WIR KÖNNEN KI.

Künstliche Intelligenz (KI) ist ein wesentlicher Faktor für nachhaltigen Geschäftserfolg und wird eingesetzt, um in möglichst kurzer Zeit Mehrwerte zu erzeugen. Unsere Erfahrung zeigt, dass sich der überwiegende Teil der KI-Projekte bereits in weniger als zwei Jahren amortisiert.

KÜNSTLICHE INTELLIGENZ

KI als Chance verstehen, große Datenmengen intelligent auszuwerten und zu nutzen.

Künstliche Intelligenz und Machine Learning erachten 79% der deutschen Unternehmen als die wichtigsten Zukunftstechnologien.

Teilen Sie diese Meinung?

Allein für Deutschland wird erwartet, dass mit Dienstleistungen und Produkten, die auf dem Einsatz von Künstlicher Intelligenz (KI) basieren, im Jahr 2025 Umsätze in Höhe von 488 Milliarden Euro generiert werden – damit würde ein Anteil von 13 Prozent am Bruttoinlandsprodukt erreicht.

Dennoch sind in 40% aller Unternehmen bisher keine KI-Projekte geplant. Somit bleiben Chancen ungenutzt. Sind Sie daran interessiert, KI in Ihrem Unternehmen einzuführen, wollen dafür aber einen sicheren Fahrplan nutzen und Risiken sicher umschiffen?

„Künstliche Intelligenz wird zukünftig das Wissensmanagement revolutionieren."

Dr. Jan Hendrik Schoenke
+49 (0)541 | 200 690-333
Sales@LMIS.de
LinkedIn-Profil

INTERVIEW

Dr. Jan Hendrik Schoenke ist als Business Development Manager unserer LMIS für den KI-Bereich verantwortlich. Wer, wenn nicht er, kann die Möglichkeiten dieser innovativen Technologien verständlich darlegen.

1Was muss gegeben sein, damit KI sinnvoll zum Einsatz kommt?

Damit KI sinnvoll zum Einsatz kommt, müssen für jedes Projekt drei Dinge gegeben sein. Erstens muss es ein Problem geben. Das klingt banal, aber ohne eine Problemdefinition kann auch eine KI keine Lösung finden. Zweitens darf es für das Problem keine einfache Lösung mit klassischen Methoden geben. Auch wenn KI ein mächtiges Werkzeug ist, so lohnt sich der Einsatz nur für bisher schwierige Probleme. Drittens braucht jedes KI Projekt Daten. Das gilt insbesondere für Maschinelles Lernen als Teilbereich der KI. Eine gute Datenbasis muss dabei nicht umfangreich sein, sondern vor allem die richtigen Daten enthalten. Nur wenn die Daten das Problem angemessen beschreiben, kann durch KI eine gute Lösung entstehen. Gute Einstiegspunkte in das Thema KI liegen also genau dort wo Daten liegen. Konkret können das Maschinendaten sein für inzwischen typische Anwendungen wie Predictive Maintenance, Bilddaten zur Optischen Qualitätskontrolle, aber genauso auch FAQs zur Erzeugung von Chatbots. Hier bringt KI eine neue Qualität in die Digitalisierung ein und kann insbesondere beim Wissensmanagement neue Interaktionen eröffnen.

2Welches Projekt ist als erste KI-Anwendung am besten geeignet?

Der beste erste Schritt liegt immer dort, wo schon heute die Daten liegen oder sehr einfach zur Verfügung gestellt werden können.

Mein Herz schlägt dabei natürlich vor allem für technische Lösungen im Bereich der Automatisierung und am liebsten sind mir Lösungen bei denen Mensch und Maschine interagieren.

Ein idealer Einstiegpunkt für KI im Unternehmen ist für mich der Bereich des Wissensmanagements. Sprich die Digitalisierung von Betriebs- und Produktionswissen. Häufig ist ein großer Teil des Wissens in den Köpfen der erfahrenen Mitarbeiter gespeichert und steht dem Unternehmen nur zur Verfügung, wenn der jeweilige Mitarbeiter anwesend ist.

Mittels KI kann dieses Wissen sehr einfach dokumentiert und dauerhaft allen Mitarbeitern zur Verfügung gestellt werden. Durch Beobachtung der menschlichen Interaktionen kann die KI dieses Wissen zusätzlich vertiefen und stets aktualisieren. Das wäre dann eben Machine Learning, also Maschinelles Lernen. Dort haben wir uns auf Bilderkennung und Verarbeitung fokussiert, um Objekte prozesssicher erfassen und mit weiterführenden Informationen belegen zu können. So ergeben sich für jedes Objekt Datensätze, welche durch die KI verwaltet und optimiert werden können.

Jeder kann sich vorstellen, welchen Mehrwert eine solche Lösung in der Qualitätssicherung von Produktionsprozessen hat. Dies ist zum Beispiel auch der Grundgedanke von Dynamian AI, eines unserer aktuellen IT-Produkte mit entsprechender KI- und AR-Erweiterung.

3Was bedeutet das genau?

Klassische digitale Lösungen arbeiten im Vergleich zu den Möglichkeiten, die uns KI bietet, in einem sehr eng abgesteckten Rahmen, der durch die Programmierung fest vorgegeben ist. Der Hebel bei der Nutzung von KI liegt in der Datenbasis, da sich diese sehr viel einfacher erweitern und anpassen lässt. Ich will das am Beispiel der Objekterkennung veranschaulichen. Ein klassisches System wird fest darauf programmiert, ein bestimmtes Objekt zu erkennen, sagen wir eine Zange, um zum Beispiel Verwendungshinweise oder Arbeitsanweisungen damit zu verknüpfen. Einem KI-System genügt es, Bilder des zu erkennenden Objekts präsentiert zu bekommen. Daraus lernt es selbstständig, dieses zu erkennen und kann so sehr viel flexibler für die Informationsversorgung eingesetzt werden, da ich keine neue Programmierung brauche, sondern nur neue Bilder.

4Wie können Mitarbeiter die passgenauen Informationen erhalten?

Das ist eine sehr gute Frage und sie erlaubt es uns, den Blick auf die Einbettung von KI-Lösungen in bestehende IT-Systeme oder eigenständige Produkte zu richten.

Ein KI-Modul zur Objekterkennung alleine schafft keinen Mehrwert, ich brauche immer eine komplette Anwendung. Dabei ergänzen KI-Module idealerweise bestehende Lösungen und automatisieren dabei bestimmte Aufgaben. In unserer eigenen Produktentwicklung Dynamian für Arbeitsanweisungen nutzen wir KI in genau dieser Weise, um die Kooperation zwischen Mensch und Maschine zu vereinfachen. Hier zeigt sich erneut der große Vorteil der KI und der Nutzung von Bildverarbeitung.

Kooperative Modelle zeichnen sich durch starke Interaktionen zwischen Menschen und KI aus. Sie befähigen Mitarbeiter, sich mit Hilfe von Bildmaterial und ergänzenden Texten sehr schnell Wissen anzueignen. Die Bereitstellung für die Mitarbeiter ist ein wichtiges Anwendungsfeld, da Einarbeitungsprozesse und der ganze Bereich der innerbetrieblichen Weiterbildung abgedeckt werden können.

Dabei spielt es keine Rolle, ob es sich um Wissen in der Produktion, Qualitätssicherung, dem Vertrieb oder einer anderen Abteilung handelt. Der kooperative Ansatz sorgt zudem für eine bessere Akzeptanz aller Beteiligten. Wen freut es nicht, wenn die lange Sucherei nach Montageanweisungen und anderen Dokumente endlich der Vergangenheit angehört.

5Warum ist KI deine Leidenschaft?

Gepackt hat es mich im Studium durch die technische Informatik, dort haben wir lernfähige Roboter gebaut und programmiert. Heute ist KI spannender als je zuvor, da die technologische Reife in vielen Bereichen enorm zugenommen hat. Wir können heute nicht nur enorm große Datenmengen verarbeiten und daraus beeindruckende Lösungen erschaffen. KI wird immer besser darin menschliches Wissen aufzunehmen, zu ergänzen und mit uns in Interaktion zu treten. Das ist die Basis für künftige Innovation.

Data-Science

Wissensmanagement

Effizienzsteigerung

Qualitätssicherung

Unsere Kunden betrachten Künstliche Intelligenz bereits als relevanten Erfolgsfaktor für ihren nachhaltigen Geschäftserfolg. 79% der deutschen Unternehmen sehen KI bereits jetzt als sehr bedeutend an. Damit wird Künstliche Intelligenz als eine Technologie von höchster Relevanz eingeschätzt.

PUBLIKATIONEN

Wir lieben den Austausch und Wissenstransfer. Unsere Experten haben ihr Wissen und Erfahrungen aus der Praxis veröffentlicht:

(Disclaimer: Die Publikationen können sich teilweise noch im Publikationsprozess befinden.)

Barenkamp, M. (2022): KI und Erklärbarkeit.
In: Wirtschaftsinformatik & Management.

Barenkamp, M. (2022): KI als Waffe gegen Cyberattacken.
In: Digital Business Cloud, 4, S. 10-12.

Barenkamp, M. (2022): Post-Quantum-Kryptografie & KI.
In: Informatik Spektrum.

Barenkamp, M. (2022): Künstliche Intelligenz als Unterstützungsfunktion der Vorhersage und Prozessexzellenz im Process-Mining.
In: Wirtschaftsinformatik und Management.

Barenkamp, M. (2022): Identifikation der Urheber von Cyberattacken mithilfe künstlicher Intelligenz.
In: Wirtschaftsinformatik und Management.

Barenkamp, M. (2022): Datenschutz, -sicherheit und Servicekomfort moderner Anwendungen der Künstlichen Intelligenz.
In: Wirtschaftsinformatik und Management, 14(1), S. 20-26.

Barenkamp, M. (2021). Die Softies der künstlichen Intelligenz.
In: Wirtschaftsinformatik & Management.

Barenkamp, M. (2021). Warum die Erde einen digitalen Zwilling bekommt.
In: Wirtschaftsinformatik & Management.

Butz, R., Schulz, R., Hommersom, A. & van Eekelen, M. (2021). What is understandable in Bayesian network explanations?
In: Explainable Artificial Intelligence in Healthcare.

Barenkamp, M. (2020). A New IoT Gateway for Artificial Intelligence in Agriculture.
In: 2020 International Conference on Electrical, Communication, and Computer Engineering (ICECCE), Istanbul, S. 1–5.

Barenkamp, M. (2020). Künstliche Intelligenz in der Softwareentwicklung.
In: Wirtschaftsinformatik & Management, 12(2), S. 120–129.

Barenkamp, M. (2020). UI Generierung aus Handschriften im Design Sprint Prozess.
In: Informatik Spektrum, 43(3), S. 211–219.

Barenkamp, M. & Niemöller, D. (2020). ARchitecture
Insights From Theory and Practice.
In: 2020 International Conference on Electrical, Communication, and Computer Engineering (ICECCE), Istanbul, S. 1–6.

Barenkamp, M., Rebstadt, J. & Thomas, O. (2020). Applications of AI in classical software engineering.
In: AI Perspect, 2(1), S. 1–15.

Butz, R., Hommersom, A. & van Eekelen, M. (2018). Explaining the most probable explanation.
In: Scalable Uncertainty Management (Best Student Paper Award).

Rabinowicz. S, Butz. R, Hommerson. A & Williams. M. (2018). CSBN: a hybrid approach for survival time prediction with missing data.
In: Advanced Analytics and Learning on Temporal Data.

Rabinowicz. S, Butz. R, Hommerson. A & Williams. M. (2017). A prognostic model of glioblastoma multiforme using survival bayesian networks.
In: Artificial Intelligence in Medicine.

Luebbers, D., Grimmer, U. & Jarke, M. (2003). Systematic development of data mining-based data quality tools.
In: Proceedings of the 29th international conference on Very large data bases, 29, VLDB Endowment, S. 548–559.

F&E

In unserer Abteilung für Forschung und Entwicklung erarbeiten wir IT-Produkte für übermorgen.

mehr erfahren