Suchen

IoT-Basics

Künstliche Intelligenz: Anwendungen, Projekte, Trends

Seite: 4/5

Firma zum Thema

Erweitert Machine Learning die menschlichen Fähigkeiten?

Besonders da, wo Menschen Fehler machen könnten, wie bei der Qualitätskontrolle in der Herstellung, erkennt ein selbstlernender Algorithmus sogar die kleinsten Veränderungen und kann Auswirkungen einschätzen. In beeindruckender Weise können über Drohnen und Satelliten Inspektionen etwa von langen Pipelines durchgeführt werden. Von großer Bedeutung ist das auch beim Thema Datensicherheit. Hier macht Machine Learning schnell Anomalien in Transaktionen und Prozessen ausfindig, erkennt Bestechungsversuche und schützt effektiv vor Hacking. Auch alltägliche Abläufe werden vereinfacht. Fällt einmal unerwartet ein Zug aus, passt ein Algorithmus die individuelle Reiseplanung mit einer kontextsensiblen Anwendung neu an: Der Kunde sieht online oder in einer App Alternativrouten, die ihn trotz des Ausfalls so schnell wie möglich ans Ziel bringen.

Quelle: SAP

Was unterscheidet KI-Pioniere von Low-Performern?

Was aber machen beim KI-Einsatz führende Unternehmen anders als "Low Performer"? Um signifikante Ergebnisse durch den Einsatz von Künstlicher Intelligenz zu erzielen, müssen Unternehmen, wie aus der Accenture-hervorgeht, Studie zunächst vier Entwicklungsphasen durchlaufen:

  • 1. Die Vorteile von KI und die damit verbundenen Möglichkeiten, die eigenen Produkte mit digitalen Technologien neu zu erfinden, skizzieren.
  • 2. Eine Vision entwickeln, wie existierende Angebote durch KI ergänzt werden können.
  • 3. Die nötigen Ressourcen für die Entwicklung von KI-basierten Produkten bereitstellen.
  • 4. Ihre Vision und konkrete Initiativen umsetzen und so die digitale Neuerfindung von Produkten in großem Maßstab zu ermöglichen.

Teilt man die untersuchten Unternehmen nach Branche und aktuellem Stand bei der Nutzung in bestimmte Cluster ein, so zeigt sich, dass der Reifegrad bei der Künstlichen Intelligenz von Branche zu Branche sehr unterschiedlich ist. Automobilfirmen sind offenbar eher in der Lage, KI-Initiativen mit Nachdruck zu verfolgen und umzusetzen als andere. Immerhin erreichen bereits neun Prozent der Unternehmen aus der Automotive-Industrie die dritte und fünf Prozent sogar die vierte Entwicklungsstufe. Dagegen sind die Hersteller von Industriemaschinen noch nicht so weit. Nur sieben beziehungsweise drei Prozent erreichen hier die dritte Stufe. Lediglich ein Prozent schafft erklimmt Stufe 4 und damit das höchste Stadium der KI-Reife.

Bildergalerie

Bildergalerie mit 23 Bildern

Die KI-Avantgardisten zeichnet vor allem eines aus – nämlich dass sie eng mit Partnern in Ökosystemen zusammenarbeiten, um die KI-Anwendungen zu identifizieren, die den größten Nutzen für den Kunden bringen. Dabei setzen die meisten Unternehmen auf KI-Lösungen wie maschinelles Sehen (73 Prozent), Deep Learning (64 Prozent) sowie robotergesteuerte Prozessautomatisierung (64 Prozent).

Um speziell dem Thema maschinelles Lernen zusätzliche Schubkraft zu verleihen, hat der Maschinenbauverband VDMA kürzlich den Arbeitskreis „Machine Learning“ gegründet. Das VDMA Competence Center Future Business hatte das Thema bereits 2017 mit der Studie "Machine Learning 2030 - Zukunftsbilder für den Maschinen- und Anlagenbau" ausgiebig beleuchtet.

Auf Beschluss des Vorstandes des Fachverbands Software und Digitalisierung soll der VDMA das Thema nun in dem neuen Arbeitskreis, der Anwender und Anbieter zusammenbringt, weiter forcieren „Aktuell 375 Mitglieder im VDMA Fachverband Software und Digitalisierung zeigen deutlich, welch hohen Stellenwert Digitalisierung im Maschinenbau inzwischen genießt“, betont Matthias Dietel, IBM Germany Lab und Mitglied des Fachverbands-Vorstandes.

VDMA Quick Guide: Was kann man mit KI machen?

Maschinenbau-Unternehmen, die Machine Learning einsetzen wollen, fragen verständlicherweise nach Leitfäden, Roadmaps, Standardisierung und Zusammenarbeit mit Instituten und IT-Dienstleistern. „In unserer Studie ‚Machine Learning 2030‘ spielten Ausbildung, Datenhoheit aber auch ethische Fragen eine große Rolle. Der VDMA Expertenkreis "Machine Learning" hat als erste Handreichung einen Quick Guide verfasst. Der Leitfaden richtet sich vor allem an das Management von Maschinenbauunternehmen, die sich mit dem Thema Machine Learning in ihrem Unternehmen beschäftigen oder in Zukunft beschäftigen möchten.

Ziel des Quick Guide ist es, dem Management erste Hilfestellungen zur betriebswirtschaftlichen Einschätzung und Relevanz von Machine Learning zu ermöglichen, um eine eigene Herangehensweise und Strategiedefinition daraus abzuleiten. Der Leitfaden gibt dabei Hinweise zu den Chancen, Herausforderungen und möglichen Lösungen. Vor allem soll der Quick Guide dabei helfen, sich dem Thema Machine Learning mit den "richtigen Fragen" zu nähern.

Denn die Anwendungsbereiche von Machine Learning im Maschinenbau sind vielfältig: Der VDMA nennt in diesem Zusammengang

  • Predictive Maintenance,
  • industrielle Bildverarbeitung und
  • Robotersteuerungen.

Auch in der Logistik innerhalb und außerhalb der Fabrik sieht der Quick Guide des Maschinenbauverbandes beträchtliche Potenziale.

Trotzdem schrecken vor allem Mittelständler vor (größeren) Investitionen in eine derart disruptionsfördernde Technologie wie KI zurück, wie Jörg Kremer von der mip Management Informationspartner GmbH beobachtet hat. Dahinter steckten weniger technophobe Gründe; vielmehr sei die Investitionszurückhaltung eher durch wirtschaftliche Fragen motiviert: „Lohnt sich die eigene Entwicklung einer KI-Lösung für meine Firma? Realisiere ich das mit einem IT-Partner? Individualentwicklung oder Standardlösung? Wie sieht die Anbindung an meine vor- und nachgelagerten IT-Systeme aus? Wie sieht mein ROI aus?“

KI-Experte Kremer legt Mittelständlern deshalb nahe, zunächst einmal die Nutzung einer Web-basierten KI-Plattform ins Auge zu fassen. Solche Plattformen böten einen technisch und wirtschaftlich interessanten Lösungsweg, ohne dass eigenes IT-Entwickler-Know-how aufgeboten werden muss. Als die avancierteste Lösung in diesem Bereich sieht Kremer IBM Watson. Unternehmen können auf dieser KI-Plattform unterschiedliche Microservices für Ihren Bedarf auswählen, ohne dass sie dafür umfangreiche Investitionen – etwa in Softwareentwicklung, Rechner- oder Speicherkapazität – tätigen müssten. Kremer: „Dadurch können sich die Unternehmen voll und ganz auf das kunden- bzw. projektspezifische Training der Anwendungen konzentrieren. An die Sicherheit der Daten ist dabei ebenso gedacht, denn die Datenhoheit verbleibt DSGVO-konform beim Kunden.“

Weiterführende Inhalte zu "KI"

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45324964)

Pixabay; Scoutbee; ©Alexander - stock.adobe.com; gemeinfrei; MathWorks; Pexels; Medisana/Oliver Eltinger; Louisa Krüger; Software AG; Splendid Research; CRISP Research; Microsoft; IDC; fischertechnik; Axians; Vogel Communications Group; Edag