Aktuelles auf dem Google Cloud Blog I Ausgabe 11

Wie KI- und Data Science-Teams ihre Mission effektiver erfüllen können

Für viele Unternehmen und Branchen eröffnet Künstliche Intelligenz völlig neue Perspektiven. Doch nicht jedes KI-Projekt ist sinnvoll, und nicht jedes sinnvolle Projekt ist wirtschaftlich tragbar. Um die Spreu vom Weizen zu trennen und den Fokus auf KI-Lösungen zu legen, die ein Unternehmen langfristig weiterbringen, müssen KI- und Data Science-Teams ihre Ressourcen und Prioritäten optimal verteilen. Dabei hilft eine Checkliste wie die folgende:

• Wer sind die Kund*innen?
  Jedes Projekt bedient eine interne Kundschaft. KI-Teams sollten genau wissen, welchen Mehrwert sie für diese Zielgruppe schaffen.

• Wie lautet das wirtschaftliche Argument?
  Der Aufwand eines Projekts muss in einem gesunden Verhältnis zu seinem Nutzen stehen, sowohl für das eigene Unternehmen als auch für die Kund*innen.

• Welche Prozesse sind nötig?
  Straffe Zeitpläne erfordern klare Strukturen, Prozesse und Verantwortlichkeiten, die Teams vorab definieren sollten.

• Wie wird der Erfolg des Projekts gemessen?
  Projekte sollen einen wirtschaftlichen Nutzen für das Unternehmen generieren. Teams müssen diesen Wertzuwachs messbar machen.

Bayer Crop Science sorgt mit BigQuery und Dataflow für fruchtbare Böden

Gesunde und fruchtbare Böden sind die Grundlage unseres Lebens. Sie speichern Wasser, produzieren Nahrung, und helfen uns sogar dabei, den Klimawandel zu verlangsamen. Bayer Crop Science schenkt der Bodengesundheit die Aufmerksamkeit, die sie verdient; Die Konzerntochter des weltweit tätigen Life-Science-Unternehmens Bayer nutzt Technologie von Google Cloud, um hunderte Millionen Hektar Land zu analysieren und dessen Beschaffenheit besser zu verstehen. 

Mit Google Cloud-Diensten wie BigQuery und Dataflow analysiert das Bayer-Team die vielen öffentlich zugänglichen Daten, die von Agenturen wie dem National Weather Service herausgegeben werden, in großen Mengen und gewinnt wichtige Erkenntnisse daraus. Wie das funktioniert und wie Bayer mit diesen Erkenntnissen die Bodengesundheit fördern kann, erklären Aswin Ramakrishnan, Senior Data Engineer bei Bayer Crop Science, und Travis Webb, Solutions Architect bei Google Cloud, in unserem Blogbeitrag.

So sieht die Daten-Zukunft aus: Flexibel, zugänglich und einheitlich

Daten sind die Währung der digitalen Welt. Dementsprechend produzieren wir immer mehr davon: 2021 erzeugte die Welt täglich fünf Exabyte an Daten – das entspricht 2,5 Milliarden Gigabyte. 2025 sollen es täglich bereits 463 Exabyte sein. Datengetriebene Geschäftsmodelle sind somit kritisch für Tech-Firmen und Start-ups, doch die Erfahrung hat gezeigt, dass die Verwaltung von und Wertschöpfung aus Daten für viele Unternehmen noch immer eine große Herausforderung ist. 

Dafür gibt es viele Gründe: Unternehmen müssen sich ständig an neue Datenquellen und -formate anpassen, der einfache Datenzugriff für Mitarbeitende ist nicht überall gegeben, und auch Compliance- oder Sicherheitsbedenken halten manche Firmen zurück. Ein neues Whitepaper von Google Cloud widmet sich diesen Herausforderungen und untersucht, wie erfolgreiche Technologieunternehmen und Start-ups Google Cloud-Lösungen nutzen, um ihre Daten für sich arbeiten zu lassen.

Daten optimal nutzen: Tipps & Best Practices für Start-ups

Die Anfangsphase eines Start-ups ist oft kritisch: Entscheidungen, die in den ersten Wochen und Monaten getroffen werden, haben langfristige Auswirkungen – positiv wie negativ. Der richtige Umgang mit Daten und entsprechende Investitionen in Daten-Tools können das Wachstum eines Start-ups zu Beginn enorm ankurbeln und sich auf lange Sicht auszahlen. Doch wie treffen Start-ups die richtigen Entscheidungen?

In seiner Rolle als Director, Analytics & AI Solutions bei Google Cloud, hilft Lak Lakshmanan Start-ups dabei, Google Cloud-Lösungen im Bereich KI und Analytics optimal zu nutzen. Dabei haben sicheinige Best Practices etabliert, die Start-ups beachten sollten. Bereits die Auswahl konkreter Technologielösungen sollten Entscheider*innen im Start-up beispielsweise fundiert, auf Basis der Value Proposition des Unternehmens, vornehmen. Ebenso wichtig für die Zusammenstellung des Technologie-Stacks ist eine klare Vorstellung, wie Kund*innen die Dienstleistungen eines Start-ups nutzen werden.