Wenn IT-Buzzwords falsch verwendet werden

No-Code / No-IT

Mehrere CIOs bezeichneten diese Begriffe als Unwörter und wiesen darauf hin, dass erstens jede Software Code enthält (auch wenn die Benutzer ein wenig programmieren können, ohne tatsächlich programmieren zu müssen) und zweitens die Bereitstellung von Unternehmenssoftware immer noch IT-Arbeit erfordert. "Dies ist eines der schlimmsten Schlagwörter, die ich verwendet und missbraucht sehe. Ich ärgere mich immer, wenn ich auf der Website eines Lösungsanbieters lese, dass 'keine IT erforderlich' ist", so Snedaker.

Dahinter stecke mehr als ein sprachliches Problem, sagt sie. "Die Werbung 'keine IT erforderlich' führt Unternehmen sowie Endanwender in die Irre und schafft einen potenziell gefährlichen Pfad zur Schatten-ITSchatten-IT ", erklärt Snedaker. "Auch wenn die Lösung eines Anbieters keine große IT-Beteiligung erfordert, so ist doch immer ein gewisses Maß an IT-Arbeit erforderlich - von der Bewertung der Sicherheit der Lösung insbesondere in regulierten Branchen bis hin zur Sicherstellung der ordnungsgemäßen Bereitstellung für Benutzer sowie von der Gewährleistung der Sicherheit der Unternehmensdaten bis hin zur Sicherstellung der Rückführung der Daten." Alles zu Schatten-IT auf CIO.de

Und sie fügt hinzu: "Die IT-Abteilung sollte immer als Partner am Tisch sitzen, wenn es darum geht, die von der Unternehmensleitung genehmigten IT-Lösungen für den Einsatz im Unternehmen zu ermöglichen."

KI, maschinelles Lernen und Smart Tech

Vielleicht haben die Menschen zu viel Vertrauen in die Quasi-Wissenschaft der "Terminator"-Filme gesetzt, oder der Begriff verwirrt sie, aber viele Tech-Manager bezeichnen künstliche Intelligenzkünstliche Intelligenz und einige verwandte Begriffe als die am meisten missverstandenen Schlagworte. "Der Bereich des maschinellen Lernens ist eine gute Quelle für die derzeit falsch verwendeten Buzzwords. Dies gilt vor allem für die Überbewertung der Vorhersagekraft trainierter Modelle. Selbst gründlich trainierte Modelle geben selten absolute Antworten, sondern nur statistisch wahrscheinliche", sagt Tammy Bilitzky, CIO des Data Conversion Laboratory. Alles zu Künstliche Intelligenz auf CIO.de

Data Warehouse

Als Interimschef der IT-Abteilung des Reinvestment Fund erhält Barry Porozni viele Anfragen nach einem Data Warehouse - obwohl es eigentlich die Daten sind, die seine Kollegen brauchen. "Der Begriff wurde mit allen möglichen Daten in Verbindung gebracht, und er hat ein Eigenleben entwickelt. Wir hören also: 'Wir brauchen ein Data Warehouse', obwohl es eigentlich um den Zugang zu Daten geht", sagt Porozni. Glücklicherweise, so fügt er hinzu, wird der Begriff hauptsächlich von Nicht-IT-Mitarbeitern missbraucht, und das IT-Team findet in der Regel schnell heraus, worum es den Kollegen wirklich geht.

Big Data, Data Mining, Actionable Analytics

Porozni ist nicht der Einzige, der auf die falsche Verwendung von Begriffen aus dem Bereich "Daten" hinweist. Auch Bilitzky fügt der Liste Big DataBig Data, Data Mining und Actionable Analytics hinzu und meint, dass es nach wie vor Missverständnisse darüber gibt, was sie bedeuten und was sie tatsächlich leisten. "Dieses Trio wird immer noch ständig verwendet, oft in Verbindung mit den Schlagwörtern KI und MLML", sagt sie. "Es wird suggeriert, dass es sich dabei um Push-Button-Funktionen handelt, aber das ist immer noch nicht der Fall." Alles zu Big Data auf CIO.de Alles zu Machine Learning auf CIO.de

Zwar stimme es, dass fast alle Unternehmen signifikanter Größe mit skalierbaren Computing-Leistungen und Datenkonvertierungsfunktionen aus der Cloud bereits Systeme rund um Big Data implementiert hätten. Die Unternehmen würden zunehmend den Wert ihrer Daten und die Herausforderungen erkennen, die mit der effektiven Erfassung und Harmonisierung von Daten aus unterschiedlichen und oft unübersichtlichen Quellen verbunden sind. "Aber von diesem Punkt an geht es nicht mehr reibungslos weiter. Trotz all der Analytics-Produkte auf dem Markt erfordert eine umsetzbare Analyse immer noch Fachwissen und menschliche Intelligenz, um die Daten mit all ihren Nuancen zu verstehen und zu interpretieren, die Schlussfolgerungen zu überprüfen und die Problembereiche auf eine klare Art und Weise zu identifizieren, was erst zu einer praktikablen Planung führt."