AI Analytics: Daten als Rohstoff, Analytik als Ergebnis?

Eine Einführung in die neue Welt der KI-Analytik anhand konkreter Praxisbeispiele

Was ist die neue Rolle und der aktuelle Wert von Daten in Zeiten von KI, braucht es noch einen menschlichen Analysten oder kann KI Analytik bereits besser als wir, und soweit der Mensch überhaupt noch analytischen Mehrwert leistet: wo liegt dieser aktuell und in Zukunft?

Dieses anschauliche, zukunftsorientierte Seminar beschäftigt sich anhand dreier konkreter Praxisbeispiele mit der konkreten Frage unserer menschlichen Rolle als Analyst im Kontext ständig steigender KI-Kompetenzen.

Ihr Referent Thomas Hirschmann zeigt anhand konkreter Praxisbeispiele:

Daten sind auch aktuell mehr als nur ein "Trainings-Rohstoff", vielmehr erschließt erst ein vertieftes menschliche Verständnis für deren Struktur die Möglichkeit tieferer Einsichten - in Zusammenarbeit mit, und augmentiert durch den neuen Partner KI (Bsp.: KI-augmentierte Analytik anhand wissenschaftlicher Daten aus Ökonometrie & Psychologie)
Obwohl der Datenhunger der großen KI-Anbieter ständig steigt: Der Wert von Daten lässt sich nur kontextabhängig bestimmen (Bsp.: Wertanalyse von Museums-Daten)
Auch angesichts beeindruckender analytischer Fähigkeiten von KI im Umgang mit komplexen, multimodalen Daten: Sinnhafte Analytik setzt immer menschliches Verständnis voraus - während KI “technische” Analytik beschleunigt wird sinnvolles Befragen, Beurteilen und Bewerten zur neuen, spezifisch menschlichen, analytischen Kernkompetenz (Bsp.: Kritisches Hinterfragen der Eigenbewertung eines KI-augmentierten Strategieworkshops).

Ziele des Seminars

Sie erfahren, warum KI (menschliche) analytische Arbeit nicht ersetzt, sondern verändert.
Sie verstehen, dass KI unsere Arbeit als Analysten mit sehr hoher Wahrscheinlichkeit nicht einfacher, sondern sehr viel komplexer macht - nicht trotz, sondern gerade weil sie analytische Routineaufgaben mühelos übernimmt.
Sie lernen, wie wir mit Hilfe von KI unsere analytische Arbeit in der Wertschöpfungskette deutlich nach oben verschieben können - indem wir gerade auf die Erfahrung zurückgreifen, die man nicht mit KI machen kann.
Sie verstehen, warum rein technische analytische Erfahrung in einer KI-dominierten Analytik-Zukunft kein Garant für Erfolg mehr sein kann.
Sie erfahren, wohin sich der wertschöpfungstechnische Aufmerksamkeitsschwerpunkt analytischer Arbeit in Zukunft verschiebt, und warum gerade breites (interdisziplinäres) und tiefes (kreatives) Denken die neuen Grundvoraussetzungen für analytische Qualität (“Insights”) werden.

KI & Daten