Dem neuen Zentrum ging das Mittelstand 4.0-Kompetenzzentrum Augsburg voraus, welches in den letzten fünf Jahren zum etablierten Ansprechpartner für die Digitalisierung im Mittelstand in Bayern geworden ist. Neben dem Mittelstand-Digital Zentrum Augsburg gehören 27 weitere Zentren zum Förderschwerpunkt Mittelstand-Digital. Die in diesem Netzwerk vorhandenen Kompetenzen ergänzen sich und stellen ein flächendeckendes Unterstützungsangebot für KMU bereit. Durch die Vernetzung der Zentren bei Mittelstand-Digital bietet jedes Zentrum eine Anlaufstelle für Unternehmen, um sämtliche Fragestellungen der Digitalisierung im Mittelstand qualifiziert beantwortet zu bekommen.
Das Mittelstand-Digital Zentrum Augsburg besitzt insbesondere die Schwerpunkte „Nachhaltigkeit“, „Digitale Strategien“, „Künstliche Intelligenz“, „Arbeit 4.0“, „Finanzen 4.0“ und „Vernetzte Produktion & Logistik“. In zielgruppengerecht aufbereiteten Angeboten wird dieses Wissen gebündelt, aufbereitet und praxisnah vermittelt. Unterschiedliche Transferleistungen bieten Unternehmen bedarfsorientierte, kostenfreie Zugänge und Wege zum „Unternehmen der Zukunft“: Von einer Factory- oder Lab-Tour, bei der Digitalisierungslösungen live erlebt werden können, über eine vertiefende Schulung zur fachlichen Weiterbildung bis hin zur Umsetzung eines langfristigen Projektes gemeinsam mit dem Zentrum.
Die primäre Zielgruppe des Zentrums Augsburg umfasst das produzierende Gewerbe, das Handwerk sowie die produktionsnahe und konsumentenorientierte Dienstleistungswirtschaft. In erster Linie werden KMU angesprochen, die aufgrund einer geringeren Mitarbeiteranzahl stärker auf externe fachliche und personelle Unterstützung angewiesen sein könnten. Ein besonderes Anliegen ist es, auch in entlegenere Regionen in Bayern vorzudringen, um sämtlichen Unternehmen – egal ob in ländlicher Umgebung oder in der Nähe zu den Standorten des Zentrums – ein unterstützender Partner zu sein.
Zur bestmöglichen Unterstützung der KMU arbeitet im Rahmen des Mittelstand-Digital Zentrums Augsburg ein Konsortium unterschiedlicher Vertreter aus Forschung und Transfer zusammen. Als Forschungspartner mit umfassendem Know-how in Bezug auf digitale Strategien und Industrie 4.0 bringt sich die Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. mit seinen beiden Instituten, dem Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV und dem Fraunhofer-Institut für integrierte Schaltungen IIS in das Projekt ein. Zudem agiert das Forschungs- und Transferinstitut des Freistaats Bayern für softwareintensive Systeme (fortiss) als Experte im Bereich von Softwarelösungen und KI, die ibi research an der Universität Regensburg GmbH für den Themenbereich Finanzen 4.0 sowie die Technische Universität München mit dem Lehrstuhl für Fördertechnik Materialfluss Logistik (fml) und dem Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) für die Bereiche Logistik, Nachhaltigkeit und Arbeit 4.0 in der Produktion. Als Schnittstelle zu den Unternehmen ist der Verband Deutscher Maschinen- und Anlagenbau e.V. mit seiner Geschäftsstelle in München (VDMA Bayern) am Zentrum beteiligt, der zugleich die Leitung des Zentrums innehat.
Die vorherigen Beiträge erläuterten die Funktionsweise von KI und stellten Anwendungsmöglichkeiten in Unternehmen vor. Jetzt geht es um den zielgerichteten Einsatz: Zum einen gilt es, Potenziale zu identifizieren und zu bewerten, zum anderen wollen KI-Projekte genau geplant und umgesetzt werden.
Potenziale & Umsetzbarkeit identifizieren
Um geeignete KI-Anwendungsfälle im eigenen Unternehmen bei einem Workshop zu identifizieren, haben sich vier Phasen bewährt: In der 1) Vorbereitung wird geklärt, wer überhaupt dabei ist. Mitglieder der Geschäftsführung und Führungskräfte sind natürlich wichtig. Unverzichtbar sind jedoch auch Mitarbeitende, die spezifische Unternehmensprozesse durch ihre alltägliche Arbeit gut kennen und die späteren Nutzende der KI-Anwendungen – ob im Unternehmen selbst oder bei Lieferanten oder Kunden. In der Vorbereitung muss bei den Beteiligten für ein gemeinsames Grundverständnis von KI gesorgt werden, um Ansätze im eigenen Unternehmen selbst identifizieren zu können.
Für die 2) Ideenfindung und -priorisierung gibt es neben dem Brainstorming viele weitere Methoden, um in der Gruppe zu guten Vorschläge zu kommen und diese zu filtern. Offenheit und Respekt vor dem Wissen und der Erfahrung der anderen Teilnehmenden ist hier elementar.
In der darauffolgenden 3) Ausarbeitung der Use Cases spielen neben quantifizierbarem Nutzen wie reduziertem Maschinenausfall auch weiche Faktoren wie der interne Kompetenzaufbau eine Rolle. Ähnlich zu einem Business Model Canvas zur Bewertung von Geschäftsmodellen kann eine strukturierte Betrachtung einzelner Aspekte wie die Datenverfügbarkeit und möglicher KI-gestützter Aktionen dabei helfen, die Anwendungsfälle konkret auszuarbeiten und übersichtlich darzustellen.
Schließlich steht die 4) Bewertung & Entscheidung der Anwendungsfälle an. Dabei muss neben Know-How zum Einrichten auch die Kompetenz beachtet werden, mit der das KI-System kontinuierlich betrieben und an verändernde Prozesse angepasst werden kann (sogenannte Machine Learning Operations, MLOps). Nach diesen Faktoren kann entweder eine Make-, Buy- oder Wait-Entscheidung (bei Anwendungen mit einer hohen Forschungs- und Entwicklungsdynamik) getroffen werden.
Da alle KI-Systeme auf bestehenden Daten basieren, ist die Datenverfügbarkeit, Datenmenge und Datenqualität zentral für die Abschätzung der Machbarkeit und des Projekterfolgs. Die Repräsentativität der verfügbaren Daten können Domänen-Expert:innen aus dem jeweiligen Unternehmensbereich am besten beurteilen. Auch rechtliche und ethische Grenzen müssen eingehalten werden, etwa bei personenbezogenen Daten und KI-Entscheidungen, die Einfluss auf Mitarbeitende haben können. Dabei hilft die „Assessment List for Trustworthy AI“ der Europäischen Kommission.
KI-Projekte erfolgreich planen und umsetzen
Mit einem Anwendungsfall, Projektbudget, Projektteam und der Intrastruktur geht es dann an die Umsetzung. Acht Phasen werden teilweise iterativ durchlaufen:
Zusätzlich ist eine gute Dokumentation der erfolgreichen und nicht erfolgreichen Projekte wertvoll, um das Vorgehen auch noch nach einiger Zeit nachvollziehen zu können und so Erkenntnisse für zukünftige KI-Projekte zu nutzen.
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)
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?
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:
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:
© 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)
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 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 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 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.
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