KI-Technologie steckt noch in den Kinderschuhen – und kommt schon heute auf überraschende Lösungsansätze. Wie die Chatbots, die im gegenseitigen Training flugs eine eigene Sprache entwickelten. Oder die KI-Belegverarbeitung von AFI Solutions, die zur Verwunderung des Unternehmens veränderte Mehrwertsteuersätze eigenständig erkannte und anwendete.
Künstliche Intelligenz wird oft als Innovationstreiber und Heilmittel für verschiedenste Probleme gehandelt. In anderen Darstellungen nimmt sie eine Gefahr für die Menschheit ein. Dabei verrichten künstliche Intelligenzen schon in vielen in sich geschlossenen Umgebungen zuverlässig ihren Dienst, etwa bei der Steuerung von Roboterarmen in der Automobilindustrie, in medizinischen Assistenzsystemen oder in Spielzeugrobotern. Doch nicht überall war oder ist sie erfolgreich, ermittelte eine IDC-Studie. Gescheiterte Experimente sind häufig und existieren durch alle Branchen sowie Zielvorgaben hinweg. Auch der Mensch spielt dabei eine entscheidende Rolle.
Vom Menschen abhängig
KI-Systeme oder intelligente Maschinen sind bis dato noch sehr von ihren menschlichen Lehrern abhängig, die ihnen die Fragestellung, das Ziel oder ihren Zweck vorgeben. Von ihnen werden die Systeme mit ausgewählten, stark an die Aufgabe gebundenen Datensätzen gefüttert, mit denen sie innerhalb von eng determinierten System- und Parametergrenzen trainieren dürfen. Bei zu viel Spielraum für die KI lassen sich ansonsten die Ergebnisse nur noch schwer bis gar nicht mehr auswerten. Und auch beim Ergebnis wird der Mensch benötigt – den Data Scientist bzw. auf Daten spezialisierten Analysten, der die Ergebnisse interpretieren und so nutzbar machen muss.
Ressourcen und Daten fehlen
Schaut man sich nach KI-Projekten um, sind die heutigen Anwendungsfälle vor allem im B2B-Umfeld oft eher ernüchternd oder zumindest stark an einen speziellen Anwendungsbereich gebunden. Die beiden von IBM entwickelten KI-Systeme ‚Deep Blue‘ (1996 Sieger im Schach gegen Gary Kasparow) und dessen Weiterentwicklung ‚Watson‘ (2011 Gewinner im Jeopardy gegen zwei menschliche Gegner) sind beispielsweise nur innerhalb einer bestimmten Regelwelt oder mit entsprechend trainierten Datensätzen ‚intelligent‘. Komplexere Aufgaben sind für eine künstliche Intelligenz noch schwer zu lösen. Oft mangelt es in B2B-Projekten auch an Ressourcen und der für ein umfassendes Training notwendigen Datenmenge.
Es existieren sogar einige KI-Projekte, die beunruhigende Ergebnisse vorbrachten. In einem Kommunikationsexperiment eines bekannten Social-Media-Riesen unterhielten sich zwei KI-gestützte Chatbots plötzlich in einer Geheimsprache, die die menschlichen Forscher nicht mehr verstehen konnten. Die Bots entwickelten eine effizientere Sprache aus den menschlichen Begriffen, um schneller verhandeln zu können. Dabei sind durch KI optimierte Sprachen in der Forschung keine Seltenheit. Die Geheimsprache war auch nicht der Grund für den Abbruch des Experiments. Da die KI in ihrem späteren Einsatzgebiet mit Menschen interagieren sollte, musste sie hierfür selbstverständlich die menschliche Sprache verwenden. Die Wissenschaftler hatten es jedoch versäumt, diese Einschränkung für die beiden Bots festzulegen. Letztendlich handelt es sich bei diesem Beispiel um eine Versuchsanordnung unter Laborbedingungen, in denen sich Möglichkeiten und Grenzen intelligenter Systeme und Maschinen ausloten lassen. Diese Experimente sind wichtig, da hier oft überraschende Ergebnisse herauskommen, die die menschlichen Denkprozesse in Frage stellen und Schwächen darin offenlegen.
Selbstständig lernen
Künstliche Intelligenz soll Maschinen dazu befähigen, Lernprozesse selbstständig in Gang zu setzen, adäquat auf neue Informationen zu reagieren und Aufgaben zu erfüllen, die menschenähnliches Denken sowie einen menschlichen Wertekanon voraussetzen. Das Training der KI ist dabei vergleichbar mit dem menschlichen Lernprozess. So entscheidet sich, wie gut eine intelligente Maschine unter den vorgegebenen Rahmenbedingungen performt – oder eben nicht. Dazu werden Technologien wie Machine und Deep Learning, natürliche Spracherkennung usw. eingesetzt, um wiederkehrende Muster zu erfassen und nach bestimmten Wahrscheinlichkeiten zu ordnen – die KI lernt. Doch erst wenn die Datenmenge für das Training groß genug ist, lassen sich auch verlässliche Paradigmen erkennen, die interpretiert werden können. Hier beginnt dann sozusagen der Verständnis- bzw. der autonome Lernprozess.
Wer hat die Mehrwertsteuer angepasst?
Im Juli 2020 kam es zu einer Umstellung der bestehenden Mehrwertsteuersätze von 19 auf 16 und von 7 auf 5 Prozent. Nach diesen Änderungen mussten Firmen teilweise fünf verschiedene Steuersätze berücksichtigen, je nachdem, ob die Rechnungen vor oder nach der Anpassung ausgestellt wurden. Unternehmen und deren Dienstleister befürchteten hohen Mehraufwand bei der Rechnungsverarbeitung. Bernd Kullen, KI-Spezialist bei AFI Solutions, hat dabei ein überraschendes Phänomen im Cloud-Service des Unternehmens festgestellt: „Im cloudbasierten AFI DocumentHub werden Belege mit Hilfe unserer AFI KI verarbeitet.“ Bei den Kunden habe man festgestellt, dass die Mehrwertsteuersätze bereits richtig erkannt wurden, obwohl die Ergänzung der neuen Sätze in der Erkennung noch gar nicht vorgenommen wurde, schildert Kullen. War hier etwa die künstliche Intelligenz am Werk? „Dadurch, dass wir im DocumentHub unsere AFI KI im Einsatz haben, gibt es für viele Rechnungen Kandidaten, die sich auch für die Erkennung von Rechnungssummen anwenden lassen“, erläutert Kullen. „Dort werden keine Inhalte gespeichert, sondern geografische Informationen – also was befindet sich wo auf dem Dokument. So können sich die Inhalte eines trainierten Werts unterscheiden bzw. ändern, was eben zu dieser automatischen Übernahme der neuen Mehrwertsteuersätze geführt hat.“ Ein überraschendes Ergebnis, denn niemand hat der KI gesagt, dass sie das tun soll. Aber über das automatische Belegtraining hat sie es sich selbst beigebracht.
Durch solche Ergebnisse erhalten KI-Systeme eine Daseinsberechtigung und liefern gleichzeitig Argumente dafür, auch in weiteren Produkten und Anwendungsbereichen eingesetzt zu werden. Nicht umsonst gilt die KI als Schlüsseltechnologie, beispielsweise für selbstfahrende Autos oder intelligente Operationsroboter.
Mittelständische Unternehmen investieren selbst in schwierigen Zeiten in Microsoft-Technologien, weil sie überzeugt sind, dass ihre Mitarbeiterproduktivität steigt und sich ihre Kostenstruktur bessert. Microsoft hat mit dem Microsoft-Partner-Network ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. Für unsere Leser gibt die Microsoft-Partnerübersicht in Ausgabe Juli/August der IT&Production Tipps für die Suche nach einer geeigneten Branchen- oder Speziallösung im Bereich des produzierenden Gewerbes.
Auf der Suche nach Innovation, nach neuen Lösungen und der Abgrenzung zum Mitbewerb vernetzen sich zunehmend mehr Unternehmen mit externen Experten und Partnern. SAP hat mit dem SAP-Ecosystem ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. In der Maiausgabe der Fachzeitschrift IT&Production erhalten unsere Leser einen aktuellen Überblick zum SAP-Ecosystem im Bereich des produzierenden Gewerbes.
Um alle Potenziale eines MES umfassend ausnutzen zu können, beleuchten unsere Autoren in der Serie von MES Wissen Kompakt die erfolgskritischen Faktoren, um Fertigungsunternehmen präventiv zu steuern. Darüber hinaus präsentiert MES Wissen Kompakt ein breites Spektrum an Firmenportraits, Produkt- neuheiten und Dienst- leistungen im MES-Umfeld.
Ein Unternehmen, das sich mit der Auswahl eines ERP- Systems befasst, muss sich gleichsam mit einem viel- schichtigen Software-Markt und unklaren Interessen- lagen an interne Abwick- lungsprozesse auseinander- setzen. Guter Rat bei der Investitionsentscheidung ist teuer. ERP/CRM Wissen Kompakt unterstützt Sie bei der gezielten Investition in die IT-Infrastruktur.
Immer mehr Anbieter von Maschinen, Automatisierungstechnik und Industriesoftware integrieren künstliche Intelligenz in ihre Produkte. Das ganze Potenzial spielen selbstlernende Systeme aber erst aus, wenn sie passgenau auf ihren Einsatz in Fertigung und Büro zugeschnitten wurden. Über beide Möglichkeiten, als Fertiger die Vorzüge von industrieller KI zu nutzen, geht es im regelmäßig aktualisierten Themenheft Künstliche Intelligenz.
Das Internet of Things verändert Produktwelten und die Vernetzung in der Fertigung gleichermaßen. Entstehende Ökosysteme laden zur einer neuen Form der Zusammenarbeit ein. Die Spezialausgabe IoT Wissen Kompakt informiert über die Technologie, Projektierung und Anbieter für die eigene Applikation, in- und außerhalb der Fabrik.