Die Zukunft wird – u.a. mit Hilfe von Business Intelligence & Analytics (BI & A) sowie die daraus resultierende Künstliche Intelligenz (KI) – immer berechenbarer (zumindest einige Zukünfte). Immer grössere Datenmengen, immer höhere Verarbeitungsgeschwindigkeiten, die ganze Vernetzung sowie immer anpassungsfähigere Algorithmen erlauben immer exaktere Prognosen, so dass man in einigen Fällen bereits davon sprechen kann, die Zukunft mit hoher Wahrscheinlichkeit sehen zu können. Dieser Blog-Beitrag soll anhand von drei Anwendungsfällen zeigen, wo die Prognosen bereits heute recht gut stimmen und wohin die Reise gehen könnte. Grundlage für diesen Blog bildet u.a. folgende Publikation des Gottlieb Duttweiler Institut (GDI) – siehe hier
Die nachfolgend aufgeführten Bewertungen basieren jeweils auf einer Skala von 0 (extrem gering ausgeprägt/nicht vorhanden) bis 10 (extrem stark ausgeprägt/wichtig).
Wie aus der obigen Grafik „Wettervorhersage“ zu erkennen ist, korrelieren Simulationen (10) mittels Modellen perfekt mit der Realität. Zur Erstellung von Wettervorhersage steht ein sehr hoher Technologieeinsatz zur Verfügung (9), beispielsweise unzählige Wetterstationen, Satelliten und auf der ganzen Welt verteilte Rechenpower, welche diese Informationen verarbeiten kann. Auch die Aktualität (9) sowie die Prognosequalität ist mit (8) Punkten jeweils sehr hoch ausgeprägt. Dadurch kann man beim Wetter die Zukunft bis zu rund 5 Tagen im Voraus mit einer hohen Wahrscheinlichkeit bereits sehen. Dies hilft beispielsweise bei drohenden Stürmen/Hurrikans die Bevölkerung mit geeigneten Massnahmen zu schützen oder gar zu evakuieren.
Ein spannendes Bild zeigt sich auch beim Thema „Predictive Policing“ – zu Deutsch „Vorhersagende Polizeiarbeit“. So sieht man bei dieser Anwendung eine sehr grosse Wirkung bei „selbstzerstörend“ (9). Diesbezüglich ist gemeint, dass Prognosen als Warnung wirken und dadurch Verbrechen verhindert werden sollen. Die diesbezüglichen Daten werden aus Aktivitäten und Ereignisse „Aktion“ (8) der zur Verfügung stehenden Systemen generiert. Auch bei diesem Anwendungsfall liegt ein höher „Technologieeinsatz (8) zu Grunde.
Als Praxisbeispiel wendet die Stadt Polizei Zürich auf dieser Basis Wahrscheinlichkeitsmodelle im Zusammenhang mit erfolgten Einbrüchen an. Dabei werden diese georeferenziert sowie mit dem Ereigniszeitpunkt versehen. Es besteht eine erhöhte Wahrscheinlichkeit, dass in einem bestimmten Zeitraum nach dem ersten Ereignis ein weiteres Delikt in näheren Umgebung wiederholt werden könnte (near repeat). Mittels Entscheidungsbäume kann dann die Polizei mit geeigneten Interventionsmassnahmen, wie gezielte Patrouillen, diesem Risiko proaktiv entgegenwirken. U.a. mit Hilfe von dieser Methode sind die Einbrüche gemäss Stadt Polizei Zürich von 3‘511 Fällen im Jahr 2013 auf 2‘670 Fälle im Jahr 2017 kontinuierlich zurückgegangen. Mit Blick in die Zukunft kann davon ausgegangen werden, dass die Zahl der Einbruchsdelikte weiter sinken wird.
Das Thema Gesundheit wird in der Gesellschaft immer wichtiger. Mittlerweile ist es zum Livestyle geworden sich sportlich zu betätigen sowie gesund zu ernähren. Daraus resultiert für Versicherungen und weitere Branchen ein grosses Interesse an Gesundheitsprognosen, sei es bei aktuellen oder potentiellen Kunden. Wie in der obigen Abbildung erkennbar, haben „Prognosehorizont“, „Aktualität sowie „interne Daten“ die höchste Ausprägung von (10). Dabei ist der Prognosehorizont sehr langfristig, die zur Verfügung stehenden Daten sind in Echtzeit, und beispielsweise durch eine Smartwatch kann eine Fülle von Gesundheitsdaten aus dem Körper generiert werden. Durch das frühzeitige Erkennen eines mit hoher Wahrscheinlichkeit sich anbahnenden gesundheitlichen Problems, kann diesem Umstand mit geeigneten Präventionsmassnahmen gezielt entgegengewirkt werden „erhöht die Sicherheit“ sowie „selbstzerstörend“ (9). Dadurch kann eine Verhaltensänderung angestrebt werden, welche das Eintreten eines entsprechenden Risikos reduziert oder sogar verhindert. Die Menschen werden somit immer älter, was neue Herausforderungen implizieren wird.
Matthias Lang, CAS BIA 9
