Back to top

Monat: Dezember 2023

Upgrade mit Quantensprung

Posted on by Stefan Mauer

Machine Learning Pionier DataRobot mit genAI, verbesserter Usability und erweitertem Funktionsumfang

DataRobot ist eine Plattform für automatisiertes Maschinelles Lernen (AutoML), mit der Unternehmen auch ohne tiefgehende Expertise schnell und effizient maschinelle Lernmodelle erstellen können.

Integration von generativer KI
Die neueste Ausbaustufe ergänzt die Plattform um standardisierte Komponenten und Funktionen zur Einbindung generativer AI. Der API-Ansatz von DataRobot ermöglicht die nahtlose Integration großer Sprachmodelle (LLMs), Vektordatenbanken und Prompting-Strategien in einer offenen und Multi-Cloud-Umgebung.

Vorgefertigte Assistenten, vordefinierte End-to-End-Standards und Rapid Prototyping ermöglichen das Erstellen von KI-Anwendungen ohne kompliziertes Coding. Durch Toxizitäts- und Plausibilitäts-Checks bietet DataRobot fallspezifische Leitplanken und unterstützt die Überwachung, Verwaltung sowie Governance von predictive- und genAI-erzeugten Assets.

Intuitive Benutzeroberfläche
Ausgangspunkt ist das neue User Interface „Workbench“ (=Werkbank), eine übersichtliche Oberfläche, die den Anwender durch alle notwendigen Schritte der Projekterstellung und Modellüberprüfung leitet. Dabei werden modernste ML-Techniken genutzt, ohne Anwender-seitig tiefgehendes Data-Science-Knowhow vorauszusetzen.

Workbench ahmt die iterativen Arbeitsabläufe von Datenwissenschaftlern nach, was den Modellierungsprozess rationalisiert und die Zeit bis zur Wertschöpfung minimiert. Hierzu werden Modellierungsansätze gruppiert, organisiert und genutzt. Diese „Assets“ in Form von Experimenten, Notebooks und No-Code-Anwendungen sind in ordnerähnlichen Containern untergebracht, die als Use-Cases bezeichnet werden.

Da der Modellierungsprozess über das reine Modelltraining hinausgeht, umfasst Workbench auch die Datenvorbereitung, das Trainieren von Modellen und die Nutzung der Ergebnisse für Business Entscheidungen. Dabei folgt Workbench der Grundidee von Experimenten, potenzielle Lösungen so lange zu durchlaufen, bis ein Ergebnis mit einem Business Value erreicht ist.

Barrierefreier Auto-ML-Zugang
Die Kombination von UX-Design, neuen Funktionen und API-orientiertem Ansatz erfordert wenig Data Science Expertise. Dieser niedrigschwellige Ansatz vergrößert die Schnittmenge aus Anwendern und Fachentscheidern. Durch Automatisierung der einzelnen Prozessschritte minimiert DataRobot die Zeit bis zur Modellauswahl und Ergebnispräsentation.

Effizienzgewinn durch Form & Function

  • übersichtliche Navigation, alle wichtigen Informationen an einem Ort
  • Zugriff auf Daten sowohl über eine intuitive Benutzeroberfläche als auch über eine Notebook-Umgebung
  • Umwandlung von Rohdaten in modellierfähige, aufbereitete und partitionierte Daten
  • Beschleunigung der Iteration und Zusammenarbeit mit wiederholbaren, gemessenen Experimenten
  • Automatisierung für schnelle Erkenntnisgewinnung und Vorhersagen aus den besten Modellen
  • teilen von Reports und Dashboards, um Feedback und Genehmigungen zu erhalten

ESG und Nachhaltigkeit im Bereich Data Analytics und BI

Posted on by Stefan Mauer

Aus der Pflicht eine Tugend machen

Die Nachhaltigkeit-Berichterstattung ist in aller Munde und wird von der EU in den letzten Jahren stark forciert. Ab dem Fiskaljahr 2023 greift die Corporate Sustainability Reporting Directive (CSRD), die zukünftig Unternehmen in immer größerem Umfang zum Thema ESG Reporting verpflichtet. ESG steht für Environmental, Social und Governance und bewertet Geschäftsaktivitäten bezüglich ihrer Auswirkungen auf Umwelt und ihr wirtschaftliches und soziales Umfeld. Dies soll nach den European Sustainability Reporting Standards (ESRS) erfolgen.

Ausgewählte Unternehmen in der EU müssen ihre Nachhaltigkeitsaktivitäten schon seit 2014 gemäß der Non-Financial Reporting Directive (NFRD) dokumentieren. Diese Berichtspflicht wird zukünftig durch die CSRD geregelt und sukzessive ausgeweitet. Betroffen sind ab Berichtsjahr 2025 alle Firmen, die zwei der drei folgenden Kriterien erfüllen:

  • mehr als 250 Mitarbeiter*innen
  • mehr als 20 Mio. Euro Bilanzsumme
  • mehr als 40 Mio. Euro Umsatz

Nach Schätzungen der EU steigt die Zahl der berichtspflichtigen Unternehmen damit auf rund 50.000, davon 15.000 allein in Deutschland.

CSRD führt erstmals verbindliche Nachhaltigkeits- und Berichtsstandards auf EU-Ebene ein, um bestehende Lücken bei den ESG-Berichtsvorschriften zu schließen. Wesentliche Unterschiede zwischen der vormals freiwilligen CSR Richtlinie liegen in der doppelten Wesentlichkeitsanalyse und der Testatpflicht durch Wirtschaftsprüfer.

Double Materiality
Unternehmen sind gemäß der doppelten Wesentlichkeitsanalyse verpflichtet, sowohl über die Auswirkungen ihres Geschäftsbetriebs auf Mensch und Umwelt als auch über die Einflussrisiken von Nachhaltigkeitsaspekten auf ihr Gewerbe zu berichten. Bisher war das nur dann verpflichtend, wenn beide Aspekte wesentlich für den Unternehmenszweck waren.

Unabhängige Wirtschaftsprüfung
Zukünftig muss die Nachhaltigkeitsberichterstattung analog zur Finanzberichterstattung von externen Experten geprüft werden. Dazu greifen EU-Standards, deren Prüfungstiefe schrittweise erweitert wird. Das hebt non-financial und financial Reporting von der Wertigkeit auf dieselbe Stufe.

Einheitliches elektronisches Berichtsformat
Seit 2020 müssen bestimmte Unternehmen ihre Rechnungslegungsunterlagen im European Single Electronic Format (ESEF) bereitstellen. Dieses Format ist sowohl für den Menschen als auch für Maschinen lesbar und verwendet XHTML-Format mit sogenannten XBRL-Tags zur Markierung von Konzernabschlüssen. CSRD weitet diese Anforderung auf die Nachhaltigkeitsberichterstattung aus, weshalb die Europäische Kommission die Veröffentlichung einer eigenen XBRL-Taxonomie plant.

Non-financial Reporting steckt in den Kinderschuhen
Während finanzielle Kennzahlen standardisiert und deren zugrundeliegende Prozesse längst weitestgehend automatisiert sind, sind Nachhaltigkeitskennzahlen heterogen, da sie von Unternehmen zu Unternehmen variieren können. Produzierende Unternehmen weisen andere Kriterien auf als Handel oder Finanzsektor. Auch die Erhebung der Daten ist weder standardisiert noch automatisiert.

ESG-relevante Daten: überall und nirgends
Der unternehmerische Aufwand zur Erstellung eines ESG Reporting ist enorm. Herausforderungen liegen besonders in der ersten Meile (Data Collection and Integration) und der letzten Meile (Konsolidierung und Berichtsveröffentlichung) der Datenzyklen. Das stellt alle berichtspflichtigen Unternehmen vor besondere Herausforderungen: von der Datenintegration bis zur Berichtslegung sind inklusive Data Analytics und Business Planning alle BI-Disziplinen relevant und gefordert

E wie Environmental
Hierzu zählen Daten über Ressourcenverbräuche, Carbon Footprint, Abfallmengen, etc. entlang der gesamten Produktlebenszyklen.

S wie Social
Hierzu zählen Kennzahlen für Mitarbeiterverantwortung, Arbeitssicherheit und Gesundheitsschutz, aber auch Themen wie Vielfalt, gesellschaftliches Engagement und die Einhaltung von Arbeits- und Sozialstandards.

G wie Governance
Governance Kennzahlen messen den Grad verantwortungsvoller Unternehmensführung und umfassen Themen wie Steuerungs- und Kontrollprozesse. Hierzu zählen neben Sourcing und der Zusammenarbeit mit Partnern auch IT-Sicherheit, Datenschutz und Compliance.

Heterogene Datenquellen, -typen, -formate
Die erste Meile der Datenintegration ist insofern komplex, als unterschiedlichste Daten vereinnahmt werden müssen. Neben internen Quellen gilt es externe zu berücksichtigen. Einige Daten können direkt ermittelt, andere nur indirekt erhoben oder kalkulatorisch bestimmt werden. Datenformate reichen von Papierform bis zu strukturierten Reporting-Standards und Datenzyklen sind beliebig von permanent bis mehrjährig, wodurch Abgrenzungen erforderlich werden.

ESG beinhaltet zahlreiche Synergien
Digitalisierung und unternehmerische Nachhaltigkeit sind nicht nur untrennbar miteinander verbunden, sondern bilden eine Symbiose. Digitale Technologien ermöglichen Effizienzsteigerungen und Energieeinsparungen. Künstliche Intelligenz kann Umweltentwicklungen und Geschäftsereignisse prognostizieren und in Echtzeit Prozesse beeinflussen.

Durch Business Analytics und den Einsatz von AI lassen sich Synergien materialisieren, die bei allen Stakeholdern punkten und Nachhaltigkeit im Wortsinn verkörpern: wirtschaftliche Nachhaltigkeit ebenso wie verantwortungsbewusster und Ressourcen-schonender Umgang mit der Umwelt sowie Verantwortungsbewusstsein gegenüber nachfolgenden Generationen.

Pflicht oder Tugend?
Die Erreichung jeglicher Unternehmensziele setzt funktionierende Datenmanagement-Prozesse voraus. ESG Reporting als festen Baustein in die Unternehmensstrategie zu integrieren, ist nicht nur ab 2024 gesetzliche Vorgabe, sondern eröffnet echte Chancen.
Wie man aus der Pflicht eine Tugend macht und welche Bausteine des Datenzyklus besonders Augenmerk verlangen, um Aufwände zu reduzieren, gesetzlichen Vorgaben zu entsprechen und Chancen zu verwandeln, wird EVACO im kommenden Jahr regelmäßig vorstellen.