Anzeige
Anzeige
Beitrag drucken

Neue Geschäftsmodelle entwickeln

Wenn das ERP-System mitdenkt

Maschinelles Lernen, intelligente Algorithmen, neuronale Netze – die Weiterentwicklung der künstlichen Intelligenz vollzieht derzeit große Sprünge. Während trotz alledem die Vision vom vollständig autonomen Auto oder einer echten Konversation mit einem Sprachassistenten bislang Utopie bleibt, wird die neue Technologie schon bald Einzug in die Geschäftsprozesse von Unternehmen halten. Im Zentrum stehen dabei völlig neue Geschäftsmodelle auf Basis intelligenter Analysen.

(Bild: ©ekkasit919 / Fotolia.com)

(Bild: ©ekkasit919 / Fotolia.com)

Sei es beim Diagnostizieren von Krankheitsbildern oder bei einer Runde des Spiels ‚Go‘ – in ausgewählten Spezialbereichen ist künstliche Intelligenz bereits heute dem menschlichen Gehirn überlegen. Zumindest bislang beschränken sich die Fähigkeiten der entsprechenden Algorithmen jedoch weitestgehend auf die Erkennung von Mustern. Echte Kausalzusammenhänge können von der Technik bislang nicht verstanden werden. Experten prognostizieren jedoch, dass die Technologie schon bis 2030 einem erwachsenen menschlichen Gehirn nahezu äquivalent sein könnte.

Neue Möglichkeiten für ERP-Systeme

Fortschritte wie diese eröffnen auch dem Enterprise Resource Planning neue Szenarien – Herstellern entsprechender Systeme werden neue Möglichkeiten geboten, künstliche Intelligenz in ihre Systeme zu integrieren – eine Entwicklung, die sich bereits in naher Zukunft mit konkreten Anwendungen in der Praxis etablieren wird. So könnten intelligente ERP-Systeme u.a. die neuen Möglichkeiten, Texte zu verstehen und menschliche Sprache zu interpretieren, dazu nutzen, Mitarbeiter von Routineaufgaben zu entlasten. Im Vertrieb beispielsweise könnte die künstliche Intelligenz bei der Vorbereitung auf einen Kundentermin unterstützen. Das System übernähme die Aufgabe, alle öffentlich zugänglichen Informationen zu dem Unternehmen wie Pressetexte, Handelsregistereinträge oder auch Social-Media-Beiträge zu sammeln, zu analysieren und zu interpretieren, um so ein umfassendes Gesamtbild des Unternehmens aufzubereiten und als übersichtliche Zusammenfassung darzustellen.

Den Kunden besser kennenlernen

Im zweiten Schritt ließen sich auf diese Weise auch Informationen mit weiteren Daten aus dem ERP-System zusammenbringen und beispielsweise die bisherigen Kontakte mit einem Kunden oder Interessenten in Form von E-Mails oder vergangenen Bestellungen analysieren. Auf deren Basis wäre die künstliche Intelligenz in der Lage, die Wahrscheinlichkeit einzuschätzen, dass ein bestimmtes Angebot an einen bestimmten Kunden auf Interesse stößt und zum Vertragsabschluss führt. Eine solche ‚Predictive Sales‘-Analyse gäbe den Mitarbeitern einen Anhaltspunkt, auf welche Interessenten sie ihre Bemühungen hauptsächlich fokussieren sollten, und welche Fälle unter Umständen eher mit geringerer Priorität verfolgt werden können. Vorhandene Ressourcen lassen sich dann entsprechend effektiver kanalisieren sowie der Vertriebserfolg im Ganzen erhöhen.

Potenziale für die Smart Factory

Über die Arbeitsentlastung im Geschäftsalltag hinaus, birgt die Kombination von ERP und KI auch im Bereich der smarten Fabrik ein hohes Potenzial. Besonders Hersteller, die bereits in Form von Maschinenanbindung oder Predictive Maintenance erste smarte Szenarien mit ihren Maschinen realisiert haben, befinden sich dafür in einer guten Ausgangslage. Sie verfügen unter Umständen bereits über Datenreservoirs, die im Zeitverlauf durch die Erfassung der Betriebsdaten ihrer Maschinen beim Kunden vor Ort entstanden sind – und mit denen die KI-Anwendung gefüttert werden könnte. Ein hochwertiger Datensatz bildet in jedem Fall die Grundlage für eine erfolgreiche KI-Analyse. Je besser und umfangreicher, desto aussagekräftiger und verlässlicher ihre Ergebnisse.

Datensätze kombinieren

Konkret ließen sich beispielsweise die Datensätze unterschiedlicher Kunden anonymisiert zu Analysezwecken kombinieren. Auf diese Weise könnten unter Umständen Korrelationen darüber erkannt werden, wie bestimmte Voraussetzungen die Produktivität einer Anlage beeinflussen. Beispiele hierfür wären etwa das Zusammenspiel von auf den ersten Blick unzusammenhängenden Konfigurationsparametern oder der Einfluss externer Umweltfaktoren wie Luftfeuchtigkeit oder Umgebungstemperatur. Der Grund, weshalb ein bestimmter Faktor Auswirkungen auf den Output hat, ist dabei im ersten Schritt irrelevant. Was zählt, ist die Entdeckung des Zusammenhangs. Die gewonnenen Erkenntnisse könnten schließlich als Beratungsdienstleistung an den Kunden weitergegeben werden – und damit das bisherige Geschäftsmodell durch einen entsprechenden Service erweitert werden.

Nur so gut, wie die Datenbasis

Wissenschaftler wie Unternehmen bringen die Forschungen zur künstlichen Intelligenz derzeit mit immer neuen Ansätzen weiter voran. Und auch wenn die Technologie noch einige Jahre benötigen dürfte, bevor sich Menschen tatsächlich flüssig mit Maschinen unterhalten können und Autos vollkommen selbstständig ihren Weg durch die Stadt finden, wird die Unterstützung durch KI im Geschäftskontext schon bald Realität sein. Neben der Entlastung von Mitarbeitern von zeitraubender Routine eröffnen sich Unternehmen dabei auch vollkommen neue Möglichkeiten zur Erweiterung ihres Geschäftsmodells. Wichtig für den Erfolg dabei ist, sich bereits im Vorfeld über die Zielsetzung der KI-Anwendung im Klaren zu sein. Entscheidend dabei ist die Datenqualität: Denn unabhängig von der Technologie kann künstliche Intelligenz immer nur so gut sein, wie ihre zugrundeliegende Datenbasis.


Christian Leopoldseder ist Managing Director Austria bei der Asseco Solutions AG.Christian Leopoldseder ist Managing Director Austria bei der Asseco Solutions AG.


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