Big Data, Advanced Data Analytics und Algorithm Engineering
FAQ Algorithmen und Algorithm Engineering
Foto: agsandrew - shutterstock.com
Ob wir nach einer Webseite suchen, das Werk von Terroristen vereitelt wird oder bei der Partnersuche zumindest die Vorauswahl getroffen wird; Algorithmen sind inzwischen tief in unserem Alltag verwurzelt. Aber was ist eigentlich ein Algorithmus?
Ein Algorithmus hat zunächst erstmal nichts mit Computern zu tun; es ist nur eine fest definierte Abfolge von (Handlungs-)Schritten, die ein bestimmtes Ziel verfolgt. "Alle roten Briefe aus dem Posteingang zur Fakturierung und alle blauen an den Einkauf" ist somit ein sehr typischer Algorithmus der in fast jedem Betrieb so oder so ähnlich implementiert ist. In der Unternehmenswelt meint man mit Algorithmen in der Regel Computer-Algorithmen und, genauer, solche, die helfen, Entscheidungen zu treffen oder diese gar schon autonom treffen.
Schon lange wird die Börse vom "Algorithmic Trading" - also dem Computerhandel bestimmt, bei dem der Computer nach mehr oder weniger komplexen Handlungsanweisungen in Millisekunden Wertpapiere kauft und verkauft. Im Auto drücken wir immer seltener auf das Hydrauliksystem der Bremse sondern verschiedene Algorithmen stellen fest ob die Bremse wieder gelöst werden sollte, weil sonst die Räder Blockieren (ABS) oder ob der Mensch die Gefahrensituation unterschätzt und eigentlich viel stärker gebremst werden müsste. Bei Paketdiensten entscheiden oft nicht mehr die Zusteller, sondern Optimierungsalgorithmen in welcher Reihenfolge die Pakete ausgetragen werden.
Woher kommt nun der Trend immer mehr Entscheidungen von Algorithmen treffen zu lassen?
Die Antwort darauf ist vielschichtig:
1. Besonders offensichtlich sind die Situationen in denen der (Computer-)Algorithmus die Fähigkeiten von Menschen übersteigt und schneller, ermüdungsfrei und zuverlässig Aktionen durchführt. Gerade der Bereich der Sicherheitstechnik hat in der jüngeren Vergangenheit immens davon profitiert.
2. Algorithmen sind oft günstiger als Experten. Auch wenn ein gut geschulter und erfahrener Ingenieur kaum durch einen Algorithmus ersetzt werden kann, so lässt sich der Algorithmus - so eingeschränkt er auch sein mag - beliebig oft kopieren und weltweit einsetzen.
3. Algorithmen sind besser darin, viele Informationen ausgewogen zu integrieren. Es hat sich gezeigt, dass Menschen mit ihrem Bachgefühl und Ihrer Erfahrung gute Entscheidungen treffen, wenn nur wenige oder schlecht quantifizierbare Daten zur Verfügung stehen. In einer Welt, in der immer mehr und immer diversere Daten zur Verfügung stehen, neigen Menschen zur Überinterpretation einiger weniger und Vernachlässigung vieler anderer Daten.
4. Unternehmen, die bei ihre strategischen Entscheidungen auf datengetriebene Unterstützung von Algorithmen setzen, haben einen kompetitiven Vorteil und setzen sich langfristig durch.
Es ist aber auch wichtig die Grenzen von Algorithmen zu kennen:
1. Sie werden meist nur für eine ganz bestimmte Aufgabe konzipiert und kalibriert.
2. Sie erzielen nur gute Ergebnisse auf der Datengrundlage auf der sie trainiert oder konzipiert wurden.
3. Sie sind nicht kreativ und können - im Gegensatz zu Menschen - keine Lösungen außerhalb ihres Designs finden.
4. Sie stoßen bei einigen Mitarbeitern auf Ablehnung die ihre Arbeit oder zumindest ihre gewohnte Arbeitsweise in Gefahr sehen.
Wie und an welcher Stelle ist es nun sinnvoll, über datengetriebene Algorithmen nachzudenken? Häufig fallen einem Bereiche ein, die traditionell stark durch Algorithmen geprägt sind, wie beispielsweise Regelungsstände in großen Anlagen oder Bereiche die mittels ReportingReporting und KPIsKPIs bereits seit Jahren im Fokus von Business IntelligenceBusiness Intelligence stehen. Der große Vorteil ist dabei, dass dort bereits Daten gesammelt wurden und somit häufig historische Daten zur Verfügung stehen; außerdem gibt es dann viel Erfahrung im Betrieb wie diese Daten zu interpretieren sind. Alles zu Business Intelligence auf CIO.de Alles zu KPI auf CIO.de Alles zu Reporting auf CIO.de
Der Nachteil dieser Bereiche ist, dass diese oft nicht so sehr von neuen Algorithmen profitieren wie Bereiche, die bisher manuell bearbeitet wurden. Letztlich entstammen viele Innovationen der vergangenen Jahre genau dieser Kategorie - Anwendung von Algorithmen auf neue Bereiche: Autonomes Fahren, Heimautomatisierung, Predictive Maintenance, Algorithmic RecruitingRecruiting. Alles zu Recruiting auf CIO.de