Läutet KI das Ende der Datenanalysten ein?

In Vorstandsetagen, bei Zoom-Meetings und sogar am Mittagstisch dreht sich derzeit alles um KI. Mit ihren sich ständig weiterentwickelnden Fähigkeiten scheinen sich Datenanalysten und Unternehmensentscheider alle die gleiche Frage zu stellen: Welche Auswirkungen wird KI auf die Zukunft der Geschäftswelt haben? Und was noch wichtiger ist: Was bedeutet das für mich?

Die Antwort ist fast so komplex wie die Rolle von Datenanalysten an sich. Zwar mag sie sich im Laufe der Zeit ändern, die Rolle der Analysten hingegen ist sicher. Allerdings müssen sie lernen, Tools wie KI zu nutzen, um ihre Arbeit zu optimieren – und nicht zu ersetzen.

Was ist KI?

Fest steht: An künstlicher Intelligenz (KI) führt kein Weg vorbei. Sie verändert die Art und Weise, wie Unternehmen arbeiten, und wer für sie arbeitet.

In einer Stanford-Studie erklärte John McCarthy 2004, dass KI „die Wissenschaft und Technik der Entwicklung intelligenter Maschinen, insbesondere intelligenter Computerprogramme“ sei. „Sie ist verwandt mit der ähnlichen Aufgabe, Computer zu nutzen, um menschliche Intelligenz zu verstehen, aber KI muss sich nicht auf Methoden beschränken, die biologisch beobachtbar sind.“

Heute, fast 20 Jahre später, befindet sich die Welt in einem KI-Dilemma. Führende Persönlichkeiten aus verschiedenen Branchen – vor allem Führungskräfte, Forscher und Experten, die aktiv auf dem Gebiet der KI arbeiten – schreiben und unterzeichnen offene Briefe, in denen auf die große Gefahr hingewiesen wird, die KI nicht nur für die Zukunft der Arbeit, sondern für die Zukunft der Menschheit beinhaltet.

„Die durch KI verursachte Auslöschung zu verhindern, sollte neben anderen gesellschaftlichen Risiken wie Pandemien und Atomkrieg eine globale Priorität sein“, heißt es in dieser Erklärung, die vom „Center for AI Safety“ veröffentlicht und von den Gründern von OpenAI, Google DeepMind und Microsoft, um nur einige zu nennen, unterzeichnet wurde.

Bedeutet das, dass es irgendwann keine KI mehr geben wird? Dass sich die Arbeitswelt wieder „normal“ entwickeln wird? Dass Rollen wie die des Datenanalysten nicht betroffen sein werden?

Nicht unbedingt.

Die Rolle eines Datenanalysten

Ein Datenanalyst ist Sammler, Organisator, Interpret und Problemlöser. Er nutzt große Datenmengen, um Muster und Trends zu suchen und zu finden und Erkenntnisse zu gewinnen, die Geschäftsstrategien und Entscheidungen beeinflussen können.

Um zu diesem Punkt zu gelangen, beginnen Datenanalysten mit der Sammlung von Daten aus einer Vielzahl von Quellen. Nachdem sie sich vergewissert haben, dass die Informationen auch wirklich korrekt sind, analysieren sie diese mit statistischen Methoden, Mining-Techniken und Visualisierungstools, die den Zahlen einen Sinn geben. Das ist der Schlüssel zur Interpretation der Daten: Was sind die Muster, Trends und Erkenntnisse?

Als Nächstes beantwortet ein Datenanalyst die Frage „Was können wir damit tun?“.

Mithilfe von Berichten, Diagrammen, Grafiken und anderen Formen der Visualisierung und Zusammenfassung kooperiert ein Datenanalyst mit verschiedenen Abteilungen, Teams und Führungskräften, um Antworten auf diese Frage zu finden und den Entscheidungsprozess zu unterstützen. Dies erfordert eine klare und präzise Kommunikation sowie die Fähigkeit, die besonderen Bedürfnisse eines Unternehmens und seiner Kunden zu verstehen und zu berücksichtigen, dass sich beide im Laufe der Zeit ändern können. 

Um zu erfahren, ob und wann eine Umstellung erforderlich ist oder wie agil ein Plan sein muss, können Datenanalysten bei der Überwachung der Ergebnisse helfen. Dazu gehört die Einrichtung von Dashboards, die die wichtigsten Leistungsindikatoren (KPIs) verfolgen, und die Ausarbeitung eines datengestützten Ansatzes für die nächsten Schritte, um die Strategie aktuell zu halten und den Anforderungen des Unternehmens gerecht zu werden.

Die Verschmelzung von KI und Datenanalyse

Die genannten Ausführungen deuten an, wo KI einen Weg in die Stellenbeschreibung eines Datenanalysten finden kann. Aber stellt KI tatsächlich eine Bedrohung für diesen wachsenden Bereich dar?

Um diese Frage zu beantworten, müssen wir ganz am Anfang beginnen: Wie wir hierher gekommen sind.

In den frühen 2000er Jahren begann der Vormarsch der maschinellen Lerntechniken. Sie ermöglichten es, riesige Mengen von Online-Daten zu analysieren und Schlussfolgerungen zu ziehen.

Zehn Jahre später traten wir in die Phase des Deep Learning ein. Wir sahen Bilderkennungssysteme, die Objekte erkennen konnten – ein gutes Beispiel sind selbstfahrende Autos und die Systeme, die sie vor potenziellen Gefahren warnen – und Spracherkennung, die es Sprachassistenten wie Siri und Alexa ermöglicht, natürlicher zu reagieren.

20 Jahre später ist die Welt vom maschinellen Lernen zu Deep Learning und nun generativer KI übergegangen.

Im November 2022 ging ChatGPT offiziell an den Start und stellte uns eine „neue Art des Denkens“ zur Verfügung. Angesichts eines scheinbar einfachen Tools, das unsere Fragen beantworten, Fakten ausspucken, Informationen zusammenfassen und sogar Kampagnenstrategien unterstützen und Skripte für Werbespots schreiben kann, fragten sich Entscheider und Mitarbeiter: „Was bedeutet das für mich?“ Datenanalysten kann diese Frage Sorgen bereiten: Derzeitige Analysten und solche, die es werden wollen, mögen überlegen, wie sich die Rolle entwickeln wird und ob sie im Laufe der Zeit noch gebraucht werden.

Die Wahrheit ist: Es gibt keine einfache Antwort, und das ist auch gut so.

Wer Datenanalysten als treibende Kraft im Unternehmen sieht, wird verstehen, warum diese Rolle so komplex ist. Als Treiber leiten sie Teams mit Daten, ihren Schlussfolgerungen und ihren Empfehlungen an.

In diesem Szenario ist KI keine Bedrohung. Sie ist eine Chance. 

KI als Werkzeug für mehr Produktivität  

AI doesn’t have to be a bad thing. When you embrace it in your role as a Data Analyst, you can use it as a tool to boost your productivity and your results. 

KI muss nicht unbedingt etwas Schlechtes sein. Wenn Sie sie in Ihrer Rolle als Datenanalytiker nutzen, können Sie sie als Werkzeug einsetzen, um Ihre Produktivität und Ergebnisse zu verbessern. Eine der größten Stärken von KI ist es zum Beispiel, aus großen Datenmengen einen Sinn zu ziehen. Das könnte bedeuten, Muster und Trends zu erkennen, wichtige Erkenntnisse zu identifizieren und dann Menschen, die die Informationen benötigen, zu helfen, die richtigen Entscheidungen zu treffen.

Diese Stärke ist auch zentraler Bestandteil der Rolle eines Datenanalysten. Deshalb ist es verständlich, dass die Frage „Was ist mit mir?“ im Vordergrund steht.

Um das herauszufinden, haben wir den wohl bekanntesten KI-Player gefragt: ChatGPT von Open AI.

Die Antwort: „Obwohl KI in den vergangenen Jahren erhebliche Fortschritte gemacht hat, ist es wichtig zu beachten, dass die derzeitigen KI-Systeme noch weit davon entfernt sind, die allgemeine Intelligenz und das Verständnis eines Menschen zu besitzen.“

Und weiter: „ChatGPT kann zwar bei sich wiederholenden Aufgaben helfen, sollte aber nur als Hilfsmittel neben menschlichem Fachwissen und Urteilsvermögen eingesetzt werden. Datenanalysten sollten die von ChatGPT bereitgestellten Vorschläge validieren und kritisch bewerten, um die Genauigkeit und Zuverlässigkeit der Analyse sicherzustellen.“

Wenn diese Technologie als Werkzeug zur Optimierung unserer Arbeit und nicht als Ersatz eingesetzt wird, kann ein Datenanalyst weiterhin als Fahrer fungieren – diesmal mit einem Co-Piloten. Der Datenanalyst ist nicht nur dafür verantwortlich, die Richtung vorzugeben und einen klaren Weg zu weisen, sondern auch sicherzustellen, dass alle Anweisungen und Eingaben seines Co-Piloten korrekt und für den vor ihm liegenden Weg geeignet sind. Das wird allerdings nicht immer der Fall sein, wie dieses Beispiel zeigt. 

So können Datenanalysten KI für sich nutzen

Es ist höchst unwahrscheinlich, dass KI verschwinden wird. Und auch wenn sie angehalten oder verlangsamt wird, damit der Mensch mithalten kann, wird sie sich im Laufe der Zeit weiterentwickeln. Und Sie können das auch. Sie müssen es sogar.

Da die Technologie schneller voranschreitet als je zuvor, müssen Unternehmen und ihre Mitarbeiter lernen, sich selbst und ihre Aufgaben neu zu erfinden, um den Wert zu schaffen, der in einer generativen KI-Wirtschaft benötigt wird. 

Doch wo sollen wir anfangen? Beim Lernen!

Laut einer von Accenture durchgeführten Umfrage planen fast sechs von zehn Unternehmen den Einsatz von ChatGPT für Lernzwecke, und mehr als die Hälfte plant Pilotprojekte bis 2023.

Wenn wir lernen, wie und wann wir generative KI wie ChatGPT einsetzen, erhalten wir ein tieferes Verständnis für ihre Fähigkeiten, aber auch für ihre Lücken. Das wird immer wichtiger, da sich die Technologie ohne Regulierung oder Anerkennung rechtlicher und ethischer Risiken weiterentwickelt, die ohne die richtige Entwicklung des Tools selbst auftreten könnten.

In diesem Whitepaper von Accenture heißt es: „KI-Systeme müssen mit vielfältigem und inklusivem Input ,erzogen‘ werden, damit sie die breiteren geschäftlichen und gesellschaftlichen Normen der Verantwortung, Fairness und Transparenz widerspiegeln. Wenn KI innerhalb eines ethischen Rahmens entwickelt und in die Praxis umgesetzt wird, beschleunigt sie das Potenzial für eine verantwortungsvolle kollaborative Intelligenz, bei der menschlicher Einfallsreichtum und intelligente Technologie eine Einheit bilden.“

Es ist dieses Zusammenspiel, das Datenanalysten zum Erfolg verhelfen kann.

Als kritische Denker ist es für Datenanalysten von Vorteil, jemanden oder etwas zu haben, mit dem sie zusammenarbeiten können. Durch den Einsatz von KI in verschiedenen Formen können Sie in den folgenden Bereichen Unterstützung erhalten: 

• Mustererkennung: Wie bereits erwähnt, ist KI von entscheidender Bedeutung, wenn es darum geht, aus Datenmengen einen Sinn zu ziehen, d. h. Muster, Trends und Technologien zu erkennen. Einige dieser Muster sind manuell nur schwer zu erkennen. Daher kann KI hier sehr hilfreich sein.
• Kommunikationssupport: KI kann uns helfen herauszufinden, wie wir unsere Ergebnisse am besten kommunizieren können. Sie kann uns zudem helfen, die richtigen Visualisierungen zu entwickeln, um dies zu tun. Sie kann auch vorschlagen, welche Informationen je nach Zielgruppe in die Berichte aufgenommen werden sollten, z. B. für eine Führungskraft oder einen Koordinator.
• Identifizierung von Datenquellen: KI kann Datenanalysten bei der Suche nach Informationen unterstützen, so dass sie die benötigten Erkenntnisse finden, ohne stundenlang recherchieren zu müssen.
• Datenaufbereitung: KI kann helfen, die Aufgaben der Datenbereinigung und -integration zu automatisieren. Das bedeutet, dass Datenanalysten bei der Suche und Behebung von fehlenden Werten oder Inkonsistenzen in ihren Datensätzen unterstützt werden.

Jeder Datenanalyst kann KI für seine Zwecke nutzen, aber nur, wenn die besten Lernwerkzeuge und -möglichkeiten zur Verfügung stehen.

Konstante Weiterentwicklung

Zu behaupten, dass KI sich durchsetzen wird, ist eine Untertreibung. KI wird sich ständig weiterentwickeln, lernen und wachsen und mehr Fähigkeiten als je zuvor erlangen. Um Schritt zu halten, müssen sich auch Datenanalysten weiterentwickeln, lernen und vorangehen. Es hilft nicht, die Augen vor der Technologie zu verschließen. Wir müssen sie für uns nutzen. Denn wer weiß? KI könnte die nächste Top-Methode sein, die künftige Datenanalysten nutzen, um bessere Geschäftsentscheidungen zu treffen.

Die Zeit wird es zeigen. Und wie wir wissen: Zeit vergeht schnell, doch Technologie entwickelt sich noch schneller.