Eigentlich sollte der Business-Lunch mit unserem Co-Founder und Vorstandsvorsitzenden Ajeet Singh im Sheraton Airport Hotel in Düsseldorf stattfinden. Aufgrund der aktuellen Corona-Situation hatten wir uns aber entschieden, das Treffen in ein virtuelles Event umzuwandeln. Zum Glück ist die Technologie bereits so weit, dass virtuelle Meetings der Wirklichkeit sehr nahekommen. Dank Video, Interaktionsmöglichkeiten und der benutzerfreundlichen Oberfläche hatte man dann auch das Gefühl, dass alle Teilnehmer im gleichen Raum sitzen.
Dass das Nutzererlebnis auch bei der Akzeptanz von KI eine wichtige Rolle spielt, war ein zentraler Punkt in Ajeets Präsentation „Designing Augmented Analytics and AI for Adoption“. Er berichtete davon, wie er relativ früh in seiner Karriere bei Honeywell mit dem Design Thinking-Ansatz in Berührung kam. Dort war er für die Entwicklung der Telematik-Plattform des Unternehmens verantwortlich, zu dem auch die Design- und Innovationsagentur IDEO, die Köpfe hinter Design Thinking, hinzugezogen wurde. Im Zuge des Projektes wurde Ajeet klar, wie wichtig es ist, auch bei Softwareprojekten die Anwendersicht in die Produktentwicklung mit einzubeziehen. Dies hat er bei den von ihm mitbegründeten Firmen beherzigt: sowohl bei Nutanix, dem größten Technologie-Börsengang von 2016, als auch bei ThoughtSpot wurden die Produkte von Anfang an mit Blick auf die Anwender und ihre Bedürfnisse entwickelt.
Bei KI ist es das Vertrauen, das nicht zu kurz kommen darf, wenn die Projekte erfolgreich sein sollen. Während seiner Präsentation stellte Ajeet ein Framework vor, das dabei hilft, KI-Anwendungen in Hinblick auf Vertrauen zu designen: das sogenannte STAR-Framework. STAR steht für Security, Transparency, Accuracy und Relevance:
Security – die Nutzer wollen, dass ihre Daten auf eine sichere Art und Weise verwendet und Datenschutzregeln eingehalten werden.
Transparency – je kritischer die Anwendungen, zum Beispiel im Gesundheitswesen, desto wichtiger wird es nachzuvollziehen, wie die KI Entscheidungen trifft.
Accuracy – im Gegensatz zu vielen Consumer Anwendungen gibt es bei kritischen Anwendungsfeldern meist nur eine korrekte Antwort. Hier ist also Präzision gefragt.
Relevance – heutzutage wollen Anwender keine 08/15-Antworten, sondern Anwendungen und Ergebnisse, die auf ihre Bedürfnisse zugeschnitten sind.
Ajeet wies darauf hin, dass das Geschäftspotenzial und die Anwendungsfelder von KI vielfältig sind. Unsere Kunden kommen aus allen Branchen und nutzen ThoughtSpot zum Beispiel für Customer Analytics, Preisgestaltung, zum Optimieren von Marketing-Kampagnen, Identifizieren von Salestrends oder für die Optimierung der Beschaffung und der Lagerbestände, um nur einige zu nennen. Allen ist gemein, dass ThoughtSpot unternehmensweit zum Einsatz kommt und auch die nicht-technischen Nutzer dank direktem Zugriff auf die Daten ihre Arbeit effizienter gestalten können.
In der Diskussion im Anschluss an Ajeets Präsentation hat sich gezeigt, dass gerade jene Bandbreite an Möglichkeiten den Einstieg mit KI-basierter Analytics erschwert. Welche Anwendungsfälle gibt es? Wo beginnen? Hier verwies Ajeet auf unser Business Value Consulting Team, das Unternehmen dabei hilft, zu evaluieren, wie sie mit ThoughtSpot einen Mehrwert erzielen können. Aus Erfahrung kann ich dazu sagen, dass wir bei rund 80 Prozent unserer Kunden bereits während der Proof of Concept Phase entdecken, wie sie auch kommerziell fundiert von unserer Lösung profitieren können.
Darüber hinaus erzielen viele unserer Kunden allein dadurch einen gewaltigen Mehrwert, dass sie in Sekundenschnelle Antworten auf ihre Datenfragen erhalten statt tage- oder wochenlang auf Berichte zu warten. So können sie schneller datenbasierte Entscheidungen treffen.
In der weiteren Diskussion wurden viele verschiedene Themen verfolgt. Ein Teilnehmer wollte wissen, ob ThoughtSpot auch Predictive oder Prescriptive Analytics anbietet. Hier erklärte Ajeet, dass Predictive Analytics zu domain- und unternehmensspezifisch für unsere Plattform ist. Kunden können aber ihre Modelle einbinden. Zurzeit ist dies mit R möglich, Unterstützung für Python-Modelle ist geplant. Prescriptive Analytics steht zwar nicht auf der Roadmap, Kunden können aber Dateneinsichten schnell und einfach an andere Systeme weitergeben, wie zum Beispiel zu Datarobot. Die bestehende Partnerschaft führt zu einem weiteren Einsatzspektrum von ThoughtSpot.
Ob ThoughtSpot auch große Datenmengen managen kann, wollte ein weiterer Teilnehmer wissen. Ajeet versicherte, dass unserer Backend über eine gewaltige Number-Crunching-Engine verfügt, die Milliarden von Datensätzen blitzschnell bewältigen kann. Zum Beispiel nutzt der einer der weltgrößten Einzelhandelskonzerne ThoughtSpot, um seine mehr als 900 Milliarden Datensätze gleichzeitig auf Detailebene zu analysieren.
Desweiteren wurden die Implementierungsoptionen angesprochen. ThoughtSpot ist flexibel und kann in der Cloud (Zertifizierung zu allen größeren Plattformen wie AWS, Azure oder GPC liegen vor), Vorort und mit virtuellen Data Warehouses wie Snowflake, Redshift, Google Big Query, Microsoft Synapse genutzt werden. Aktuell arbeiten wir an direkten Integrationen mit SAP-HANA und Teradata.
Darüber hinaus kamen Themen wie Governance oder Datenaufbereitung (via Partner wie Alteryx) oder die Konfigurationsmöglichkeiten unserer Algorithmen (Ranks können ergänzt werden, Lernen durch Feedback) zu Sprache.
Bei aller Virtualität waren die Fragen vielfältig und die Stimmung gut. Trotzdem freue ich mich, wenn ich einige der Teilnehmer bald auch „in Persona“ treffen darf. Gelegenheit dazu gibt es zum Beispiel im Herbst auf unserer thought.leaders Veranstaltung in Frankfurt. Dort habt ihr auch Gelegenheit von unseren Kunden aus erster Hand über ihre Anwendungsfälle zu erfahren. Bis dahin – Namaste!
