Send us Fan Mail
Daten exportieren, per E-Mail verschicken, in Excel bearbeiten,
ins nächste System hochladen. So beschreibt Dr. Melanie Sigl
Prozesse, die ihr in Unternehmen begegnen. Excel ist dann nicht
bloß ein Tool, sondern praktisch das Betriebssystem der Firma.
Und darauf soll jetzt KI laufen.
Melanie ist Managing Consultant bei PRODATO, Teil der
Dataciders-Gruppe, und leitet das Data-&-AI-Team mit Fokus
auf KI. Parallel zur Praxis hat sie an der FAU Erlangen-Nürnberg
über Transfer Learning auf multivariaten Zeitreihendaten
promoviert — also darüber, wie sich gelerntes Wissen auf neue
Daten übertragen lässt und wann genau das schiefgeht.
In der aktuellen Episode von Masters of Data, BI & AI spricht
sie darüber, warum die Datengrundlage wichtiger ist als das
nächste Modell, woran KI-Projekte nach der Pilotphase scheitern —
und weshalb Unternehmen bei Junioren aus ihrer Sicht an der
falschen Stelle sparen.
Ein paar Dinge, die hängengeblieben sind:
Zur KI, die den Datenkatalog nicht ersetzt: Eine Frage in
natürlicher Sprache ersetzt nicht die Vorarbeit. Was bedeutet
diese kryptische ERP-Spalte? Wie ist Umsatz definiert? Für
brauchbare Antworten braucht das Modell diesen Kontext. Die
früher ungeliebte Pflege von Datenkatalog und Kennzahlen wird
damit wichtiger, nicht überflüssig.
Zum KI-Projekt, das die Pilotphase übersteht: Eine CSV-Datei für
die Demo ist noch keine verlässliche Datenversorgung. Melanie
nennt drei Bedingungen: einen rentablen Anwendungsfall, Daten und
Prozesse, die auch im produktiven Betrieb funktionieren, und
Rückhalt in Management und Belegschaft. Sonst baut man mit der
neuen Lösung nur das nächste Silo.
Zum Fundament ohne Luxusausstattung: Eine gemeinsame
Datenplattform, Governance und klare Abläufe helfen gegen das
gewachsene Systemchaos. Aber Melanie fordert keinen „Maybach“ für
jeden Anwendungsfall. Der Aufwand muss zum Nutzen passen. Klein
anfangen, den Prozess einmal durchgängig zum Laufen bringen und
anschließend gezielt erweitern.
Zum Recruiting mit Blick auf morgen: Melanies Einwand gegen das
Sparen bei Junioren: Wer heute niemanden ausbildet, dem fehlen
morgen erfahrene Kollegen. Gerade die Grundlagenarbeit vermittelt
das Handwerk, mit dem sich Ergebnisse später beurteilen lassen.
Agenten einzusetzen ist für sie kein Argument, die Entwicklung
von Menschen aufzugeben.
Zur ehrlichen Antwort auf Microsoft Fabric: Eine Partnerschaft
ist für Melanie kein Grund, jedem Kunden dieselbe Plattform zu
empfehlen. Eine einzelne Pipeline rechtfertigt nicht automatisch
Fabric. Entscheidend sind Anforderungen, Budget und die
bestehende Systemlandschaft — inklusive der Kosten, die
entstehen, wenn Daten zwischen Plattformen hin- und herkopiert
werden.
Zum Unterschied zwischen perfekt und fertig: Am Lehrstuhl gab es
zwei Arten von Abschlussarbeiten: perfekte und abgegebene. Für
Melanie steckt darin auch eine Projektlektion: Zu komplex zu
starten kann verhindern, überhaupt anzufangen. Erst das
Geschäftsproblem und das messbare Ziel gemeinsam klären, dann
klein umsetzen und mit Feedback besser werden.
Wie viel eurer Datenarbeit läuft noch über Excel — und an welcher
Stelle wäre der größte Hebel für Veränderung?
️ Die ganze Episode jetzt auf Masters of Data, BI & AI — Link
in den Kommentaren.
LinkedIn Profile
LinkedIn Profile von Dr. Melanie Sigl:
https://www.linkedin.com/in/melanie-sigl/
LinkedIn Profile von Rocky Khan:
https://www.linkedin.com/in/khanrocky/
Business Buch
Extreme Ownership — Melanie hat nach eigener Aussage nur wenige
Businessbücher gelesen. Dieses empfiehlt sie für den
Leadership-Bereich.
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.