fbpx

Armin Fanzott, Head of Data Science, Parkside: Keine Digitalisierungsstrategie kommt heute ohne AI aus

by Yara El-Sabagh

 OUT NOW im #Confare Blog mit Armin Fanzott: Keine Digitalisierungsstrategie kommt heute ohne AI aus

Parkside Interactive entwirft nicht nur Software für internationale Unternehmen wie LinkedIn. Auch die Voting App zur Confare ImpactChallenge stammt von der Grazer Software-Schmiede. Mit Armin Fanzott hat man sich einen erfahrenen AI und Analytics Profi als Head of AI & Data Science geholt. Gemeinsam mit AI Austria Mastermind Clemens Wasner und Michael Eder, Global CDO der voestalpine HPM Division, wird er im Rahmen einer einstündigen CIO Executive Arena auf dem Confare #CIOSUMMIT praktische Fragen rund um den praktischen Einsatz von Künstlicher Intelligenz und die Perspektiven von Data Science im Unternehmen beantworten.

Im Vorfeld der Veranstaltung wollten wir von Armin wissen, was es mit dem Hype rund um ChatGPT wirklich auf sich hat.

Persönlich treffen Sie die Software-Profis von Parkside auf dem Confare #CIOSUMMIT, Österreichs größtem und wichtigsten IT-Management Treffpunkt. Haben Sie bereits Ihr Ticket?

AIWie wichtig sind denn Daten und künstliche Intelligenz schon heute in den Unternehmen?

Daten und Methoden der künstlichen Intelligenz zur Nutzung der vorhandenen Daten spielen heute schon eine essenzielle Rolle in unterschiedlichsten Industrien und Aufgabenbereichen. Beispielsweise zur Vorhersage wechselaffiner Kunden (Churn Prediction), zur Ableitung von Maintenance Maßnahmen (Predictive Maintenance) oder bei Vorhersagen im Vertrieb (Absatzzahlen) oder im Einkauf (Liefermengen, Lagerbestände). Jedes Unternehmen sollte sich mit der Frage beschäftigen, wie man die vorhandenen Daten in Use-Cases ummünzen kann.

ChatGPT zeigt die Potenziale, dass Automatisierung noch viel weiter gehen könnte, als wir es bis heute erlebt haben. AI erfährt intensive Aufmerksamkeit. Hast Du mit dieser Entwicklung gerechnet?

Ja, durchaus. ChatGPT erfährt deshalb auch so hohe Aufmerksamkeit, da es für die breite Masse greifbar und für jedermann verwendbar ist. So sieht jeder die Vorteile und Möglichkeiten der Technologie in anschaulicher Weise. Dies war bei komplexen Anwendungsfällen wie Predictive Maintenance Themen nicht der Fall – diese konnten oft nur von Experten verstanden und umgesetzt werden.

Confare_CIOSUMMIT_Wien_2025

Haben sich die Perspektiven für AI im Unternehmen durch den ChatGPT Hype verändert?

Ich denke nicht. Das Thema unterlag auch schon vor ChatGPT einem gewissen Hype und ChatGPT hat diesen nur verstärkt. Unternehmen müssen weiterhin die Potenziale dieser Technologie für sich herausfinden und vom Hype trennen. Ich hatte auch schon vor ChatGPT das Gefühl, dass Unternehmen sich intensiv mit der Materie auseinandersetzen.

Wird AI nun tatsächlich der Job-Killer?

Gewisse Jobs werden der Technologie in den nächsten Jahren sicher zum Opfer fallen. Vielleicht auch Jobs die wir vor ein paar Jahren noch als sicher erachtet haben. Nichtsdestotrotz denke ich, dass auf der anderen Seite sehr wohl auch Jobs entstanden sind und auch noch entstehen werden. Mit dem Aufstieg des Autos hat niemand mehr einen Pferdekutscher benötigt, dieser Job wurde also obsolet. Andererseits entstand eine ganze Industrie rund ums Auto, in welcher Europa heute als Vorreiter agiert. Im Bereich der KI liegt noch einiges an Arbeit vor uns, um zu den USA oder China aufzuschließen.

Welche neuen Karrierepfade entstehen durch Daten und KI gerade?

Manche wie der Data Scientist, der Data Engineer oder der Machine Learning Engineer sind schon in den letzten Jahren entstanden. Ich denke, dass es in den nächsten Jahren aber durchaus auch Karrierepfade weniger technischer Natur in diesem Bereich geben wird. Beispielsweise den UX-Designer mit Fokus auf KI – dieser beschäftigt sich mit User Experience Fragestellungen in Applikationen, die auf KI basieren.

Zum Beispiel: Wie bringe ich einem Nutzer einer App zur Identifikation von Hautkarzinomen bei, dass sein Muttermal sehr bedenklich aussieht? Sprich, die KI hat eine hohe Wahrscheinlichkeit für ein Karzinom ausgemacht.

Mit welchen Tools und Möglichkeiten sollte man sich jetzt vertraut machen?

Das hängt stark von der jeweiligen Jobposition ab. Im Bereich Data Science gibt es jeden Monat neue Technologien, daher ist eine Tool-Prognose äußerst schwierig. Gewisse Klassiker wie Python und dazugehörige Libraries werden uns aber sicher noch ein Stück begleiten und damit macht man nichts falsch. Generell sollte ein Data Scientist aber neben Technologiekenntnissen vor allem auch Business Know-How mitbringen.

Im Management wird es meiner Meinung nach wichtig sein einen generellen Überblick über aktuelle KI/Data Science Anwendungsfälle in der jeweiligen Branche zu haben und zu wissen, welche Fähigkeiten ich im Unternehmen benötige, um diese umzusetzen. Je nach Strategieausrichtung kann man intern Data Scientists & Data Engineers gemeinsam mit Softwareentwicklern beschäftigen oder man bedient sich externer Unterstützung. Variante 1 sorgt für einen hohen Wissensaufbau direkt im Unternehmen, führt aber aufgrund fehlender Anwendungsfälle manchmal zu Stehzeiten oder dazu, dass Data Scientists eher als BI-Experten eingesetzt werden. In Variante 2 beschäftigt man diese nur im Falle von konkreten Projekten und kann sich selbst mehr auf das Kerngeschäft konzentrieren. Eine Kombination in gemischten Teams aus internen Experten und externer Unterstützung im Fall von Ressourcenengpässen ist durchaus auch eine Möglichkeit, um effizient voranzukommen.

Welche Rolle soll KI denn jetzt in einer Digitalstrategie eines Unternehmens spielen?

Eine essenzielle. Meiner Meinung nach kommt keine Digitalstrategie ohne KI aus. Ich gehe sogar noch einen Schritt weiter und sage, dass es keine digitale Applikation geben darf ohne, dass Data Science oder KI-Anwendungsfälle zumindest bedacht worden sind. Bei uns wird dieser Themenbereich in jeder Projektkonzeption näher beleuchtet, um Potenziale frühzeitig mitzudenken.

Welchen Beitrag kann die Unternehmens-IT dabei leisten? Wie sieht die unternehmens-interne Rollenverteilung aus?

Die Rollenverteilung hängt von der Art der Organisation ab. Manche Unternehmen schaffen zentrale KI/Data Science Abteilungen, die alle Anwendungsfälle übers Unternehmen einheitlich bearbeiten sollen. Andere wiederum setzen auf verteilte Teams in den jeweiligen Fachbereichen und Gilden oder Communities für den Austausch untereinander. Variante 1 bietet große Vorteile hinsichtlich einer einheitlichen Technologieausrichtung und Infrastruktur, andererseits leidet die Kreativität meiner Meinung nach darunter, da Anwendungsfälle meistens aus dem Fachbereich getrieben werden und dann vielleicht nie bei der zentralen Einheit ankommen. Variante 2 hingegen sorgt für direkte Ansprechpartner in den Fachbereichen, welche Cases unbürokratisch einplanen und umsetzen. Andererseits kann ich aus Erfahrung sagen, dass der technische Austausch unter den Data Scientists sehr unter dieser Variante leiden kann.

Kleinen bis mittelständischen Unternehmen rate ich generell eher zu externen Umsetzungspartnern als zum Aufbau eigener Organisationseinheiten, da die große Anzahl an Anwendungsfällen meist nicht gegeben ist, um einen solchen Aufbau zu rechtfertigen. Einzelne Projekte lassen sich hier kosteneffizienter mit externer Unterstützung umsetzen, sodass man trotzdem in den Genuss von KI-Lösungen kommen kann.

Die Unternehmens-IT muss in beiden Fällen eine flexible, moderne und sichere Infrastruktur und Tool-Landschaft bereitstellen und als technischer Ansprechpartner für die Data Scientists und Data Engineers fungieren.

Für Sie ausgewählt

Leave a Comment