KI in der Logistik
Mit Machine Learning präzise Vorhersagen treffen
Anwendungen entwickeln
Das Microsoft Azure Machine Learning Studio bietet einen interaktiven, visuellen Arbeitsbereich, in dem Nutzer ein Analysemodell entwickeln und testen. „Für uns als IT-Architekturhaus liegt der große Vorteil der Cloud-Lösung von Microsoft darin, dass wir sofort mit den Algorithmen arbeiten können, ohne Programmierarbeiten durchführen zu müssen“, sagt Hendrik Ohlms. „Wir entwickeln auf der Basis der vorliegenden Algorithmen Anwendungen, die aus einem frei wählbaren Datenbestand lernen. Aufgrund unseres Knowhows in den Bereichen Mathematik und Statistik sowie der umfangreichen Fachkenntnis über Logistikprozesse kennen wir dabei alle relevanten Parameter.
Nicht ohne manuelle Vorarbeit
Trotz eines hohen Automatisierungsgrades im Machine Learning – ohne manuelle Vorarbeit geht es nicht. Das ist beispielsweise der Fall, wenn Daten nicht in der geeigneten Qualität verfügbar sind und zunächst aufbereitet werden müssen. „Den IT-Beratern kommt im gesamten Prozess des Machine Learning eine essenzielle Bedeutung zu. Sie müssen die für das Unternehmen relevanten Fragestellungen genau definieren und entsprechende Datenmengen bestimmen sowie vorbereiten, um ein brauchbares Ergebnis zu liefern“, schildert Hendrik Ohlms. Bevor der Computer präzise Prognosen treffen kann, muss also der Mensch in Vorleistung gehen. Doch die KI-Anwendung verbessert sich kontinuierlich und wird als zukunftsorientiertes Werkzeug immer mehr an Bedeutung gewinnen, ist sich Hendrik Ohlms sicher. Machine Learning bietet Unternehmen schon heute einen echten Wettbewerbsvorteil: indem es Produkte und Services nutzerfreundlicher macht, Prozesse effizienter gestaltet und Geschäftsstrukturen positiv beeinflusst. Liefern die intelligenten Systeme künftig noch zuverlässigere Prognosen, wird sich dieser Effekt weiter verstärken.
