Künstliche Intelligenz: Warum Maschinen uns nicht arbeitslos machen.

Künstliche Intelligenz (KI) wird viele Jobs nicht ersetzen, sondern interessanter machen – indem sie den Menschen Routineaufgaben abnimmt. Der Schlüssel zum KI-Erfolg: Firmen müssen ihre Datenbestände auf Vordermann bringen.

Studien
  • EOS Studie: Finanzentscheider (47 Prozent) fürchten um Jobs durch Künstliche Intelligenz (KI)
  • Fehlerquote im Forderungsmanagement kann mit KI minimiert werden.

EOS Studie Künstliche Intelligenz: Finanzentscheider fürchten um ihre Jobs
Künstliche Intelligenz: Laut EOS Studie vertrauen noch nicht viele Finanzentscheider modernen Technologien.

Wenn es um das Potenzial der Künstlichen Intelligenz (KI) geht, ist vielen der Vergleich oft nicht groß genug: „So wie die Elektrizität vor 100 Jahren fast alle Industrien transformiert hat, wird die Künstliche Intelligenz nun nahezu jede große Branche verändern”, schreibt etwa der Informatiker Andrew Ng. Er hat bei den größten Suchmaschinen der Welt – Baidu und Google – KI-Forschungsprojekte geleitet und einen KI-Investment-Fonds gegründet.

Die Menschen werden mithilfe von Künstlicher Intelligenz die Fehlerquoten im Forderungsmanagement revolutionär minimieren. Immerhin sehen das auch 30 Prozent der Finanzentscheiderinnen und -entscheider so. Joachim Göller, Leiter des Center of Analytics der EOS Gruppe

Es gibt aber einen Unterschied zu früheren technischen Revolutionen: Die Angst vor Jobverlusten trifft jetzt auch die gut ausgebildeten Wissensarbeiterinnen und -arbeiter. Bei den Finanzentscheiderinnen und -entscheidern befürchtet zum Beispiel fast die Hälfte (47 Prozent) Jobverluste durch Künstliche Intelligenz. Das ergab die Studie „Europäische Zahlungsgewohnheiten“ 2019. Insgesamt 3.400 Expertinnen und Experten in 17 Ländern hatte der Finanzdienstleister EOS unter anderem dazu befragt, welchen Einfluss KI auf das Forderungsmanagement in ihrem Unternehmen haben würde.

Joachim Göller, Leiter des Center of Analytics der EOS Gruppe

KI-Systeme helfen Menschen, Fehler zu vermeiden.

„Wer bei KI sofort an ‚Mensch gegen Maschine‘ denkt, dem fehlt oft das nötige Wissen. Da hilft nur Aufklärungsarbeit“, sagt Joachim Göller, Leiter des Center of Analytics der EOS Gruppe. Mit seinem Team arbeitet er an KI-Lösungen, die EOS im Forderungsmanagement unterstützen. „Die Menschen werden mithilfe von Künstlicher Intelligenz die Fehlerquoten im Forderungsmanagement revolutionär minimieren. Immerhin sehen das auch 30 Prozent der Finanzentscheiderinnen und -entscheider so.“

David Goossens, Gründer und Geschäftsführer von Latentine
Was kann KI? David Goossens berät mit seinem Start-up Latentine große Unternehmen

Die Vorstellung, dass ein Unternehmen eine Künstliche Intelligenz anschaffe und dann einen Teil der Belegschaft entlasse, sei falsch, sagt David Goossens von Latentine. Das Berliner KI-Startup berät große Unternehmen unter anderem aus der Pharma-, Logistik- und Versicherungsbranche, die oft keine genaue Vorstellung davon haben, was die Technologie eigentlich kann oder soll. „Unternehmen müssen wissen, wo ihre Mitarbeiter unter- oder überfordert sind. Wir erleben, dass hochausgebildete Finanzexperten zu viel Zeit mit repetitiven Aufgaben der Unternehmenssteuerung verbringen und zugleich nicht genug Zeit haben, um zuverlässige, datengetriebene Prognosen zu erstellen“, sagt Goossens.

Oft fehlen Data Engineers.

Wer hier KI richtig einsetzt, wird im besten Fall konkurrenzfähiger und ermöglicht seinen Mitarbeiterinnen und Mitarbeitern, interessantere Aufgaben zu übernehmen. Bei EOS etwa nutzen die Inkasso-Teams eine Künstliche Intelligenz für Routinefälle – damit sie sich mehr auf die Kundinnen und Kunden konzentrieren können, deren Fälle komplexer sind. Auch andere Branchen entlasten ihr Fachpersonal von Standard-Vorgängen. Das finnische Softwareunternehmen Basware etwa hat einen Virtuellen Assistenten entwickelt, der Alltagsfragen in der Beschaffungsabteilung beantwortet. Und die SEB Bank in Schweden entlastet ihren IT-Support mit der intelligenten virtuellen Assistentin Amelia von der Firma IPsoft.

„Zuerst sollte das Unternehmen eine Übersicht erarbeiten: Wo genau kann KI das Einfache automatisieren? Wo das Komplexe bedienbar machen?“, sagt Goossens. Schon an diesem Punkt merken viele Firmen, dass ihnen die wichtigste Grundlage für die Einführung von selbst lernenden Systemen fehlt: Daten in der nötigen Qualität und Menge, um die Algorithmen zu füttern. „Generell fehlen den meisten Unternehmen Data Engineers“, sagt Goossens – also die Expertinnen und Experten, die dafür sorgen, dass alle Daten sauber strukturiert und zentral gespeichert werden. Eine Herausforderung für Unternehmen, in denen Abteilungen heute noch mit verschiedenen IT-Systemen und getrennten Datenbanken arbeiten.

„Nur geprüfte Daten verhindern, dass Maschinen fehlerhafte Entscheidungen treffen“, weiß auch Andreas Dix vom EOS Data Science Team. Aus tausenden von sauber dokumentierten Inkasso-Fällen leiten die Machine-Learning-Algorithmen ab, was in einer Kundenbeziehung der jeweils beste nächste Schritt ist. „Ich denke, am Ende sind Systeme mit Künstlicher Intelligenz immer eine hilfreiche Ergänzung für den Menschen“, sagt Dix. „Über allem aber steht immer der Mensch, der kontrolliert und wichtige Entscheidungen trifft.“

Andreas Dix vom EOS Data Science Team, sitzt in einem Büro vor dem Fenster
Andreas Dix vom EOS Data Science Team, weiß, welche Daten Künstliche Intelligenz benötigt, um sauber zu arbeiten.

Deutsch: Jetzt kostenlos EOS Studie herunterladen. Zum Studienportal

Mehr Informationen? Melden Sie sich gerne bei uns!

Photo credits: IPsoft, Sebastian Vollmert / EOS, Achim Multhaupt, Latentine GmbH

Teilen

Drucken