Logo KI

KI - Künstliche Intelligenz

  • Blog
  • Praxisbeispiele
  • FAQ
  • KI-Projektassistent
  • Blog
  • Praxisbeispiele
  • FAQ
  • KI-Projektassistent

Blog

Welche Voraussetzungen müssen in der Unternehmens-IT geschaffen werden, um Künstliche Intelligenz effizient einsetzen zu können?

Künstliche Intelligenz

 

Die wichtigste Voraussetzung zur Nutzung von Künstlicher Intelligenz (KI) ist die Digitalisierung des Unternehmens. Mit der Digitalisierung ergeben sich jedoch neue, zusätzliche Herausforderungen. Plötzlich fallen viele Daten an, die gespeichert werden müssen. Für den Einsatz von KI-Technologien ist es von großer Bedeutung, auf strukturierte Daten zugreifen zu können.

Was sind strukturierte Daten und wie lassen sie sich speichern?

Strukturierte Daten besitzen eine identifizierbare Struktur. Ein Beispiel sind gespeicherte Personendaten mit dem Namen, der Anschrift, dem Wohnort, etc.  Ein anderes Beispiel sind Produkte mit ihren Eigenschaften, wie Kategorie, Größe, Gewicht, Preis, etc. Strukturiert sind Daten also dann, wenn sie organisiert und somit direkt abrufbar für eine Software vorliegen. Unstrukturierte Daten sind beispielsweise Bilder, Videos, Scans, E-Mails, Texte oder andere Objekte, die nicht in einer Datenbank gespeichert werden können. Allerdings können auch diese Daten bis zu einem bestimmten Punkt strukturiert werden, indem sie mit sog. Labels versehen werden. Labels des Inhalts eines Urlaubsvideo könnten beispielsweise sein: Sommer, Sonne, Strand, Ort, Aktivitäten, Sehenswürdigkeiten. Schon können auch diese ursprünglich unstrukturierten Daten zum Teil von KI-Systemen verwendet werden. In vielen Unternehmen liegen die meisten Daten unstrukturiert vor. Dies ist jedoch kein Grund den Kopf in den Sand zu stecken! Die KI-Technologien entwickeln sich ständig weiter, so dass immer mehr Verfahren existieren, die aus unstrukturierten Daten die wichtigsten Informationen zur weiteren Verarbeitung extrahieren können.

Datenstruktur Datenstruktur

Abbildung: Beispiel für strukturierte und unstrukturierte Daten.

Warum ist der Aufbau einer Datenbank und das strukturierte Speichern der Daten wichtig?

Liegen Daten strukturiert vor, können diese direkt aus der Datenbank ausgelesen und für KI-Technologien nutzbar gemacht werden. Dies bringt trotz des höheren Initialaufwands durch den Aufbau einer geeigneten Datenbank enorme Zeit- und Kostenvorteile. Ein KI-Expertenteam muss die Daten sonst nämlich im Nachhinein für die KI nutzbar machen, was hohe Zeit- und Kostenaufwände bedeutet, da die Nutzbarmachung von Daten bei jeder Umsetzung eines Projekts mit Abstand die meiste Zeit in Anspruch nimmt.

Deshalb sollte im Zuge der Digitalisierung das Speichern von Daten von vornherein mitgedacht  werden!

Welche Datenbanken existieren und wie kann ich sie im Unternehmen einsetzen?

Es existieren kostenfreie Open-Source-Datenbanken wie PostgresSQL, SQLite, MongoDB für große Datenmengen und viele weitere mehr. Außerdem gibt es viele kommerzielle Lösungen von namhaften Anbietern mit entsprechendem Support. Welche Datenbank für ein bestimmtes Unternehmen am besten geeignet ist, lässt sich gemeinsam mit dem Mittelstand 4.0 - Kompetenzzentrum Cottbus herausfinden.

Um die Datenbanken einsetzen zu können, benötigt ein Unternehmen entweder eine eigene IT-Infrastruktur oder eine Cloud-Lösung. Der Vorteil einer eigenen IT-Infrastruktur ist die volle Kontrolle über die eigenen Daten. Die Nachteile sind die potentiell höheren Kosten durch die  Anschaffung der Server und der Speicher, die mit Redundanzsystemen ausgestattet sein müssen, um im Fall eines Ausfalls eines Servers oder Speichers eine Rückfalloption zu haben, die den laufenden  Geschäftsbetrieb nicht lahmlegt. Weiterhin wird qualifiziertes Personal benötigt, das sich um den reibungslosen Ablauf der IT-Infrastruktur und vor allem die Sicherheit der Systeme kümmert. Die Vorteile einer Cloud-Lösung liegen in der größeren Flexibilität durch Skalierbarkeit und das Auslagern der Wartungs- und Sicherheitskosten an externe Anbieter. Die Skalierbarkeit stellt sicher, dass der Cloud-Speicher mit den steigenden Datenmengen des Unternehmens mitwächst. Außerdem können KI-Technologien mittlerweile in diesen Cloud-Diensten ausgeführt werden. Die Rechenleistung wird ebenso gemietet wie der Speicher, wodurch es für Unternehmen möglich ist mit relativ wenig Personal für IT und KI größere IT-Infrastrukturen und KI-Modelle zu managen.

Datenbank

Abbildung: Speicher und Rechenleistung für KI in der Cloud.

Welche Anforderungen an die Rechenleistung stellen KI-Technologien?

Diese Frage kann nicht eindeutig beantwortet werden. Generell gilt, je größer und komplexer die KI-Modelle werden, desto mehr Rechenleistung wird benötigt. Vor allem das Deep-Learning benötigt hoch spezialisierte Grafikkarten zur Ausführung der zahlreichen Rechenoperationen beim Training der KI-Modelle. Andererseits kann es bei dem Einsatz anderer KI-Methoden zunächst ausreichen handelsübliche Computer zu verwenden. Dies ist z.B. bei simpleren Zeitreihenanalysen oder bestimmten Klassifikationen möglich. Die benötigte Rechenleistung kann wie der Speicher an externe Cloud-Dienste ausgelagert werden. Die Vorteile sind sie Skalierbarkeit bei wachsenden Anforderungen an die Hardware sowie state-of-the-art Grafikkarten und parallelisierte Server, die die Berechnungen deutlich beschleunigen.

Haben Sie keine Bedenken vor dem Einsatz von KI in Ihrem Unternehmen! Fangen Sie mit kleineren Projekten an und lassen Sie sich von den Vorteilen intelligenter Systeme überzeugen. Das Mittelstand 4.0-Kompetenzzentrum Cottbus unterstützt Sie dabei gern!

Wie Künstliche Intelligenz das Wirtschaften verändern wird

KI-VeränderungDas Thema Künstliche Intelligenz (KI) wird eine der größten Herausforderungen für den Mittelstand in den kommenden zehn Jahren. Der erfolgreiche Einsatz von KI kann nur dann gelingen, wenn die Digitalisierung im Unternehmen bereits weit vorangeschritten ist. Die Wirtschaft wandelt sich in einem atemberaubenden Tempo. Als kleines mittelständisches Unternehmen droht man schnell den Anschluss zu verlieren. Deshalb ist es besonders wichtig sich neuen Technologien wie KI zu öffnen. Den Sprung ins kalte Wasser zu wagen, fällt vielen Unternehmen schwer. Es bestehen nach wie vor große Bedenken beim Einsatz von KI. Sowohl beim Management als auch bei den Mitarbeitenden. KI wird als kompliziert wahrgenommen. Es fehlt an Vertrauen in KI, was in einer geringen Akzeptanz mündet. Häufig sind konkrete Einsatzmöglichkeiten für das eigene Wirtschaften unklar. Obwohl diese Einwände zum Teil durchaus ihre Berechtigung haben, sollten die positiven Aspekte stärker in den Vordergrund gestellt werden. Es bieten sich eine Reihe von Chancen durch den Einsatz dieser spannenden Technologie im eigenen Unternehmen. Komplexe Zusammenhänge können aufgedeckt und nutzbringend eingesetzt werden. So lassen sich bspw. die Produktionsgeschwindigkeit und -qualität deutlich verbessern. Routineaufgaben können automatisiert werden, wodurch den Mitarbeitenden mehr Zeit für die wichtigen Aufgaben zur Verfügung steht. Mithilfe von KI können unternehmensinterne Prozesse optimiert werden, was zu hohen Effizienzsteigerungen führen wird. Das ist die Perspektive aus Sicht der Einsatzmöglichkeiten und wie KI dabei helfen kann, konkrete Probleme zu lösen. In diesem Blogbeitrag soll es allerdings darum gehen, die Auswirkungen von KI auf das künftige Wirtschaften zu beleuchten.

KI wird das Wirtschaften eines Unternehmens fundamental verändern

Perspektivisch wird KI in den kommenden zehn Jahren das Wirtschaften von Grunde auf verändern. Die Veränderungen werden sich in praktisch allen Unternehmensbereichen vollziehen. Folgend werden die wichtigsten Veränderungen aufgeführt und kurz beschrieben.

Neue Formen der Arbeitsorganisation

ArbeitsorganisationDamit in der Unternehmens-IT alle Rädchen reibungslos ineinander greifen können, ist die Kooperation der einzelnen Abteilungen untereinander und in Abstimmung mit der Unternehmens-IT essentiell. Die Abteilungen werden durch die Digitalisierung und KI fließend ineinander übergehen. Isolierte Abteilungsinseln sind kaum mehr möglich. Um das Ziel der Integration von allen Abläufen der einzelnen Abteilungen in ineinandergreifende Unternehmensprozesse zu überführen, werden starre Hierarchien aufgebrochen. Die Schnelllebigkeit führt zu einer Arbeitsorganisation, die zu interdisziplinären Teams aus verschiedenen Unternehmensbereichen führen wird. Ein Team arbeitet solange zusammen bis das gewünschte Ziel erreicht ist. Danach löst es sich auf und neue Teams für neue Aufgaben werden passend nach benötigten Skills zusammengestellt. Unternehmen bekommen einen stärkeren Startup-Charakter mit flexiblen, interdisziplinär operierenden Teams. Die Schnelllebigkeit führt außerdem zu anderen Effekten. So wird es eine höhere Fluktuation unter den Mitarbeitenden geben. Unternehmen werden die Fluktuationen und das fehlende Know-how für bestimmte Projekte durch freie Mitarbeitende ausgleichen. KI wird zukünftig dabei helfen die passenden Mitarbeitenden und die ergänzenden freien Mitarbeitenden auszuwählen, um die Projektmanagenden bei ihrer Auswahl zu unterstützen.

Neue Formen der Vernetzung

VernetzungDas Wirtschaften unter der Digitalisierung und KI wird generell kooperativer. Neue Formen der Vernetzung und  die voranschreitende Datenerhebung werden es Unternehmen ermöglichen, die Daten der eigenen Produkte und Dienstleistungen nicht für die Verbesserung der eigenen Angebote zu nutzen, sondern diese auch durch KI zu veredeln und anderen Unternehmen anbieten zu können. Die veredelten Daten werden in Digitalen Ökosystemen auf Plattformen unternehmensübergreifend verfüg- und nutzbar gemacht. Daraus entstehen ungeahnte Wertschöpfungspotentiale, die in den Aufbau und die Erweiterung neuer Geschäftsmodelle münden werden.

Neue Formen der Kundenorientierung

KundenorientierungEinen weiterer Wandel ist in der Kundenorientierung zu beobachten. Während viele Unternehmen ein bestimmtes Produkt oder eine Produktlinie anbieten, die entweder für alle Kunden gleich sind oder ausdifferenzierte Kundensegmente bedienen, wird die Individualisierung von Produkten und Dienstleistungen zukünftig im Fokus stehen. KI wird diesen Trend der „Mass Customization“ weiter beschleunigen. Weitere einschneidende Formen der Kundenorientierung wird es im Kundensupport geben. Statt langem Warten in Telefon-Warteschleifen werden intelligente Sprach- und Chatbots einen Großteil der Anfragen erledigen können. Das führt zu Kosteneinsparungen auf der Unternehmensseite und einer höheren Zufriedenheit auf der Kundenseite.

Fazit

Die mittelständische Wirtschaft in Deutschland steht vor großen Veränderungen. Diese Veränderungen führen zu völlig neuen Formen des Wirtschaftens. Aufgrund der hohen Komplexität können diese Veränderungen furchteinflößend wirken. Sie bieten allerdings auch nie dagewesene Chancen. Durch die beschriebene Transformation der Geschäftsmodelle und die neuen Formen des Wirtschaftens sind die alten Unternehmertugenden mehr denn je gefragt: Mut, Risikobereitschaft und Durchhaltevermögen!

Lassen Sie uns diesen spannenden Weg gemeinsam gehen! Wir, das Mittelstand 4.0 – Kompetenzzentrum Cottbus, unterstützen Sie dabei mit unseren Workshopangeboten, Online-Seminaren, persönlicher Beratung und ersten Umsetzungsprojekten.

 

Quellen:

Plattform Lernende Systeme: www.plattform-lernende-systeme.de/, letzter Abruf: 12.02.2021.

Einführung neuer Geschäftsmodelle auf Basis Künstlicher Intelligenz in KMU

KISeit Beginn der Digitalisierung steigt die Menge der verfügbaren Daten exponentiell an. Daten sind so wichtig geworden, dass sie als Öl des 21. Jahrhunderts bezeichnet werden. Viele Unternehmen haben dieses Potential längst erkannt und speichern ihre Daten strukturiert ab. Erleichtert wird ihnen das durch die weiter voranschreitende Digitalisierung. Unternehmen entwickeln fortwährend Ideen zur Nutzung des neuen Öls, um bestehende Geschäftsfelder auszubauen oder neue Felder zu erschließen. Sie entwickeln zum Beispiel neue Geschäftsmodelle auf Basis von Künstlicher Intelligenz (KI). Doch wie können diese Geschäftsmodelle in die Unternehmensprozesse integriert werden und worauf sollte man besonders achten? Diese Fragen soll dieser Blogbeitrag klären helfen.

 

 

 

 

Die Einführung neuer KI-Geschäftsmodelle ist mittel- und langfristig eine der wichtigsten Herausforderungen für KMU. Um neue KI-Geschäftsmodelle umsetzen zu können, muss der Umgang mit Daten zur einer neuen Schlüsselkompetenz der Unternehmen werden. Dabei geht es nicht nur um die Nutzung von Daten, die aus dem eigenen Geschäftsbetrieb kommen. Ebenso wichtig ist die Verknüpfung unternehmenseigener Daten mit verfügbaren externen Quellen. Durch diese Verbindung und den Zusammenhang der Daten können viele neue Wertschöpfungsmöglichkeiten erst entstehen. Techniken wie z. B. das Business-Model-Canvas oder das V4-Modell [1] helfen Unternehmen ein neues Geschäftsmodell zu entwickeln und Wertschöpfung dabei strukturiert mitzudenken.

[1]Nach Al-Debei/Avison

 

 

KIKI

 

 

 

 

Abbildung: Aufbau eines Business-Model-Canvas sowie dessen Erweiterung durch Wertschöpfungsnetzwerke. (Quelle: Plattform Lernende Systeme)

Der Einbezug von Wertschöpfungsnetzwerken für KI-Geschäftsmodelle wird deshalb besonders wichtig, weil Kooperationen von Unternehmen in der gesamten Wertschöpfungskette die Verfügbarkeit von Daten erhöhen. Je mehr Unternehmen sich zu solchen Netzwerken zusammenschließen, umso größer und nützlicher wird also die Datenbasis. Auf dieser Grundlage ergeben sich dann wieder neue Wertschöpfungspotentiale, wodurch wieder neue Daten entstehen, wodurch wieder neue Wertschöpfungspotentiale entstehen usw. usf. Es wird ein digitales Ökosystem geschaffen, durch das alle beteiligten Unternehmen gegenseitig profitieren werden.

Vier Phasen zur erfolgreichen Einführung von KI-Geschäftsmodellen

 

Der erste Schritt zur Einführung eines KI-Geschäftsmodells ist die Informationsbeschaffung. In dieser ersten Phase geht es darum, sich mit dem Thema KI und dem eigenen Unternehmen auseinanderzusetzen. Man identifiziert relevante Geschäftsbereiche, in denen das Unternehmen mittels KI aktiv werden kann. Dabei muss das Management einerseits die Möglichkeiten von KI verstehen und andererseits Klarheit über die eigenen unternehmerischen Ziele gewinnen. Anschließend wird eine Strategie entwickelt, welche die KI-Aktivitäten mit der Unternehmensstrategie abgleicht und in Einklang bringt. In der zweiten Phase, der Vorbereitungsphase, geht es um die Schaffung eines Portfolios von möglichen Anwendungsfällen und Voraussetzungen für den Einsatz von KI im Unternehmen. Dafür werden (z. B. mithilfe der oben beschriebenen Techniken/Methoden/Vorlagen) zunächst konkrete Anwendungsfälle identifiziert, genau beschrieben und auf ihr Wertschöpfungspotential hin analysiert. Sobald aussichtsreiche Anwendungen ihren Weg in das Portfolio gefunden haben, werden diese in der dritten Phase weiterentwickelt. Dazu wird eine qualitativ hochwertige und vom Umfang her ausreichende Datenbasis verwendet, die entweder bereits im Unternehmen vorhanden ist oder entsprechend der Ziele aufgebaut wird.  Mithilfe dieser Daten wird dann eine KI trainiert und auf ihre Leistungsfähigkeit getestet. Ist dieser Test erfolgreich, folgt schließlich die vierte Phase. In dieser Phase wird der KI-Anwendungsfall in die laufenden Unternehmensprozesse integriert. Dabei muss aber sichergestellt werden, dass die KI auch im realen Einsatz zuverlässig arbeitet.  Deshalb gehört zur vierten Phase nicht nur die Integration des Anwendungsfalls in den Geschäftsbetrieb, sondern auch die fortlaufende Überwachung, Wartung und Weiterentwicklung der KI. Schließlich soll sich die KI auf veränderte Umstände im Unternehmen einstellen können, weshalb sie auch laufend mit aktuellen Daten auf den neuesten Stand gebracht werden muss.
4 Phasen

Abbildung: Die vier Phasen der KI-Einführung.

 

Abschließend lässt sich festhalten, dass die Einführung von KI in einem Unternehmen keinen Selbstzweck darstellt. Die Nutzung von KI allein bringt keine entscheidende Vorteile im laufenden Geschäftsbetrieb. Nur, wenn der Einsatz von KI gründlich geplant, vorbereitet, entwickelt und integriert wird, steht einer erfolgreichen – sprich wertschöpfenden – Anwendung im unternehmerischen Alltag nichts mehr im Wege!

Erkundigen Sie sich jetzt beim Mittelstand 4.0-Kompetenzzentrum Cottbus über die Einführung von KI-Anwendungsfällen in Ihrem Unternehmen. Nutzen Sie für Ihre erste Phase unseren KI-Blog und unsere kostenfreien Workshop-Angebote. Auch für die weiteren Phasen stehen Ihnen unsere Experten gerne zur Verfügung. Probieren Sie‘s einfach, es lohnt sich!

 

Quellen:

Al-Debei, Mutaz M., and David Avison. Developing a unified framework of the business model concept. European Journal of Information Systems 19.3 (2010): 359-376.

Künstliche Intelligenz für den Mittelstand – ein Praxisleitfaden:

https://kompetenzzentrum-kaiserslautern.digital/wp-content/uploads/2020/10/KI-Leitfaden_KomZ-KL_2020.pdf, letzter Abruf: 05.02.2021.

Plattform Lernende Systeme: www.plattform-lernende-systeme.de/, letzter Abruf: 12.02.2021.

Welche KI-Verfahren gibt es und wofür werden sie eingesetzt?

In diesem Blogbeitrag werden verschiedene KI-Verfahren und ihre möglichen Einsatzbereiche vorgestellt. Die grundsätzliche Einteilung von KI erfolgt in die drei Teilbereiche überwachtes Lernen, unüberwachtes Lernen und selbstverstärkendes Lernen. Jeder dieser Teilbereiche beinhalten andere Problemstellungen. Das überwachte Lernen spielt dabei eine große Rolle bei der Bilderkennung. Bilderkennung wiederum wird in vielen verschiedenen Bereichen wie der Qualitätskontrolle, Krankheitserkennung, Textanalyse und dem Erkennen von Verkehrszeichen und anderen Verkehrsteilnehmern für das autonome Fahren eingesetzt. Unüberwachtes Lernen bietet die Möglichkeit Muster in Daten zu erkennen. So können beispielsweise Kundengruppen erkannt und adressiert werden, um einen besseren Service und mehr Verkäufe zu erzielen. Selbstverstärkendes Lernen kann dazu verwendet werden, Optimierungsprobleme zu lösen, z. B. das Fahrverhalten von selbstfahrenden Autos. Folgend werden einige wichtige KI-Verfahren und ihre Anwendungen in Kürze vorgestellt.

 

KI-Verfahren

 

 

Bei dem Einsatz von KI-Verfahren verhält es sich ähnlich wie mit den Materialien für den Hausbau. Es gibt Materialien, die dafür ähnlich gut geeignet sind wie Holz oder Backsteine. Genauso gibt es bei KI-Verfahren immer mehrere Verfahren, die zur Lösung eines Problems zur Verfügung stehen. Je nach Problemstellung haben bestimmte Verfahren Vorteile gegenüber anderen Verfahren. Für das überwachte Lernen haben sich für die Bilderkennung z. B. tiefe Neuronale Netze, auch Deep Learning genannt, durchgesetzt. Obwohl diese großen Datenmengen und hohe Trainingszeiten von oft Tagen benötigen, um eingesetzt werden zu können. Dafür bieten sie eine sehr hohe Genauigkeit, was bei der Erkennung von Krebs auf Röntgenbildern oder dem Erkennen von Verkehrszeichen sehr wichtig ist. Wenn es vor allem um die Geschwindigkeit des Trainings oder der Vorhersagen gehen soll, können unter Umständen Verfahren wie die Logistische Regression oder Entscheidungsbäume verwendet werden. Dies geschieht u. a. bei Investitionsentscheidungen oder bei der Schätzung der Kredithöhe von Bankkunden. Liegen große Datenmengen vor, auf deren Basis schnell Entscheidungen getroffen werden müssen, bieten sich Naive-Bayes-Verfahren an. Das kann der Fall sein, wenn auf Videoaufnahmen schnell Gesichter erkannt werden müssen oder bei Produkt- oder Videoempfehlungssystemen. Eine hohe Genauigkeit bieten auch Random Forests und Support Vector Machines, die eine große Rolle bei dem Erkennen und Vorhersagen von Krankheiten spielen. Ein weiteres wichtiges Einsatzgebiet von überwachtem Lernen sind Regressionsverfahren. Mit Hilfe von Regressionsverfahren lassen sich die zukünftigen Verkäufe eines Produkts oder die jährlichen Umsätze eines Unternehmens genauer  vorhersagen.

 

Für das unüberwachte Lernen hängt der Einsatz der KI-Verfahren von den zugrunde liegenden Daten ab. Sind diese bspw. hierarchisch organisiert kommen hierarchische Verfahren zum Einsatz. Sind die Daten nicht hierarchisch organisiert, können sie mit DBSCAN, k-Means oder k-Modes in Gruppen eingeteilt werden. Diese Einteilung erfolgt entweder durch das Voreinstellen der Parameter oder durch das Verfahren selbst. Ist man z. B. ein Unternehmen, das fünf Marktsegmente mit seinen Produkten adressieren möchten, kann k-Means verwendet werden. Möchte das Unternehmen jedoch diejenigen Marktsegmente adressieren, die sich in den Daten „verstecken“, kann DBSCAN genutzt werden. Möchte man Ende sogar wissen mit welcher Wahrscheinlichkeit sich ein Kunde in einer bestimmten Gruppe befindet, kommen Gaussian Mixture Models zum Einsatz. Das kann der Fall sein, wenn Spracherkennungssysteme eine wichtige Rolle in der Anwendung spielen.

 

Selbstverstärkendes Lernen wird bereits in vielen Bereichen eingesetzt. RoboterBekannte Beispiele, in denen es maßgeblich an der Lösung eines schwierigen Problems mitgewirkt hat, sind das Besiegen des besten Go-Spielers und des besten Schachspielers mit mit den Computerprogrammen AlphaGo und AlphaZero. In der Unternehmenspraxis wird selbstverstärkendes Lernen beim autonomen Fahren eingesetzt, um aus gemachten Fehlern zu lernen (z. B. bei Rot über die Ampel gefahren) und Dinge, die richtig gemacht wurden zu festigen (z. B. bei Rot an der Ampel gehalten). Im Ingenieurswesen wird die Technik eingesetzt, damit Roboter sich in ihrer Umgebung immer besser und sicherer bewegen können.

 

Die Anwendungsmöglichkeiten von KI-Verfahren sind enorm. Dieser Blogbeitrag bietet Ihnen eine Übersicht über einige Verfahren, die Sie vielleicht schon morgen auch in Ihrem Unternehmen einsetzen! Setzen Sie sich hierzu gerne mit uns in Verbindung.

 

Quellen:

Neyer, A. K., und Lehmann, C. (2019). Künstliche Intelligenz im Arbeitsalltag. HR Insights.

Künstliche Intelligenz zwischen Mythos und Wahrheit – Teil 1

Obwohl künstliche Intelligenz längst Einzug in unseren privaten und beruflichen Alltag gehalten hat, treffen wir immer wieder auf Vorbehalte oder übersteigerte Erwartungen. Betrachtet man die Darstellungen in Literatur und Filmen, verwundert das nicht - denken Sie an Terminator, iRobot oder Ex Machina. Allzu oft ist KI darin allmächtig, aber schlecht gelaunt und Zerstörung ihr Ziel. Auf der anderen Seite steht die Vorstellung, dass KI alle menschlichen Probleme lösen wird. Wie so oft liegt die Wahrheit vermutlich irgendwo dazwischen. Wir beleuchten ausgewählte Mythen in unserer zweiteiligen Reihe ein wenig näher. Heute widmen wir uns der Objektivität von KI und dem Mythos des Jobkillers.

 

Objektivität

Die Vision von Objektivität

Ob in der Schule beim Test, beim Personalrecruiting oder im Gericht. An vielen Stellen müssen Menschen andere Menschen bewerten auf der Grundlage von Leistungen, Fähigkeiten oder Tatsachen. Dabei sollte jegliche subjektive Wahrnehmung den Entscheidungsprozess nicht beeinflussen. Doch wie objektiv können Entscheidungen überhaupt sein, wenn selbst die Relativitätstheorie zeigt, dass die Messung von Raum und Zeit wahlweise zwischen Bezugspunkten variiert. Sogar die Aussage, dass es keine absolute Objektivität gibt, ist am Ende nur eine subjektive Einschätzung seiner selbst.

KI als unabhängige dritte Partei?

KI - Mythos und WahrheitDie künstliche Intelligenz als Teilgebiet der Informatik scheint durch seinen absolut logischen Aufbau von jeglicher Subjektivität befreit zu sein. Aus diesem Grund erscheinen immer wieder neue Konzepte zur objektiven Bewertung. So kommen bereits datengetriebene Algorithmen im Einstellungsverfahren von neuen Mitarbeitern zu Einsatz. Basierend auf der Sprache und Wortwahl während eines Bewerbungsgesprächs werden Portfolios erstellt, die die Persönlichkeit des Bewerbers in Zahlen wiederspiegelt.

KI lernt auch nur vom Menschen

Bei allem Fortschritt darf jedoch nicht vergessen werden, dass diese Algorithmen auch nur von Menschen lernen. In der Vergangenheit wurden schon verschiedene negative Beispiele aufgezeigt. So wurde beispielsweise das Foto von einer Gruppe Menschen irrtümlich von einem Algorithmus als „Gorillas“ eingeordnet. Ein weiteres erstaunliches Beispiel zeigt der Dokumentarfilm „Coded Bias“. Darin wird unter anderem von vorurteilsbehafteten Algorithmen berichtet und den ethnischen Problemen bei der Gesichtserkennung.

 

KI und Arbeitsplätze

Das Thema wird seit langem und immer wieder heiß und oft sehr emotional diskutiert. Blickt man in der Geschichte zurück, brachten technische Neuerungen stets tiefgreifende Veränderungen für Arbeitnehmende und Arbeitgebende mit sich. Auch die Digitalisierung macht hier keine Ausnahme. Wurde in der Vergangenheit zunächst die Handarbeit mehr und mehr durch maschinelle Verarbeitung abgelöst, können heute Arbeitsplätze und menschliche Tätigkeiten, die ein Algorithmus ausführen kann, durch KI ersetzt werden.

Nimmt uns KI die Jobs weg?

 

KI - Mythos und Wahrheit Was zunächst nach einem Schreckgespenst klingt, kann auch eine Entlastung für den Menschen sein und Arbeitsbedingungen verbessern. Studien von Workfront und McKinsey zufolge, verbringen Arbeitnehmende nur rund 40% Ihrer Arbeitszeit mit ihren Kernaufgaben. Zeitfresser sind u.a. die Bearbeitung von E-Mails und manuelle oder sich wiederholende Verwaltungsaufgaben. Hier kann KI mit Tools zur Automatisierung die Produktivität steigern, indem sie zeitintensive Routineaufgaben übernimmt. Auch für schwierige Aufgaben, wie die Planung von komplexen Logistik-Ketten und Liefersystemen, kann KI eingesetzt werden und Experten unterstützen. Menschen und Maschinen arbeiten zusammen, statt gegeneinander. Aufgaben und Berufe die Kreativität, Fantasie oder eine hohe soziale Kompetenz erfordern bleiben bisher allerdings dem Menschen vorbehalten. KI kann zwar aus vorhandenen Daten lernen, aber nichts Neues aus eigenem Antrieb erschaffen.

 

 

KI verändert die Arbeitswelt

Wie mit jeder neuen Technologie, werden Jobs wegfallen, aber auch neue entstehen. Es braucht Fachkräfte, die sich mit den Computern befassen, Algorithmen programmieren und die Systeme bedienen. Umso mehr gewinnen Weiterbildung, lebenslanges Lernen und flexibel gestaltbare Ausbildungsinhalte an Bedeutung, um sich den verändernden Rahmenbedingungen anzupassen. Wer weiß, welche Berufe es in der Zukunft geben wird, die wir heute noch gar nicht kennen? Dennoch, manche Berufe werden unwiederbringlich wegfallen und vermutlich können nicht alle Arbeitnehmenden durch Umschulungen aufgefangen werden. Die digitale Revolution erfordert somit auch politische Lösungen, um diese gesellschaftlichen Umbrüche zu bewältigen.

Für die Mutigen zum Ausprobieren: Die, mit einem Augenzwinkern zu betrachtende, Website willrobotstakemyjob.com zeigt die prozentuale Wahrscheinlichkeit, mit der Ihr Job zukünftig von Maschinen übernommen wird.

 

Quellen:

Ludwig Fischer: Perspektive und Rahmung. Zur Geschichte einer Konstruktion von ‚Natur‘, in: Harro Segeberg (Hg.), Die Mobilisierung des Sehens. Zur Vor- und Frühgeschichte des Films in Literatur und Kunst. Mediengeschichte des Films, Bd. 1, München: Fink 1996, S. 69–96.

Workfront: "State of Work 2020", S.9

https://www.fr.de/meinung/absolute-objektivitaet-gibt-nicht-11413493.html, letzter Zugriff: 01.07.2021.

https://talentcube.de/kommunikationsanalyse/, letzter Zugriff: 30.06.2021.

https://www.scinexx.de/dossierartikel/wie-objektiv-ist-die-ki/, letzter Zugriff: 01.07.2021.

https://en.wikipedia.org/wiki/Coded_Bias, letzter Zugriff: 01.07.2021.

https://www.ingenieur.de/karriere/
arbeitsleben/alltag/kuenstliche-intelligenz
-sind-unsere-arbeitsplaetze-nun-bedroht-oder-nicht/, letzter Zugriff: 30.06.2021.

https://www.ki.nrw/ki-mythen/, letzter Zugriff: 01.07.2021.

Praxisbeispiele

Leet Innovation

 

LEET Innovation GmbH (2014 – 2019) aus Cottbus

Die LEET Innovation GmbH entwickelte für die Marktforschung eine Software-as-a-Service zur Durchführung von Conjointanalysen. Dabei setzte das Unternehmen an verschiedenen Stellen auf Künstliche Intelligenz. Zur Analyse der Kundenpräferenzen verwendete das Unternehmen eine KI-Technik namens Hierarchische Bayes-Analyse auf Basis von Markov-Chain-Monte-Carlo-Methoden zur Bestimmung der Kundenpräferenzen. Die Kundenpräferenzen wurden anschließend als Grundlage für weitere KI-Techniken verwendet. So konnten die einzelnen Kunden anhand ihrer Präferenzen mittels unüberwachtem Lernen (unsupervised learning) in Gruppen eingeteilt und somit segmentiert werden. Des Weiteren wurden selbstverstärkendes Lernen (reinforcement learning) und weitere KI-Methoden dazu verwendet, Produktlinien zu optimieren.

Branche: Marktforschung
Produkt: Software
KI-Methoden:  Hierarchische Bayes-Analyse auf Basis von Markov-Chain-Monte-Carlo-Methoden, k-Means-Clustering, Reinforcement Learning, Genetische Algorithmen, Simulated Annealing.

Fragen zu den Angeboten des Mittelstand 4.0 – Kompetenzzentrum Cottbus

Wie unterstützt mich das Mittelstand 4.0 – Kompetenzzentrum Cottbus bei der Einführung von Künstlicher Intelligenz in meinem Unternehmen?

Das Mittelstand 4.0 – Kompetenzzentrum Cottbus unterstützt Sie durch Workshops, Online-Seminare, persönliche Beratung, Identifizierung von KI-Use-Cases in Ihrem Unternehmen und durch die gemeinsame Entwicklung von KI-Prototypen.

An wen richten sich die Angebote des Mittelstand 4.0 – Kompetenzzentrum Cottbus?

Unser Angebot richtet sich an alle kleinen und mittelständischen Unternehmen in Brandenburg.

Welche Themen werden durch die Workshops und Online-Seminare behandelt?

Die behandelten Themen reichen von Einführungen in die KI bis zu hin zu Spezialworkshops, in denen neue Geschäftsmodelle und deren Implementierung in die Geschäftsprozesse besprochen werden.

Ich möchte gerne mit den neuesten Informationen zur Digitalisierung und KI versorgt werden. Welche Möglichkeiten bietet das Mittelstand 4.0 – Kompetenzzentrum Cottbus?

Wir informieren Sie monatlich in unserem Newsletter über die neuesten Themen zu Digitalisierung und KI. Sie können sich einfach hier für den Newsletter anmelden!

Unterstützt uns das Mittelstand 4.0 – Kompetenzzentrum Cottbus auch bei Umsetzungsprojekten?

Ja, wir unterstützen Sie auch bei Umsetzungsprojekten! Wir sind nicht nur  Theoretiker*innen, sondern haben in unseren Reihe die Expertise von Unternehmer*innen, die KI bereits erfolgreich in ihrem eigenen Unternehmen eingesetzt haben.

Sind die Angebote des Mittelstand 4.0 – Kompetenzzentrum Cottbus kostenfrei?

Ja, Sie können alle unsere Angebote kostenfrei nutzen!

Allgemeine Fragen zu KI

Was versteht man unter Künstlicher Intelligenz?

Angelehnt an menschliche Intelligenzleistung fokussiert sich Künstliche Intelligenz auf die Lösung konkreter (Anwendungs-) Probleme und unterstützt Menschen bei Arbeits- und Entscheidungsprozessen. Mit Künstlicher Intelligenz wird die Lernfähigkeit eines Systems auf Basis von Daten sowie wissensbasierten Systemen beschrieben.

Welche Teilbereiche zählen zur Künstlichen Intelligenz?

Zur Künstlichen Intelligenz zählen Lernverfahren im Allgemeinen wie bspw. Genetische Algorithmen zur Optimierung von Produkten, Dienstleistungen oder auch Routenplanungen. Ein Teilgebiet der Künstlichen Intelligenz wird durch das Machine-Learning gebildet. In der öffentlichen Wahrnehmung wird Künstliche Intelligenz vor allem für Deep Learning

Was ist eigentlich Machine-Learning?

Machine-Learning beschreibt die Fähigkeit eines Computers zu lernen, ohne explizit programmiert worden zu sein. Es ist eine Kombination aus Informatik, Mathematik und Statistik.

Welche zentralen Vorteile bringt KI für mein Unternehmen?

KI kann dazu verwendet werden die Funktionen und Performance der Produkte zu erweitern und zu verbessern. Sie kann die Arbeitsentlastung für das Management und die Mitarbeitenden senken oder interne Geschäftsprozesse optimieren.

Was sind die relevantesten KI-Anwendungen im Mittelstand?

Die relevantesten KI-Anwendungen sind und werden sein: intelligente Sensorik, Assistenzsysteme und Automatisierungen, vorausschauende Wartung, optimiertes Ressourcenmanagement, Robotik, Qualitätskontrolle sowie Sprachassistenten und Chatbots.

KI-Projektassistent

 

Sie haben eine Idee für einen Anwendungsfall mit Künstlicher Intelligenz, wissen aber nicht, wie die Umsetzung aussehen könnte? Dann nutzen Sie unseren KI-Projektassistenten. Nach der Eintragung der Daten in den Projektassistenten kontaktieren unsere KI-Experten Sie und arbeiten mit Ihnen ein Konzept für eine mögliche Umsetzung ihres Anwendungsfalles aus.  Nutzen Sie diese Chance und treten mit uns in Kontakt.

 

Falls Sie für Ihren Anwendungsfall eine Bezeichnung haben, tragen Sie diese hier bitte ein.

 

Bitte beschreiben Sie Ihren Anwendungsfall so genau wie möglich.

Wo in Ihrem Unternehmen soll der Anwendungsfall eingesetzt werden. In den verschiedenen Schritten der Fertigung, in der Planung, in der Prozessoptimierung, in der Außendarstellung oder in einem anderen Fachbereich?

Wie sieht der Prozess aus, in dem Sie die künstliche Intelligenz verwenden wollen?

 

Welche Ziele haben Sie mit dem Anwendungsfall mit künstlicher Intelligenz?

Wollen Sie beispielsweise die Durchlaufzeiten in ihrer Produktion damit erhöhen? Tragen Sie diese Ziele hier ein.

Ferner was sind Ihre methodischen Ziele mit künstlicher Intelligenz?

Wollen Sie einen Demonstrator aufbauen? Soll die KI flächendeckend in ihrer Produktion ausgerollt werden?

 

Kontaktdaten

Damit unsere KI-Experten mit Ihnen in Kontakt treten können ist die Angabe Ihrer E-Mail Adresse notwendig. Die Angabe Ihrer Telefonnummer ist freiwillig, vereinfacht aber die Kontaktmöglichkeiten.






Alle mit * gekennzeichneten Felder sind Pflichtfelder.

^