Der Einfluss von Datenkompetenz, Feintuning und Transparenz auf Conversational Business Analytics

Business Analytics beschäftigt sich mit der Umwandlung von Daten in handlungsrelevante Informationen zur Entscheidungsunterstützung. Ein zentrales Konzept in diesem Bereich ist Self-Service Analytics, das es Endanwendern ermöglicht, eigenständig Informationen zu generieren und flexibel auf sich verändernde Informationsbedarfe zu reagieren. Fortschritte in der Künstlichen Intelligenz, insbesondere im Bereich der natürlichen Sprachverarbeitung, leiten eine neue Ära der eigenständigen Informationsgenerierung ein. Mit Conversational Business Analytics (CBA) wird die Möglichkeit eröffnet, dass Endanwender in natürlicher Sprache Fragen stellen, Analysen anfordern oder Berichte erhalten, ohne tiefgehendes technisches Wissen zu besitzen. Diese Studie untersucht das Potenzial und die Grenzen von CBA, wobei der Fokus auf dem Spannungsfeld zwischen der Datenkompetenz der Endanwender, dem Feintuning großer Sprachmodelle (als ein möglicher Ansatz zur Leistungssteigerung von Künstlicher Intelligenz) und der Notwendigkeit zur Schaffung von Transparenz liegt. Es wird gezeigt, dass neben der Effektivität der Informationsgenerierung auch die Schaffung von Transparenz eine zentrale Rolle spielt. Nur so können valide Informationen identifiziert und in der Entscheidungsunterstützung genutzt werden.