Künstliche Intelligenz als Universaltechnologie

Experimentieren und Erfahrung sammeln

Wie frühere Universaltechnologien – etwa die Dampfmaschine oder die Elektrizität – dürfte künstliche Intelligenz die Wirtschaft grundlegend verändern. Um sie nutzenstiftend einzusetzen, müssen die möglichen Anwendungsfelder aber erst einmal bekannt sein.

Bild: ©Miriam Doerr Martin Frommherz / shutterstock.com

Bereits seit den 1950er Jahren sprechen wir über künstliche Intelligenz und seither gab es viele Prognosen, wann Computer in der Lage sein werden, bestimmte Handlungen zu erledigen, die bisher nur von Menschen beherrscht wurden. Als wichtiger Meilenstein gilt 1997, als IBMs Deep Blue 126 Millionen Stellungen pro Sekunde gegen den Schachweltmeister Garri Kasparow berechnete, um auf diese Weise herauszufinden, welcher Zug den wahrscheinlich positivsten Effekt auf den weiteren Spielverlauf hat. Beim chinesischen Strategiespiel Go sind solche Brut-Force-Ansätze aufgrund der hohen Anzahl möglicher Spielzüge nicht praktikabel und erfolgsversprechende heuristische Ansätze sind nicht ausreichend bekannt oder dokumentiert: Menschliches Gespür und Intelligenz wurden als notwendig angesehen, um erfolgreich Go zu spielen. 2016 besiegte das Programm AlphaGo von Google DeepMind den besten menschlichen Go-Spieler, indem es unzählige Trainingsspiele mit sich selbst absolvierte, um sich erfolgsversprechende Strategien selbst beizubringen. Nach diesem Erfolg der KI galt das Pokerspiel als nächste Hürde, da die Spielposition der Kontrahenten für den Spieler nicht bekannt sind und geblufft werden kann. Auch hier konnten 2017 und 2019 Meilensteine erreicht werden, als eine KI von Mitarbeitern der Carnegie Mellon University zunächst in Spielen gegen einzelne Profispieler und anschließend sogar in Partien mit mehreren Spielern gewinnen konnte.

Beschleunigte Entwicklung

Drei technologisch tief ineinandergreifende Trends haben diese Entwicklung und praktische Anwendung von künstlicher Intelligenz ermöglicht: @WK Einrückung:Die exponentiell steigende Rechenkapazität, u.a. durch leistungsfähigere Prozessoren für weniger Geld sowie Vernetzung in Cloud- und Edge-Computing. @WK Einrückung:Die Entwicklung von Machine Learning, und insbesondere Deep Learning, das heißt das Finden von Zusammenhängen in strukturierten und unstrukturierten Daten ohne die analytische Modellierung durch Experten mit z.B. Gleichungssystemen. @WK Einrückung:Die digitale Erfassung und Speicherung von Daten aus unterschiedlichsten Sensoren, welche den Zugriff auf eine lange Datenhistorie sowie die Verarbeitung einer hohen Datenvielfalt (Big Data) ermöglicht.

Einsatzfelder und Anwendungsnutzen von KI in Unternehmen (Bild: Dr. Wieselhuber & Partner GmbH)

Einsatzfelder und Anwendungsnutzen von KI in Unternehmen (Bild: Dr. Wieselhuber & Partner GmbH)

Drei zentrale Anwendungen

Die Anwendungsfelder, in welchen KI heute schon in der Lage ist, sehr gute Ergebnisse und echten Nutzen zu erzielen, lassen sich auf drei Bereiche zusammenfassen:

Der erste Bereich ist Wahrnehmen und Erkennen. Hierzu gehören z.B. die vor allem im privaten Umfeld genutzten Anwendungen der Spracherkennung und Sprachübersetzung oder die branchenübergreifend eingesetzten Verfahren der Bilderkennung in der Qualitätssicherung der Produktion oder Logistik. Durch maschinelles Lernen wurden diese im Vergleich zu früheren Computer-Vision-Systemen deutlich performanter und konnten für neue Aufgabenstellungen eingesetzt werden. Der zweite Bereich steht unter der Überschrift Problemlösung. Darunter fallen datengetriebene Modelle für langfristige Forecasts von Absatz oder Beständen sowie zur dispositiven Steuerung. Auch die sensorgestützte Optimierung von (verfahrenstechnischen) Prozessen durch z.B. die automatisierte Kalibrierung oder die Parametrierung von Maschinen und Anlagen in Echtzeit löst Probleme, die insbesondere durch kapazitive Engpässe geeigneter und erfahrener Fachkräfte entstehen. Ein dritter und noch weniger bekannter Bereich ist Kollektives Wissen und Kreation: Hier greift die KI nicht nur auf vorhandenes digitales Wissen zurück, sondern ist auch in der Lage ganz neues Wissen zu erschaffen. So kann KI den Produktentwicklungsprozess unterstützen, indem komplexe Zusammenhänge zwischen Designparametern und Leistungskennzahlen auf Basis von Daten modelliert werden oder alternative Produktdesigns generiert werden können. KI ist demnach heute in der Lage, in gewissem Umfang definierte Teilprobleme sehr gut und vor allem besser und schneller zu lösen als der Mensch und ihn in Entscheidungsprozessen zu unterstützen. Aus unternehmerischer Sicht lässt sich zusammenfassen, dass im Hinblick auf die beiden möglichen Wirkrichtung der KI, nämlich der Umsatzsteigerung und der Kostenminimierung heute die meisten realisierten Anwendungen auf die Kostenreduktion abzielen. In Zukunft werden sich jedoch beide Richtungen etablieren und noch viel stärker durchsetzen.

Anwendungsfelder der KI (Bild: Dr. Wieselhuber & Partner GmbH)

Anwendungsfelder der KI (Bild: Dr. Wieselhuber & Partner GmbH)

Chancen und Risiken

KI und insbesondere maschinelles Lernen sorgt in Unternehmen auf drei Ebenen für Veränderung und somit für neue Chancen aber auch Risiken: @WK Einrückung:Aufgaben und Tätigkeiten: KI kann z.B. zur Analyse und Aufbereitung von Reports im Controlling verwendet werden. Der Controller kann sich auf die Erklärung von gefundenen Phänomenen konzentrieren, der Anteil interessanter und wertschöpfender Tätigkeiten der Mitarbeiter steigt. @WK Einrückung:Geschäftsprozesse: Die Auftrags- und Produktionssteuerung insbesondere in Verbindung mit Störungen und dem situativ richtigen Umgang damit kann viel besser durch KI erfolgen, da sie schnell viele und übergreifend vernetzte Daten miteinander vergleichen kann. @WK Einrückung:Geschäftsmodelle: Die hohe Verfügbarkeit interner und externer Daten unterstützt einerseits die Kundenorientierung, wenn individuelle Bedürfnisse antizipiert und adressiert werden können. Andererseits bieten Daten selbst die Möglichkeit der Monetarisierung entlang spezifischer Wertschöpfungsketten.

Fazit

Der größte Hemmschuh in der Umsetzung der bereits vorhandenen Möglichkeiten der KI ist heute das Management in den Unternehmen. Die neue Technologie, ihre Fähigkeiten und Limitationen sind noch zu wenig transparent. Initiativen, die ohne klare Ziele und mit geringer Einbindung geeigneter Domänenexperten des jeweiligen Anwendungsfalls oder Funktionsbereichs durchgeführt werden, verlaufen häufig im Sand oder liefern nicht zufriedenstellende Ergebnisse. Für vielversprechende und passende Anwendungsszenarien ist das richtige interne Team zu finden bevor geeignete Technologiepartner ausgewählt werden. Unternehmen sollten jetzt beginnen passende Anwendungsszenarien zu identifizieren und erste praktische Erfahrungen mit KI zu sammeln.

Dr. Wieselhuber & Partner GmbH
www.wieselhuber.de

Das könnte Sie auch Interessieren

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.