Im vorherigen Beitrag wurde der Begriff „Künstliche Intelligenz“ (KI) erklärt und greifbarer gemacht. Im nächsten Schritt geht es um den konkreten Nutzen von KI für unterschiedliche Bereiche und Anwendungsfälle. Prinzipiell lassen sich die Anwendungsfälle entlang der bereits beschriebenen Funktionen Beurteilen – Schlussfolgern – Reagieren einordnen.
Beim Beurteilen geht es darum, aus Daten den Zustand der Umwelt bzw. des betrachteten Objektes abzuleiten. Wo viele handschriftliche Dokumente in der Auftragsannahme eingehen, kann beispielsweise automatisches Einlesen dem Personal viel Zeit sparen. In der Produktion ist es zudem als Mensch schwierig, aus einer Masse an Echtzeitdaten kritische Entwicklungen von Werten zu erkennen – maschinelle Lernverfahren helfen bei dieser Beurteilung.
KI-Anwendungen mit dem Schwerpunkt Schlussfolgern bieten Mitarbeitenden neue Erkenntnisse und zusätzliche Informationen aus Daten. So können Daten aus der Vergangenheit ausgewertet werden, um Prognosen für zukünftige Wertverläufe zu erstellen oder Lösungsvorschläge zu generieren. Die eigentliche Entscheidung über die entsprechenden Aktionen übernehmen allerdings die Menschen. Predictive Maintenance bezeichnet z. B. Anwendungen, die aus vergangenen Verläufen von Sensorwerten und zusammenhängenden Maschinenausfällen errechnen, wann Ausfälle zu erwarten sind. So können Wartungen optimiert werden. Auch eine Vorhersage von Absatzzahlen kann dabei helfen, die Einkaufszahlen an die zukünftige Nachfrage anzupassen.
Damit KI-Systeme reagieren können, brauchen sie eine direkte Interaktion mit der Umwelt: Beim Reinforcement Learning lernen sie z. B. aus Erfahrungen und dem jeweiligen Erfolg bzw. Einfluss ihrer Aktionen. In anderen Anwendungsfällen werden Funktionen des Beurteilens genutzt, um daraufhin anhand von Algorithmen die jeweiligen Handlungen auszuführen. Fahrerlose Transportsysteme (FTS) transportieren beispielsweise Bauteile zwischen Lager und Produktionshallen, Robotik Process Automation (RPA) analysiert und automatisiert repetitive Computerarbeiten.
Aus den Beispielen wird deutlich: Heutige Künstliche Intelligenz ersetzt keine Menschen, sondern einzelne Fähigkeiten. An Fähigkeiten, die den Menschen eigen sind – wie in komplexen oder seltenen Fällen Handlungen abzuleiten – kommen KI-Systeme nicht heran. Außerdem sind technische Umsetzungsmöglichkeiten nur eine Seite: Die organisatorischen Herausforderungen wie soziale Gewohnheiten, Befürchtungen und Mitgestaltungsansprüche der Mitarbeitenden müssen genauso betrachtet werden. Immer ein guter Tipp: Mitarbeitende früh ins Boot holen!
In dieser Übersicht finden Sie weitere beispielhafte KI-Anwendungen und deren primäre Unternehmensbereiche:
© VDMA Bayern
Der Leitfaden „Künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand“ vom VDMA Bayern gibt ausführlichere Beispiele und Beschreibungen.
Einer der Autor*innen ist unser KI-Trainer Marcus Röhler vom Fraunhofer IGCV.
Quelle: Leitfaden Künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand der Projektpartner VDMA Bayern, Fraunhofer IGCV und Technische Universität München (2020)
Teil 3 der Artikelreihe: Wie können Potenziale identifiziert werden?
Das könnte Sie auch interessieren
Künstliche Intelligenz (KI, engl. auch AI für Artificial Intelligence): Mit Künstlicher Intelligenz werden Technologien beschrieben, die kognitive Kompetenzen imitieren, zu denen bisher nur Menschen fähig waren. Dazu zählt zum Beispiel strategisches Denken oder sprachliche Fähigkeiten. Oft können dadurch Mitarbeitende bei repetitiven und zeitaufwändigen Tätigkeiten unterstützt werden, die zuvor viel Aufmerksamkeit erforderten. KI, die heute eingesetzt wird, löst konkrete Probleme in einem fest beschriebenen Setting mit Methoden, „die für die jeweiligen Anforderungen entwickelt und optimiert werden“ [1] (sog. schwache KI, engl. weak AI/narrow AI) und versuchen nicht den Menschen zu imitieren (sog. starke KI). Die Beschäftigung mit Künstlicher Intelligenz reicht bis in die 1930er zurück, sinnvoll wurden die Systeme jedoch erst mit der großen Datenverfügbarkeit und Rechenleistung der letzten Jahre.
Maschinelles Lernen (ML): Maschinelles Lernen ist ein Teilbereich von Künstlicher Intelligenz. Es wird oft Synonym mit KI verwendet, stellt allerdings nur ein wichtiges Teilgebiet dar, in welchem Zusammenhänge aus Daten selbständig gelernt werden. Drei Arten gibt es dabei:
- Beim überwachten Lernen wird ein Algorithmus mit beispielhaften Ein- und Ausgaben „gefüttert“. Indem die Ausgaben des Algorithmus mit den wahren Ausgaben verglichen werden, lernt das Verfahren, auch Ausgaben zu unbekannten Eingaben vorauszusagen (z. B. Klassifikation von neuen Eingaben).
- Unüberwachtes Lernen zielt auf die Erkennung von Mustern in Daten ab. Dafür erhält ein Algorithmus Eingaben und erstellt daraus ein Modell, welches die inneren Zusammenhänge abbildet (z. B. Ähnlichkeiten).
- Beim bestärkenden Lernen lernt ein Algorithmus durch Belohnung und Bestrafung (in Form von Zahlenwerten wie dem Score eines Computerspiels) selbst, welche Aktionen zu welchem Zustand am sinnvollsten sind, um ein bestimmtes Ziel zu erreichen.
Deep Learning (DL, dt.: mehrschichtiges/tiefes Lernen): Deep Learning ist eine Methode des Maschinellen Lernens, bei der ein Algorithmus mithilfe von künstlichen neuronalen Netzen lernt, Zusammenhänge in besonders großen Datenmengen zu erkennen bzw. abzubilden.
Künstliche neuronale Netze: Diese orientieren sich am menschlichen Gehirn, um auf ähnliche Weise komplexe Zusammenhänge abbilden zu können. Einfache Operationen werden von einzelnen Neuronen durchgeführt. Werden diese zu hunderten, tausenden oder mehr zusammengehängt, können gemeinsam sehr komplexe Zusammenhänge gelernt und abgebildet werden.
So funktioniert’s:
Eine Art KI-Systeme zu betrachten, ist als sogenannter Softwareagent. Dieser nimmt (wie der Mensch) auch bestimmte Aspekte der Umwelt wahr und wirkt sich wiederum auf diese aus (s. Abbildung). Der Unterschied zum Menschen: Das KI-System wird durch Sensorik in Maschinen, ERP-Systemen, Customer-Relationship-Management-Systemen bis hin zu Internet-Daten gespeist. Mittels mathematischer und informatischer Methoden können KI-Systeme dann folgende Funktionen erfüllen:
- Beurteilung von Wahrnehmungen
- Ableitung von weiterführenden Schlussfolgerungen
- Ableitung und Ausführung von Aktionen
© VDMA Bayern
Der Leitfaden „Künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand“ vom VDMA Bayern geht ausführlicher auf die Punkte ein und hilft bei der Umsetzung von KI in mittelständischen Unternehmen. Einer der Autor*innen ist unser KI-Trainer Marcus Röhler vom Fraunhofer IGCV.
Quelle: [1] Leitfaden Künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand der Projektpartner VDMA Bayern, Fraunhofer IGCV und Technische Universität München (2020)
Das könnte Sie auch interessieren
Als Teil der nationalen KI-Strategie der deutschen Bundesregierung wurde Mitte 2019 das Programm „KI für KMU“ ins Leben gerufen. Im Zuge dessen unterstützt das Mittelstand 4.0-Kompetenzzentrum Augsburg seit 1. September 2019 den bayerischen Mittelstand bei Fragen rund um Künstliche Intelligenz und die Nutzung von Daten. Unsere drei KI-Trainer:innen sind als Expert:innen des Kompetenzzentrums die Ansprechpersonen für kleine und mittlere Unternehmen, wenn sie Künstliche Intelligenz im Betrieb und im Geschäftsmodell anwenden möchten. Die KI-Trainer:innen informieren in Schulungen und Informationsveranstaltungen und begleiten die Unternehmen in Potenzialanalysen und Umsetzungsprojekten.
Hier stellen wir sie Ihnen vor:
Marcus Röhler
Marcus Röhler studierte Maschinenwesen mit Schwerpunkt Produktionstechnik und Mechatronik an der Technischen Universität München. Seit 2017 ist er wissenschaftlicher Mitarbeiter am Fraunhofer IGCV in Augsburg und beschäftigt sich hier mit dem Einsatz maschineller Lernverfahren in der Produktion – Beispiele hierfür sind Predictive Quality und Deep Reinforcement Learning.
Wie unterstützt du den bayerischen Mittelstand als KI-Trainer?
In zahlreichen Projekten mit Unternehmen konnte ich Einblicke in die derzeitigen Problemstellungen und Herangehensweisen von kleinen bis großen Unternehmen in den Bereichen Digitalisierung und Künstliche Intelligenz gewinnen. Als KI-Trainer kombiniere ich diese Erkenntnisse aus der Industrie mit meinen Erfahrungen in der Anwendung von KI-Ansätzen. Mein Ziel ist es, Transparenz bezüglich der Möglichkeiten und Grenzen von Künstlicher Intelligenz zu schaffen und Unternehmen Werkzeuge zur Auseinandersetzung mit der komplexen Thematik an die Hand zu geben.
Anja Miller
Anja Miller studierte im Studiengang Applied Research in Business Information Systems an der Hochschule Augsburg und ist seit 2020 wissenschaftliche Mitarbeiterin in der Abteilung Produktionsmanagement am Fraunhofer IGCV. Speziell beschäftigt sie sich mit der Anwendung, Kombination und Weiterentwicklung von Data-Science- und KI-Methoden für die Entscheidungsunterstützung in der Produktionsplanung und -steuerung.
Wie kann der Mittelstand Data Mining für sich nutzen?
Der Mittelstand kann Data Mining-Methoden zur Analyse großer Datenmengen in vielfältigen Anwendungsgebieten nutzen. Beispiele dafür sind die Vorhersage von Bauteilqualitäten oder die intelligente Prozessregelung von Maschinen. Mit Data Mining können unbekannte Muster entdeckt und in Wissen überführt werden. Dieses Wissen kann anschließend gewinnbringend eingesetzt werden. So können beispielsweise Maschinenausfälle frühzeitig erkannt und damit unnötige Stillstandzeit vermieden werden.
Patrick Zimmermann
Patrick Zimmermann studierte Maschinenbau an der Technischen Universität München mit Schwerpunkten in der Fahrzeug- und Motorentechnik sowie mechatronischen Entwicklung. Seit 2018 ist er als wissenschaftlicher Mitarbeiter in der Abteilung Anlagen- und Steuerungstechnik am Fraunhofer IGCV tätig. Dort beschäftigt er sich insbesondere mit Themen der Produktionsvernetzung und Datengewinnung sowie deren Weiterverarbeitung.
Welche Voraussetzungen gibt es für die Nutzung von Künstlicher Intelligenz im Unternehmen?
Damit Methoden aus dem Bereich der künstliche Intelligenz überhaupt angewendet werden können, ist es zunächst wichtig, eine einheitliche und aussagekräftige Datenbasis im Unternehmen zu schaffen. Kann auf die Daten nicht zugegriffen werden, sind diese schwer interpretierbar oder sind schlichtweg zu wenige Daten vorhanden, so bringt auch die Anwendung von KI-Methoden nur einen geringfügigen Vorteil. Insbesondere im Mittelstand sollte man sich daher zunächst mit den Voraussetzungen zur Anwendung von KI beschäftigen und sich dabei gezielt am erwünschten Nutzen orientieren.
Unsere nächsten Veranstaltungen zum Thema KI finden Sie hier.
Das könnte Sie auch interessieren
Das könnte Sie auch interessieren
Die deutsche Bundesregierung identifizierte Künstliche Intelligenz als Schlüsseltechnologie der Zukunft, die alle Bereiche der deutschen Wirtschaft beeinflusst. Als Teil der nationalen KI-Strategie wurde Mitte 2019 das Programm „KI für KMU“ ins Leben gerufen. Bundesweit werden mindestens 20 KI-Trainer jährlich über 1000 KMU über Künstliche Intelligenz informieren und bei der Anwendung im Unternehmen unterstützen. Das Programm ist damit ein wichtiger Beitrag, um Deutschland zu einem international führenden KI-Standort zu machen.
Bundeswirtschaftsminister Peter Altmaier betont: „[…] Die neuen KI-Trainer in unseren Mittelstand 4.0-Kompetenzzentren bieten konkrete Hilfe und Unterstützung für kleine und mittelständische Unternehmen im Umgang mit KI. Wir wollen die Innovationskraft Deutschlands stärken, indem wir KI in die Fläche und in die einzelnen Unternehmen vor Ort tragen.“ (01.06.2019). Das Kompetenzzentrum Augsburg bietet kostenfreie Angebote, darunter Schulungen, Workshops, Demonstratoren zum Ausprobieren, E-Learning und Projekte zusammen mit und bei interessierten Unternehmen.
Begriffe wie Künstliche Intelligenz oder maschinelles Lernen beschreiben technische Verfahren, die wiederkehrende Muster in Daten und Signalen erkennen. Jeder von uns ist schon einmal direkt oder indirekt mit Künstlicher Intelligenz im Alltag in Berührung gekommen. Chat-Bots beraten beim Einkauf im Onlineshop, Siri und Alexa nehmen unsere Anweisungen entgegen, Mailprovider filtern Spam-Mails immer besser und Banken nutzen KI, um Betrugsfälle in Geldtransfers zu erkennen und sogar vorherzusehen. Auch in der Industrie wird KI wichtig: Laut einer Studie im Auftrag des Bundeswirtschaftsministeriums ist mit dem Einsatz von KI im produzierenden Gewerbe in Deutschland bis 2023 eine zusätzliche Bruttowertschöpfung von knapp 32 Milliarden Euro verbunden.
Kostenfreie KI-Unterstützung aus Augsburg
Das Augsburger Kompetenzzentrum unterstützt vor allem bei KI im Produktionsumfeld. Beim Data Mining geht es darum, aus Rohdaten Wissen zu generieren. Durch die Digitalisierung wird eine große Menge an Daten verfügbar (z. B. Maschinen- oder ERP-Daten), die für die Optimierung der Produktion oder neue Geschäftsmodelle nutzbar gemacht werden. Ist eine gute Datengrundlage gegeben, folgt die Umsetzung intelligenter Systeme durch maschinelle Lernverfahren. Zum Beispiel kann eine intelligente Bilderkennung die Qualitätssicherung automatisieren. Ein weiteres Beispiel ist die vorausschauende Instandhaltung: Erst wird aus historischen Daten analysiert, wann eine Instandhaltungsmaßnahme notwendig ist. Dann kann eine intelligente Anwendung implementiert werden, die Maschinenausfälle in Zukunft vorhersagt und so verhindert.
Seit September zeigen die KI-Trainer aus Augsburg Unternehmen, in welchen Bereichen sie KI sinnvoll einsetzen können. In Schulungen, auf Vorträgen, in Webinaren oder anhand von Demonstratoren informieren und qualifizieren die Experten kostenlos. In Potenzialanalysen besuchen die KI-Trainer kleine und mittlere Unternehmen vor Ort, um KI-Projekte anzustoßen und bei der Umsetzung zu begleiten.
Nur ein Hype oder wirklicher Mehrwert für den Mittelstand?
Im Grunde ist Künstliche Intelligenz die logische Fortführung der Digitalisierung – und ist dabei keinesfalls neu. Die grundsätzlichen Ideen dahinter existieren bereits seit einigen Jahrzehnten. Digitalisierung ermöglicht erst jetzt die Sammlung zahlreicher Daten von Maschinen, aus dem ERP-System oder aus der Umwelt. Die daraus resultierende Datenverfügbarkeit und die in den letzten Jahren stark gestiegene Rechenleistung stellen nun die Grundlage für Datenanalyse und maschinelles Lernen. Dadurch werden unbekannte Zusammenhänge aufgedeckt und Ereignisse vorhergesagt. Diese Ergebnisse können dazu genutzt werden, Kosten zu reduzieren, Prozesse zu optimieren und neue Geschäftsmodelle anzubieten.
KI ist ebenso wie die Digitalisierung für den Mittelstand relevant. Laut einer Expertenumfrage der Mittelstand-Digital Begleitforschung halten 77 % der Befragten aus Forschungs- und Transfereinrichtungen KI nicht nur für einen Hype, sondern bedeutend für die Zukunft des deutschen Mittelstands. 70 % gehen ein Stück weiter und sagen, dass Künstliche Intelligenz entscheidend für die internationale Wettbewerbsfähigkeit deutscher KMU ist. Selbst für KMU, die noch wenig in Richtung Digitalisierung umgesetzt haben, ist KI ein wichtiges Thema: Spätere KI-Anwendungen sollten bei der Digitalisierung gleich mitgedacht werden, um die richtige Grundlage zu schaffen.
Unsere KI-Trainer stellen sich vor
Bildquelle Titelbild: Ismagilov – stock.adobe.com
Das könnte Sie auch interessieren
Die KI-Trainer unterstützen KMU mit verschiedenen Angeboten: Von der Information über KI-Technologien bis zur Umsetzung im eigenen Unternehmen. © Fraunhofer IGCV, Icons made by Eucalyp & srip from www.flaticon.com