3 Minuten
Bernd Seidel

Bernd Seidel

freier Journalist

Data Scientists sollen bald Unterstüt­zung bekommen: Intelligente Software nimmt ihnen Routineauf­gaben ab. So können sich die Spezialisten auf komplexe Analysen konzentrieren.

02. Juni 2017

„Der Data Scientist beschäftigt sich mit Daten und deren Interpre­ta­tion und jongliert damit wie ein Künstler“, erläutert Holm Landrock, Senior Advisor beim Analysten­haus Experton Group, das zum Beratungs­un­ter­nehmen ISG gehört. „So finden diese Experten unbekannte Verknüpfungen zwischen Datensätzen, deren Auswertung möglicher­weise neue Erkenntnissen bringt.“ Das Anforderungs­profil für diese Berufsgruppe verbindet die analytischen Fähigkeiten eines Wissenschaft­lers, die Kreativität eines Künstlers sowie ein tiefgehendes IT-Know-how: in etwa Einstein, Michelan­gelo und Bill Gates in einer Person. Solche Spezialisten sind in Unternehmen ausgespro­chen rar.

Software hilft Anwendern in der Statistik aus

Das Analysten­haus Gartner verweist auf einen Ausweg aus der Personal­knapp­heit: Intelligente Software soll Mitarbeiter ohne tiefgrei­fende Statistik-Kenntnisse zu Analysen befähigen. „Viele Unternehmen haben nicht dauerhaft genug Data Scientists – aber sie verfügen über Business-Analysten, die Citizen Data Scientists werden können“, berichtet Joao Tapadinhas, Research Director bei Gartner im Report Predicts 2017: Analytics Strategy and Technology. „Ausgerüstet mit den richtigen Tools können die Citizen Data Scientists Analysen erstellen und Modelle entwickeln, die vorhersa­gende oder beschrei­bende Auswertungen ermöglichen.“ ‚Citizen Data Scientists sind laut Gartner: Angestellte, die ausgereifte Analysever­fahren anwenden, aber selbst keine tiefgrei­fenden Statistik-Kenntnisse haben. Sie könnten eine Brücke schlagen zwischen den Business-Nutzern und den Statisti­kern.

Roboter erledigen 40 Prozent der Analysen

Bis 2020 werden laut Gartner-Studie mehr als 40 Prozent der Aufgaben, die heute ein Data Scientist übernimmt, automati­siert. Das führe zu einem bereiteren Einsatz von Datenana­lyse. „Indem die Software­an­bieter ihre Lösungen für den Einsatz bei Citizen Data Scientists vereinfa­chen, helfen sie Unternehmen dabei, den Mangel an Fachkräften mit tiefen Statistik­kennt­nissen zu beheben“, schreibt Alexander Linden, Research Vice President bei Gartner. „Der Schlüssel zur Vereinfa­chung liegt in der Automati­sie­rung von Aufgaben, die häufig wiederholt werden, zeitaufwändig sind und nicht zwangsläufig die Expertise eines zertifizierten Daten-Spezialisten voraussetzen.“

Auch Matthias Thurner, Chief Technology Officer beim Business-Intelligence-Spezialisten Prevero, geht davon aus, dass Software die Data Scientists künftig von Routinetä­tig­keiten entlastet. Allerdings gebe es hierbei Grenzen: „Software kann Daten analysieren, aber sie kann nichts übernehmen, was Intuition und Kreativität voraussetzt. Sie kann beispiels­weise nicht sagen, welche Analyse zusätzlich interessant ist, oder in welchen Datenbeständen noch untypische Zusammen­hänge stecken.“ Noch nicht.

Scheinkor­re­la­tionen entdecken nur Menschen

Ein aus der Statistik bekanntes Problem sind sogenannte Scheinkor­re­la­tionen, bei denen beispiels­weise die Zahl der eingesetzten Feuerwehr­leute und die Höhe des Brandscha­dens miteinander in Beziehung gesetzt werden. Software kann laut Thurner solche Fehler weder heute noch in Zukunft erkennen. Als wahrschein­li­ches Szenario verweist der Prevero-Cheftech­no­loge auf ein moderiertes Verfahren: Erfahrene Data Scientists stecken für die Business Anwender den Analyserahmen ab, formulieren ein Set an möglichen Fragen und legen qualitäts­ge­si­cherte Daten fest: „Innerhalb dieses Rahmens können Anwender, die relativ wenig Ahnung von Statistik haben, eigene Analysen durchführen. Bestimmte Dinge erledigt die Software auch selbst.“ Als Beispiel für die Unterstüt­zung durch Software nennt Thurner Applikationen für die Unterneh­mens­pla­nung, die dem Anwender Werte vorschlagen oder die dann, wenn er Zahlen eingibt, die stark von denen des Vorjahrs abweichen, um eine Bestätigung bitten.

Digitale Assistenten hören auf Sprachbe­fehle

Wie Zukunfts­musik klingt die Beschrei­bung einer digitalen Assistentin namens Wanda, mit der sich Anwender in natürlicher Sprache unterhalten. So könne sich beispiels­weise ein Finanzchef von Wanda den Monatsab­schluss erklären lassen. Die Assistentin finde diejenigen Unterneh­mens­be­reiche, in denen es sehr schlecht oder sehr gut laufe. „Die digitale Assistentin basiert zu großen Teilen auf Machine Learning“, erläutert Thurner.

Wanda ist seit dem vergangenen Jahr verfügbar und bekommt nach und nach neue Fähigkeiten. Allerdings haben diese Assistenten laut Thurner Grenzen: „Einen Menschen kann ich fragen, woraus er seine Einschät­zung ableitet. Software kann hingegen nicht nachzeichnen, wie sie zu ihrem Ergebnis kommt.“ Künstliche Intelligenz arbeite mit Vorgängen in neuronalen Netzen, die sich nur sehr schwer erklären ließen. „Diese Komplexität wird immer eine Hemmschwelle bilden, die Ergebnisse einer Analyse zu übernehmen“, erläutert Thurner. „Kein Finanzchef will sich auf Vorschläge verlassen, bei denen er keine Ahnung hat, wie sie zustande kommen.“