Anzeige
Anzeige
Beitrag drucken

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)

(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.

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

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

Beschleunigte Entwicklung

Drei technologisch tief ineinandergreifende Trends haben diese Entwicklung und praktische Anwendung von künstlicher Intelligenz ermöglicht:

  • Die exponentiell steigende Rechenkapazität, u.a. durch leistungsfähigere Prozessoren für weniger Geld sowie Vernetzung in Cloud- und Edge-Computing.
  • 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.
  • 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.

Chancen und Risiken

KI und insbesondere maschinelles Lernen sorgt in Unternehmen auf drei Ebenen für Veränderung und somit für neue Chancen aber auch Risiken:

  • 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.
  • 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.
  • 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.


Das könnte Sie auch interessieren:

Ab und zu fehlte ein Schlüssel im Kloster der Franziskanerinnen der ewigen Anbetung von Schwäbisch Gmünd. Beim letzten Mal gab das den Impuls, anstatt neue mechanische Zylinder in die rund 220 Türen des Komplexes einzubauen, die alte Technik durch das Bluesmart-System von Winkhaus zu ersetzen.‣ weiterlesen

Mit 100,5 Punkten hält sich das IAB-Arbeitsmarktbarometer im November stabil und liegt weiter im leicht über der neutralen Marke. Auf europäischer Ebene sank der Frühindikator allerdings erneut.‣ weiterlesen

In einer neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten und geben Handlungsempfehlungen für Unternehmen, Verbände, Politik und Wissenschaft.‣ weiterlesen

Im Forschungsprojekt FabOS soll eine KI-Bin-Picking-Anwendung entstehen, die ein verbessertes Erkennen, Greifen und definiertes Ablegen von Blechteilen in der Produktion ermöglicht.‣ weiterlesen

Die Digitalisierung des Qualitätsmanagements stellt Unternehmen vor Herausforderungen. Daher haben das Fraunhofer IPT und die FH Südwestfalen im Forschungsvorhaben 'Qbility - Quality 4.0 Capability Determination Model' ein datengetriebenes Reifegradmodell entwickelt, das die Anforderungen eines digitalisierten Qualitätsmanagements bei KMU adressiert.‣ weiterlesen

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) empfiehlt sicherheitsrelevante Patches und Updates so schnell wie möglich, unter Abwägung des jeweiligen Risikos, einzuspielen, auch wenn im professionellen und insbesondere industriellen Umfeld automatisierte Software-Updates mit unerwünschten Einschränkungen der Funktionalität - etwa durch einen Neustart des Systems - verbunden sein können.‣ weiterlesen

Im Gegensatz zu anderen Cyberangriffen bieten Attacken mit Ransomware auf den ersten Blick einen einfachen Ausweg: die Zahlung des geforderten Lösegelds.‣ weiterlesen

Nach 84,5 Punkten im Oktober kletterte der Ifo-Geschäftsklimaindex im November auf 86,3 Punkte. Die Unternehmen blicken demnach weniger pessimistisch auf die nächsten Monate.‣ weiterlesen

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.‣ weiterlesen

Edge Management, Digital Twin und Data Spaces bilden die Schwerpunkte einer Zusammenarbeit zwischen der Open Industry 4.0 Alliance und dem Labs Network Industrie 4.0.‣ weiterlesen