Die Begriffe „Artificial Intelligence“ (AI) und „Machine Learning“ (ML) haben, bezogen auf ihre aktuelle Verwendungshäufigkeit, längst den Status von „Buzzwords“ erreicht. So häufig die Verwendung der Begriffe ist, so vielfältig sind die Interpretationen. Entsprechend bietet es sich an im Folgenden zunächst ein gemeinsames Verständnis zu etablieren:

  • Artificial Intelligence (AI): Unter AI, bzw. auf Deutsch „künstliche Intelligenz“ (KI), versteht man Intelligenz die von nicht lebendigen Objekten, d.h. Maschinen, ausgeht, welche mit umfassender analytischer Leistungskraft ausgerüstet sind. Diese Leistungskraft resultiert in verschiedenen – typischerweise menschlichen – Fähigkeiten wie Wahrnehmung, Lernfähigkeit, Argumentation, Planung und Herleitung von Entscheidungen. Je nachdem, ob diese Fähigkeiten lediglich in einem bestimmten Kontext funktionieren oder sich auch auf einen neuen Kontext einstellen können, wird zwischen schwachen- bzw. starken AI Systemen differenziert.
  • Machine Learning (ML): Im Rahmen von ML befähigt man Computer zum Lernen ohne vorher explizit auf bestimmte Details programmiert zu sein. Dabei erkennt ein Computer in den zur Verfügung gestellten Daten selbstständig Muster und Gesetzmäßigkeiten. Nach Abschluss der Lernphase werden die gemachten Erfahrung verallgemeinert, d.h. in Wissen umgewandelt, welches dann als Transfer auf neue Datensätze angewendet werden kann. Entsprechend wichtig ist ML zur Realisierung von Artificial Intelligence, denn in seiner Essenz ist Intelligenz nichts anderes als Lernen. So wie Menschen lernen zu kommunizieren, bestimmte Muster (beispielsweise in Form von Grammatik) zu erkennen oder die Regeln beim Autofahren zu berücksichtigen, können Maschinen darin geschult werden, um dann die damit verbundenen Aufgaben selbstständig zu übernehmen. Da AI Systeme somit i.d.R. auf ML basieren findet man häufig eine synonyme Verwendung der beiden Begriffe. Hier verstehen wir ML vor allem als notwendige Voraussetzung für AI.

Das AI Prinzip ist dabei nichts Neues und die ersten theoretischen Konzepte sind bereits mehrere Jahrzehnte alt. Allerdings bestehen erst jetzt mit ausreichender Hardwareleistung die technischen Voraussetzungen das Thema in einem industriellen Umfang zu nutzen und so vor allem durch Automation Leistungssteigerungen zu erzielen. Wie in Abbildung 1 gezeigt, handelt es sich bei Artificial Intelligence Lösungen daher häufig um ein Zusammenspiel aus Big Data, auf Artificial Intelligence basierenden Algorithmen sowie der dazu notwendigen hoch performanten Hardware.

Abbildung 1: Artificial Intelligence Lösungen als Zusammenspiel drei zentraler Komponenten

Durch die Möglichkeit die AI-Prinzipien auf unterschiedlichste Kontexte übertragen zu können ergibt sich eine nahezu unendliche Vielfalt an Anwendungsoptionen. Bereits heute sind gut geschulte AI-System nicht nur in der Lage bestimmte Aufgaben auf menschlichem Niveau zu absolvieren, sondern diese auch schneller und ausdauernder auszuführen. In spezifischen Anwendungsfeldern führt die Leistungsfähigkeit von Computern bei komplexen Daten sogar dazu, dass die maschinelle- die menschliche Leistung übertrifft. Als Beispiel sei hier die bessere Erkennung von Hautkrebs durch Computer genannt.

Die hohen Potentialerwartungen im industriellen Umfeld basieren maßgeblich darauf, dass sich durch die zunehmende Verbreitung von miteinander vernetzten Objekten durch das Internet of Things (IoT) ideale Voraussetzungen für AI Anwendungen ergeben. Die im Rahmen von IoT generierten hohen Datenvolumina lassen sich mittels AI zu konkreten mehrwertschaffenden Anwendungen wie etwa Predictive Maintenance kombinieren.

Die beeindruckende Leistungsfähigkeit solcher AI Anwendungen regen – nicht zuletzt durch den Beitrag zahlreicher Hollywood Verfilmungen – zur Phantasie der damit verbundenen Chancen und Risiken an. Das Szenario in dem intelligente Roboter Menschen vollständig obsolet machen wird aber wohl noch auf unbestimmte Zeit Fiktion bleiben. In Bezug auf die Zusammenarbeit zwischen Mensch und Maschine dient AI vielmehr als unterstützender Wegbereiter für nachhaltige Leistungssteigerungen. Entsprechend ändern sich die Prozesse und die Rollen der Menschen, nicht aber ihre grundsätzliche Relevanz. Folgende Abbildung zeigt drei Beispiele für AI-Anwendungen die Menschen gezielt im Alltag unterstützen:

Abbildung 2: Artificial Intelligence Anwendungsbeispiele

 

Trotz des mit diesem Themenkomplex verknüpften Potentials ist AI definitiv kein Allheilmittel für jegliche geschäftliche Herausforderung. Unsere Erfahrung zeigt, dass hier der konkrete Anwendungsnutzen systematisch hergeleitet werden sollte. Wie in Abbildung 3 dargestellt, eignet sich dazu folgendes Vorgehen:

Abbildung 3: Vorgehensrahmen zur Identifikation und Integration von Artificial Intellgence Lösungen

Im in Abbildung 3 illustrierten Vorgehen, sind insbesondere die Schritte 1 und 5 besonders wichtig für den Erfolg von Artificial Intelligence Lösungen. Die Näherung an AI muss über konkrete Herausforderungen und Probleme erfolgen. Die pauschale Frage „wofür können wir AI verwenden?“ ist dabei zu grob und wenig zielführend.

Genauso zentral ist die Integration der AI Lösung in die bestehende Organisation. Wenn die Mensch-Maschine Zusammenarbeit von den involvierten Mitarbeitern nicht akzeptiert wird, Prozesse und Rollen nicht entsprechend angepasst werden, sind die smartesten Lösung von Beginn an schlichtweg zum Scheitern verurteilt. Entsprechend gehört der Aufbau des notwendigen Vertrauens zu den wesentlichen Voraussetzungen einer erfolgreichen Mensch-Maschine-Kooperation. Insbesondere die Einführung von AI-Lösungen kann zu kulturellen Herausforderungen führen, da für Mitarbeiter der Prozess zwischen Input und Output der AI Lösung durchaus intransparent wirken kann. Vor diesem Hintergrund muss der Fokus nicht auf den einmal definierten Algorithmen liegen, sondern auf den zum „Trainieren“ der AI-Maschine verwendeten Daten. Erfahrungsgemäß brauchen Menschen dazu eine gewisse Zeit, die entsprechend eingeplant werden sollte bevor die volle Leistungsfähigkeit erwartet wird. Vor diesem Hintergrund empfiehlt es sich nicht nur aus einer Leistungsperspektive das Thema AI frühzeitig anzugehen, sondern auch aus einer organisatorischen/ kulturellen Sicht, so dass sich das volle AI Potential im Unternehmen ausbreiten kann.

Gerne unterstützen wir Sie mit unseren Experten dabei das Potential von Artificial Intelligence Lösungen für Ihr Unternehmen zu strukturieren und zu bewerten.

Ihr Ansprechpartner

Markus Fost, MBA, ist Experte für E-Commerce, Online Geschäftsmodelle und Digitale Transformation mit einer breiten Erfahrung in den Feldern Strategie, Organisation, Corporate Finance und der operativen Restrukturierung.

Mehr erfahren

Markus Fost

Managing Partner
Markus Fost, MBA, ist Experte für E-Commerce, Online Geschäftsmodelle und Digitale Transformation mit einer breiten Erfahrung in den Feldern Strategie, Organisation, Corporate Finance und der operativen Restrukturierung.

FOSTEC & Company ist bekannt aus

Weitere ansehen

FOSTEC & Company GmbH

Königstrasse 10C, D-70173 Stuttgart

info@fostec.com

+49 (0) 711 222 54 464

+49 (0) 711 222 54 200

Jetzt Kontakt aufnehmen