Hier erfahren Sie, was KI wahrscheinlich für herkömmliche BI- und Analysetools bedeutet

Während wir uns der Demokratisierung der Datenanalyse immer weiter nähern, werden Endbenutzer und technische Mitarbeiter Fragen in einem Konversationston stellen.

Führt Künstliche Intelligenz zum Niedergang oder zur Wiedergeburt von Business Intelligence?

Front-End-Business-Intelligence- und Datenanalyse-Tools beherrschten jahrelang die Märkte. Jetzt ändert KI all das. Dementsprechend gehen große BI-Anbieter zu "KI"-Unternehmen über. Was müssen Endbenutzer über die Zukunft von BI und Datenanalyse im KI-Zeitalter wissen?

Etablierte BI-Anbieter haben die Botschaft verstanden, mit neuen Tools, die weit über Berichte und hübsche Grafiken hinausgehen. Zum Beispiel führt Qlik, seit langem ein führender BI-Anbieter, eine so genannte globale "AI Reality Tour" durch, die kürzlich vom Branchenredner und Autor Dez Blanchfield beschrieben wurde. Der Einstieg des Anbieters in die Verarbeitung natürlicher Sprache (NLP) - über generative KI - ermöglicht es den Nutzern, mit Daten in Alltagssprache zu interagieren, bemerkte er. Zusätzliche Funktionen "erstrecken sich auf die Datenvisualisierung und die Darstellung komplexer Daten in einem leicht verständlichen Format".

Branchenbeobachter sind sich einig, dass der Aufstieg der KI - insbesondere großer Sprachmodelle - die Fähigkeiten und die Reichweite von BI- und Datenanalysetools erheblich erweitert. "LLMs transformieren die Datenanalyse, indem sie die Integration von strukturierten und unstrukturierten Daten ermöglichen", sagte Chida Sadayappan, Managing Director von Deloitte Consulting. Sie verbessern die Dateninterpretation, verbessern die Entscheidungsfindung und automatisieren Prozesse, sodass Unternehmen tiefere Einblicke gewinnen und mehr Wert aus ihren Daten schöpfen können."

BI- und Analysetools sind nicht mehr wegzudenken, aber ihre technologische Grundlage verändert sich - sie werden zu einem KI-Stack in der Cloud verlagert. "Jede Schicht des aktuellen Datenstacks wird neu erfunden und neu erfunden", sagte Jitendra Putcha, Executive Vice President bei LTIMindtree. "Dazu gehört der Übergang von ETL-Methoden (Extract, Transform, and Load) zu KI-gesteuerter Datenverarbeitung. Darüber hinaus wird sich die Benutzeranalyse von SQL- und Python-basierten Abfragen zu Conversational Analytics mit natürlicher Sprachverarbeitung verlagern."

Dies bedeutet Veränderungen in der Rolle der Programmierer, die "zu Designern werden, die den No-Code- und Konversationsmodus anwenden, um Anwendungen mit Copilots und Studios zu erstellen und integrierte Entwicklungsumgebungen zu ersetzen", sagte Quang Trinh, Business Development Manager bei Axis Communications. "Wir werden von statischen Berichten zu dynamischen Datenprodukten übergehen, die in Echtzeit umsetzbare Erkenntnisse liefern, die direkt in Workflows eingebettet sind, um die Entscheidungsfindung auf allen Ebenen voranzutreiben."

Die in LLMs enthaltenen Funktionen zur Verarbeitung natürlicher Sprache erleichtern auch "die Datenanalyse, indem sie natürliche Sprache in Datenbankabfragen übersetzen und Datenvisualisierungen erstellen", sagte Trinh.

Dies bedeute größere Möglichkeiten für Kreativität bei den Endnutzern, fuhr er fort. "LLMs wie Claude zum Beispiel können Code für die Datenvisualisierung generieren, wenn sie mit der Datenbank eines Kunden verbunden sind. LLMs gehen auf Bilder und Videos über, um die Analyse von Bildern und Videos zu unterstützen, aber auch neue Bilder und Videos aus Daten zu generieren, aus denen sie gelernt haben."

Sadayappan stimmte zu, dass sich diese Tools weiterentwickeln, "um interaktivere und benutzerfreundlichere Erfahrungen zu bieten. Mit den Fortschritten in GenAI können Benutzer jetzt Fragen in natürlichem Englisch stellen und erhalten detaillierte, beschreibende Antworten, was sie für die Benutzer zugänglicher und effektiver macht."

Die "Demokratisierung" der Datenanalyse - die lange als heiliger Gral authentisch datengesteuerter Unternehmen angesehen wurde - könnte endlich der Realität näher kommen. Der Aufstieg von Conversational AI durch NLP bedeutet eine neue Benutzeroberfläche - keine formale Strukturierung von Abfragen erforderlich. "Die Erstellung und Nutzung von Erkenntnissen wird dialogorientiert werden", betonte Putcha. "Systeme werden sich an den Menschen anpassen. Geschäftsanwender werden mit Daten in natürlicher Sprache interagieren, Fragen stellen und Einblicke erhalten, ohne SQL- oder Python-Kenntnisse zu haben."

Gleichzeitig hängt der Erfolg von KI-gestützten Business-Analytics-Tools, wie bei vielen technologischen Fortschritten, von der Datenqualität ab - dem klassischen Rätsel von Müll rein, Müll raus. "Viele Unternehmen werden in die Datenbereinigung und -validierung investieren müssen, da sie isolierte Systeme in eine Plattform integrieren", so Trinh. "Bei der Mitarbeiterschulung muss der Schwerpunkt auf Vertrauensprinzipien für den ethischen und effektiven Einsatz von KI-Tools in ihrem Unternehmen liegen."

Die größte Herausforderung bei KI-gesteuerter Business Intelligence "besteht darin, Daten aus verschiedenen Quellen zu integrieren, die oft in Silos existieren", so Sadayappan. "Moderne Data-Intelligence-Plattformen mit LLMs helfen, indem sie eine nahtlose Integration ermöglichen, die Datenqualität verbessern und Erkenntnisse automatisieren und so einen umfassenden Überblick über Kunden und Abläufe bieten."