Systeme, die künstliche Intelligenz nutzen, um Prognosen, Planung und Entscheidungsfindung in Unternehmen zu verbessern, haben in den letzten Jahren stark zugenommen, aber in vielen Fällen fehlen ihnen detaillierte, spezifische Informationen über das Unternehmen selbst, was den Nutzen dieser Instruments einschränkt.
Devavrat Shah, leitender Forscher am Laboratory for Info and Resolution Techniques (LIDS) des MIT, Fakultätsmitglied der Abteilung für Elektrotechnik und Informatik (EECS) und Mitglied des Institute for Knowledge, Techniques, and Society (IDSS), hat sich darauf konzentriert, Methoden zu entwerfen, die eine sekundengenaue Entscheidungsfindung mit begrenzten Rechenressourcen ermöglichen.
„In gewisser Weise muss man mit einer geringen Menge an Ressourcen viel schwere Arbeit leisten“, sagt er. Als Forscher „liegt mein Interesse in der Fähigkeit, Methoden zu entwickeln, mit denen sich auf möglichst effektive Weise Informationen in großem Maßstab aus Daten extrahieren lassen.“
Die Andrew (1956) und Erna Viterbi Professorin lehrt seit 2005 am MIT.
Im Jahr 2019 battle er außerdem Mitbegründer eines Spin-off-Unternehmens namens Ikigai Labs. Ikigai entwickelte auf der Grundlage jahrelanger Forschung in Shahs Labor ein Grundlagenmodell für tabellarische Zeitreihendaten, das vom MIT patentiert und an das Unternehmen lizenziert wurde. Dieses Modell kann Daten aus Unternehmensdaten aus unterschiedlichen Quellen kontinuierlich und in großem Maßstab übernehmen, sodass es im Laufe der Zeit dazulernt, indem es seine Vorhersagen anhand realer Ergebnisse testet.
Shah erklärt, dass das System eine Erweiterung der Artwork von grafischen Modellen ist, die beispielsweise von GPS-Geräten verwendet werden, um eine spärliche Datenmenge von Satelliten in ein genaues Modell einer Place auf der Erdoberfläche umzuwandeln, oder von Kommunikationssystemen wie dem einer Digitaluhr, die mit hoher Geschwindigkeit und energieeffizient kommuniziert.
„Mein Interesse battle: Wie entwirft man solche grafischen Modelle für generische, tabellarische Daten?“ sagt er.
Während die meisten KI-Modelle mit Textual content und Bildern trainiert wurden, verwendet dieses System tabellarische Daten als Eingabe – strukturierte Daten wie das bekannte Zeilen- und Spaltenformat, das in Tabellenkalkulationen verwendet wird. Und dann ermöglicht es die Artwork der Echtzeitplanung in einem weitaus größeren Maßstab.
Die Idee von Ikigai bestand darin, Prognose- und Entscheidungstechnologie für große Unternehmen wie Konsumgüterhersteller und Pharmaunternehmen bereitzustellen.
Shah nennt als Beispiel, wie ein Unternehmen der Unterhaltungselektronik dieses System nutzen könnte.
„Nehmen wir an, Sie stellen Kopfhörer und alle möglichen anderen Dinge her. Und jedes der Produkte, die Sie herstellen, besteht aus vielen kleinen Teilen, die aus verschiedenen Teilen der Welt stammen. Und sobald das Gerät verkauft ist, muss es unterstützt und gewartet werden. Und Sie müssen neue Versionen des Produkts entwickeln, Sie müssen sie vermarkten, Sie müssen ihnen einen Preis festlegen … Die Fragen, die Sie normalerweise stellen würden, wären additionally: Wenn ich diese im nächsten Quartal oder im nächsten Jahr verkaufen würde, wie viele würden an verschiedenen Orten verkauft und was würde damit passieren.“ Nachfrage, wenn ich den Preis ändere oder eine Sonderaktion einführe?“
Er fügt hinzu, dass alle diese Prozesse voneinander abhängig sind und in jeder Section der Prozesse Entscheidungen getroffen werden müssen, die Auswirkungen auf die Zeit haben. „Auf einer bestimmten Ebene“, sagt er, „führt die Digitalisierung dieser Prozesse und die Möglichkeit, Vorhersagen zu treffen und ständig zu optimieren, letztendlich zu besseren Geschäftsabläufen.“
Ikigai wurde kürzlich von der internationalen Firma Celonis übernommen, wo Shah nun zusätzlich zu seinen Aufgaben am MIT leitender Wissenschaftler ist. Letztendlich hofft er, dass das von ihm für Ikigai entwickelte Modell Celonis dabei helfen wird, Instruments bereitzustellen, die sich in die eigenen Daten und Geschäftsprozesse eines Unternehmens integrieren lassen, um reale Analysen bereitzustellen, die bei der Erstellung von Prognosen, Plänen und Entscheidungen helfen können.
Shah fügt hinzu, dass Celonis sich auf die Digitalisierung und Automatisierung von Abläufen für mehr als 1.400 große Unternehmen weltweit spezialisiert hat. Nachdem diese Systeme nun vollständig digitalisiert sind, bieten sie der Ikigai-Software program eine Plattform, um den nächsten Schritt zu gehen und die Daten aus diesen digitalisierten Systemen zu lesen, um detaillierte Modelle bereitzustellen, die die Simulation verschiedener Optionen ermöglichen, optimale Strategien vorhersagen und die Ergebnisse einer bestimmten Reihe von Entscheidungen prognostizieren können.
„Sobald die digitale Schicht dieser Prozesse und diese Informationsschicht vorhanden sind“, sagt Shah, „können wir jetzt den Ikigai-Stack darüber legen, um eine Entscheidungsfindung in einem viel größeren Maßstab als sonst zu ermöglichen.“
Während so viele Unternehmen an verschiedenen Aspekten der KI arbeiten, „konzentrieren wir uns sehr stark auf einen Teil des Bereichs, dem der Relaxation der Welt keine Aufmerksamkeit schenkt“, nämlich den Bereich der strukturierten oder Zeitbereichsdaten. Indem man auf solchen Daten aufbaut, bietet es seiner Meinung nach eine sehr kostengünstige Model der KI.
„Ein engerer Fokus geht mit schärferer Technologie einher“, sagt er, „aber sie ist breit genug, dass sie sehr wertvoll ist.“
Shah fügt hinzu: „Das aktuelle Schlagwort, das in der modernen KI-Populärpresse an Bedeutung gewonnen hat, ist ‚Weltmodell‘.“ In gewisser Weise wird hier sozusagen versucht, das Weltmodell der Unternehmensprozesse aufzubauen.“