Blog | Augmented Analytics – Das Beste aus Mensch und Maschine?

Das neue Jahr hat gerade begonnen und somit wagen wir einen Ausblick auf die Trends der Zukunft. Überall sind sie zu finden, die „Top 3“ (oder 5 oder 10) Trends für Data & Analytics für 2020. Und obwohl sich die Einschätzungen natürlich nicht vollständig überdecken, gibt es doch einen erstaunlich breiten Konsens in einem Punkt: Das Thema „Augmented Analytics“ wird in nahezu jedem Trendbericht erwähnt ([1]).

Was verbirgt sich hinter Augmented Analytics und warum wird dieses Thema als so wichtig eingeschätzt?

„Augmented“ lässt sich in diesem Kontext mit erweitern, vergrößern oder ergänzen übersetzen. „Augmented Analytics“ ist eine Form der Datenanalyse, bei der der Mensch stärker durch die Maschine unterstützt wird, indem mehr Vorgänge als bislang automatisiert werden – technisch mit Hilfe von Verfahren aus dem Bereich Künstlicher Intelligenz, speziell Verfahren des maschinellen Lernens und aus dem Segment Natural Language Processing (NLP, maschinelle Verarbeitung natürlicher Sprache).

Konkret ist die wohl anschaulichste Form von Augmented Analytics der Zugang zur Datenanalyse über eine „natürlich-sprachige“ Schnittstelle. Stellen Sie sich vor, Sie können Ihr System „Alex“ fragen: „Alex, wie haben sich die EMEA Umsätze im letzten Quartal im Vergleich zum US-Markt entwickelt?“. Die Kunst besteht darin, diese gesprochene Anfrage in eine technische Analyse zu übersetzen, die richtigen Daten heranzuziehen, das Ergebnis geeignet aufzuarbeiten und dem Anwender schließlich geeignet zu präsentieren.

Was auf den ersten Blick einfach klingen mag, ist im Detail weitaus komplexer, als man denken mag. Bei einer Frage wie „Alex, was ist diesen Monat bedeutsames passiert“ wird schnell klar, dass eine sinnvolle Antwort nur mit viel Kontextinformationen beispielsweise zum Geschäftsumfeld oder dem Fragenden gegeben werden kann. Die Herausforderungen liegen im Beispiel nicht (nur) in der natürlich-sprachigen Schnittstelle, sondern in der „intelligenten“ Vorverarbeitung und Analyse von Daten und der Identifikation relevanter Auffälligkeiten, die es wert sind, dem Analysierenden berichtet oder geeignet vorgelegt zu werden.

Bislang waren viele dieser Aufgaben dem Menschen vorbehalten. Durch aufwendige Ersteinrichtung und routinemäßige Betrachtung einer Vielzahl von Auswertungen wurden Auffälligkeiten identifiziert, die es zu hinterfragen lohnt. Mit Augmented Analytics verschieben sich Teile dieser Aufgaben in Richtung Maschine: Wie auch an anderen Stellen lassen sich mehr Vorgänge durch den Einsatz von Methoden aus dem Bereich der Künstlichen Intelligenz automatisieren. Der Mensch bleibt dabei Adressat der mutmaßlichen Erkenntnisse, wird aber effektiver in seinen Entscheidungsprozessen unterstützt. „Augmented analytics represents a new approach to problem-solving that supports humans in the decision-making process, not replace them.“ [2]

Augmented Analytics verbessert die Zugänglichkeit der Datenanalyse dramatisch und hat das Potenzial, wirklich jedem Mitarbeiter Daten und Erkenntnisse hieraus zugänglich zu machen.

Datenanalyse wird so einfach zugänglich wie der Wetterbericht. Schon seit geraumer Zeit wird im Bereich Business Intelligence diskutiert, dass zu wenige Fachanwender wirklich datenbasiert arbeiten und Zugang zum Erkenntnisgewinn aus Daten haben. Zwar hat sich ausgehend vom klassischen Reporting die Datenanalyse u. a. durch Embedded Analytics und durch Self-Service Werkzeuge erheblich vereinfacht und von der IT bzw. dem CoC Business Intelligence in Richtung der Fachanwender verschoben. Trotzdem sind Hürden verblieben, die Augmented Analytics verspricht einzureißen.

Natürlich benötigt aber auch Augmented Analytics die entsprechenden Daten im Hintergrund, möglichst geordnet (katalogisiert) und in hoher Qualität. Ebenso sind vielfältige Kontextinformationen erforderlich, um sinnvoll auch auf abstraktere Fragen und gezielt den Bedarf des jeweiligen Anwenders Antworten zu geben. Um eine solche Infrastruktur zu schaffen, ist weiterhin viel menschliche Arbeit erforderlich, wenn auch die Unterstützung durch „intelligentere“ Ansätze in allen Bereichen – von der Datenorganisation bis zum Erkenntnisgewinn – stetig besser wird.

Tatsächlich hat Gartner bereits Mitte 2017 einen vielbeachteten Bericht mit dem Titel „Augmented Analytics Is the Future of Data and Analytics“ [3] herausgegeben und wiederholte Ende 2019 diese Prognose. Im „Hype Cycle for Analytics and Business Intelligence, 2019“ steht Augmented Analytics auf dem maximalen Punkt der Erwartungen, direkt am „Peak of Inflated Expectation“ [4]. Vielleicht sind die Erwartungen also zu hoch, möglicherweise erwarten wir zu viel und zu schnell. Die grobe Richtung scheint jedoch unstrittig, alleine der Weg braucht mehr Zeit.

Wie in anderen Bereichen auch, wird die Fähigkeit von Software auch im Bereich Data & Analytics um neue Werkzeuge aus dem Bereich Künstliche Intelligenz erweitert, sodass insgesamt der Automatisierungsgrad steigt. Letztlich hilft dies dem Menschen, der in Zusammenarbeit mit der Maschine produktiver wird.