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: ©NicoElNino/stock.adobe.com

Vor dem Einsatz von künstlicher Intelligenz steht die Frage: „Wie kann ich in meinem Unternehmen künstliche Intelligenz sinnvoll und vor allem gewinnbringend einsetzen?“ Die Technik ist noch nicht so etabliert, dass jedem CEO gleich mehrere Anwendungsfelder einfallen. Dazu ist auch ein Grundverständnis notwendig, was mit KI möglich ist und wann sich der Einsatz lohnt.

Abhilfe schafft ein strukturierter Beratungsansatz, den Cloudflight unter dem Namen ‚AI Patterns‘ entwickelt hat. Er betrachtet verschiedene Aspekte, um von der reinen Kostensicht über die Identifikation der möglichen Einsatzbereiche von künstlicher Intelligenz im Unternehmen zu einer ROI-Sicht zu kommen. Es geht darum, den Mehrwert von Einzelmaßnahmen zu beziffern, eine Priorisierung vorzunehmen und Synergien sichtbar zu machen. Damit fallen auch längerfristige Entscheidungen auf strategischer Ebene leichter.

KI-Transformation verstehen

Künstliche Intelligenz ist keine Anwendung, sondern eine Basistechnologie. Unstrittig wird sie Einzug in alle Unternehmensbereiche finden. Wer als Unternehmen nicht abgehängt werden will, müsse die eigenen Kernprozesse und das eigene Geschäft vor dem Hintergrund der geänderten technologischen Möglichkeiten neu bewerten. Für die Umsetzung sollten Unternehmen die KI-Einführung umfassend betrachten: also die technische Seite analysieren, aber auch ethische Fragen beantworten, die Organisationsentwicklung berücksichtigen und die möglichen Erwartungen prüfen.

Der AI-Patterns-Ansatz von Cloudflight

Am Anfang des KI-Einsatzes ist vielen Verantwortlichen noch nicht klar, in welchen Bereichen sich KI gewinnbringend einsetzen lässt. Überall wo komplexe Zusammenhänge schwer zu verstehen sind, eine Automatisierung manueller Tätigkeiten noch vorherrschend ist oder große Datenmengen zu analysieren sind, kann KI unterstützen.

Mit dem AI-Patterns-Ansatz geht Cloudflight mit einem Unternehmen alle möglichen Anwendungsszenarien durch, bei denen KI sinnvoll eingesetzt werden kann. Ein AI Pattern ist also ein verallgemeinertes Einsatzszenario, das eine bestimmte Art von Herausforderung löst. Zur leichteren Einordnung enthält es auch die Beschreibung einiger Einsatzbeispiele. Dieser Ansatz fördert das Verständnis von KI, führt die relevanten Begriffe ein, zeigt die Nutzeffekte deutlich auf und sorgt dafür, dass alle relevanten Einsatzmöglichkeiten auch durchdekliniert werden.

Während dieses Prozesses wird zudem erarbeitet, in welchen Tätigkeitsfeldern sich ein Unternehmen mit KI-Einsatz von der Konkurrenz absetzen und sich Wettbewerbsvorteile verschaffen kann.

Verschiedene KI-Technologien

KI-Anwendungen lassen sich anhand der Nachfrage, grob in fünf verschiedene Bereiche gliedern:

  • Verarbeitung natürlicher Sprache (NLP): Sie hilft, Medien- und Modalitätsbrüche, bei denen Informationen aus einem Medium in ein anderes überführt werden müssen (E-Mail → Anwendung, Rechnung → Buchhaltungssystem) zu automatisieren; auch Chatbots im Support und Spracherkennung in Telefon-Dialog-Systemen gehören dazu.
  • Bild- und Video-Verarbeitung: Hierzu zählen die Umgebungserfassung (etwa für Autos, Roboter), Biometrie-Systeme für die Zutrittskontrolle und Qualitätssicherung in der Produktion.
  • Zeitreihenanalysen: Gemeint ist, Trends – etwa bei Preis- und Nachfragesystemen – zu erkennen und darauf zu reagieren. In der Produktion gehören dazu die vorausschauende Wartung (Predictive Maintenance) und die Überwachung von Produktionssystemen.
  • Strategie-Entwicklung: Diese Art von KI kann nicht nur vorhersehen, was passieren wird, sondern auch konkrete Handlungen vorschlagen und aus Fehlern lernen. Einsatzbereiche sind Trading-Strategien, Anlagensteuerung und die Optimierung von Konsum-Empfehlungen.
  • Weitere Techniken: In diese Rubrik fallen KI-Techniken, die zu spezifisch sind, um eine eigene Kategorie zu bilden, etwa die Entwicklung kreativer Fähigkeiten.

Einsatzgebiete im Unternehmen

Die diversen KI-Techniken lassen sich in verschiedenen Unternehmensbereichen einsetzen:

  • Produktion: Um den Automatisierungsgrad zu erhöhen, die Qualitätssicherung zu verbessern oder auch das Produktdesign und -optimierung bei kleinen Losgrößen zu forcieren.
  • Produkte: Um die eigenen Produkte mit KI-Funktionalität auszustatten und um neue Anwendungsmöglichkeiten zu schaffen.
  • Marketing & Sales: Für eine bessere Kundensegmentierung, die zielgenaue Ansprache, den Einsatz von Chatbots, die Automatisierung bei Terminvergaben und Umfragen.
  • Logistik: Für die Steuerung von automatisierten Lagern, Digitalisierung von Papier-Unterlagen, Supply-Chain-Prognosen und -Optimierungen bei Störungen.
  • Aber auch in anderen Unternehmensbereichen, wobei hier nach Relevanz für das Kerngeschäft und die Marktpositionierung priorisiert wird.

Vorgehen

Für den Einsatz von künstlicher Intelligenz im Unternehmen gilt es, in einem ersten Schritt die Anwendungsmöglichkeiten zu identifizieren und deren Machbarkeit, mögliche Akzeptanz und Nützlichkeit zu analysieren.

Der zweite Schritt ist ein Workshop, um mit unterschiedlichen Stakeholdern Potenziale herauszuarbeiten. Darin begleiten KI- und Digitalisierungsexpert:innen von Cloudflight die Verantwortlichen bei der Erarbeitung einer Umsetzungsplanung mit Aufwands- und Machbarkeitsbeurteilung.

Der finale Schritt zur Vorbereitung der Umsetzung besteht aus einer Kosten-Nutzen-Analyse sowie einer ROI-Abschätzung als Basis für eine Priorisierung.

Ergebnisse

Nach etwa einer Woche Arbeit steht eine erste Dokumentation für die Einführung von KI im eigenen Unternehmen mit Wirtschaftlichkeitsbetrachtungen nach Geschäftsbereich gegliedert. Diese Umsetzungs-Roadmap dient als Basis für alle weiteren Schritte. Darunter fällt nicht nur eine software-technische Umsetzung und Einführung, sondern auch eine mögliche Neugestaltung der Geschäftsprozesse, Rollen und Aufgabenverteilungen.

Cloudflight GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

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