KI und der Concept Drift: Wie bleibt die Künstliche Intelligenz fit?

Themenreihe Esker Talks KI, Teil 3

Im dritten Teil der Reihe Esker Talks zu Künstlicher Intelligenz gehen unsere drei Expertinnen und Experten Prof. Dr. Steffen Herbold, Dr. Rafael Arto-Haumacher und Maxi Kleinen auf die vielen Vorteile der Künstlichen Intelligenz für die Prozesse in Backoffice-Abteilungen ein. Sei es im Kundenservice, wo über intelligente Zuordnungen von eingehenden Anfragen die Wichtigkeit und Emotionalität priorisiert wird oder auch das automatische Auslesen von Dokumenten, das einen großen Teil wiederkehrender, manueller Arbeitsschritte selbstständig erledigt und für das Team Freiräume für fundierte, strategische Entscheidungen schafft. Wie kann KI auf strategischer Ebene eingesetzt werden? Wie funktioniert die Unterstützung bei der Entscheidungsfindung? All diese Themen werden besprochen. Prof. Dr. Steffen Herbold erwähnt auch das Phänomen des Concept Drifts. Was steckt dahinter? Was bedeutet das für die Qualität der generierten Daten? Und wie wird mit ihm umgegangen? 

Der Concept Drift

Der Concept Drift beschreibt das Phänomen, das die Algorithmen und somit die Vorhersagegenauigkeit des Machine Learnings durch äußere Einflüsse verschlechtert. Ursache hierfür ist die Änderung von statistischen Eigenschaften der Zielvariable, was beispielsweise die Regionalität beim Coding und deren Übertrag in andere Länder sein kann oder auch ein kurzfristiges Trainieren der Algorithmen in saisonal bedingten Peak- oder Lowzeiten. Auch neue Vorlieben und sich abschwächende Trends bei Endverbrauchern:innen können einen Concept Drift hervorrufen. Geopolitische Herausforderungen, wie die Corona-Pandemie und der Angriffskrieg Russlands auf die Ukraine haben ebenfalls realen Einfluss auf die Genauigkeit maschinell erstellter Daten und Forecasts. In einem Concept Drift stimmen Realität und Daten also nicht mehr überein. 

Im Bereich der Rechnungsstellung kommt ein Concept Drift oftmals nicht vor, da es hier meist nur geringe Änderungen in den Prozessen gibt, die sehr gut ausgeglichen werden können. Betrachtet man allerdings den Bereich des Kreditmanagements und im Besonderen die Prüfung von Bonitäten, wird die Künstliche Intelligenz oftmals vor Herausforderungen gestellt, die sie eigenständig nicht lösen kann. Die gestiegenen Rohstoffpreise durch die Katastrophen der letzten Jahre und damit einhergehende Unsicherheiten bergen ein Risiko für die Bonität vieler Unternehmen. Diese Änderungen werden jedoch oftmals nicht zeitnah abgebildet, wenn die bereits trainierte KI nicht angepasst wird.
 

Wie also lösen?

• Regelmäßige Aktualisierungen: Um mit Concept Drift umzugehen, müssen Modelle regelmäßig überprüft und an veränderte Bedingungen angepasst werden. Eine kontinuierliche Überwachung der Daten und eine Anpassung der Algorithmen sind entscheidend, um die Genauigkeit der Vorhersagen aufrechtzuerhalten.
• Monitoring und Feedbackschleifen: Eine effektive Qualitätskontrolle ist die Einrichtung von Monitoring- und Feedbackschleifen im AI Engineering. Dabei werden die Vorhersagen des Modells mit den tatsächlichen Ergebnissen verglichen. Bei Abweichungen kann das Modell entsprechend angepasst werden.
• Adaptive Modelle: Statt statischer Modelle ist es sinnvoll, adaptive Modelle zu verwenden, die sich dynamisch an veränderte Daten anpassen. Diese Modelle lernen kontinuierlich aus neuen Informationen und sind weniger anfällig für einen Concept Drift.
• Feature Engineering: Die Wahl der richtigen Features ist entscheidend. Wenn bestimmte Attribute stärker von Concept Drift betroffen sind, sollten alternative Features in Betracht gezogen werden. So können sich verändernde Attribute ausgeschlossen und eine reliable Basis geschaffen werden.
• Ensemble-Methoden: Durch die Kombination mehrerer Modelle können Schwächen einzelner Modelle ausgeglichen werden. Ensemble-Methoden sind oft robuster gegenüber Concept Drift.

Zusammenfassend sind eine stetige Überwachung der Algorithmen und ein spezialisiertes Team, das die Pain Points der Vorhersagen kennt, eine effiziente Lösung, die Ihre Künstliche Intelligenz durchgehend und robust am Laufen hält. So können Sie und Ihr Team die Vorteile für sich nutzen und in die tägliche Arbeit mit einbeziehen. Ratsam ist dennoch ein Human in the Loop, der oder die achtsam mit den ausgegebenen Kennzahlen umgeht. So entsteht eine positive Symbiose zwischen Mensch und Künstlicher Intelligenz, die Ihr Team und Ihr Unternehmen unterstützt.

Möchten Sie mehr zu Esker Synergy AI, der Künstlichen Intelligenz von Esker, erfahren? Hier finden Sie alle Fakten zusammengefasst.

Und verpassen Sie nicht unsere Reihe Esker Talks Künstliche Intelligenz mit Prof. Dr. Steffen Herbold, Inhaber des Lehrstuhls für AI Engineering an der Universität Passau, dem Country Manager Deutschland von Esker, Dr. Rafael Arto-Haumacher und Head of Professional Services Deutschland bei Esker, Maxi Kleinen. Die drei geben praxisnahe Einblicke in die Arbeit mit Künstlicher Intelligenz, gesetzliche Regulierungen und Grundlagen der noch jungen Technologie.

Alle Folgen finden Sie in unserem Ressource Center.

Möchten Sie direkt eine individuelle Beratung zur Künstlichen Intelligenz in den Lösungen erhalten? Vereinbaren Sie einen Termin!