Digitalisierung

Viele KI-Initiativen in Industrieunternehmen beginnen mit der Entwicklung von Modellen und Algorithmen. In der Praxis entscheidet jedoch meist auch etwas anderes über den Erfolg: die Qualität, die Struktur und semantische Konsistenz der Daten.

Typische Situation: Daten stammen aus ERP, PLM, Dokumentenmanagement oder Service-Systemen. Wörter wie Produkt, Material, Artikel oder Baugruppe werden unterschiedlich verwendet. Für Menschen ist das interpretierbar. Für KI-Systeme ist es ein strukturelles Problem.
Der KI reichen nicht nur irgendwelche Daten, sondern sie benötigt semantisch konsistente Daten…

KI scheitert selten an Algorithmen, sondern häufig an der Struktur und Bedeutung von Daten.
Warum semantische Konsistenz, Terminologie und Wissensmodelle die eigentliche Grundlage für produktive KI sind, zeigt dieser Beitrag.