Die Geheimnisse der KI aus der Theorie in praktischen Nutzen überführen

Künstliche Intelligenz ist das Schlagwort der Stunde. Bei aller Faszination, die diese Technologie auf uns ausübt, geht ganz vergessen, dass sie letztlich knallharten kommerziellen Nutzen bringen muss, will sie sich im Business durchsetzen. Dieser Nutzen liegt in der Enterprise Intelligence.
Was ist darunter zu verstehen?

Die Implementierung der KI-Technologie lässt sich in drei Phasen unterteilen. In der ersten Phase geht es um die Reife der KI-Technologie, Wirkung zu erzielen, die über dem durchschnittlichen menschlichen Niveau in vielen Bereichen liegt. In der zweiten Phase werden die Unternehmen die KI als notwendige Ressource wie Rechenpower und Strom nutzen. In der dritten Phase wird sich die allgemeine KI direkt auf den Alltag der Menschen auswirken, ähnlich der Science Fiction, die wir aus Filmen und Fernsehsendungen kennen.

Gegenwärtig befindet sich die KI in der kritischen Phase des Übergangs zwischen der ersten und der zweiten Phase. Damit dieser Übergang gelingen kann, ist es notwendig, sich darüber im Klaren zu werden, wie die durch maschinelles Lernen und neuronale Netze angetriebene KI-Technologie gewohnte Prozesse aufbricht und neue ermöglicht. KI-Technologien wie NLP, Sprachinteraktion, maschinelles Leseverständnis, Machine Vision und Machine Sensing verändern die Beziehung zwischen Mensch und Maschine. Fingerbefehle sind eindeutig nicht die einzige Möglichkeit für Menschen, mit Maschinen zu interagieren. Es ist heute üblich, dass Menschen mit Stimme oder Hand- und Körpergesten Eingabekommandos an Maschinen übermitteln.

KI kann dazu verwendet werden, Unternehmensdaten nach ansonsten verborgenen Trends zu durchsuchen. Durch die Optimierung der Datenstrukturen und den Einsatz von Algorithmen zur intelligenten Berechnung von effizienteren Produktionsmodellen wird der Unternehmensbetrieb von manuellen, erfahrungsbasierten Einschätzungen zu deduzierten Schlussfolgerungen auf der Basis realer Daten umgestellt. Die künstliche Intelligenz wird zu einer unternehmensweiten Smartness, eben der Enterprise Intelligence.

Herausforderungen KI-basierter Transformation

Der Nutzen ist unbestritten. Gleichwohl ist der Weg von der theoretischen Forschung zur kommerziellen Nutzung lang und steinig. Folgende Herausforderungen sind zu meistern:

Imbalance zwischen Angebot und Nachfrage: Die von den existierenden Technologieanbietern bereitgestellten technischen Lösungen sind für Unternehmen im Einsatz zwar sehr anspruchsvoll, erfüllen aber noch nicht die tatsächlichen Bedürfnisse ihrer Kunden. Derzeit verfügbare Modelle des maschinellen Lernens sind, gemessen am Output, noch zu aufwändig und teuer.

Talent Lücke: Noch hat es viel zu wenig erfahrene Spezialisten, um die Nachfrage aus der Praxis decken zu können. Es fehlt an Experten, die KI wirklich verstehen, geschweige denn in der Lage sind, KI-Projekte auf- und umzusetzen.

Kosten: Wenn ein Unternehmen heute eine KI-basierte Transformation in Angriff nehmen will, muss es sämtliche Kosten tragen, einschliesslich Rechenressourcen, Datenbeschaffung, Talent- und Teamaufwendungen wie auch Ausrüstungsausgaben. Die daraus entstehenden Insellösungen entfalten zu wenig Breitenwirksamkeit, um wie andere technologische Disruptionen ganze Branchen umzukrempeln.

Angesichts dessen, dass viele Unternehmen vor diesem Hintergrund zögern, hat sich die Dynamik in der Entwicklung von KI-Projekten verlangsamt. Die Lösung dieses Dilemmas besteht darin, die vielen einzelnen Künstliche-Intelligenz-Techniken zusammenzufassen und integriert in komplexen Enterprise-Szenarien anzuwenden. Damit können schlussendlich auch weit komplexere Wertschöpfungsketten abgebildet werden, so dass KI nicht nur punktuell, sondern Output-getrieben Mehrwert stiften kann.

Enterprise Intelligence – aufeinander aufbauende Layer von KI

Simplizistische KI-Anwendungen treffen weder die Bedürfnisse von Unternehmen noch von deren Kunden. Demzufolge wird die Intelligence – im Sinne des Mehrwerts, den ein Unternehmen aus der Anwendung von selbstlernenden Algorithmen auf seine Daten ziehen kann – erst dann gesteigert, wenn KI Ende zu Ende implementiert wird.

Folgende Layer sind dafür vonnöten:

  • Grundlegende Plattformdienste: u.a. Plattformen des maschinellen Lernens und der Graph-Analyse, sowie KI-, Trainings-, Logik- und Indexierungsplattformen
  • Allgemeine KI-Dienste: u. a. API-Dienste wie beispielsweise optische Erkennung und Spracherkennung.
  • Eingebettete Lösungen: KI entfaltet grössere Wirksamkeit, wenn es mit Cloud-Computing- und Big-Data-Technologien integriert wird
    Industriespezifische Lösungen: Verschiedene Industrien haben verschiedene Anforderungen an KI; diese gilt es zu berücksichtigen.

Erste Anwendungsszenarien von Enterprise Intelligence für die Optimierung von Ende-zu-Ende-Prozessen in der Logistik oder der Verpackung existieren bereits. In der Logistik und digitalen Lagerhaltung kann KI etwa genutzt werden, um maschinelle Lernmodelle mit den historischen Sendungsdaten und den grundlegenden Zähl- und Verpackungsregeln zu trainieren. Auf diese Weise ist das System in der Lage, die Bestellkommissionierung ebenso zu optimieren wie die Lade- und Entladeprozesse. Damit wiederum kann die Anzahl gemischter Bestellungen substanziell erhöht werden. Gleichzeitig verkürzt KI auch Erkennungs- und Identifizierungszeiten und verbessert so die Effizienz resp. beschleunigt unter dem Strich die digitale Transformation einer traditionellen Logistikkette. Enterprise Intelligence setzt man zudem bereits bei intelligenten Verpackungslösungen ein. Die Lösung ermöglicht beispielsweise die 3D-Ansicht eines jeden Containers, wodurch sich die Effizienz der gesamten Containerbelegung spürbar verbessern lässt. Durch den Einsatz von Enterprise Intelligence verbessert sich auch die Effizienz der Warenlagerung, da neue Lösungen zur Kategorisierung und Lagerung von Gütern geschaffen werden können.

Interessant wird Enterprise Intelligence somit für Unternehmen, wenn KI-basierte Lösungen einer ganzen Branche Zugang zu den Vorteilen von wirklich intelligenten Anwendungen bieten.

Autor: Roland von Arx ist Vice President Sales & Senior Advisor bei Huawei Schweiz

%d Bloggern gefällt das: