Die letzten Schritte zu Predictive Costing
Um einem System ‚Intelligenz‘ beizubringen, braucht man zwei Dinge: einen geeigneten KI-Algorithmus und strukturierte Daten, um das System zu trainieren. Der Selbstlern-Algorithmus ist mittlerweile eine Ware, die für Softwareunternehmen relativ einfach zu produzieren ist. Spannender ist die Frage. wo und wie Künstliche Intelligenz am besten unterstützen kann und welche Schritte zum Erfolg noch notwendig sind. Selbst wenn die Technologie in den letzten Jahren große Fortschritte gemacht hat, gibt es immer noch Lücken zwischen dem, was heute möglich ist und dem, was für Predictive Costing benötigt wird. Eine Aufgabe wird es sein, die in die Tiefe gehenden, strukturierten Daten in flache Daten-Hierarchien zu transformieren. Produktkosteninformationen sind typischerweise strukturiert, da hier mit Stücklisten gearbeitet wird. Es ist es wichtig zu wissen, wo in der Stückliste ein bestimmter Wert zu finden ist: Ein Kilogramm Stahl kann vielleicht immer gleich viel kosten, es kann aber die Kosten des Produkts je nach Verarbeitung trotzdem unterschiedlich beeinflussen. Dies zu berücksichtigen und in die Kalkulationsprozesse einfließen zu lassen, ist eine der wichtigsten Notwendigkeiten im Zusammenhang mit KI. Sobald derartige Daten nicht in der Tiefe sondern flach strukturiert sind, kann künstliche Intelligenz ihre Wirkung entfalten und Ergebnisse liefern.