Schnellauswahl

Künstliche Intelligenz – Viel mehr als ein Buzzword

(c) Getty Images (gremlin)
  • Drucken

Warum es sinnvoll ist, einen KI-basierten Produktivitätsindex zu definieren, der der Rechtfertigung der KI-Anwendbarkeit und deren Wertschöpfungspotenziale dient. Ein Gastkommentar von Wilfried Sihn, Geschäftsführer der Fraunhofer Austria Research GmbH.

In der jüngsten Vergangenheit wird künstliche Intelligenz (KI) oft als eine Enabling-Technologie diskutiert, die menschliche, körperliche und kognitive Fähigkeiten reproduziert und imitiert. In der Praxis der Fertigungs- und Logistiksysteme hat die KI drei große Herausforderungen zu bewältigen:

1. Der Beitrag von KI zu wertorientierten KPIs ist nach wie vor zu rechtfertigen, insbesondere in allen Bereichen der führenden Industrien, KMUs und innovationsorientierten Unternehmen.
a. Steigert der Einsatz von KI-Systemen und -Technologien auch die Produktivität?
b. Sind die erforderlichen technologischen und nicht-technologischen Investitionen für KI-Systeme im Hinblick auf die Steigerung der Produktivität tragbar?

2. Die KI ist keine eigenständige Enabling-Technologie. Die Anwendbarkeit und Finanzierbarkeit der KI sollte im Hinblick auf ihr Zusammenwirken und ihre Integration mit den neuesten Technologien und darüber hinaus auf gesellschaftliche und ethische Aspekte bewertet werden, insbesondere, wenn die KI mit der menschlichen Arbeitskraft interagiert oder die menschlichen Ressourcen ersetzen soll.
a. Was sind die Änderungsmanagement- und Führungsstrategien in Bezug auf KI-Implementierungen in Lead-Industrien und KMU?
b. Was ist die „KI-Kultur“?
c. Vernachlässigt die Ironie der KI den Wert der Kreativität und Innovation des Menschen?

3. Der Erfolg der KI hängt nicht nur von der Verfügbarkeit ab, sondern auch von der Qualität, Konsistenz, Validität und Vollständigkeit der Daten.
a. Erreichen führende Industrien und KMU einen bestimmten Reifegrad, um Probleme des Datenqualitätsmanagements zu überwinden, insbesondere im Hinblick auf Sensorkalibrierungen und die Verarbeitung unstrukturierter Daten?
b. Legen sie interne KI-Kompetenzen, Umsetzungsstrategien und Roadmaps fest?

KI ist meiner Meinung nach ein Enabler, wenn und nur wenn ihre Umsetzung zur Produktivität beiträgt und sie in Bezug auf „wirtschaftliche Faktoren“ vertretbar ist. .

Wilfried Sihn, Geschäftsführer der Fraunhofer Austria Research GmbH

Müssen beispielsweise die gesamten Montagelinien in der Automobilindustrie und in den Karosseriewerken robotisiert werden? Die menschliche Arbeitskraft könnte mithilfe digitaler Technologien die erforderliche Flexibilität bei der Montage in Massenproduktionen liefern und Qualitäts-, Zeit- und Kostenkriterien positiv beeinflussen. Um diese Herausforderung zu bewältigen, müssen wir weitere wirtschaftlich vertretbare Anwendungsbereiche erforschen, in denen KI einen Mehrwert generiert. Wir benötigen systematische Ansätze und Instrumente, um unsere Erkenntnisse über operative und strategische KPIs zu vertiefen, um Potenziale identifizieren und Roadmaps für die Umsetzung von KI erstellen zu können. Meiner Meinung nach wäre es sinnvoll, einen KI-basierten Produktivitätsindex zu definieren, der der Rechtfertigung der KI-Anwendbarkeit und deren Wertschöpfungspotenziale dient.

Die menschliche Arbeitskraft sollte nicht nur geschult werden, wie man z. B. mit kollaborativen Robotern unter Sicherheitsbedingungen interagiert, sondern auch das Bewusstsein für die Robotik und Implementierung von KI-Systemen und -Technologien muss beim Personal, einschließlich Verwaltungen, Bedienern, Ingenieuren und Managern, geschärft werden. Es wird immer wichtiger, dass der größte Teil der „Today‘s Tasks“ in den nächsten fünf bis acht Jahren automatisiert wird, wobei die Arbeitsteilung von Mensch zu Maschine geändert wird. So werden „neue Aufgaben“ für die „Human Workforce“ entstehen (neben „Roboteraufgaben für Roboter“). Aus diesem Grund wird in Zukunft der Bedarf an „Industrial Data Scientifics“ und „Industrial AI Experts“ steigern. Nicht zu vergessen, dass noch immer die menschliche Arbeitskraft im Vergleich zur KI in den Bereichen „Kreativität“ und „Innovativem Denken“ überlegen ist. Meiner Meinung nach sollten sich führende Unternehmen und KMU nicht nur darum bemühen, ihre Positionen in Bezug auf KI zu definieren, sondern auch eine KI-Kultur zu etablieren, in der Produktivität und wirtschaftliche Faktoren auf menschenspezifische Wertschöpfungsfaktoren, insbesondere Out-of-the-box und kritisches Denken, Innovation und Handeln treffen.

In realen Industrieprojekten ist die Datenqualität die zweifellos größte Hürde und wird auch weiterhin die größte Hürde für den Erfolg der KI sein.

Führende Unternehmen und KMU sollten mehr in das „Data Quality Management“ investieren, insbesondere in die „Sensorkalibrierungen“ sowie in die Verarbeitung unstrukturierter Daten. Ersteres hilft, Geräusche und Fehler zu filtern, und letzteres vermeidet das Dilemma von „Speichern und Vergessen“, bei dem wir einen Bericht schreiben, ihn für immer in einem Archiv speichern und nach einer Weile vergessen. Die KI selbst kann uns dabei unterstützen, die Datenqualität durch die Implementierung von „intelligenten Filtern“ und „Anomaliedetektoren“ in Datenströmen zu erhöhen und aus unstrukturierten Daten Wissen zu erlangen und zu visualisieren, beispielsweise durch „Automated Text-Mining“, „Word Association Mapping“ und „Sentiment Analysis“.

Zusammenfassend lässt sich sagen, dass die KI eine Enabling-Technologie für Fertigungs- und logistische Supply-Chain-Systeme ist. Die KI ist auch eine Katalyse, wenn sie mit mehreren anderen Enabler- Technologien kombiniert wird, wie beispielsweise additive Fertigung, agile und biobasierte Fertigung, kollaborative Robotik, Smart Mobility und Blockchain. In beiden Fällen, KI als Enabler oder Katalysator, müssen wir drei Aspekte berücksichtigen: die wirtschaftlich tragbare Wertschöpfung, das Kultur- und Change-Management und die Verbesserung der Datenqualität.