Wie diverse Teams Data Science voranbringen

Viele Unternehmen streben danach, "datengetrieben" zu werden. Da die jüngste Explosion im Bereich der KI-Technologie riesige Mengen an Trainingsdaten erfordert, wird die Qualität des Daten-Inputs immer wichtiger. Daher investieren Firmen viel Zeit und Geld in Datenpipelines und andere technische Aspekte der Datenqualität wie Konsistenz, Gültigkeit, Aktualität und Überprüfbarkeit.

Es gibt jedoch einen kritischen Aspekt der Datenqualität, der oft zugunsten technischer Probleme übersehen wird: die Vollständigkeit oder Verzerrung, genannt Bias. Der beste Weg, dieses Problem anzugehen, ist ein möglichst vielfältiges Datenteam aufzubauen in Bezug auf Geschlecht, ethnische Zugehörigkeit, Alter, Herkunft, Ausbildung und geschäftlicher Erfahrung.

Datengetriebene Unternehmen schneiden besser ab

Zahlreiche Studien haben gezeigt, dass Unternehmen, die datenbasierte Entscheidungen treffen, mehr Geld verdienen. Im vergangenen Jahr berichtete beispielsweise eine IDC-Umfrage unter mehr als 600 Unternehmen, dass eine ausgereifte Datennutzung die Umsätze deutlich steigerte. Zudem reduziere sie die Zeit bis zu Marktreife (Time to Market) für neue Produkte und Dienstleistungen und verbessere die Wahrscheinlichkeit für eine höhere Kundenzufriedenheit, höhere Gewinne und eine höhere betriebliche Effizienz.

Für weitere spannende Hintergründe, Strategien und Deep Dives aus der CIO-Community abonnieren Sie unserer Newsletter.

Eine im März von der Harvard Business Review und Google Cloud durchgeführte Umfrage ergab, dass führende Unternehmen im Bereich Daten und KI andere in Bezug auf betriebliche Effizienz, Umsatz, Kundentreue und -bindung, Mitarbeiterzufriedenheit sowie Vorhersagbarkeit der IT-Kosten deutlich übertreffen. Auch Führungskräfte werden aufmerksam: Eine in diesem Frühjahr von Salesforce veröffentlichte weltweite Umfrage unter fast 10.000 Managern brachte ans Licht: 80 Prozent der Befragten sind der Meinung, dass Daten für die Entscheidungsfindung in ihrem Unternehmen von entscheidender Bedeutung sind.

Diversität ist gut für die Wirtschaft

Weitere Studien haben gezeigt, dass Diversität Unternehmen leistungsfähiger macht. Vielfältige Teams sind innovativer, treffen bessere Entscheidungen treffen und weisen eine höhere Mitarbeiterbindung auf.

Viele Unternehmen haben inzwischen den Wert von Vielfalt und Integration erkannt. In einem PwC-Bericht vom Februar gaben 85 Prozent der befragten Firmen an, dass Vielfalt, Gleichberechtigung und Inklusion zu den erklärten Werten oder Prioritäten gehören. Knapp die Hälfte versprach sich davon, Talente anzuziehen und zu halten. Jede fünfte Organisation wollte damit bessere Geschäftsergebnisse erzielen.

Nur wenige Unternehmen sind jedoch in der Lage, ihre Diversitätsziele zu erreichen - und Data Science ist in dieser Hinsicht einer der schlechtesten Sektoren. Nach den neuesten Zahlen von Zippia sind nur 20 Prozent der Data Scientists in den USA Frauen, sieben Prozent sind hispanisch (19 Prozent der US-Bevölkerung) und nur vier Prozent sind Afroamerikaner, obwohl sie zwölf Prozent der US-Bevölkerung ausmachen.

Raum für andere Stimmen schaffen

"Ohne ein vielfältiges Team sinkt die Wahrscheinlichkeit, dass man sich der unterschiedlichen Lebenserfahrungen bewusst wird", sagt Nika Kabiri, Senior Director of Decision Science bei Clio, einem Anbieter von Rechtsdienstleistungen. Sie fügt hinzu, dass es nicht ausreicht, wenn Führungskräfte sich verpflichten, vielfältige Teams einzustellen. "Sie müssen auch Raum für unterschiedliche Stimmen schaffen, damit Einzelpersonen ihre unterschiedlichen Lebenserfahrungen auf eine Weise mitteilen können, die die Produktentwicklung nachhaltig beeinflusst." Andernfalls würden Führungskräfte Vorurteile nur oberflächlich ansprechen und Produkte entwickeln, die hinter dem zurückbleiben, was sie sein könnten.

KI treibt diverse Teams an

Mit dem Aufkommen von generativer KI und großen Sprachmodellen (Large Language Models, LLM) ist dies heute besonders wichtig, argumentiert Sreekanth Menon, VP und Global Leader für KI- und ML-Services bei Genpact. Er sagt, dass LLMs in dem Ruf stehen, Verzerrungen (Biases) und Halluzinationen zu erzeugen. Dies sei vermutlich auf eine Konzentration in den Trainingsdaten zurückzuführen. So schneiden die Modelle beispielsweise bei Englisch besser ab als bei anderen Sprachen. "Ein diverses Team aus verschiedenen Ländern kann helfen, solche Verzerrungen zu beseitigen", sagt Menon.

Ebenso könne Vielfalt in Bezug auf ethnische Zugehörigkeit, Geschlecht und andere Merkmale dazu beitragen, einen ethischeren Rahmen für das Onboarding von Daten zu schaffen und eine Vielfalt von Gedanken einzubringen. In seinem eigenen Team hätten beispielsweise rund 25 Prozent einen reinen Mathematik- oder Statistikhintergrund, berichtet KI-Experte Menon. Der Rest komme aus anderen Bereichen, darunter ein Bioinformatiker. "Dieser unterschiedliche Hintergrund ist hilfreich."

Datenverzerrungen werden verstärkt

KI hat das Potenzial, Probleme mit Datenverzerrungen zu verstärken, was zu tödlichen Ergebnissen führen könnte, meint Davi Ottenheimer, Vice President für digitales Vertrauen und Ethik bei Inrupt, einem Unternehmen, das Nutzern die Kontrolle über ihre Daten gibt. So würden beispielsweise frühe Bilderkennungssysteme Gesichter von People of Color falsch klassifizieren, und einige KI-Systeme würden Hände von People of Color als waffenhaltend einstufen - nicht jedoch weiße Hände. Ein Grund sei, dass Teams, die die Systeme entwickeln, keine Vielfalt aufweisen. "Ein Mangel an Vielfalt in einem Team könnte dazu führen, dass unschuldige Menschen getötet werden", sagt Ottenheimer.

Ein Mensch, viele Facetten

Alison Alvarez, Mitbegründerin und CEO von BlastPoint, einem Datenunternehmen für Finanzinstitute und Versorgungsunternehmen, fügt hinzu: "Es gibt so viele Beispiele in der Technik, wo das Fehlen eines vielfältigen Teams zu schlechten Ergebnissen führen kann." Als beispielsweise Sensoren zum Händewaschen auf den Markt kamen, erkannten sie dunkle Haut nicht. "Sie hatten kein diverses Team, das sie entwickelt und getestet hat."

Aber Vielfalt hat mehr Dimensionen als nur Geschlecht, Herkunft [race] oder sexuelle Orientierung. Diversity könne auch die nationale Zugehörigkeit einer Person umfassen, oder ob sie Allergien oder andere gesundheitliche Probleme hat, schlägt Alvarez vor. Die Vielfalt kann sich sogar auf Rolle und Rang einer Person im Unternehmen beziehen.

"Wenn man die Leute auf der unteren Ebene nicht befähigt, werden ihre Beobachtungen heruntergestuft", sagt die CEO. So hätte beispielsweise die Katastrophe der Raumfähre Challenger verhindert werden können, da die zuständigen Ingenieure zwei Jahre lang vor der Unzuverlässigkeit der Dichtungen gewarnt hatten - auch noch am Vorabend des Starts selbst.

Viele Augen sehen mehr als zwei

Laut der ehemaligen Microsoft-Vizepräsidentin Gavriella Schuster ist es leicht, Dinge zu übersehen, wenn nur ein Paar Augen auf die Daten schaut. Heute ist sie Gründungsmitglied von Women in Cloud und Women in Technology, Beiratsmitglied der Women Business Collaborative, Vorstandsmitglied bei Nerdio und Mimecast sowie strategische Beraterin bei Berkshire Partners. "Oftmals nutzen Menschen Daten, um ihre eigenen Annahmen zu bestätigen und sie ignorieren Daten, die diese Annahmen nicht unterstützen", sagt sie. Wenn mehr Augen eine Reihe von Daten betrachten würden, könne man dieses Phänomen vermeiden.

Schuster empfiehlt Unternehmen, nicht nur nach Leuten zu suchen, die beispielsweise zehn Jahre Erfahrung in Data Science haben. "Würde man nur nach Experten mit dieser Erfahrung suchen, bekommt man in der Regel keinen breit gefächerten Pool von Kandidaten." Außerdem verändere sich die Datenwissenschaft schnell, und es könne ein Nachteil sein, keine neueren Mitarbeiter im Team zu haben, die vielleicht anders über KI und Datenprozesse denken. "Was man wirklich braucht, sind Menschen, die eine gewisse Erfahrung im Organisieren von Informationen und im Durchdenken von Mustern haben."

Business-User einbeziehen

Weitere Kandidaten könnten aus anderen Bereichen oder Abteilungen des Unternehmens kommen, die Produkte des Data-Science-Teams verwenden. Sie verstehen die Benutzeranforderungen und den Geschäftswert und verfügen über das erforderliche Fachwissen.

"CIOs, die Personen ohne Informatik- oder Informationssystemhintergrund ablehnen, schaden sich oft selbst", meint Schuster. "Denn dann verpasst man Menschen, die das Geschäft oder die Branche verstehen und vielfältige Informationen bewerten können." Sie habe das schon oft erlebt und empfiehlt, mehrere unterschiedliche Bewerber zur Auswahl zu haben. Und um diverse Talente einzustellen, müsse auch das Gremium selbst, das Vorstellungsgespräche durchführt, vielfältig sein.

Über den eigenen Tellerrand blicken

Führungskräfte, die nach Teammitgliedern mit anderem Hintergrund und anderen Sichtweisen suchen, müssten schließlich über ihre bestehenden Netzwerke hinausschauen. "Menschen neigen dazu, Gleichgesinnte in ihrem sozialen Netzwerk zu haben", berichtet Schuster. "Wenn Sie nicht über die Ihnen bekannten Personen hinausgehen, werden Sie keine vielfältigen Kandidaten finden."

Auch Kim Herrington, Analystin bei Forrester, hat einen Tipp für Führungskräfte, die ihre Netzwerke erweitern wollen: Gehen Sie auf Linkedin, suchen Sie sich fünf verschiedene Fachleute aus dem Bereich, in dem Sie technisches Talent benötigen, und folgen Sie ihnen. "Dann fordern Sie sich selbst heraus, dies so oft wie möglich zu wiederholen und den Followern zu folgen, bis Ihre Feeds ein Garten von vielfältigen und brillanten Stimmen sind."

Die Social-Media-Bubble erweitern

Ein guter Startpunkt sei etwa die Algorithmic Justice League auf LinkedIn, sagt Herrington. "Auf der Registerkarte 'Personen' finden Sie nicht nur Menschen mit unterschiedlichem Hintergrund, sondern auch kluge, leidenschaftliche und engagierte Leute, die Ihnen und Ihren Teams helfen können, achtsamer mit Technologie und ihren Fallstricken umzugehen."

Trotz der Mittel zur Personalsuche und der Schlagzeilen über den Fachkräftemangel bemerkt Herrington die Klagen vieler Manager, dass sie keine Mitarbeiter finden können. "Wenn ich das höre, glaube ich ihnen", sagt sie. "Aber dann habe ich soeben eine Menge über sie, ihr Netzwerk, ihre überzogenen Erwartungen und die möglicherweise veralteten HR-Vorgaben gelernt. Es gibt keine Entschuldigung dafür, dass man im Jahr 2023 keine vielfältigen Menschen in seinem Social-Media-Umfeld hat."

Diversity lockt neue Talente an

Laut dem Glassdoor-Bericht über Arbeitsplatztrends 2023 geben 74 Prozent der US-Arbeitnehmer an, dass Investitionen von Unternehmen in Vielfalt, Gleichberechtigung und Integration für sie "sehr wichtig" oder "einigermaßen wichtig" sind, wenn sie einen neuen Arbeitsplatz in Betracht ziehen. Junge Menschen waren besonders an Vielfalt interessiert: 72 Prozent der Arbeitnehmer unter 35 Jahren gaben an, dass sie ein Stellenangebot ablehnen oder ein Unternehmen verlassen würden, wenn sie nicht der Meinung sind, dass das Management Initiativen zur Vielfalt unterstützt. Weiterhin würden zwei Drittel auch eine Stelle in einem Unternehmen ablehnen, in dem es ein Ungleichgewicht zwischen Geschlechtern und Herkunft in der Führungsebene gibt.

"Bei meinen Untersuchungen habe ich festgestellt, dass die Diversität in den Teams tatsächlich zu einer Verbesserung der Attraktivität für Talente führt", berichtet Gartner-Analyst Jorgen Heizenberg. "Und Teams mit unterschiedlichen Hintergründen sind erfolgreicher und kreativer, was letztlich zu einer höheren Mitarbeiterbindung führt."

Ein bedeutender Vorteil diverser Data-Science-Teams bestehe darin, dass ihnen mehr Perspektiven zur Verfügung stünden, die über rein technische Problemlösungen hinausgehen. "Daten und KI sind stark von Menschen mit demselben Hintergrund und derselben Ausbildung bevölkert und werden von einem technologiezentrierten Ansatz dominiert", so Heizenberg. Aus diesem Grund verwenden Datenteams den Großteil ihres Budgets, ihrer Zeit und ihrer Mitarbeiter auf Technologien wie Datenmanagement, Data Governance und erweiterte Analysen.

Datengetriebene Kultur

Der wichtigste Beschleuniger und Grundlage für den Erfolg sei laut Heizenberg jedoch die Etablierung einer datengesteuerten Kultur. "Es ist schon komisch, dass die wichtigste Sache oft übersehen wird und viel mehr Zeit auf Governance, Tools und Technologie verwendet wird." Dies sei zu einem großen Teil Folge der Tatsache, dass die gleichen Leute mit den gleichen Hintergründen und Erfahrungen arbeiten, was zu einer starken Abschottung führen kann.

Laut der Gartner-Studie sind kulturelle Herausforderungen bei der Akzeptanz von Veränderungen das drittgrößte Hindernis für den Erfolg, nach Personalmangel und fehlenden finanziellen Mitteln. "Ich sage meinen Kunden, dass sie bei der Arbeit an Daten und Analysen die technologiezentrierten Ansätze durch mehr menschenzentrierte Ansätze ausgleichen müssen - und zwar durch den Aufbau funktionsübergreifender und multidisziplinärer Teams." (ajf/jd)

Dieser Beitrag basiert auf einem Artikel unserer US-Schwesterpublikation CIO.com.