Von Schlaglocherkennung bis Röntgenbild-Analyse: Was KI in der Praxis leisten kann

Bitkom veröffentlicht den Leitfaden 'Konkrete Anwendungsfälle von Künstlicher Intelligenz & Big-Data in der Industrie' und zeigt an zwölf Anwendungsbeispielen, wie künstliche Intelligenz und Big Data in der Industrie eingesetzt werden können. Beim Big-Data.AI Summit am 1. und 2. April in Berlin werden werden branchenübergreifende Strategien, Technologien & Trends sowie Lösungen und gesellschaftliche Herausforderungen diskutiert.
Bild: ©zapp2photo/Fotolia.com

Alle reden über künstliche Intelligenz und Datenanalyse – aber vielen Unternehmen fehlt es an Ideen, wie sie die Technologien einsetzen können. Der Digitalverband Bitkom hat deshalb in einem jetzt veröffentlichten Leitfaden zwölf konkrete Anwendungsbeispiele für KI und Big-Data in der Industrie zusammengestellt, die im vergangenen Jahr auf dem Big-Data.AI Summit des Bitkom vorgestellt wurden. „Die öffentliche Debatte über KI und Big Data ist viel zu häufig von Science-Fiction-Szenarien geprägt, die wenig Relevanz für das Alltagsgeschäft von Unternehmen haben“, sagt Nabil Alsabah, Bereichsleiter künstliche Intelligenz und Big-Data.AI Summit beim Bitkom. „Der Leitfaden trägt Beispiele aus ganz verschiedenen Branchen zusammen, die zeigen, wie diese innovative Technologien eingesetzt werden können, um ganz konkret die Ergebnisse zu verbessern oder den Ressourcenverbrauch zu reduzieren.“

Der Leitfaden ‚Konkrete Anwendungsfälle von KI & Big-Data in der Industrie‘ stellt in zwölf Kapiteln unter anderem vor, wie sich Fahrzeugdaten nutzen lassen, um eine Risikoeinschätzung für das individuelle Fahrverhalten zu liefern, aber auch um Schlaglöcher auf einer Karte zu markieren und so die Straßenqualität zu verbessern. In einem anderen Anwendungsfall aus der Mobilität werden mit Hilfe von anonymisierten Smartphone-Daten Bewegungsmuster erstellt, um ideale Standorte für Car-Sharing-Stationen oder E-Auto-Ladestationen zu ermitteln.

Weitere Anwendungsmöglichkeiten für KI ergeben sich in der Medizin. Der Leitfaden zeigt, wie künstliche Intelligenz in der Kieferorthopädie bei der sogenannten Kephalometrie genutzt werden kann. Diese ist vor jeder kieferorthopädischen Behandlung, wie etwa einer Zahnspange, vorgeschrieben. Dabei muss ein seitliches Röntgenbild sehr schematisch ausgewertet werden, was rund 10 bis 15 Minuten dauert. Dank KI kann die Bildanalyse in weniger als einer Sekunde erledigt werden – bei weltweit etwa 10 Millionen Kephalometrien pro Jahr sind so gigantische Effizienzsteigerungen möglich. Aber auch in der Onkologie können Datenanalyse und KI helfen: Von der Krebs-Früherkennung, bei der selbst kleinste Veränderungen auf Röntgenaufnahmen und CT-Bildern entdeckt werden, bis hin zur perfekten individuellen Therapie, die auf den aktuellsten Leitlinien basiert.

Der Leitfaden behandelt darüber hinaus weitere Praxisbeispiele wie den Aufbau einer Price Engine für einen Kfz-Ersatzteilhändler, die Vorhersage von Fahrgastströmen auf Bahnhöfen sowie der Einsatz von KI und Datenanalyse in einer eher konservativen und wenig technologie-affinen Branche wie der Stahlindustrie.

Der Leitfaden ‚Konkrete Anwendungsfälle von Künstlicher Intelligenz & Big-Data in der Industrie‘ steht hier zum kostenlosen Download bereit.

Big-Data.AI Summit am 1./2. April 2020

Der Big-Data.AI Summit findet in diesem Jahr am 1. und 2. April gemeinsam mit der hub.berlin in Berlin statt. Insgesamt werden 350 Speaker und mehr als 10.000 internationale Teilnehmer erwartet. Im Mittelpunkt des Big-Data.AI Summits stehen branchenübergreifende Strategien, Technologien & Trends, branchenspezifische Lösungen sowie gesellschaftliche Herausforderungen. Alle Informationen und eine Übersicht der Speaker online unter hub.berlin.

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