Seite auswählen
Künstliche Intelligenz – nur was für die Großen?

    AI-ENTERPRISE
    Tilman Walch
7 Min. Lesezeit
26.03.2018

Deutsche Manager im Mittelstand nehmen Bezug auf den Einsatz von KI

Grafik von Sales Force Research

Viele Großkonzerne bauen seit geraumer Zeit interne Kompetenzen in den Bereichen Data Science und Künstliche Intelligenz (KI) auf. KI-Leader sind bei richtiger Anwendung in der Lage, ganze Industrien zu transformieren. Darüber hinaus verschaffen sich sogenannte “Data Driven Organisation” mittelfristig einen entscheidenden Wettbewerbsvorteil.
Vermehrt ertönen Stimmen wie “KI ist nur etwas für Großkonzerne” oder “wir bräuchten riesige Datenmengen, um die KI ausreichend zu trainieren”. Wir sagen: Stimmt nicht! Wieso, lesen Sie hier.

Um langfristig international konkurrenzfähig zu bleiben, ist eine technologische Unternehmensausrichtung, hin zur Data Driven- oder gar AI-first Company, für die erfolgreiche unternehmerische Zukunft von hoher Bedeutung.

99 Prozent der deutschen Unternehmen fallen unter die Kategorie des Mittelstands. Der Weg hin zur “Data Driven Company” ist auch und gerade in diesem Segment ratsam, denn “Hidden Champions” und gehobene Mittelstandsunternehmen können entschieden von der Zukunftstechnologie „Künstliche Intelligenz“ profitieren. Aufgaben von Spezialisten, welcher der mittelständische Unternehmer früher teuer bezahlen musste, kann heute eine KI erledigen.
Komplexe Prozesse, welche viele Mitarbeiter und unterschiedlichste Kompetenzen erfordern würden, können durch selbstlernende Systeme unterstützt werden. Das mittelständische Unternehmen kann somit Projekte innerhalb eines erschwinglichen Budgetrahmens umsetzen, welche in der Vergangenheit schlichtweg zu ambitioniert waren.

Erkenntnisse aus der ‚State of IT’ Studie (Salesforce Research) zeigen dahingehend bereits positive Frühindikatoren: Wird KI doch vornehmlich mit den Tech-Konzernen Google, Facebook und Amazon assoziiert und die USA als Mekka der KI deklariert, so ist der deutsche Mittelstand den Amerikanern dicht auf den Fersen. 60 Prozent der deutschen Manager erklären dabei, dass KI bis 2020 einen wichtigen Einfluss auf die Transformation ihres Unternehmens haben wird. 59 Prozent der deutschen IT-Führungskräfte gibt an, dass in ihren Unternehmen bereits KI-Systeme eingesetzt werden – in den USA sind es gerade einmal zwei Prozent mehr (61 Prozent).

Lesen Sie im Folgenden, wie KI & Data Science mittelständischen Unternehmen mehr Zeit verschafft und gleichzeitig einen höheren Umsatz generiert.

KI in Verbindung mit dem Internet of Things (IoT)
Rund fünfzig Prozent der Maschinenwartungen scheitern, weil das richtige Serviceteil zum benötigten Zeitpunkt nicht zur Verfügung steht. Die Smart Factory der Zukunft schafft Abhilfe: Maschinen sind miteinander vernetzt, der Fertigungsprozess wird mit Hilfe von Sensoren rund um die Uhr überwacht. Abläufe optimieren sich selbst. Die Supply-Chain richtet sich vollkommen automatisiert auf den Fertigungsprozesse aus. Dies führt zur Eliminierung von Ausfallzeiten, Kostenersparnis, Erhöhung der Produktionsgeschwindigkeit und letztendlich zu einem zufriedenen Kunden. Bestehende Maschinen müssen dabei oftmals nicht ersetzt werden – sie werden stattdessen mit der multifunktionalen IoT-Sensorik nachgerüstet.

“Künstliche Intelligenz wird im Laufe der nächsten Jahrzehnts keine Manager ersetzen – Manager die KI nutzen, werden jedoch jene ersetzen, die das nicht tun.” 
Harvard Business Review, 2017

Die Funktionsweise hinter Predictive Maintance
Grafik von Roland Berger

Eine Hauptrolle im Industrie 4.0 Szenario spielt dabei Predictive Maintenance. Anders als bei klassischen KI’s, die meist eine große Menge an Trainingsdaten erfordern (vornehmlich aus der Daten-Historie), werden bei Predictive Maintenance Informationen in Echtzeit verwendet, um künstlich intelligente Vorhersagen zu treffen. Dabei hilft die sofortige, zentrierte Analyse der vorher erhobenen Maschinen- und Sensor-Daten, um Fehler bzw. notwendige Wartungsvorgänge an der Maschine selbst, der Einstellung oder dem Fertigungsprozess zu antizipieren. Große Datensätze aus der Vergangenheit werden bei diesem Ansatz demnach vorerst nicht benötigt. Anders als bei klassischen Machine Learning Algorithmen kann bei Predictive Maintenance das Automatisierungspotenzial bereits nach der Implementierungsphase nahezu vollständig ausgeschöpft werden. Die Datenaggregation in Echtzeit offeriert außerdem den Vorteil, mittelfristig einen großen „Datenschatz“ anzuhäufen, der bereits annotierte Informationen erhält und fortlaufend mit Echtzeit-Daten kombiniert werden kann. Machine Learning Algorithmen machen es demnach langfristig möglich, das Automatisierungslevel innerhalb der Smart Factory entschieden zu erhöhen.
Anders als bei genetischen Daten gewährt der Gesetzgeber beim Umgang mit den erhobenen Daten im Bereich Machine to Machine größere Freiheiten. Die europaweite Datenschutz-Grundverordnung (EU-DSGVO) betrifft primär personenbezogene Informationen. Daten aus Sensoren, Maschinen oder IoT-Plattformen sind (vorerst) nicht direkt von der vieldiskutierten EU-Verordnung betroffen, solange keine genetischen Messwerte inbegriffen sind.

Letztendlich kommt die Investition in den Bau einer intelligenten Fabrik den Herstellern zugute, indem sie eine sicherere und zuverlässigere Produktionsstätte schaffen. Die technolgischen Anforderungen an die verarbeitende Industrie werden sich aufgrund des Trends zu mehr On-Demand-Produktionen und dem ständigen Bestreben nach Kostenreduktion weiter steigern. Die Smart Factory ist ein erfolgsversprechender Weg für Hersteller, sich in einem wettbewerbsorientierten und dynamischen Marktumfeld strategisch zu positionieren.

„Nahezu jeder Aspekt des Lernens oder jedes andere Merkmal der Intelligenz kann prinzipiell so genau beschrieben werden, dass man eine Maschine bauen kann, um es zu simulieren.“

Predictive Analytics & Machine Learning im Suppy-Chain-Management
Die Fähigkeit, Daten zur Prognose zukünftiger Aktivitäten zu nutzen, ermöglicht rationale Entscheidungen in Echtzeit und Vorhersagen bezogen auf Strategie und Performance.
Eine effiziente Prognose, welche die zukünftige Nachfrage nach Produkten oder gar Fertigungsteilen auf der Grundlage vergangener Ereignisse und aktueller Trends prognostiziert, ist eine Schlüsselkomponente für den Erfolg des Kundenservices. Mit einem genauen Bild der Nachfrage können Hersteller den Service nach dem ersten Verkauf eines Produkts verbessern, ohne die Kosten erhöhen zu müssen.

Zukunftstechnologien wie maschinelles Lernen kombiniert mit Cloud-basiertes Bestandsmanagement reduzieren Überbestände und ermöglichen es den jeweiligen Logistikzentren, miteinander zu kommunizieren. Passé ist die klassische Silo-Denkweiße, in der Lagerhallen als separierte Instanzen galten. 

Die Resultate sind ideale Bestände bei Serviceteile, hohe Produktverfügbarkeiten bei minimalem Risiko und ein zufriedener Kunde. Intelligente Hilfsmittel für die Erstellung von konkreten Plänen sind in der heutigen Geschäftswelt unabdingbar. Bei korrekter Anwendung durch SCM-Werkzeuge kann Machine Learning die Agilität und Optimierung der Entscheidungsfindung innerhalb der Supply Chain revolutionieren. Durch den Einsatz dieser Technologie werden SCM-Experten bestmögliche Szenarien auf der Grundlage intelligenter Algorithmen und der automatisierten Analysen großer Datensätze liefern. Dies kann die Lieferung von Gütern optimieren und gleichzeitig Angebot und Nachfrage ausbalancieren. Dabei ist keine menschliche Analyse erforderlich, sondern vielmehr die Entwicklung von Maßnahmen anhand der jeweiligen Erfolgsparameter.

KI im Sales & Marketing
Verkaufsteams brauchen tragfähige Daten. Eine KI ist das geeignete Werkzeug um dabei zu helfen, diese schnell & effizient zugänglich zu machen. In vielen CRMs und Marketing-Automation-Systemen wird KI implementiert, um möglichst viele Kundendaten automatisiert aufzubereiten. Den entscheidenden Mehrwert bringt die KI allerdings im Bereich Personalisierung. Marketing-Maßnahmen gibt es viele – doch welche davon ist beim individuellen Kunden tatsächlich wirksam?

Egal ob B2B oder B2C – letztendlich geht es im Vertrieb um “People to People” – ergo mit dem Kunde auf persönlicher Ebene zu sympathisieren. Eine KI kann dabei helfen, diese persönlichen Verbindungen zu stärken, indem sie den Verkaufsteams die Informationen liefert, welche sie im Gespräch gewinnbringend unterstützen. Fortlaufend kann mit Hilfe von Machine Learning abgeglichen werden, ob der Lead bereits bestehenden Kunden ähnelt respektive in ein ebenmäßiges Raster fällt. Oftmals spielen demographische, emotionale und persönliche Faktoren dabei die Hauptrolle. Marketing-Maßnahmen können anschließend vollautomatisiert, personalisiert und treffsicher auf die jeweiligen Kundengruppen angewandt werden. Das Marketingbudget muss somit nicht mehr auf eine zentrierte Zielgruppe gestreut werden. Stattdessen entstehen dezentralisierte “Micro-Zielgruppen”, welche deutlich filigraner targetiert, und mit entsprechend wirksamen Maßnahmen zum Abschluss bewegt werden. Das klassische A/B-Testing bekommt eine völlig neue Bedeutung.

Der Einsatz von KI im Vertrieb und Marketing spart demnach nicht nur Kosten und Ressourcen, sondern verbessert den Prozessfluss sowie den Informationsgehalt. Neben den gezeigten Beispielen, weisen interne Prozesse wie im IT-Support oder allgemeinen Servicedesk-Anfragen ein ähnlich hohes Maß an Automatisierungspotenzial.

Trainingsdaten sind wichtig, jedoch nicht immer notwendig
Die Praxisbeispiele haben gezeigt: Die richtige Datenaggregation in Echtzeit kann vorerst ausreichen, um intelligente Systeme in unterschiedlichsten Prozessen zu implementieren. Des Weiteren dienen die vorhandenen Unternehmensdatenbanken oftmals als grundsolide Basis, um KI zu implementieren. Die vorhandenen Daten können mit verschiedensten Quellen wie beispielsweise dem Internet, Marktforschungen, Sensoren oder anderen Informationen bereichert werden.

Kosten-Nutzen-Faktor: KI muss nicht teuer sein
Die Rolle der selbstlernenden Systeme in Unternehmen ist klar: Während lästige Prozesse durch schnelle, fehlerfreie KI-Vorgänge automatisiert werden, kann sich der jeweilige Mitarbeiter den gehaltvolleren Aufgaben widmen. Im Bereich Industrie 4.0 ist eine entschiedene Kostendegression nicht von der Hand zu weißen, jedoch auch in anderen Unternehmensbereichen kann durch den Einsatz von KI bares Geld und wertvolle Zeit gespart werden. Neue KI-Projekte sind stets als iterative Entwicklungsphasen zu betrachten und einer ausführlichen Erfolgskontrolle sowie einem klaren Qualitätsmanagement zu unterziehen. Jedes Unternehmen ist ein wertvolles Individuum. Dabei ist es ratsam mit Prototypen zu beginnen, um vollständige Transparenz bei minimalem Risiko zu gewährleisten. Kreativworkshops können außerdem die nötigen Ideen für KI-gestützte Prozesse liefern.

Hindernisse beim Aufbau von KI-Lösungen
Künstliche Intelligenz und die Bereitstellung der nötigen Datengrundlage bringt für die meisten Unternehmen Veränderung.
Die häufigsten drei Herausforderungen sind:

  • Wo starten?
    Es gibt einen großen Hype rund um das Thema KI. Dies führt zu hohen Erwartungen. In einigen Fällen wird der Wert, den die KI einem Unternehmen bringen kann, nur unzureichend verstanden, was wiederum zu Untätigkeit oder vorsichtigem Beobachten führt. Wertvolle First-Mover Vorteile gehen verloren.

  • Der Aufbau von KI erfordert neue Unternehmenskompetenzen
    KI erfordert die Interoperabilität von Softwarekomponenten mit neuer, spezifischer Hardware (GPUs), das Annotieren von bestehenden Daten sowie der Anreicherung von Informationen in Echtzeit. Dieser aufwendige Prozess sollte im Idealfall außerdem an einem zentralisierten Punkt im Unternehmen stattfinden.
    Darüber hinaus sind Deep-Learning-Methoden eine radikale Abkehr von traditionellen statistischen Techniken, welche selbst fortgeschrittene IT-Organisationen herausfordern. 
  • KI als Teil der Unternehmens- und Mitarbeiterkultur
    Die Auswirkungen der KI-Implementierung auf das Unternehmen können von großer Tragweite sein. Prozesse lassen sich möglicherweise vollständig automatisieren und Modelle übernehmen Aufgaben für den Menschen. Dies löst erfahrungsgemäß vorerst Sorge unter den Mitarbeitern aus. Beim Roll-out der KI-Strategie ist demnach Bedacht und Feingefühl gefragt.

Nutzen Sie die außergewöhnliche Chance für Ihr Unternehmen!
Wir unterstützen Sie auf dem Weg zum Data-Champion.

 Immer Up-to-date: Newsletter

Nutzen Sie unseren Service, um tiefer in eines der spannendsten Themen unserer Zeit einzutauchen! Mit unserem wöchentlichen Newsletter informieren wir Sie über die aktuellen Geschehnisse rund um das Themenfeld Künstliche Intelligenz.

Künstliche Intelligenz - nur was für die Großen?

Was sind erste Schritte für die Implementierung von KI in meinem Unternehmen?
Erhalten Sie 10 Schritte zu Ihrem erfolgreichem KI-Start.

Mit der Registrierung akzeptieren Sie unsere Datenschutzerklärung (https://boot.ai/impressum)

Danke! Die Checkliste erhalten Sie per E-Mail.