Kennzahlenfindung

Bei der allgemeinen Kennzahlenfindung ist es entscheidend sich auf die relevanten Metriken zu konzentrieren, die sind grob gesagt diejenigen welche die größte Bedeutung auf ein bestimmtes Arbeitsumfeld haben. Sollte der Bereich für den relevante Kennzahlen bestimmt werden sollen ein umfangreicherer Bereich oder sogar das gesamte Unternehmen betreuen, können die Metriken in Form einer Balanced Scorecard (BSC) organisiert werden.

Allgemeine Hilfestellung zur Kennzahlenfindung

Die Nutzung von Kennzahlen und Leistungsanalysen startet meist mit dem Identifizieren eines Konkreten Problems oder einem Wissensinteresse, daher sollte genau analysiert werden, wo ein tatsächliches Problem identifiziert werden kann.

Häufig entstehen Probleme, wenn festgelegte Ziele gar nicht erfüllt werden oder in einem unbefriedigenden Ausmaß. In solchen Fällen entsteht die Notwendigkeit, Veränderungen bei Einzuleiten oder vorhandene Leistungen zu verbessern.

Daher muss definiert werden, woran misst sich der Erfolg? Wo kommen Schwierigkeiten auf? Und schließlich, wo besteht Handlungsbedarf?

Hierfür eine Liste an Schritten:

  • Ermittlung und Identifizierung der Kennzahlen die zur Messung der Zielerreichung benötigt werden.
  • Festlegung der Datenerhebung der entsprechenden Kennzahlen
    • Messverfahren, Messfrequenz, Bestimmung des Verantwortlichen für die Messung/Daten.
  • Berechnung der Kennzahl anhand dieser Daten und Schulung der Teammitglieder über die Bedeutung der Kennzahlen.
  • Festlegung des Nutzens über die Wertigkeit und Aussagekraft der Kennzahl
  • Festlegung eines Messungszeitraums und Messung über diesen Zeitraum
  • Interpretation der Kennzahl und Ableitung der entsprechenden Maßnahmen gefolgt von einer weiteren Teamschulung anhand der gewonnenen Erkenntnisse
  • Stetige Prüfung der Kennzahl auf Relevanz

Um die Effektivität der gewählten Kennzahlen zu gewährleisten, muss vorab eine ausreichende Planung und Analyse der Kennzahl getätigt werden, da sonst das Risiko besteht, dass die gewonnen Erkenntnisse aus der Kennzahl keinen Mehrwert für die Teams oder das Unternehmen liefern

Die Balanced Scorecard (BSC)

Abbildung 1: Balanced Scorecard

Die Balanced Scorecard veranschaulicht die zentralen Ziele eines Unternehmens oder Bereichs. Diese repräsentieren die strategischen Grundsätze eines Unternehmens. Da es häufig mehrere gleichgestellte Ziele gibt, organisiert die Balanced Scorecard diese in vier Kategorien, um mehr Übersicht zu schaffen.

Außerdem verbindet die BSC diese Ziele mit messbaren Kennzahlen und Indikatoren, die aufzeigen, ob und inwieweit gesetzte Ziele erreicht werden. Dabei ist es, wie oben genannt wichtig, dass die eingesetzten Kennzahlen wirklich relevant für das Unternehmen und die eingesetzten Bereiche sind.

Darüber hinaus sollen alle Ziele und Kennzahlen die verschiedenen Facetten der Unternehmensleistung widerspiegeln, aufgrund dessen haben die Erfinder der BSC, Robert S. Kaplan und David P. Norton das Modell in vier Kategorien gesplittet, um ein ausgewogenes System von Zielen und Kennzahlen zu gewährleisten. Folgend die Vier Kategorien:

  • Finanzielle Perspektive:
    • Umfasst alle traditionellen finanziellen Ziele und Kennzahlen, die vor allem für Aktionäre relevant sind, beispielkennzahlen hierfür sind: Rendite, Gewinn, Umsatz
  • Kundenperspektive:
    • Umfasst alle Ziele und Kennzahlen, die die Einstellung des Kunden gegenüber dem Unternehmen reflektieren, beispielkennzahlen hierfür sind: Kundenzufriedenheit, Wiederkaufsrate, Empfehlungen, Kundenbeschwerden,
  • Prozessperspektive:
    • Umfalls alle Ziele und Kennzahlen, die die Effizienz Interner Prozesse wiedergibt, beispielkennzahlen hierfür sind: Durchlaufzeiten, Quote Nacharbeit, Logistikkosten
  • Lern- und Entwicklungsperspektive:
    • Umfasst alle Ziele und Kennzahlen die aufzeigt, wie gut das Unternehmen auf zukünftige Projekte oder Entwicklungen vorbereitet ist und wie Mitarbeiter gefördert werden. Beispielkennzahlen hierfür sind: Produktinnovationen, Mitarbeiterzufriedenheit, Krankenstand, Unternehmensimage

Die BSC wird häufig grafisch dargestellt, mit vier Kategorien und den entsprechenden Kennzahlen. Außerdem wird in dem Modell ersichtlich, dass es sich um die wirklich relevanten Kennzahlen handelt, die sich einzig auf die Strategie und die strategischen Ziele des Unternehmens bezieht. In Abbildung 1 wird dies ersichtlich.

Quellen

Kann ChatGPT die Bachelorarbeit unterstützen?

Haben Sie von ChatGPT gehört? Wenn ja, wissen Sie wahrscheinlich, was es ist und wie es funktioniert. Falls nicht, ist es nur eine Frage der Zeit bis Sie von dem neuesten Hype hören. 

„Kann ChatGPT die Bachelorarbeit unterstützen?“ weiterlesen

Nutzung von KI-Tools zur Erstellung einer Schriftlichen Arbeit

Bei der Erstellung von Texten wie Hausarbeiten, Essays oder sogar Thesis-Arbeiten wurden schon immer Tools genutzt, um die Arbeit zu vereinfachen. Sei es die Nutzung simpler Rechtschreibungsprogramme bis hin zu KIs für die Erstellung ganzer Textpassagen, das Umschreiben und Verbessern eines selbstgeschriebenen Textes oder sogar zur Ideenfindung oder Neustrukturierung des selbstgeschriebenen Textes. Da KI-Tools hier sind, um zu bleiben, möchte ich in diesem Blog-Post einen kurzen oberflächlichen Überblick über Vor- und Nachteile geben und am Ende noch eine Anregung mitgeben.

„Nutzung von KI-Tools zur Erstellung einer Schriftlichen Arbeit“ weiterlesen

chatGPT und Thesis

Hallo liebe Thesisschreiber,

sicherlich haben Sie sich schon mit chatGPT auseinandergesetzt. Ich lade Sie ein, dass wir uns beim nächsten Online-Meeting darüber unterhalten.

Bitte recherchieren. Ich habe Ihnen hier einen Einspieler / ein Zitat eingefügt. Der Einspieler ist eine Spurenaufnahme wert. Bitte überlegen, wie Sie sich das vorstellen, wie Sie chatGPT für Ihre Thesis nutzen möchten.

Meine Einstellung: das soll nicht verboten werden, aber wir müssen und darüber unterhalten, damit das auch für Sie richtig läuft und nicht die Thesis in Gefahr gerät!

Unsere aktuelle Thesisschreiber-Gruppe ist zwei Mann stark. HFU-Thesisschreiber*Innen und Ehemalige bekommen gerne eine Einladung mit GoTo-Link von mir auf eMail-Anfrage.

Meinung zum Thema gerne in den Kommentaren.

menschlicher vs digitaler Mitarbeiter?

Ein Interactive Voice Response (dt. interaktive Sprachausgabe, kurz IVR) und Chatbots sind Anwendungsmöglichkeiten der KI. Es ist ein Experiment, welches erschaffen wurde, um das menschliche Handeln zu simulieren. Ein IVR ist eine Telefonie-Technologie, welche in diesem Fall eine Unterhaltung führt. Es gibt den Benutzern die Möglichkeit, per Telefon auf eine Datenbank mit Informationen zuzugreifen und darüber Auskunft zu geben. Man kann sich eine IVR-Lösung wie folgt vorstellen: Sie bilden die erste Verteidigungslinie, nehmen den Anruf entgegen, ermitteln was der Kunde braucht und leiten ihn an die Antwort weiter. Dies kann entweder in Form eines anderen Agenten geschehen, der über das entsprechende Wissen verfügt oder als direkte Antwort aus einer Datenbank, CRM-Lösung oder FAQ-Sammlung. Chatbots werden das in Zukunft ebenfalls tun.

„menschlicher vs digitaler Mitarbeiter?“ weiterlesen

Maschine ersetzt Mensch?

Durch die Entwicklung von Chatbots, werden die menschlichen Mitarbeiter im Kundenservice mit der Zeit ersetzt. Doch das ist es noch längst nicht gewesen: 2016 kam es zu einer ungewöhnlichen Entwicklung eines Chatbots. Eine russischstämmige Bot-Entwicklerin aus dem Silicon Valley namens Eugene Kuyna, entwickelte einen Erinnerungsbot für ihren verstorbenen Freund Roman Mazurenko. Trotz all ihrer ethischen Bedenken sammelte sie unzählige Chatzeilen mit Hilfe von anderen Verwandten und Freunden, um ein neuronales Netzwerk, ähnlich wie Amazons Alexa oder Apples Siri, entwickeln zu können.

„Maschine ersetzt Mensch?“ weiterlesen

KI mal differenziert

Die KI lässt sich in zwei Arten differenzieren. Zu einen gibt es die schwache KI (engl. weak AI), zum anderen aber auch die starke KI (engl. strong AI). Die schwache KI legt ihren Fokus auf die Lösung konkreter Anwendungsprobleme.  Bei der starken KI hingegen, möchte man bei einem System eine allgemeine Intelligenz schaffen, die der des Menschen ähnelt oder sogar noch übertrifft. Grundsätzlich kann man sagen, dass die schwache KI die Intelligenz nur simuliert, während die starke KI als echte Intelligenz interpretiert werden kann. Im Folgendem wird dargestellt, in welchen Anwendungsbereichen die KI auf beide Arten eingesetzt werden kann

Schwache KIStarke KI
ExpertensystemeLogisches Denken
NavigationssystemeEntscheidungsfähigkeit auch bei Unsicherheiten
SpracherkennungPlanungsfähigkeit
ZeichenerkennungLernfähigkeit
Korrekturvorschläge bei SuchenKommunikation in natürlicher Sprache
Automatisierte ÜbersetzungenKombinieren aller Fähigkeiten zur Erreichung eins übergeordneten Ziels
Schwache KI vs Starke KI

Einige Wissenschaftler und Philosophen sind der Meinung, dass ein KI-System noch so intelligent scheinen kann, es doch trotzdem eine schwache KI sei. Sie behaupten, dass die menschliche Intelligenz grundsätzlich nicht durch ein Computer Programm simuliert werden kann.

Wie oben bereits genannt ist die starke KI die Art von künstlicher Intelligenz, welche dieselben intellektuellen Verfahren wie der Mensch vorzeigt, oder die eines Menschen sogar übertrifft. Seit der Entwicklung der KI, ist diese Vision das Ziel aller KI-Forschungen. Dieses Ziel in der nahen Zukunft zu erreichen, bleibt jedoch mittlerweile fast unrealistisch. Häufig wird die starke KI in Science-Fiction Filmen oder Literaturen genutzt.

Quelle: http://www.informatik.uni-oldenburg.de/~iug08/ki/Grundlagen_Starke_KI_vs._Schwache_KI.html

KI: Grenzenlose Möglichkeiten?

Die Möglichkeiten der KI kann man vielseitig betrachten. Oftmals sind sie dort vorzufinden, wo die Stärken der menschlichen Intuition und Erfahrungen nicht mehr zur Anwendung kommen. Die Möglichkeiten der KI überwinden die Schwierigkeiten, welche der Mensch mit seiner Rechenleistung hat. Zur vollständigen Lösung von Problemen benötigt man jedoch die menschlichen Individuen, wie auch eine hohe Rechenleistung. Aus den Lösungsansetzen zu lernen, wie etwas gelöst werden kann, ist ebenfalls erforderlich für einen Erfolg. Somit sind die Schwächen von Computern klar aufzuzeigen, diese liegen bei dem logischen Schließen und Folgern. Die Möglichkeiten, welche uns die KI heutzutage öffnen sind zwar breit gefächert, aber in einigen Bereichen noch zum Teil eingeschränkt. Beispielsweise besitzen Computer immer noch nicht die Fähigkeit menschliche Handlungen – oder auch die von anderer Lebewesen – zu verstehen oder gar diese nachzuahmen. In der Umsetzung von KI sprechen einige Aspekte für den Einsatz von Computersystemen, jedoch ist der Erfolg hierbei nicht zu garantieren. Ein Rechensystem muss vorerst programmiert werden, damit es in der Lage dazu ist KI entstehen zu lassen. Somit muss jede gestellte Aufgabe, wie das Verhalten unterschiedlicher Individuen, in der Computersprache verfasst und umgewandelt werden.

Die Umwandlung erfolgt zwischen der Zusammenarbeit mehrerer Wissenschaftler, psychologischen Spezialisten und Biologen, wie auch Informatikern. Erst dann kann sichergestellt werden, dass eine optimale Umsetzung erzielt wurde. Die Herausforderung hierbei ist es, die fundamentalen Elemente der verschiedenen Gebiete ideal in die des Eigenen zu integrieren. Die Neurowissenschaft trägt mit seinem Forschungszweig der Gehirnforschung einen potenziellen Beitrag zur Funktionsweise einzelner künstlicher Verhaltensweisen bei. Dies tut sie, indem sie die Funktionen der Verhaltenszüge im Zusammenhang einzelner Neuronen, in unterschiedlichen Individuen, überprüft und beurteilt. Die fortschrittlichen Erkenntnisse der Biologie, sind ebenfalls ausschlaggebend zum Verständnis und zur Umsetzung etlicher Verhaltenszüge der KI. Durch dieses Zusammenspiel entsteht ein Netzwerk aus unterschiedlichen Aspekten der Wissenschaft, wo durch sich die Möglichkeiten, wie auch die Grenzen der KI immer erneut mit dem aktuellen Stand definieren lassen.

Quelle: https://www.gurit.net/sva/pdf/08_09_10_Moeglichkeiten_und_Grenzen_der_KI.pdf

Künstliche Intelligenz? – Der Turing-Test!

Allein der Begriff „Künstliche Intelligenz“ deckt Fragen in uns auf, wie: „Können Maschinen denken?“ oder „Werden Maschinen eines Tages denken können?“. Mit diesen Fragen beschäftigte sich Alan Turing – einer der wichtigsten Begründer der Informatik und somit auch der KI – im Jahre 1950.

Turing schlug vor, um die Frage – Können Maschinen denken? – zu beantworten, müsste man vorerst Begriffe wie „Maschine“ und „denken“ definieren. Anstatt sich mit Definitionen rumzuschlagen, hat er die Frage durch etwas anderes ersetzt, welches damit zusammenhängt und in relativ eindeutigen Wörtern ausgedrückt werden kann. Somit entstand die Idee des Turing-Tests (imitation game, nannte Turing den Test ursprünglich). Der Tester soll zwischen dem Menschen und der KI unterscheiden.

Aus diesem Grundgedanken wurde ein leicht adaptierter Turing-Test vom Cleverbot durchgeführt, um weibliche und männliche Gesprächspartner unterscheiden zu können:

Es gibt eine männliche Person A, eine weibliche Person B und ein Interviewer C (für den Interviewer ist das Geschlecht irrelevant, da dieser als neutrale Person definiert ist). C sitzt in einem geschlossenen Raum und kann somit A und B nicht sehen. C kann nur mit Hilfe eines Bildschirms und einer Tastatur mit A und B kommunizieren. C weiß nicht, welche Person die Frau oder der Mann ist. C kennt beide nur unter X und Y. Das Ziel von C ist es, durch die Kommunikation herauszufinden wer von den beiden Personen die Frau, und wer der Mann ist. Während dem Test gibt B immer ehrliche Antworten und hilft somit C dabei sein Geschlecht herauszufinden. Während dessen versucht A durch unehrliche Antworten C in die Irre zu führen, damit der Interviewer eine falsche Entscheidung bezüglich des Geschlechtes fällt.

Für Turing ist nun interessant was passieren würde, wenn man die Person A durch eine Maschine ersetzt. Wird die Maschine es gleich oft oder öfter schaffen den Interviewer C zu einer falschen Entscheidung zu führen? Kann die Maschine wissend genug kommunizieren, um am Ende dieselbe Erfolgsrate bei C, wie von der Person A zu erzielen? Sollte das der Fall sein, ist Turing dazu bereit der Maschine Denkvermögen zuzugestehen.

Der Turing Test schlug sich somit in die Geschichte der KI ein und wurde Jahre lang in diesem Bereich eingesetzt. Die Maschinen waren lange Zeit aussichtslos, bis sich am 3. September 2011 etwas unglaubliches ereignete. Die Web-Applikation „Cleverbot“ nahm gemeinsam mit 1334 Menschen am Turing-Test-Festival in Guwahāti (Indien) teil. Cleverbot hat es geschafft von fast 60% der Interviewer als Mensch wahrgenommen zu werden, wobei hingegen die wirklich menschlichen Konkurrenten nur 63% erreichten.

Turing-Test
Turing-Test

Chancen für Machine Learning

ML beruht auf den Prinzipien von Computeralgorithmen, die durch Versuche und Erfahrungen reflexartig lernen. Das ML ist eine Anwendung der Künstlichen Intelligenz, die es Programmanwendungen ermöglicht, Ergebnisse mit äusserster Präzision vorherzusehen. Es macht einen Unterschied zwischen der Erstellung von Computerprogrammen und der Unterstützung von Computern beim Einprägen ohne menschliches Eingreifen.

„Chancen für Machine Learning“ weiterlesen