Was Algorithmen heute leisten und wie Unternehmen Struktur ins Wirrwarr der Optionen bringen.

Es vergeht inzwischen kaum ein Tag, an dem nicht ein Bericht über eine neue Anwendung mit Künstlicher Intelligenz erscheint. Aber je mehr Lösungen sich auf dem Markt tummeln, umso schwieriger wird es, sich zu orientieren und vielversprechende Ansätze herauszupicken. Der Software-Hersteller proAlpha gibt Tipps, wie ein einfaches Raster hier für Klarheit sorgen kann.
 
KI ist von jeher ein weites Feld. Ein System, das an die vielfältigen intellektuellen Fähigkeiten des Menschen heranreicht, gibt es noch bei weitem nicht - was heutige KI's auszeichnet, ist die Konzeption und Optimierung für ein ganz spezielles Anwendungsszenario. Wer für sein Unternehmen nach nutzbringenden Use Cases Ausschau hält, sollte daher bedenken: „Was soll oder kann eine KI für uns tun?“  

Beurteilen: Beschreiben, was ist

Algorithmen können inzwischen Sachverhalte sehr genau erkennen und wiedergeben. Ein typisches Beispiel dafür ist die Interpretation von Eingangsrechnungen zur weiteren Verbuchung. Auch das Aufspüren von Anomalien in großen Datenmengen aus der Produktion fällt in diesen Bereich. Verfahren für Maschinelles Lernen ermöglichen viel früher zu beurteilen, ob sich Maschinenzustände kritischen Werten nähern – um rechtzeitig gegenzusteuern.

Methoden der Bilderkennung gehören ebenfalls dazu. Übernimmt Kollege Computer die Sichtprüfung von Bauteilen, entlastet dies Fachkräfte und hebt gleichzeitig die Qualität: Fehlerhafte Teile werden dadurch erst gar nicht verbaut, mangelhafte Produkte gelangen nicht in den Verkauf.

Schlussfolgern: Erkennen, was wird

Auch die Analyse von Daten erledigen immer häufiger Algorithmen. Ihr Einsatz in Modellen für Voraussagen oder Empfehlungen geht inzwischen weit über den Klassiker Predictive Maintenance hinaus. Mit Hilfe einer KI lassen sich durchaus Absatzzahlen prognostizieren und der Einkauf von Langläufern und preissensitiven Materialien besser steuern; in Zeiten gebeutelter Supply Chains ein großes Plus.

Im Bereich der Produktionsqualität ist ebenfalls schon vieles möglich. So kann eine KI Berge von Sensordaten in Echtzeit auswerten und diese mit Resultaten der Qualitätskontrolle in Beziehung setzen. Aus dem laufenden Betrieb heraus werden so nicht nur Produktfehler schneller erkannt und Ausschuss limitiert, es können außerdem wertvolle Empfehlungen für die Betriebsparameter von Anlagen und Maschinen generiert werden.
 
Praxiserfahrungen gibt es zudem bereits mit KI-gestützten Anwendungen zur Lageroptimierung oder intelligentem Wissensmanagement. Unternehmen können ihren Servicemitarbeiter*innen schnell und einfach relevantes Wissen kontextsensitiv zur Verfügung stellen. 

Agieren: Tun, was nötig ist

Auf einer dritten Ebene interagieren die smarten Systeme mit ihrer Umwelt, lernen aus den Ergebnissen ihrer Aktionen und können daraus ableiten, was künftig zu tun ist, um das vorgegebene Ziel zu erreichen. Der berühmte Fall von AlphaGo fällt in diese Kategorie. Das selbstlernende Programm machte 2016 Schlagzeilen, als es erstmals menschliche Champions im chinesischen Brettspiel Go schlug.

Heute finden sich im Unternehmensalltag immer mehr Einsatzbereiche: etwa, wenn Roboterarme lernen, bisher unbekannte Objekte zu greifen, ohne sie zu beschädigen oder fallen zu lassen. Weiter verbreitete Use Cases dieser Kategorie sind außerdem das Autonome Fahren und Chatbots.

Auch auf dem Gebiet der ERP-Entwicklung ist im Bereich Sprachsteuerung und intelligenter Assistenten viel in Bewegung. Das ist aber nur der erste Schritt: ERP-Systeme werden in den kommenden Jahren immer stärker mit KI-Technologien angereicht werden – sei es direkt oder durch die Integration mit entsprechenden Plattformen.

KI wird immer stärker in Kernprozessen verankert, bis hin zu vollautomatisierten Prozessen. Die Experten des Branchenverbandes Bitkom sehen Künstliche Intelligenz als Schlüsseltechnologie mit hohem disruptivem Potenzial für alle Wirtschaftszweige. Unternehmen sind daher gut beraten, möglichst frühzeitig Erfahrungen zu sammeln.