Künstliche Intelligenz for rent

Um künstliche Intelligenz nutzen zu können, braucht ein Unternehmen nicht zwingend einen ausgewiesenen Fachmann. Eine Fraunhofer-Studie zeigt, wie kleine und mittlere Unternehmen stattdessen vorgehen können.
Bild: Fraunhofer-Gesellschaft

Künstliche Intelligenz (KI) hilft dabei, Produktionsabläufe zu optimieren und so Geld zu sparen. Kleinen und mittleren Unternehmen fehlt allerdings oft die Expertise, um diese Zukunftstechnologie zu nutzen. Sie können zwar die nötigen Daten sammeln, scheitern jedoch an deren Analyse. Hier helfen große Cloud-Anbieter. Sie bieten einfache digitale Werkzeuge, die große Datensätze verarbeiten und KI-Lösungen liefern. Experten sprechen von ‚Machine-Learning-as-a-Service-Plattformen‘. So kann jedes Unternehmen ohne große Erfahrung in die künstliche Intelligenz einsteigen und sich Modelle entwickeln lassen, die etwa fehlerhafte Werkstücke automatisch erkennen.

Gängigste Anwendungsfälle auf vier Plattformen im Vergleich

Aber welche Plattform ist für welche Aufgabe geeignet? Die Stuttgarter Fraunhofer-Institute für Produktionstechnik und Automatisierung IPA und für Arbeitswirtschaft und Organisation IAO haben die Ansätze der vier größten Anbieter – AWS, Google, IBM und Microsoft – verglichen. Sie setzten Lösungen für vier Anwendungsfälle um, die in

der Praxis häufig vorkommen und vier Kategorien von Daten umfassen: Tabellarische Daten, Text-, Bild- und Zeitreihendaten:

• Kundenabwanderung: Für Hotels ist es vorteilhaft, frühzeitig zu wissen, bei welchen Gästen eine Stornierung droht. Möglicherweise steckt in den tabellarischen Buchungsdaten bereits ein Hinweis. KI kann ihn aufspüren und einen entsprechenden Algorithmus entwickeln.

• Textkategorisierung: Texte können verschiedenen Sparten zugewiesen werden, etwa Kultur, Sport und Politik. So kann z.B. eine Presseagentur automatisch ein Archiv pflegen.

• Bilderkennung: Bei der Produktion spielt die Bildanalyse eine wichtige Rolle. So lassen sich mit Kamerasystemen Defekte auf dem Werkstück feststellen. KI hilft dabei, diese Kontrolle zu automatisieren. Aus einer Vielzahl mit Metadaten versehener, sogenannter annotierter Bilder lernt die KI, Fehler zu erkennen.

• Werkzeugabnutzung: Einen Fräskopf zum richtigen Zeitpunkt auszutauschen, spart Geld. Wer zu früh eingreift, verschenkt Material, wer zu spät eingreift, riskiert einen langen Stillstand der Produktion. KI lernt, die Zeitreihendaten von Vibrationen und Stromverbrauch zu deuten, um den Zustand des Fräskopfs richtig abzuschätzen.

Ergebnisse

Die Fraunhofer-Studie hat ergeben, dass die Lösungen aller Anbieter Stärken aufzeigen und kein tiefes Fachwissen voraussetzen. Natürlich gibt es den einen oder anderen Unterschied. So lassen sich manche Plattformen intuitiver bedienen als andere. Auch laufen manche KI-Modelle nur auf der Cloud des Anbieters, andere können auch exportiert und auf unternehmenseigenen Servern installiert werden. Welche Plattform für welchen Anwendungsfall empfohlen werden kann, wird in der Studie ‚Cloudbasierte KI-Plattformen – Chancen und Grenzen von Diensten für Machine Learning as a Service‘ dargestellt.

Fraunhofer - Institut IPA

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige