Mise en Place und KI im Einsatz
06.02.2024 | Sebastian Müller, Jan Hucklenbroich
Wie der Einsatz von KI in Unternehmen erfolgreich gelingt
Kochen und Daten – ein Zusammenspiel mit vielen Gemeinsamkeiten, denen wir hier auf den Grund gehen wollen! Sowohl die Zubereitung eines Gerichtes als auch die Erstellung sinnvoller Data Insights mit KI im Einsatz erfordert das Zusammenspiel folgender vorbereitender Schritte:
- Einsatz der richtigen Produkte
- Verwendung der passenden Werkzeuge
- Optimale Handhabung des gesamten Erstellungsprozesses
Nehmen wir zunächst die Künstliche Intelligenz (KI) und deren Einsatz in Unternehmen genauer unter die Lupe. KI ist ein mächtiges Werkzeug, um Geschäftsprozesse zu optimieren, Kundenbedürfnisse zu erfüllen und Wettbewerbsvorteile zu erzielen. Doch um KI erfolgreich im Unternehmenskontext einzusetzen, braucht es die drei oben genannten Grundlagen. Nur so gelangt ein Unternehmen zu einem guten „Endprodukt“.
Jetzt kommen Data Governance und die Kulinarik mit ins Spiel
Grundsätzlich lassen sich alle erforderlichen Aspekte für den Einsatz von KI unter dem Begriff Data Governance bündeln.
Und hier laufen die Grundlagen der Vorbereitung des Services in der Küche, dem Mise en Place, und einer soliden Data Governance zusammen. Die gleichen Vorgehensweisen sind jeweils für ein erfolgreiches Ergebnis ausschlaggebend. Data Governance bietet die Basis für zuverlässige Datenanalysen und das Mise en Place stellt den reibungslosen Ablauf der Zubereitungsschritte sicher, um ein hochwertiges Gericht mit gleichbleibender Qualität zu erzeugen.
In Restaurants spielt die Qualität eine entscheidende Rolle, um den Gästen den erwarteten Genuss zu bieten, für den sie kommen und Geld ausgeben möchten. Um diese Qualität zu gewährleisten, müssen Restaurants und ihr Personal die Lebensmittel systematisch vorbereiten und verwalten. Es ist wichtig, zur richtigen Zeit über das geeignete Werkzeug zu verfügen und sicherzustellen, dass die Zubereitungsschritte nahtlos ineinandergreifen. Diese Prinzipien lassen sich auch auf die Daten übertragen, die wir für KI im Einsatz nutzbar machen wollen. Es erfordert Strategien, ähnlich dem Mise en Place in der Küche.
Betrachten wir zwei konkrete Beispiele aus beiden Welten: Die Zubereitung eines Wiener Schnitzels und die Generierung von Marketingtexten (vgl. pmOne Case Study Generierung von Marketingtexten bei O’Neal). Beide klingen auf den ersten Blick einfach und simpel in der Umsetzung.
- Relevanz: Die Nachfrage muss gegeben sein. Und ein Wiener Schnitzel erzeugt vermutlich mehr Nachfrage als Brotsuppe. So ist auch die Generierung von Marketingtexten relevanter und nachhaltiger als die Generierung von standardisierten Rechnungstexten.
- Vollständigkeit: Für das Wiener Schnitzel benötigt es auf den ersten Blick nur Kalbsfleisch, Gewürze, Eier, Mehl und Semmelbrösel. Für ein gutes Wiener Schnitzel fehlt auf dieser Liste jedoch Wasser, damit die Panierung aufgehen kann. Ebenso fehlt Butterschmalz, das für die authentische Entwicklung des Produkts und seines Geschmacks während der Zubereitung entscheidend ist. Auch bei der Generierung von Marketingtexten ist dies der Fall. Es sind nicht nur Daten aus dem Produktinformationssystem erforderlich, sondern zusätzliche Informationen zur Corporate Identity und zum Design des Anbieters.
- Richtigkeit: Wenn auf dem Streuer „Salz“ steht, in ihm aber tatsächlich „Zucker“ enthalten ist, wird das Schnitzel vermutlich misslingen oder zumindest bei den Gästen für Verwunderung sorgen. Genauso verhält es sich mit den Daten. Diese müssen korrekt und verlässlich sein und keine Fehler oder Verzerrungen enthalten.
- Aktualität: Kochen mit abgelaufenen Lebensmitteln kann hin und wieder nachhaltig sein. Wenn diese aber bereits verdorben sind, wird die Zubereitung eines leckeren Schnitzels schwierig. Auch Daten können ablaufen, weshalb es notwendig ist, diese regelmäßig zu aktualisieren und auf dem neuesten Stand zu halten.
- Konsistenz: Besonders beim Kochen oder Backen in Restaurants und Kantinen ist es wichtig, dass die Gerichte den Vorgaben entsprechen. Gäste sollen sich auf gleichbleibende Qualität und Geschmack verlassen können, um ihr Essen zu genießen. So verhält es sich auch bei den Daten, die für den Einsatz von KI in Unternehmen verwendet werden: sie müssen einheitlich und kompatibel sein und dürfen keine Widersprüche aufweisen. Beide Szenarien benötigen eine klare Vorgehensweise bei der Erstellung des Endprodukts, um das angestrebte Ergebnis zu gewährleisten.
- Weiterentwicklung: Ähnlich wie in einem Restaurant, das seine Gäste nicht langweilen darf, indem es seit Jahren dieselben Speisen anbietet, müssen auch KI-Ergebnisse von Zeit zu Zeit überprüft und überarbeitet werden. Somit kann man das Angebot auf die Nachfrage anpassen und neue Vorgehensweisen, Vorprodukte sowie Werkzeuge etablieren, die zu neuen Produkterlebnissen führen. Genauso verhält es sich in der Datenarbeit. Durch kontinuierliche Analyse der Daten lassen sich fortlaufend neue Ansatzpunkte für zusätzliche Data Insights finden. Hilfreich ist hier ein offenes und neugieriges Mindset der Verantwortlichen, um neue Herausforderungen zu lösen und Erkenntnisse zu gewinnen.
- Datenquellen: Unternehmen sollten die Herkunft, den Inhalt und die Qualität ihrer Datenquellen identifizieren und bewerten. Dies lässt sich vergleichen mit der essenziellen Notwendigkeit für Restaurants, stets über die Herkunft und Qualität der verwendeten Zutaten informiert zu sein und diese zu überwachen.
- Datenerfassung: Ein gutes Kühlhaus ist notwendig, um die Qualität des Kalbfleisches in der Küche sicherzustellen. Für den Einsatz von KI müssen auch Unternehmen die Daten effizient und sicher erfassen, speichern und zugänglich machen.
- Datenbereinigung: Unternehmen müssen die Daten von Fehlern, Duplikaten und Anomalien befreien sowie gegebenenfalls ergänzen oder korrigieren. Auch in der Küche wird das Fleisch pariert und geklopft und das Mehl sollte gesiebt sein, um nicht zu verklumpen.
- Datenaufbereitung: Unternehmen müssen die Daten für den Einsatz von KI anpassen und transformieren, beispielsweise durch Normalisierung, Skalierung oder Kodierung. Im Vergleich dazu ist auch in der Küche das Besprühen des Fleischs mit Wasser unerlässlich, um die Panierung aufgehen zulassen.
- Data Governance: Unternehmen müssen ihre Daten schützen und kontrollieren. Dies erfolgt zum Beispiel anhand von Richtlinien, Rollen, Zugriffsrechten oder Audits. Das gilt im übertragenen Sinne auch für die Zubereitung von Speisen in einer Restaurantküche. Dort sollte der Zugang schon aus hygienischen Gründen beschränkt sein.
Fazit
Die aufgelisteten Vergleiche zeigen, dass es einen großen Zusammenhang zwischen der Zubereitung von Speisen und dem Einsatz von KI sowie Datenanalysen in Unternehmen gibt. Außerdem verdeutlichen sie, dass eine saubere Vorbereitung und ein gewissenhafter Herstellungsprozess zu einem qualitativ hochwertigen Produkt führen – unabhängig davon, um welche Art von Produkt es sich handelt. Warum also in der Datenarbeit nicht auf ein jahrhundertelanges erprobtes Vorgehen aus einem vergleichbaren Prozess zurückgreifen? Viel wichtiger ist jedoch die Tatsache, dass dieses Vorgehen nicht nur den Einsatz von KI betrifft, sondern die gesamte Datenwertschöpfung – vom Brot als Beilage bis hin zum 3-Sterne-Degustationsmenü.
Sie wollen mehr über Datenqualität und Datenmanagement zum Einsatz von KI in Ihrem Unternehmen erfahren?
pmOne unterstützt Sie bei Ihrem gesamten Wertschöpfungsprozess im Data- und AI-Bereich mit jahrelanger Expertise in Deutschland, Österreich und in der Schweiz. Sie erhalten zudem das fertige Schnitzel inklusive Beilage, um Ihr erfolgreiches Projekt anzugehen und die nächsten Use Cases zu planen. Unsere Datenexperten kümmern sich darum, Ihre Daten für AI-Projekte vorzubereiten und zu verwalten. Dabei nutzen sie innovative Ansätze und Assessments sowie Konzepte und Entwicklungen von Data- und AI-Plattformen, die auf Ihre spezifischen Anforderungen und Ziele zugeschnitten sind.
Kontaktieren Sie uns und gemeinsam machen wir Ihre Daten bereit für den Einsatz von KI in Ihrem Unternehmen!
