Startseite Folge 19

Podcast Folge 19

Transformation von Geschäftsprozessen mit KI, prädiktiven Analysen und KI-Schnittstellendesign

mit Raghu Banda, Senior Director of AI Product Management bei SAP Labs

Die Vorstellung, dass KI nur in der Cloud eingesetzt werden kann, schüchtert die meisten Unternehmen mit On-Premise-Prozessen ein. In dieser Podcast-Folge spricht Raghu Banda, Senior Director of Product Management bei SAP Labs, darüber, wie das Unternehmen seinen Kunden bei der Integration von Cloud- und On-Premise-Prozessen hilft.

Vollständiges Transkript

Dayle Hall:  

Hallo. Sie hören gerade unseren Podcast "Automating the Enterprise". Ich bin Ihr Gastgeber Dayle Hall, der CMO von SnapLogic. Dieser Podcast soll allen Unternehmen Einblicke und Best Practices geben, wie sie ihr Unternehmen integrieren, automatisieren und hoffentlich transformieren können. 

Raghu Banda ist Senior Director of AI Product Management bei SAP Labs. Er ist heute bei uns in der Sendung. Er ist dafür verantwortlich, die Einführung von KI-infundierten SAP S/4HANA-Geschäftsprozessen sowohl für Cloud- als auch für On-Premise-Kunden und -Partner voranzutreiben. Er konzentriert sich auf die Innovation von SAP 4HANA-Geschäftsprozessen mit zusätzlichen KI-Technologien. Und das ist der Schlüssel für den heutigen Bereich der KI-Technologien, um das Kundenerlebnis für alle Kunden zu verbessern. Er wird seine Erkenntnisse und Erfahrungen heute im Podcast mit uns teilen. Wir sind sehr glücklich. Wir freuen uns sehr, dass Raghu heute bei uns ist. Raghu, willkommen in der Sendung.

Raghu Banda:  

Vielen Dank, Dayle. Es ist mir ein Vergnügen, bei Ihrem Podcast dabei zu sein.

Dayle Hall: 

Ja, das stimmt. Und ich weiß, dass Sie Ihren eigenen Podcast haben, also werde ich versuchen, Ihr Niveau an Professionalität zu halten. Ich bin mir nicht sicher, ob ich das tun werde, weil ich glaube, dass Sie mehr Erfahrung haben, aber wir wissen es zu schätzen, dass Sie an der Sendung teilnehmen. 

Raghu Banda:

Ich danke Ihnen. 

Dayle Hall:

Okay, dann fangen wir mal an. Ich möchte ein wenig Hintergrundwissen vermitteln, damit die Leute ein Gefühl dafür bekommen, wer Sie sind, wo Sie gearbeitet haben und wie Sie Ihre Karriere vorangetrieben haben. Erzählen Sie mir ein wenig über Ihren Werdegang, und dann möchte ich Sie fragen, wie Sie zur Künstlichen Intelligenz gekommen sind, aber geben Sie mir eine kurze Zusammenfassung Ihrer Karriere.

Raghu Banda:

Vielleicht fange ich meine Karriere sogar noch vor den SAP-Tagen an. Damals in Indien, als ich meinen Abschluss in Informatik und Ingenieurwesen gemacht habe, das war Mitte der 90er Jahre. Ich glaube, das war die Zeit, in der sich alles um die Informationstechnologie drehte und alles passierte. Und natürlich gab es damals auch Spuren von KI und Robotik. Sogar in meinem letzten Studienjahr wollte ich ein Projekt über KI und Robotik machen. Aber mein Dekan sagte, ich glaube, er sagte, nein, das können Sie jetzt nicht machen, wir haben nicht alle Ressourcen. Also haben wir am Ende einfach ein White Paper geschrieben. 

Aber zurück zu meiner Karriere, die damals im Silicon Valley von Indien und Bangalore begann, als ich für eines dieser Unternehmen arbeitete, das von einer Gruppe von Professoren des Indian Institute of Science in Bangalore gegründet worden war. Sie führten also einige Projekte durch, Finite-Elemente-Modellierung und all diese Kernsoftware, die für computergestütztes Design und all das verwendet wurde. Diese Software wurde bei der NASA und einigen anderen großen Unternehmen eingesetzt. 

So kam ich also zu meiner Karriere. Später beschäftigte ich mich mit den neuesten Spitzentechnologien und kam zu Wipro, einer der großen PHI-Technologieberatungsfirmen in Indien. Dort lernte ich all diese neuen Technologien kennen, wie z. B. das Internet in den späten 90er Jahren, Internet-Technologien, und wie wir diese verschiedenen Software-Programme entwickeln. Und dann hörte ich viel über Unternehmensgeschäfte und Unternehmenssoftware. Daraufhin habe ich angefangen, mich zu informieren und zu versuchen, etwas zu finden, das mir helfen würde, meine Karriere voranzutreiben. Und da bekam ich die Gelegenheit, bei SAP zu arbeiten. SAP begann damals mit einem Start-up-Unternehmen namens SAP Markets. Es war ein Joint Venture mit Commerce One, die gute alte Zeit in den frühen Millenniumstagen. Damals bauten wir eine beschaffungsbezogene Anwendung, die sich später als Supplier Relationship Management im Beschaffungsbereich herausstellte. 

So kam ich also in die SAP-Welt. Der Einstieg in SAP war damals eine große Leistung, und es gab viel zu lernen und auszupacken. So hat also meine Reise begonnen, ja.

Dayle Hall: 

Sie sind selbst in der Kundenerfolgsorganisation tätig, Sie wissen also, wie sich die Technologie auf die Kunden auswirkt. Und ich denke, das ist einer der Bereiche, in denen ich wirklich glaube, dass, wenn Sie heute in einem Unternehmen sind und überlegen, wie Sie sich stärker einbringen können, Unternehmen haben Daten, wie kann ich mich stärker in einige dieser neuen Technologien rund um KI einbringen? Ich denke, wenn sie in der Organisation sind, wenn Sie darüber nachdenken, was Sie versuchen, für die Kunden und die Daten, die Sie haben, zu lösen, könnte es in einem Sales Ops, Marketing Ops, Customer Success Ops sein, es könnte in der IT sein. Aber wenn Sie darüber nachdenken, welche Probleme Sie für Ihre Kunden lösen wollen, dann sollten Sie sich die verfügbare Technologie und die vorhandenen Daten ansehen. Ich denke, dass man dadurch im Wesentlichen mehr mit KI zu tun hat, ohne zu sagen: Okay, ich will jetzt ein KI-Ingenieur sein. Ich habe das Gefühl, dass die Menschen, die Fähigkeiten und die verfügbaren Technologien immer mehr zusammenwachsen. Wir haben all diese Daten. Es ist genau der richtige Zeitpunkt, um in diesen Bereich einzusteigen, und nicht so sehr, dass wir einfach die Entscheidung treffen, uns beruflich zu verändern und uns mehr mit KI zu beschäftigen. Und ich denke, Ihre Karriere bei SAP ist ein gutes Beispiel dafür.

Raghu Banda: 

Ja. Ich achte sehr genau auf das, was Sie erwähnt haben. Sehen Sie, die Sache ist die, wenn all diese neuen Technologien auftauchen und wir wissen, dass es eine Menge Geschäftsprozesse gibt, die realisiert werden, und wir wissen, dass es eine Menge Daten gibt, dann ist die erste Frage, die wir uns natürlich stellen, wenn wir einsteigen, um eine bestimmte geschäftliche Herausforderung oder ein geschäftliches Problem zu lösen, ob ich mit dem regulären regelbasierten Mechanismus weitermachen kann, um es zu lösen, oder ob es zusätzliche Algorithmen oder zusätzliche Mechanismen braucht, die ich anwenden muss. Und wenn neue Technologien auf den Markt kommen, möchte man natürlich auch neue oder andere Dinge ausprobieren. Und wie wir alle wissen, nimmt die Technologie exponentiell zu. Alle zwei Jahre kann man sehen, dass sie exponentiell zunimmt, und man hat jetzt viel mehr Möglichkeiten, bessere Modelle zu erstellen. Das ist es also.

Dayle Hall: 

Kommen wir nun zu einem unserer ersten Themen, nämlich zu KI im Unternehmen. Und natürlich ist eines der Dinge, die eine riesige Chance darstellen, die Verbesserung, die effizientere Gestaltung unserer eigenen Geschäftsprozesse im Unternehmen. Haben Sie aus Ihrer Erfahrung, Ihrem Fachwissen, Beispiele dafür, wie KI tatsächlich dazu beiträgt, Geschäftsprozesse zu verändern? Wenn Sie mit Kunden gesprochen haben oder wissen, was Sie bei SAP beobachten, wäre das sehr interessant und würde den Zuhörern die Möglichkeit geben zu sagen: "Hmm, vielleicht sollte ich mir so etwas ansehen, wie könnte ich das in meinem eigenen Unternehmen umsetzen?

Raghu Banda:

Es gibt verschiedene Beispiele, die ich anführen kann. Ich kann eine Beschaffungsbranche oder eine Vertriebsbranche aufgreifen. Lassen Sie mich ein sehr gängiges Szenario aufgreifen. Viele Menschen, viele Unternehmen oder sogar Softwarefirmen für Endverbraucher können einen Beitrag leisten oder sogar feststellen, dass sie eine Menge Verkaufsanfragen erhalten haben. Als Vertriebsmitarbeiter oder Vertriebsleiter möchte ich verstehen, welche dieser Anfragen in ein Angebot umgewandelt werden und wie ich daraus einen Kundenauftrag erstellen kann. Sobald ich einen bestimmten Kundenauftrag daraus erstellt habe, muss ich mit diesem Kundenauftrag einen Artikel liefern. Dabei kann es sich um eine Online-Dienstleistung oder um einen bestimmten Artikel handeln, und so weiter. Das ist ein kompletter Prozess, der mit einer Verkaufsanfrage, einem Angebot, einem Kundenauftrag und der Lieferung eines bestimmten Artikels beginnt, und dann muss ich diesen Artikel überwachen und schließlich bezahlt werden, und dann muss ich all das überwachen.

Dayle Hall: 

Der Teil, der bezahlt wird, ist wichtig.

Raghu Banda:

Das ist doch wichtig, oder? Das ist unser Brot und Butter. In den verschiedenen Schritten dieses Prozesses verstehen Sie, dass es einige Dinge gibt, die Sie verbessern können, um den Prozess besser zu machen, bessere Einblicke zu erhalten, die Effizienz zu steigern oder sogar bessere Erfahrungen zu bieten, und wie gehen Sie mit diesem kompletten Szenario von Ende zu Ende um. Viele Unternehmen, sei es SAP oder andere Unternehmen, haben verschiedene KI-Technologien integriert oder nutzen sie, um ihre Geschäftsprozesse durchgängig zu verbessern.

Dayle Hall:

Ja. Und ich denke, eines der Dinge, die wir öfter hören, wenn wir mit Kunden sprechen, ist, wenn man damit anfängt, was wir versuchen zu lösen, sei es für den Verkaufsprozess, Call-to-Cash, Kundenerfahrung, was auch immer, wenn man damit anfängt und darüber nachdenkt, wir haben das vorhin schon erwähnt, was man versucht, für den Kunden zu lösen, und der Kunde könnte man selbst sein, wenn man etwas Internes macht, aber was versucht man zu lösen und dann zu schauen, wo KI tatsächlich helfen kann, wird sie den Prozess unterstützen? Und ich glaube, eines der Dinge, die ich in den letzten Podcasts gehört habe, ist, dass der Mensch immer noch involviert ist, die KI ist ein Assistent für den Menschen, damit er schneller und effizienter arbeiten kann, aber sie ist kein Ersatz für den Menschen. Ich denke, das ist Ihr Umsatz, dieses Beispiel. Ich bin mir sicher, dass Sie selbst bei Ihren eigenen Kunden feststellen, dass sie die Arbeit der Menschen ergänzen wollen. Es ist kein Ersatz.

Raghu Banda:  

Ja, ich stimme Ihnen vollkommen zu. Ich denke, wir sind noch weit, weit davon entfernt, dass die KI-Bots den Menschen vollständig ersetzen werden. Ich denke, dass wir derzeit noch - so wie Taschenrechner durch Computer ersetzt wurden - zusätzliche Möglichkeiten haben, wie Menschen ihre Leistung und ihr Potenzial steigern können. Genauso würde ich unterscheiden, ob Unternehmen oder Softwarefirmen oder Kunden KI-gestützte Tools oder Geschäftsprozesse nutzen oder nicht. Wenn Sie diese Prozesse und Tools nutzen, sind Sie natürlich besser in der Lage, Ihren Kunden zusätzlichen Nutzen zu bieten. Und wenn man aus der Unternehmenswelt kommt, schaut man nicht nur auf den eigenen Kunden, sondern auch auf die Kunden seiner Kunden,

Dayle Hall:  

Sicherlich. Aber sprechen Sie mit mir ein wenig über die Herausforderung, potenziell mit KI-Geschäftsprozessen oder KI-infundierten Geschäftsprozessen zu helfen, wenn Sie eine Cloud- gegenüber einer On-Premise-Lösung haben. Bei SnapLogic zum Beispiel haben wir viele Kunden. Die neueren Unternehmen sind wahrscheinlich reine Cloud-Anbieter. Viele Kunden versuchen immer noch herauszufinden, wie sie einen Teil der On-Premises in die Cloud verlagern können. Und ich glaube, es gibt eine gewisse Vorstellung davon, dass man KI nur in der Cloud nutzen kann. Wenn man SAP oder AWS oder Snowflake einsetzt, gibt es ein wenig die Ansicht, dass man das nicht tun kann, weil man viele On-Premises hat. Wie kommen Sie damit bei Ihren aktuellen Kunden zurecht und ist das ein Hindernis?

Raghu Banda:

Ich weiß, das ist eine tangentiale Frage, die Sie gestellt haben. Ich verstehe, worauf Sie hinauswollen, denn heutzutage wird viel mehr über die Cloud gesprochen, über den Aufstieg der Cloud und den Aufstieg der Cloud-Kunden und wie KI die Prozesse verbessern kann. Und mit der Cloud gehen wir jetzt auch in Richtung Edge Computing, richtig? So wie wir jetzt sagen, dass man in der Cloud am Ende viel mehr Daten, viel mehr Speicherplatz braucht und dann mehr bezahlen muss. Ich würde also sagen, dass wir verschiedene Lösungen haben, ob es sich nun um Cloud- oder On-Premise- oder Edge-basierte Dienste handelt. Wenn wir über die Cloud-Lösungen sprechen, haben Sie natürlich - die meisten dieser KI-Dienste könnten als Service ausgeführt werden, Sie könnten die jeweilige Funktionalität übernehmen und die Ergebnisse im Kontext von On-Premise-Kunden oder On-Premise-Lösungen präsentieren. 

Natürlich würde die KI den On-Promise-Kunden noch viel mehr nutzen. Es gibt wiederum zwei Möglichkeiten: Entweder Sie haben einen Unternehmens-Bot, der in Ihre On-Premise-Lösung implementiert ist, oder einen maschinellen Lerndienst, der bereits in Ihre On-Premise-Lösung implementiert ist, oder Sie können ihn als Cloud-Service betreiben, obwohl Sie ihn vor Ort einsetzen. Hier kommen also Ihre hybriden Frameworks oder hybriden Lösungen ins Spiel. Und ja, wir arbeiten an all diesen verschiedenen Arten von Lösungen.

Dayle Hall:

Ja, das stimmt. Das ist einer der Bereiche, über den wir in der Öffentlichkeit nicht so viel sprechen. Wie Sie sagten, sprechen wir hauptsächlich über KI in der Cloud. Viele Kunden, mit denen wir sprechen, und ich bin mir sicher, dass das bei Ihnen auch so ist, versuchen immer noch, das zu verwalten. Es ist also gut zu wissen, dass man sich das zunutze machen kann, um nicht so nervös zu sein. Viele dieser Unternehmen sind bereits nervös, wenn es um den Wechsel in die Cloud geht, ganz zu schweigen davon, wie sie KI nutzen können. 

Lassen Sie uns ein wenig weitergehen und über Predictive Analytics, maschinelles Lernen, aber speziell Predictive Analytics sprechen. Ich reagiere ein wenig gereizt darauf, weil ich glaube, dass es Predictive Analytics als Begriff schon seit 10 Jahren gibt, und es gab eine Reihe von Unternehmen, die versucht haben, den Bereich Predictive Analytics aufzubauen. Was passiert ist, ist, dass sie irgendwie auf der Strecke geblieben sind, oder sie mussten sich umorientieren, um etwas anderes als prädiktive Analytik zu sein. 

Zunächst möchte ich von Ihnen wissen, was Sie unter Predictive Analytics im Kontext Ihrer Erfahrung verstehen. Ist es etwas, das ein spezieller Anbieter bereitstellt, oder ist es etwas, das in allem enthalten ist, was Sie tun, jetzt, da Sie die Daten haben? Wenn ich Sie bitten würde, Predictive Analytics mit Ihrem Hintergrund zu definieren, was würden Sie sagen?

Raghu Banda:

Ich würde sagen, dass die heutige erweiterte Analytik oder prädiktive Analytik, über die wir gesprochen haben, einen langen Weg hinter sich hat. Die prädiktive Analytik von gestern war anders. Ich würde sagen, dass wir diese Vorhersagen oder prädiktiven Analysen sogar schon in den letzten zwei, drei Jahrzehnten gemacht haben. Aber so, wie wir damals vorgegangen sind, haben wir mit den Daten, die uns zur Verfügung standen, lediglich Erkenntnisse gewonnen. So haben wir es also in den letzten 20, 30 Jahren gemacht. Wenn Sie in der Zeit zurückgehen, wissen Sie vielleicht noch, dass Sie Ihre Datenbank und Ihre Tabellen haben, Sie haben dort eine Menge Informationen, Sie haben einfach eine Abfrage gemacht, Ihre Datenbank abgefragt, um die Erkenntnisse zu bekommen. Und sobald Sie die Erkenntnisse gewonnen haben, zeigen Sie sie dem Benutzer an, indem Sie sie in schöne Dashboards einfügen. 

So hat also alles angefangen. Und jetzt, wo Ihnen viel mehr Daten zur Verfügung stehen und Sie verstehen, dass Sie auf der Grundlage der Daten, die Sie haben, und der Muster, die Sie erkennen können, sagen können: "Hey, ich habe Daten aus zehn Jahren, und diese Daten aus zehn Jahren haben einige Muster. Kann ich nicht eine Art Regressionsalgorithmus, eine Regressionsanalyse oder eine nichtlineare Analyse erstellen? So würde ich die prädiktive Analytik bezeichnen, oder wie wir in dieser Welt Fortschritte gemacht haben. Und dann machen wir immer noch - auf der Grundlage unserer Informationen, die wir haben, führen wir eine Art Analyse durch, man kann es Regressionsanalyse oder Prognoseanalyse nennen, und dann liefern wir einige Details und schnelle Vorhersagen, die nahe an der Perfektion sind. Aber man wird nie eine 100 % perfekte Vorhersagelösung haben. Das kann man nie sagen, wenn man die Kurve sieht. Ich glaube, wir sagen immer, dass über 90 % und nahe an 100 %, also dort, wo wir sagen, dass die Vorhersagekraft und das Vorhersagevertrauen die besseren Ergebnisse liefern. So würde ich den Begriff "prädiktive Analytik" auf hohem Niveau definieren.

Dayle Hall:

Es ist interessant, dass Sie sagen, es sei keine perfekte Lösung. Wenn Sie also mit Ihren Kunden oder internen Mitarbeitern sprechen, wie leiten Sie sie dann an, die Wirksamkeit dieser Lösung zu messen? Denn wenn wir sagen, dass unser Unternehmen dies tut oder dass wir diese Dinge liefern werden, sagen wir normalerweise nicht: "Okay, aber es ist nicht perfekt, es wird einige Fehler geben". Wie kann man also die wahre Effektivität von Predictive Analytics messen, wenn wir sagen, dass es nicht perfekt ist?

Raghu Banda:

Wenn ich also sage, dass es nicht perfekt ist, dann denke ich, dass jede prädiktive Analyselösung - nehmen wir zum Beispiel das, was wir mit ChatGPT haben - nicht perfekt ist. Das ist ein riesiges Sprachmodell. Sie haben eine Menge Daten und erhalten einige Antworten daraus. In 95 % der Fälle sind diese Antworten richtig, aber in 5 % der Fälle sind die Antworten vielleicht nicht richtig, oder in 5 % oder in einigen Szenarien in 0,5 % der Fälle, weil es immer darum geht, dass Sie die Muster verstehen und ein Ergebnis liefern. 

Aber als Mensch in der Schleife und als Endnutzer, der das Werkzeug oder die Maschine oder den Dienst nutzt, kann ein Mensch immer anders handeln. Und das wird das erste Mal sein, dass es passiert, es gibt immer ein erstes Mal. Deshalb würde ich nicht glauben, wenn jemand sagt, dass ich 100 % der Zeit 100 % der Ergebnisse vorhersagen kann. So erklären wir es also. Und die Wirksamkeit ist immer gegeben. Wir erklären, wie Sie ein Ergebnis erzielen. Wenn Sie ein Ergebnis liefern, können Sie es erklären, indem Sie angeben, welche Faktoren es beeinflusst haben. Und so liefern Sie die Erklärung dafür.

Dayle Hall: 

Haben Sie Beispiele in Ihrem eigenen Unternehmen oder Erfahrungen damit, wie Menschen prädiktive Analysen möglicherweise für andere Teile der Integration oder Automatisierung nutzen? Es muss nicht zwangsläufig eine vollständige RPA-Lösung sein, aber wie kann diese prädiktive Modellierung den Kunden dabei helfen, effizienter zu werden?

Raghu Banda:

Diesmal möchte ich ein Beispiel aus dem Bereich der Beschaffung aufgreifen. Vorhin habe ich über die Verkaufssparte gesprochen. In der Beschaffungsbranche wissen wir vielleicht, dass es in der Werkstatt einen Einkaufsleiter gibt. Ich denke, wir wissen, dass ein bestimmtes Ersatzteil oder ein bestimmter Artikel nicht mehr auf Lager ist. Dann muss man entweder ein Angebot abgeben oder den Artikel kaufen. Sie wissen also, dass Sie bereits eine Reihe von Lieferanten zur Verfügung haben. Wenn Sie bereits eine Art Vertragsverhandlung mit einem Lieferanten geführt haben, wird automatisch eine Bestellung aufgegeben. Wenn Sie keine Vertragsverhandlungen geführt haben, müssen Sie natürlich in ein Ausschreibungsverfahren eintreten und ein Angebot abgeben. 

Nehmen wir ein Beispiel, bei dem Sie, der Einkaufsleiter oder der Lagerverwalter, automatisch wissen, dass mir etwas ausgegangen ist. Ich möchte diesen bestimmten Artikel bestellen. Die Informationen werden bereits an den Lieferanten oder an den Standort des Verkäufers übermittelt, und sie werden nun versandt, aber Sie müssen wissen, wann Sie sie an Ihren Standort, an den Standort des jeweiligen Werks, bringen. Das kann also einige Zeit dauern. Wenn man sich die historischen Daten ansieht, stellt man fest, dass in der Vergangenheit, wenn ich diese Art von Ersatzteilen von diesen Standorten, von diesen Lieferanten bestellt habe, eine typische Verzögerung oder ein typisches Zeitfenster von 5 bis 15 Tagen eingetreten ist. Auf dieser Grundlage erstellen Sie dann eine Art Vorhersage, die besagt, dass jetzt, wo es diese zusätzlichen Wetterparameter gibt, ein Schneesturm aufzieht oder ein Sturm aufzieht, die LKW-Route geändert werden muss. 

Zusätzlich zu den Parametern, die Sie bereits im System haben, könnten Sie eine zusätzliche benutzerdefinierte Lösung darauf aufbauen und zusätzliche Vorhersagen machen und sagen: Hey, dieses Mal könnte sich der Artikel um vier Tage verspäten, oder dieses Mal gibt es keinen Sturm und wir liefern bereits an einen anderen Ort. Auf dem Weg dorthin werde ich das also auch zustellen können. Vielleicht kann ich dieses Mal also ein oder zwei Tage früher liefern. Diese Art von Vorhersagen könnte also bereits auf der Grundlage Ihrer historischen Daten erfolgen, wenn Sie die Regressionsanalyse durchlaufen und zusätzliche saisonale Daten hinzufügen.

Dayle Hall: 

Das ist sehr interessant. Wenn Sie in dieser Branche tätig sind, wenn Sie in der Beschaffung tätig sind, helfen die Daten, die Sie durch die Modellierung erhalten, Ihrer Produktion, der Kundenerfüllung und all diesen Bereichen, in denen Sie genauer arbeiten können, was ich sehr interessant finde. Würde das bei etwas völlig Unvorhergesehenem wie COVID helfen? Während des COVID haben wir natürlich eine Reihe von Problemen mit Supply Chain und so weiter. Und ich weiß, dass sich das auf die Modellierung auswirkt, weil die Daten, die man in das System eingibt, wahrscheinlich anders sind. Aber ist das etwas, das - ich gehe nicht davon aus, dass wir eine weitere Pandemie oder etwas so Großes wie eine Störung haben werden. Aber ich frage mich, ob die Modellierung, die wir jetzt aufgrund von COVID haben, uns tatsächlich hilft, mit diesen Daten besser umzugehen, oder ob es sich einfach um eine solche Anomalie handelt, die das System durcheinanderbringt.

Raghu Banda:  

Das hilft bei solchen Pandemien auf jeden Fall. Ich erinnere mich nicht genau, aber ich glaube, während der COVID-Pandemie hat sogar SAP, ich glaube, speziell das Ariba-Lieferantennetzwerk, die Ariba-basierten Lösungen, einige zusätzliche Dinge getan, die ihren Lieferanten und dem Netzwerk während der COVID-Pandemie geholfen haben. Ich kenne die genauen Einzelheiten nicht, aber Sie können sie nachschlagen. 

Aber um Ihre Frage zu beantworten, nur aus persönlicher Erfahrung und aus Gesprächen mit verschiedenen Leuten und auch mit dem Hintergrund, den ich habe, ja, es wird definitiv während der COVID-Pandemie helfen. Und ich möchte hier noch einen zusätzlichen Parameter hinzufügen, richtig? Mit dieser IoT-Technologie, mit den IoT-Sensordaten, werden auch diese integriert. Jetzt, wo wir diese zusätzlichen Daten haben, nicht nur Ihre historischen Datenmuster, sondern auch die Daten, die Sie in Ihrem System über die Lieferanten, die Verkäufer und die Teile haben, auch saisonale Daten. 

Aber zusätzlich dazu habe ich auch die Wetterdaten hinzugefügt, vielleicht von IBM Watson. Und jetzt kommen noch die IoT-Sensordaten hinzu, also diese verschiedenen - es gibt ziemlich viele dieser eingebetteten IoT-Anwendungen, die jetzt aufkommen, bei denen man jetzt sagen könnte, dass der LKW unterwegs ist, aber es gibt eine Verzögerung. Und diese IoT-Sensorinformationen liefern ständig die Information, dass ich zu diesem Zeitpunkt hier bin, und diese Art von Dingen könnte auch genutzt werden, um bessere Vorhersagemöglichkeiten zu bieten. Also echte Echtzeitanwendungen, ja.

Dayle Hall:

Mir gefällt das Konzept, selbst wenn große Dinge passieren. Okay, COVID ist eine etwas größere Sache als ein Schneesturm oder ein schwerer Unfall auf der Autobahn oder etwas Ähnliches, aber mir gefällt die Idee, dass es so viele verschiedene Datenpunkte gibt - sogar außerhalb dessen, was man in seinem eigenen Unternehmen tut. Aber wenn man anfängt, diese Dinge mit einzubeziehen, alles, was man in Bezug auf die Unternehmensführung tut, Supply Chain, die Erfüllung der Kundenbedürfnisse und so weiter, würde es einfach enger werden. Selbst wenn Sie Ihren Kunden sagen müssen, dass es zu einer größeren Verzögerung kommt, raten Sie mal. Wir nutzen so viele verschiedene Quellen. Sie können dem Kunden genau sagen, dass es eine Verzögerung gibt und warum das so ist. Und ich glaube, wenn man Kunde ist, will man einfach wissen, wo die Dinge stehen, und man will nicht im Ungewissen gelassen werden. Ich denke also, dass dies vielen großen Unternehmen bei der Lieferung helfen würde. 

Sprechen Sie mit mir ein wenig über die Nutzung dieser Tools, die jetzt verfügbar sind, und darüber, wie ein Mensch mit ihnen umgeht. Damit meine ich eher das Design, die Art und Weise, wie wir diese Art von prädiktiven Analysetools verwenden, und wie wichtig ist Ihrer Meinung nach die Schnittstelle und die Erfahrung und wie man tatsächlich mit diesen Tools interagiert? Ist das wirklich wichtig, oder sind die Daten wichtiger? Was würden Sie sagen, ist am wichtigsten?

Raghu Banda:

Lassen Sie mich nun an meinen früheren Gedankengang anknüpfen, als ich mit menschlichen Prozessen und Technologien begann, wobei Daten das zugrunde liegende Element sind. Wir sind jetzt im Jahr 2023, wir sind in einer Phase, in der wir riesige Mengen an Daten haben. Unabhängig davon, um welches Unternehmen es sich handelt, haben Sie genügend Technologien ausgereift. Natürlich werden sich die Technologien weiter verbessern. Wir haben Geschäftsprozesse realisiert. 

Die Menschen sind also der Faktor, der jetzt sehr wichtig ist, um zu verstehen, wie Sie Ihre Geschäftsprozesse oder Ihre Unternehmensprozesse verbessern können, indem Sie die Daten, die Sie haben, nutzen, die Tools, die Ihnen zur Verfügung stehen, implementieren, so dass alles damit zusammenhängt, wie es dem Endnutzer helfen kann. Der Punkt, den Sie angesprochen haben, ist also großartig. Selbst wenn ich das System entwerfe, sollte es für den Endbenutzer anpassbar sein, egal ob es sich um einen Anfänger oder einen Experten handelt, denn es gibt verschiedene Arten von Benutzern, die das System nutzen, und wenn Sie das System entwerfen, sollte es für die Leute einfach zu verstehen sein, wie ich das System nutzen kann, damit es die Ergebnisse liefert. Es liegt also auf der Hand, dass nutzerzentriertes Design und persona-basiertes Design eine sehr große Rolle spielen, wenn wir über KI-infundierte Geschäftsprozesse sprechen. Das ist der Grund, warum der Faktor Mensch hier so wichtig ist. 

Dayle Hall:

Ja, das stimmt. Und viele der Diskussionen, die wir in dieser Podcast-Serie über KI im Allgemeinen geführt haben, haben sich nicht wirklich darauf konzentriert. Wir haben über verantwortungsvolle KI und KI-Ethik gesprochen und darüber, wie man mit einem Business Case beginnt, um sicherzustellen, dass KI das ist, was man braucht. Aber je mehr ich darüber nachdenke, desto mehr kommt es auf die Benutzeroberfläche an. Glauben Sie, dass es besser ist, wenn es eine separate Schnittstelle gibt, wenn Sie einige dieser Tools verwenden, oder sollten Sie bestehende Tools verwenden und KI ist die Grundlage? Macht das einen Unterschied?

Raghu Banda:

Hier werden digitale Assistenten eine sehr große Rolle spielen. Es gibt Situationen, in denen man das System nicht umgestalten kann, in denen man das Benutzerdesign nicht so ändern kann, dass es für den Endbenutzer intuitiv ist, die KI-zentrierten Prozesse zu nutzen, aber man könnte immer eine zusätzliche Integrationsschicht mit Hilfe des digitalen Assistenten haben. Hier kann also der digitale Assistent oder Ihre konversationelle KI in einigen Aspekten helfen, diesen Prozess zu beschleunigen. Schließlich können Sie zu einem besseren System oder einem besseren nutzerzentrierten Design migrieren.

Dayle Hall:

Wenn Sie KI in Zukunft außerhalb des Unternehmens betrachten, was soll sie dann für Sie und Ihr Leben in Zukunft tun? Was ist für Raghu das Aufregendste in Ihrem Privatleben? Wenn KI etwas für Sie lösen könnte, was wäre das?

Raghu Banda:

Das ist eine sehr gute Frage. Ich denke, eine Sache, die ich sehr mag, abgesehen von der unternehmerischen Seite, ist das Radfahren und das Reisen, und ich lese und höre sehr gerne. Wenn ich mit dem Fahrrad unterwegs bin oder reise, möchte ich einigen dieser Gespräche zuhören. Früher habe ich immer gelesen, aber jetzt mache ich das halb und halb. Es gibt viele Gespräche da draußen, aber ich konnte nur Empfehlungen über die größeren Akteure da draußen bekommen. Aber es gibt eine Menge kleinerer Gespräche, von denen man nicht einmal weiß, dass sie geführt werden. Man muss also viel mehr danach suchen. 

Wenn KI mir also einen Einblick in das geben kann, was da draußen passiert, ist dies vielleicht eines dieser Gespräche. Es gibt also noch viele weitere Gespräche dieser Art. Aber ich kann nur die großen Gespräche mitbekommen, die da draußen stattfinden, wie die Elon Musks der Welt oder Lex Fridmans der Welt. Meine größte Herausforderung besteht darin, dass es so viele Informationen gibt, die aber nicht sichtbar sind. Wenn KI die Sichtbarkeit von vielen Gesprächen herstellen kann, wird das auf eine andere Art und Weise hilfreich sein. Ich weiß noch nicht einmal, wie es sich entwickeln wird, aber - diese Sache.

Dayle Hall:

Das gefällt mir. Ich habe eine, die mit 10.000 Martech-Tools, ich bekomme 300 E-Mails pro Tag von Martech. Und wir tun es auch. Als ob ich das verstehen würde. Ich bin ein Vermarkter. Ich weiß, wie diese Dinge funktionieren. Aber wenn es einen Weg gäbe, wie KI helfen könnte, zu verstehen, was ich in meinem Geschäft habe, was unsere Herausforderungen sind, und dann tatsächlich besser filtern könnte oder tatsächlich rausgehen und diese Tools finden könnte, die Dinge, auf die ich mich konzentrieren sollte, die mir in meinem täglichen Leben helfen. Und der Rest ist hauptsächlich, wenn ich eine KI-Schnittstelle hätte, mit der ich verstehen kann, wo meine Kinder zu welcher Tageszeit sein müssen und wer sie dorthin fährt und ihre Freunde sie mitnehmen könnten und all diese Dinge, damit ich nicht jeden Abend der Uber-Elternteil für meine Kinder bin, wäre das ein Riesengewinn. 

Raghu Banda:

Natürlich, ja, die persönliche Seite der Sache, ich war nicht dort. Ja, es gibt eine Menge Dinge, die ich dort unbedingt haben möchte.

Dayle Hall:

Ja. Ich weiß es zu schätzen, dass Sie sich heute Zeit genommen haben. Wir haben eine Menge sehr unterschiedlicher Themen behandelt. Wir haben uns mit einigen der KI-Themen befasst, die wir bisher noch nicht behandelt haben. Mir gefällt das Konzept, über das Sie gesprochen haben, nämlich dass der menschliche Prozess und die Technologie die Schlüsselfaktoren für KI sind, aber die zugrunde liegenden Daten müssen immer vorhanden sein. Ich liebe es, über die Kunden der Kunden nachzudenken. Wenn wir also diese Technologien auf den Markt bringen, sollten wir nicht nur daran denken, wie wir den Kunden helfen. Hilft es ihnen wirklich bei ihren eigenen Kunden? Ich denke, das ist definitiv etwas, worüber die Leute nachdenken sollten, wenn sie das hier hören, hmm, habe ich darüber nachgedacht, oder konzentriere ich mich nur darauf, was ich meinen eigenen Kunden gebe? Und ich denke, wenn wir so darüber nachdenken, wird das hoffentlich noch mehr verantwortungsvolle und ethische KI und deren Ergebnisse fördern. 

Raghu, vielen Dank, dass du heute bei unserem Podcast dabei bist.

Raghu Banda:

Danke, Dayle, dass du mich in deinen Podcast geholt hast. Ich fand das Gespräch wirklich toll.

Dayle Hall:

Sehr gut. Nun, ich danke Ihnen allen fürs Zuhören. Dies ist das Ende der Folge, und wir sehen uns in der nächsten Folge von Automating the Enterprise wieder.