Künstliche Intelligenz Ohne hochwertige Daten, keine hochwertige KI – Thyssenkrupp stellt KI Alfred vor

Bereits seit einem Jahr ist bei Thyssenkrupp Materials Services die KI Alfred im Einsatz, die dem Unternehmen den Anschluss an die Zukunft sichern soll, indem es Produktion, Lieferung und Angebotsportfolio optimiert und somit auch die Kundenzufriedenheit steigert.

Anbieter zum Thema

Paessler AG

Parasoft® Deutschland GmbH

Trebing & Himstedt Prozeßautomation GmbH & Co. KG

thyssenkrupp Materials Services GmbH

Microsoft Deutschland GmbH

Gut ein Jahr lag zwischen Projektstart und dem regulärem Arbeitseinsatz von Alfred, der Künstlichen Intelligenz von Thyssenkrupp Materials Services, die nach dem Unternehmensgründer Alfred Krupp benannt wurde. Ähnlich wie beim Namensvetter laufen auch bei Alfred alle Informationen zusammen, mit der Zielsetzung, Prozesse wirtschaftlicher zu gestalten und Mitarbeiter zu unterstützen.

Im Detail bedeutet das, die KI unterstützt bei der dynamischen Verwaltung des globalen Logistiknetzwerkes mit 271 Lagerstandorten sowie mehr als 150.000 Produkten und Services. Somit können Transportwege optimiert werden, was schließlich darin resultiert, dass der Transport von tausenden Tonnen Material pro Jahr eingespart sowie ferner eine schnellere Verfügbarkeit von Werkstoffen am richtigen Standort gewährleistet werden kann.

Im zweiten Schritt wird das Unternehmen in der Lage sein, sämtliche Prozesse entlang der Supply Chain flexibler zu gestalten, damit beispielsweise spezifische Kundenanforderungen an die Liefergeschwindigkeit, die Preisgestaltung oder die Materialqualität besser berücksichtigt werden können.

Von allen Herausforderungen ist die technische Umsetzung die geringste

Als das KI-Projekt bei Thyssenkrupp an den Start ging, waren die beiden größten Herausforderungen, denen sich das Unternehmen stellen musste, die Verfügbarkeit qualitativ hochwertiger Daten sowie die Bereitstellung adäquaten Expertenwissens um die Funktionsweise von KI-Lösungen. Häufig besteht die Annahme, dass man durch das Zusammenführen von Daten und künstlicher Intelligenz am Ende Datensätze erhält, die deutlich über dem Niveau der zuvor eingespielten liegt und zudem Antworten auf Problemstellungen gibt, die vorher vom Unternehmen gar nicht gestellt worden waren. Eine Rechnung, die nicht aufgehen kann: „It’s about having the right data of the right quality, the expertise and the domain knowledge on a specific topic, and the technology to run it. Technology is the easy part, because nowadays there is someone like Microsoft with the technology. But to bring data and domain knowledge into the project and to understand the use case and the questions you are trying to answer, that is the hardest part.” sagt Axel Berger, Leiter des Digital Transformation Office.

Als (Cloud-)Plattform für die Zusammenführung von Auftrags- und Unternehmensdaten kommt Microsoft Azure zum Einsatz. Mithilfe selbstlernender Algorithmen, die auf Machine Learning basieren, analysiert Alfred alle relevanten Informationen und generiert daraus Erkenntnisse, die wiederum in Empfehlungen für die Mitarbeiter münden.

KI hilft bei Produktions-Optimierung, Predictive Maintenance und wirtschaftlicher Kalkulation

Fragen wie „Welche Materialien müssen welcher Branche zugeordnet werden?“, „Wo werden Materialien verarbeitet?“, „Was wäre der intelligenteste Transportweg, um unsere Kunden bestmöglich mit Material zu versorgen?“ helfen bei der täglichen Aufgabenbewältigung. Die Verbesserung der Unternehmensabläufe resultiert schließlich in gesteigerter Serviceleistung und das ist, was ein Unternehmen in Zukunft wettbewerbsfähig macht.

Neben der Strukturierung von Aufträgen (Ort des Warenversandes, Warenverfügbarkeit, Klassifizierung von Kunden und weitere), hilft die KI darüber hinaus beim Aufbau eines Predictive Maintenance-Modells für Maschinen. Ebenso kommt es bei Preiskalkulationen und -verhandlungen zur Anwendung.

Controller

KI-Einstieg im deutschen Mittelstand in fünf Schritten

Was Unternehmen beachten müssen, die ebenfalls KI-Lösungen im Unternehmen einführen wollen

Laut Berger ist es sinnvoll, sich auf die Algorithmen zu fokussieren. „I would recommend taking data, searching for your first use cases, and just building them without engineering them forever. Clarify the questions you want to answer. Don’t believe in overarching algorithms that will solve the problem of finding the question, the use case.“

Damit zeigt sich einmal mehr, dass KI eine solide Datenbasis braucht, auf der aufgebaut und aus der gelernt werden kann. Erst dann wird künstliche Intelligenz zum Schlüssel für die Weiterentwicklung des eigenen Unternehmens und der möglichen Schaffung neuer Geschäftsmodelle. Software-Plattformen leisten dabei wichtige Hilfestellungen, die letztendlich aber nur von Erfolg gekrönt sein können, wenn bereits am Anfang geklärt wurde: „Wo will ich hin?“ und „Was sind meine konkreten Use-Cases?“

(ID:46204466)