KI-fiziert! – Evolution der Künstlichen Intelligenz – Macht sie uns wieder zum Affen?

Photo by Nick Bolton on Unsplash
Teil 1: Virus KI – Herkunft und Übertragung 

#Zurück in die Zukunft
Der Cyberraum, unbegrenzte Möglichkeiten. Wir schreiben das Jahr 2200 – ich meine natürlich 2020. Nein, dies sind nicht die Abenteuer des Raumschiffs Enterprise, ich hatte lediglich in der COVID-Lockdown-Phase zu viel Fernsehen geschaut! Irgendwie packte mich das Science-Fiction-Genre, da hier bereits seit mehreren Dekaden das vermeintlich „Undenkbare“ oder gar „Unmögliche“ eindrucksvoll vermittelt wird. Egal ob in Kassenschlagern wie „Passengers“ oder Klassikern wie „2001: A Space Odyssey“, in denen ein Raumschiff über intelligente Bordcomputer verfügt. Oder irdische Legenden der Traumfabrik wie „Metropolis“, die das faszinierende Potenzial synthetischen Intellekts in Form von Robotern veranschaulichen. Geradezu evolutionär geht es in Sci-Fi-Blockbustern wie „Blade Runner“ und „Terminator“ zu. Sie illustrierten Maschinen mit Künstlicher Intelligenz (KI), die fähig sind, sich letztlich wie ein Mensch zu verhalten, also selbstständig und abstrakt zu agieren und obendrein zweckvolles Handeln situationsbedingt abzuleiten – intelligent eben.

#Achtung die Türen schließen
Ganz offensichtlich bin ich bereits KI-fiziert! Entgegen jener Zukunftsvisionen möchte ich hervorheben, dass wir dieses technische Evolutionsstadium noch nicht erreicht haben. Nichtsdestotrotz fahren wir auf dem immer rasanter werdenden Digitalisierungszug und sind Zeugen einer „KI-fizierung“ unserer Umwelt. Dies zeigt sich insofern, indem mit Roboterunterstützung wiederkehrende Aufgaben/Prozesse schon heute automatisiert werden und damit deutlich effektiver und effizienter sind, als es wir Menschen je abbilden könnten.

#Top Skills der Überträger
Aber auch digitale Helfer wie Siri, Alexa oder Google Assistent sind längst fester Bestandteil unseres Alltages geworden. Sie bedienen sich unterschiedlicher Methoden des künstlichen Intelligenzspektrums – speziell dem maschinellen Lernen oder auch Machine Learning (ML), dem vertieften/mehrschichtigen Lernen alias Deep-Learning (DL) sowie der maschinellen Verarbeitung natürlicher Sprache respektive Natural Language Processing (NLP).

Seit dem Ende der industriellen Revolution im späten 19. Jahrhundert haben wir Technik neu erfunden und immer weiterentwickelt. Heute, im Jahr 2020 verstehen Maschinen unzählige Sprachen, können darauf basierende Ergebnisse herleiten und sogar relativ authentisch antworten. Das Computerprogramm „Watson“ von IBM besitzt die Fähigkeit, den Sinn einer in natürlicher Sprache gestellten Frage zu erfassen und in kürzester Zeit relevante Fakten darzulegen. Und das ist nur eines von vielen KI-Beispielen.

#Doch nur Logik und Mathematik?
Aber losgelöst von Watson, Alexa oder Siri – die vermeintlich natürliche Unterhaltung mit dem Handy entspringt letztendlich „doch nur“ den Auswertungen von Unmengen an historischen Daten. Die Maschinen erkennen algorithmenbasiert etwaige Muster und Querverbindungen in jenen Daten und generieren darauf basierend „Wissen“ beziehungsweise „Erfahrungen“. Okay, das klingt jetzt erstmal alles ziemlich futuristisch. Intelligenz im herkömmlichen Sinne repräsentieren diese Algorithmen wohl noch nicht. Sonst könnten jene Maschinen anhand von generierten „Erfahrungen“ Unbekanntes bewerten und eigenständig darauf angepasst sowie situationsabhängig Entscheidungen ableiten.

#Was die Maschinen wohl dazu sagen
Ergo ist es dem Menschen heute zwar möglich, mit dem Einsatz von KI bedeutend schneller Entscheidungsoptionen abzuwägen, komplexe Sachverhalte gezielter sowie wirksamer zu lösen und sogar herkömmliche Abläufe zu automatisieren – nur autonom agieren, auf Unbekanntes reagieren oder gar reell telefonieren können diese scheinbar intelligenten Maschinen eben nicht. Zumindest noch nicht. Oder doch?

Die Antwort auf diese Frage gibt’s in meinem zweiten Teil! Und was das Ganze mit Banking zu tun hat, werde ich auch lüften. Seid also gespannt!


Euer Thomas

Teil 3: Agile Transformation in Banken und - die Schildkröte: Achillesferse des Scrum #agile

Die Geschichte aus der griechischen Mythologie ist ein bekanntes Paradoxon: Ein Wettrennen zwischen Achilles und einer Schildkröte. Beide starten zum selben Zeitpunkt, aber die Schildkröte bekommt einen Vorsprung, da sie vermeintlich langsamer ist. Obwohl Achilles schneller ist, wird er die Schildkröte nicht einholen können. Auch im Scrum sind die Schildkröten die Achillesferse, allerdings findet hier kein wirklicher Wettlauf statt und es handelt sich nicht um tatsächliche Schildkröten, sondern um IT-Prozesse. 


Was nützt jemand, der schnell mauern kann, wenn derjenige, der die Steine anreicht, eine lahme Schildkröte ist?


Scrum beschreibt ja nur einen Teil der IT-Prozesse, nämlich den der Softwareentwicklung, um eine Software erfolgreich einzusetzen benötigt man jedoch auch die angrenzenden IT-Prozesse wie Release-Management, Testmanagement, Service Desk oder Infrastruktur Management. Auch diese Prozesse muss ich „agilifizieren“ oder aber zumindest klare Schnittstellen zu ihnen definieren. Warum das so ist, mache ich gerne an einem Beispiel klar. Wir wollen ein Haus bauen und unser Scrum Entwicklerteam ist ein Maurer, der unglaublich schnell mauern kann. Dieser nützt mir aber nichts, wenn derjenige, der ihm die Steine zum Mauern anreicht eine lahme Schildkröte ist. Der Maurer wird nie in der Lage sein, seine Schnelligkeit ausspielen zu können, sondern die meiste Zeit auf neue Steine warten.

Warum diese Prozesse so wichtig sind in der agilen Entwicklung zeige ich anhand einiger Beispiele. Da der Punkt Infrastruktur managen sehr weit weg von den Entwicklungsprozessen von Scrum zu sein scheint, zeige ich hier mal die erste IT-Schildkröte auf. 


Mal eben eine neue virtuelle Testumgebung bestellen? Hardware bei Amazon bestellen, geht schneller…


Folgendes Szenario: Für ein neues Feature benötige ich zwingend eine neue Version der Programmiersprache. Da in der Produktion aktuell diese Version nicht läuft, ich aber bis zu deren Upgrade auch Bugfixes auf dieser Version erstellen muss, muss ich parallel auf verschiedenen Testumgebungen arbeiten. Dauert die Bestellung einer solchen Testumgebung sechs bis acht Wochen, wie ich es schon erlebt habe, kann ich drei bis vier Sprints diese Funktionalität nicht implementieren, obwohl hoch priorisiert und auch genügend Kapazität bei den Entwicklern vorhanden ist. Die schnellste Bereitstellung, die ich bislang bei Banken erlebt habe, war eine Bereitstellung innerhalb von 24 Stunden, aber kaum eine Bank schafft dies. Das Zauberwort an dieser Stelle ist Infrastructure as a Service, kurz IaaS, also die Bereitstellung einer Infrastruktur „per Knopfdruck“.


Die Hardware ist da, aber ich teste nach dem Chinesenprinzip…


Aber bleiben wir mal realistisch und sagen, die Umgebung steht nach sechs Wochen bereit und ich beginne nun dieses Feature zu entwickeln. Jetzt kommt aber mein Testmanager und sagt, ich müsse aufgrund der neuen Version einen kompletten Regressionstest der Anwendung durchführen. Glücklicherweise stehen gerade zehn Fachbereichstester zum Testen bereit. Und falls mich jetzt jemand fragt, in welchem Universum ich lebe, dass zehn Tester „Gewehr bei Fuß“ bereitstehen, das ist eine rein hypothetische und unrealistische Annahme. Aber selbst mit dieser unrealistischen Annahme bräuchte man mindestens zwei Sprints, um die Regressionstests durchzuführen. Damit wäre die Software nicht fertig und damit nicht releasefähig. Viel schlimmer noch, in den zwei Sprints kann ich ausschließlich Bugs in der Produktion fixen und keine neuen Features entwickeln.


Wenn der Releasetrain von Vogonen geleitet wird, renne ich diesem sechs Monate hinterher…

 
Aber denken wir den Prozess ruhig weiter. Die Regressionstests sind nach zwei weiteren Sprints erfolgreich durchgeführt worden und das Scrum Team sagt stolz, dass die Software nun releasefähig für die Produktion ist. Freudestrahlend begibt sich der Product Owner zum Release Management und möchte seine Software in Produktion bringen. Dieser entgegnet aber nur lapidar, man hätte den Termin zur Anmeldung zum Release leider um eine Woche verpasst und könne erst zum übernächsten Release in sechs Monaten seine Software in Produktion bringen. In solchen Situationen fühle ich mich übrigens häufig an eine Figur aus dem Buch „Per Anhalter durch die Galaxis“ erinnert, den Vogonen: Mies gelaunt, bürokratisch und gefühllos. Geht das eigentlich nur mir so? Um die Kollegen aus dem Release Management mal in Schutz zu nehmen, bei den IT-Prozessen zur Produktivstellung von Software wäre ich auch mies gelaunt, würde mich auf die miesen Prozesse zurückziehen und alle Sonderanfragen rigoros ablehnen.


Von der Entwicklung bis zum Go Life, eine schwere Geburt…


Schauen wir in diesem Beispiel mal auf die Zeitschiene. Zuerst habe ich sechs Wochen gewartet, bis ich die erforderliche Infrastruktur bekommen habe, dann hatte ich in zwei Wochen das Feature entwickelt, um dann weitere vier Wochen auf die Regressionstests zu warten und schließlich 24 Wochen auf die Produktivstellung zu warten. In Summe also 36 Wochen, also neun Monate, für die produktive Nutzung eines Features. In dieser Zeit werden auch ganze Kinder geboren. Natürlich habe ich es in diesem Beispiel ein wenig auf die Spitze getrieben, aber so ganz unrealistisch ist es leider auch nicht. Vielleicht wird jetzt besser klar, was ich mit den Schildkröten meine. 


Wie ich die Schildkröte knacke


Das Zauberwort für deren Beschleunigung heißt Automatisierung. Haben Banken bislang immer die Fachlichen Prozesse im Fokus, Stichwort Industrialisierung, rücken mehr die IT-Prozesse in den Vordergrund, da die Produktivstellung neuer Features oder Produkte für den Kunden immer mehr zum Wettbewerbsvorteil wird. FinTechs machen es vor, hier wird nicht nur schnell entwickelt, die IT-Prozesse sind schlank und meistens auch automatisiert. Ziel muss es sein, die Industrialisierung der IT-Prozesse zeitnah zu ermöglichen, um fachliche Prozessänderungen schnell umsetzen zu können. Scrum ist hier nur ein Teilprozess, Fokus müssen aber immer die End-to-End Prozesse sein, genau wie bei allen fachlichen Prozessen. Das heißt ich muss z.B. auch Infrastrukturen, Tests und Deployments bestmöglich automatisieren, um neue Features zeitnah produktiv einsetzen zu können.


Mein Fazit zu IT-Schildkröten-Prozessen: IT-Prozesse sind ein wesentlicher Faktor bei der Anpassung von fachlichen Prozessen, da diese immer weniger manuelle Tätigkeiten beinhalten. Ziel ist es, die IT-Prozesse durch Standardisierung und Automatisierung zu industrialisieren, um sich dauerhaft gut im Wettbewerb aufzustellen. Grenzen sind hier teilweise durch die Regulatorik gegeben. Darauf gehe ich im nächsten Beitrag ein.

#agil #scrum #it-prozesse #schildkröte #industrialisierung #automatisierung #continuusdeployment #iaas #automatisiertestesten #prozessautomatisierung #agileprozesse

Beste Grüße
Andreas Milanese

PS: Wer nicht abwarten kann oder an einer Beratung interessiert ist, darf auch gerne meine Website besuchen unter: http://www.ppi.de/banken/compliance/agiles-projektmanagement/


 

RegTech News! 10. RegTech-Beitrag "Predictive Analytics" ist jetzt online

Liebe Leserinnen und Leser, 

RegTech ist im Dialog mit Finanzinstituten nicht mehr wegzudenken. Aber wofür steht der Begriff, was bedeutet er in der Praxis, welche Anwendungsfälle bestehen im Compliance-Umfeld, wie fügt sich RPA in den Themenkomplex ein?

All diese Fragen behandeln wir seit längerem in einer Reg-Tech Beitragsserie. Natürlich wollen wir Ihnen unseren Blog-Lesern diese Beiträge nicht vorenthalten!

Deshalb erhalten Sie ab sofort zu jedem neuen RegTech Beitrag News auf diesem Blog und heute starten wir mit dem druckfrischen 10. RegTech Beitrag:

Die nächste Generation der Künstlichen Intelligenz: Predictive Analytics

Gerade in Zeiten wie diesen zeigt sich, dass nahezu alle Branchen die Digitalisierung ihrer Geschäftsprozesse und Geschäftsmodelle beschleunigen. Dabei spielt besonders das Thema der Künstlichen Intelligenz (KI) eine bedeutende Rolle. In diesem Beitrag möchten wir Predictive Analytics vorstellen; eine Technologie, die aus unserer Sicht vor allem bei Banken einen enormen Mehrwert schaffen kann. Gerade im Bereich Compliance beim Einsatz zur Vorhersage von Regelverstößen könnten damit Maßnahmen zur Betrugsprävention ein ganz neues Level erreichen und so effizient sein wie nie zuvor. Jetzt weiterlesen

Alle weiteren Informationen und Leistungen rund um das Thema RegTech erhalten Sie hier.

Viel Spaß beim Lesen
Ihre Sandra Reinhard


PS: Lesen Sie auch unsere anderen Beiträge zum Thema RegTech!