Pharma- und Life-Sciences-Industrie

Pharma- und Life-Sciences-Industrie

Künstliche Intelligenz – das Rezept der Zukunft

Unternehmen integrieren Anwendungen für Künstliche Intelligenz für immer mehr Aufgaben in den Arbeitsalltag ihrer Mitarbeiter. Das geht aus einer Studie des IT-Unternehmens Infosys hervor. Besonders im Pharma- und Life-Sciences-Bereich stellen Machine- und Deep-Learning-Methoden ein Patentrezept dar.
Die Überraschung war groß, als die Software des Deep-Learning-Pioniers Geoffrey Hinton es innerhalb von zwei Wochen fertigbrachte, unter Tausenden von Molekülen diejenigen zu identifizieren, die den größten Erfolg versprechen. Ziel dieses Wettbewerbs war es, Moleküle zu entdecken, die sich für neue Medikamente eignen. Die KI-Software stellte dabei alle anderen Verfahren in den Schatten. Unterdessen haben Wissenschaftler weitergeforscht, um die neuen technischen Möglichkeiten auch für lebensrettende Maßnahmen zu nutzen: Ärzte sowie Pharmaunternehmen hoffen, dass ihnen künstliche Intelligenz (KI) oder Deep-Learning-Systeme helfen können, präzisere Diagnosen zu stellen und gezielte Therapien zu finden. Außerdem soll die Wirkstoffforschung beschleunigt werden. Doch wie begegnen Unternehmer selbst diesen neuen Möglichkeiten? Eine Studie des IT-Unternehmens Infosys hat diesbezüglich insgesamt zehn Unternehmensbereiche analysiert: den Einzelhandel, Fast Moving Consumer Goods (FMCG), Versorgung, Finanzdienstleistungen, das Gesundheitswesen, Pharma und Life Sciences, die Produktion, Telekommunikation, die Automobil- sowie Luft- und Raumfahrtindustrie und den öffentlichen Sektor. Dabei erwies sich die Pharma- und Life-Sciences-Industrie am fortschrittlichsten in Bezug auf die Implementierung von KI im Arbeitsumfeld. Zudem zeigt sich diese Branche besonders offen gegenüber Änderungen in der Betriebsstrategie. Eine Mehrheit von 90 Prozent der Befragten aus diesem Geschäftssegment ist der Meinung, dass KI für den Erfolg der Unternehmensstrategie ausschlaggebend ist. Ferner geben 40 Prozent davon an, dass ihre Organisation bereits KI nutzt und diese auch erwartungsgemäß funktioniert.

Einsatz in Forschung und Entwicklung

In erster Linie setzen Pharma-Unternehmen dabei auf Robotik, Prozessautomatisierung, Machine Learning und Analytik zur Verbesserung der Ergebnisse bei der Arzneimittelentdeckung, für klinische Studien sowie im Forschungs- und Entwicklungsbereich. Weil die Nutzung von elektronischen Gesundheitsakten zunimmt, können KI-Technologien und Big Data dabei helfen, bessere Lösungen für die Datenverwaltung zu generieren und Datensilos abzuschaffen. Dabei geben 76 Prozent der Befragten an, dass sie Big Data bereits nutzen oder vorhaben, Lösungen zur Verarbeitung in nächster Zeit einzuführen. Doch das Stichwort Big Data führt auch zu Kontroversen.

Ethische Fragen im Blick behalten

Viele Diskussionen über KI im Gesundheitswesen wenden sich früher oder später der Frage der Ethik zu. So glauben nur 53 Prozent der Befragten, dass ihre Organisationen die ethischen Fragen im Zusammenhang mit KI in vollem Umfang berücksichtigt haben. Mitarbeiter sorgen sich hauptsächlich um die Sicherheit ihrer Daten (43 Prozent), ihren Arbeitsplatz (40 Prozent) und um die zunehmende Autorität von Maschinen (30 Prozent). Dabei ist zusätzliche Kommunikation und Aufklärung nötig, die den Angestellten die Befürchtung nimmt, ihren Arbeitsplatz an Roboter zu verlieren oder zum gläsernen Menschen zu werden.

Seiten: 1 2Auf einer Seite lesen

Infosys Consulting

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