KI kann heute erstaunlich viele Fragen zu Unternehmensdaten beantworten. Umsätze vergleichen, Auffälligkeiten erkennen, Entwicklungen zusammenfassen oder Zusammenhänge erklären – vieles davon ist technisch längst möglich. Und genau darin liegt eine neue Herausforderung. Denn nur weil wir eine Frage mit KI beantworten können, heißt das noch lange nicht, dass wir sie auch mit KI beantworten sollten.
Nehmen wir ein Beispiel aus dem Retail. Ein Unternehmen betreibt mehrere Filialen und möchte jeden Morgen wissen, wie sich die einzelnen Standorte entwickeln:
- Welche Filialen liegen unter Plan?
- Wo geht der Umsatz zurück?
- Wie entwickelt sich die Marge?
- Welche Warengruppen fallen gegenüber dem Vergleichszeitraum auf?
Die notwendigen Daten liegen bereits in Microsoft Dynamics 365 Business Central und LS Central. Natürlich könnten wir nun eine KI anbinden und fragen: „Welche Filialen entwickeln sich aktuell schlechter als erwartet?“ Die KI könnte uns darauf eine Antwort geben. Aber vielleicht ist eine andere Lösung an dieser Stelle viel sinnvoller.
Manche Fragen müssen wir gar nicht stellen
In unserem Beispiel wissen wir bereits ziemlich genau, welche Informationen wir benötigen. Wir kennen die relevanten Kennzahlen, die Filialen und die Vergleichszeiträume. Wir wissen auch, wann eine Abweichung interessant wird. Und vor allem: Diese Fragestellung verändert sich nicht jeden Morgen grundlegend. Genau für solche Situationen sind Business-Intelligence-Lösungen wie Power BI gemacht. Ein Regionalleiter öffnet morgens sein Dashboard und sieht auf einen Blick, wie sich seine Filialen entwickeln. Er kann Standorte miteinander vergleichen, Zeiträume betrachten oder einzelne Warengruppen genauer untersuchen. Er muss dafür keine Frage formulieren. Die Information ist bereits da. Das klingt zunächst nach einem kleinen Unterschied. Im Arbeitsalltag kann er aber entscheidend sein. Wenn ich jeden Morgen dieselben fünf Kennzahlen benötige, möchte ich vielleicht gar nicht mit einem System darüber sprechen. Ich möchte mein Dashboard öffnen und innerhalb weniger Sekunden wissen, wo ich genauer hinschauen sollte. Eine Antwort wird schließlich nicht wertvoller, nur weil sie von einer KI kommt.
Bei bekannten Fragen hat Eindeutigkeit einen großen Wert
Bei einem Power-BI-Bericht definieren wir ziemlich genau, wie eine Kennzahl zustande kommt.
- Welche Daten fließen ein?
- Welcher Zeitraum wird betrachtet?
- Wie berechnen wir Umsatz, Marge oder Planabweichung?
Ist diese Logik einmal festgelegt, wird sie immer wieder nach denselben Regeln angewendet. Wenn zehn Regionalleiter morgens auf dieselbe Kennzahl schauen, basiert sie für alle auf derselben Berechnungslogik. Und wenn sich jemand fragt, warum eine Zahl so aussieht, lässt sich nachvollziehen, wie sie entstanden ist. Bei KI ist das anders. Stellen wir einer KI zweimal dieselbe offene Frage, müssen die Antworten nicht identisch ausfallen. Sie können anders formuliert sein, unterschiedliche Aspekte hervorheben oder – abhängig von Fragestellung und Umsetzung – zu unterschiedlichen Einordnungen kommen. Das ist nicht automatisch ein Nachteil. Aber es ist eine Eigenschaft, die zur Aufgabe passen muss.
Wenn ich wissen möchte, wie hoch die Marge einer Filiale im vergangenen Monat war, möchte ich wahrscheinlich keine Interpretation. Ich möchte eine eindeutig definierte Zahl, die heute nach derselben Logik berechnet wird wie morgen. Wenn ich dagegen verstehen möchte, welche möglichen Ursachen hinter einer ungewöhnlichen Margenentwicklung stecken, sieht die Sache anders aus.
Mehr Möglichkeiten bedeuten häufig auch mehr Vorbereitung
Bei einer KI-Anwendung geht es häufig um mehr als um die Ausgabe einer fest definierten Kennzahl. Sie soll Informationen einordnen, Zusammenhänge erkennen oder auf unterschiedliche Fragen reagieren können. Dafür benötigt sie allerdings auch eine andere Grundlage. Für ein Dashboard müssen Daten ebenfalls verstanden, strukturiert und sinnvoll aufbereitet werden. Ohne eine vernünftige Datengrundlage entstehen auch in Power BI keine verlässlichen Auswertungen. Bei einer KI-Anwendung kommt häufig noch eine weitere Ebene hinzu.
Denn sobald eine KI Informationen nicht nur darstellen, sondern interpretieren soll, muss sie auch den notwendigen Kontext kennen.
- Was bedeutet eine Abweichung in unserem Unternehmen?
- Welche Informationen gehören zusammen?
- Welche Regeln und Ausnahmen spielen eine Rolle?
Im vorherigen Beitrag „Warum viele Unternehmen noch nicht bereit für KI sind“ dieser Reihe haben wir uns genau damit beschäftigt: Eine KI kennt diese Zusammenhänge nicht automatisch. Das kann in der Praxis bedeuten, dass eine KI-Lösung zusätzliche Vorbereitung erfordert. Und genau deshalb sollte dieser zusätzliche Aufwand auch einen zusätzlichen Nutzen schaffen.
Die spannendere Frage kommt oft erst danach
Bleiben wir bei unserem Beispiel. Power BI zeigt uns, dass sich die Marge einer Filiale seit mehreren Wochen schlechter entwickelt als bei vergleichbaren Standorten. Damit wissen wir zunächst einmal, was passiert ist. Jetzt stellt sich die nächste Frage: Warum? Vielleicht hat sich der Produktmix verändert. Vielleicht waren margenstarke Artikel häufiger nicht verfügbar. Vielleicht gab es ungewöhnlich viele Preisnachlässe oder die Retouren entwickeln sich anders als an vergleichbaren Standorten. Vielleicht gibt es aber auch einen Zusammenhang, an den bisher niemand gedacht hat. Damit verändert sich die Aufgabe. Wir möchten nicht mehr nur eine vorher definierte Kennzahl betrachten. Wir möchten Informationen miteinander in Beziehung setzen, Auffälligkeiten einordnen und mögliche Erklärungen untersuchen.
Und genau hier kann sich der zusätzliche Aufwand für KI lohnen.
Power BI zeigt uns in diesem Beispiel, wo wir genauer hinschauen sollten. KI kann uns anschließend dabei unterstützen, genauer hinzuschauen.
Die beste Lösung ist nicht immer die gehypteste
Vielleicht ist genau das eine Erkenntnis, die in der aktuellen Begeisterung für KI leicht verloren geht. Wenn ein Power-BI-Dashboard eine regelmäßig benötigte Information transparent, zuverlässig und nachvollziehbar bereitstellt, wird diese Lösung nicht schlechter, nur weil eine KI theoretisch dieselbe Frage beantworten könnte. Für eine klar definierte Kennzahl kann genau diese Verlässlichkeit der entscheidende Vorteil sein. Genauso gibt es Situationen, in denen eine vordefinierte Auswertung an ihre Grenzen kommt. Wenn Fragen variieren, Informationen interpretiert oder Zusammenhänge untersucht werden sollen, kann KI Möglichkeiten eröffnen, die ein klassisches Dashboard so nicht bietet.
Manchmal brauchen wir eine Zahl, die immer nach derselben Logik berechnet wird. Manchmal möchten wir eine Entwicklung auf einen Blick erkennen. Und manchmal möchten wir verstehen, warum wir diese Entwicklung überhaupt sehen. Die entscheidende Frage ist deshalb nicht, welche Technologie mehr Aufmerksamkeit bekommt oder mehr Möglichkeiten verspricht. Entscheidend ist, welche Eigenschaften wir für die jeweilige Aufgabe benötigen.
Die beste Lösung ist nicht immer die gehypteste. Sie ist diejenige, die an der richtigen Stelle den größten Nutzen schafft.
Manchmal ist das Power BI. Manchmal ist es KI. Und in vielen Fällen werden sich beide sinnvoll ergänzen. Denn nur weil KI etwas kann, heißt das noch lange nicht, dass KI es auch tun sollte.
