KI erfolgreich im Unternehmensalltag integrieren
Wie sich KI-Lösungen effizient in den Unternehmensalltag integrieren lassen, erläutern Thomas Kahabka, Geschäftsführer, und Holger Schlaps, Head of AI der Sulzer GmbH, im ausführlichen Interview .
Herr Kahabka, wie kann man sich dem Thema KI für das eigene Unternehmen effizient nähern?
Für Unternehmen ist es relevant zu hinterfragen, was mit KI erreicht werden soll. Gerade auch unter Berücksichtigung unseres aktuellen Zeitalters der schwachen KI. Denn grundsätzlich ist KI ein Werkzeug für den Menschen. Das Bild, daß die KI den Menschen ersetzt sehen wir nicht. Der Mensch wird durch die KI unterstützt und leistungsfähiger. Die KI entlastet in kognitiv anspruchslosen Tätigkeiten und gibt dem Menschen die zeitliche Kapazität, sich anspruchsvollen Themen zu widmen und damit einen hohen Beitrag zum Unternehmenserfolg zu leisten. Weniger ist anfangs mehr. Mit kleinen Projekten können erste Lernerfahrungen gesammelt werden. Unterstützt wird dies im Unternehmen durch eine agile Ausrichtung. Dies fördert die Lernbereitschaft und befähigt jeden Mitarbeiter, sich selbst weiter zu entwickeln, auch im Hinblick auf ein KI-Grundverständnis.
Wie können Unternehmen Anwendungsfälle für KI identifizieren?
Durch Empowerment der Mitarbeiter. Diese müssen selbst in der Lage sein, KI begreifen zu können. Gerade im Hinblick auf die Erwartungshaltung ist es empfehlenswert, daß die Mitarbeiter die Potentiale und Limitierungen von KI verstehen. Es gibt nicht den einen KI-Anwendungsfall im Unternehmen, es gibt Dutzende. Im Bereich der Prozessoptimierung ist KI vielseitig einsetzbar. Hierzu gehören Anwendungsfälle, die sich auf Lernen, Wiederholen, Kategorisieren und Reagieren fokussieren. Haben die Experten aus dem Fachbereich KI grundsätzlich verstanden, sind auf dieser Basis interdisziplinäre Innovationsworkshops optimal möglich. Zu den Experten sind in den Workshops Data Scientists und IT-Architekten notwendig. Mit den unterschiedlichen Blickwinkeln und einem KI-Basiswissen aller Beteiligten können für das Unternehmen die potentiell interessantesten Anwendungsfälle identifiziert werden.
Herr Schlaps, welche Fallstricke gibt es bei KI-Konzepten und wie können diese vermieden werden?
Wir empfehlen eine interdisziplinare und agile Zusammenarbeit über den gesamten Entwicklungsprozeß. Dies fördert das Ergebnis und eine realistische und transparente Erwartungshaltung aller Stakeholder. Die dabei geschaffene Know-how-Basis ebnet den Weg für die spätere produktive Verwendung. Von der konzeptionellen Umsetzung an empfehlen wir ein mehrstufiges generisches Vorgehen im Unternehmen, welches fachlich und technisch den Erfolg der KI-Lösungen sicherstellt. Zur technischen Analyse gehört pro KI-Lösung die Prüfung der Datenqualität und der Einsatz geeigneter Trainingsmodelle durch die Data Scientists.
Diese Betrachtung verhindert u.a. eine Überanpassung des späteren Trainingsmodells, welche die Ergebnisqualität reduziert. Liefert die KI zu viele bedeutungslose Informationen, steigt die Enttäuschung und die Bedeutung der KI Lösung schwindet. Veranschaulicht kann dies bspw. durch eine typische Suchanfrage bei Google. Mehr als 85% der Anwender brechen ihre Suche ab, sofern Sie auf den ersten 2 Ergebnisseiten von Google keine befriedigende Antwort erhalten haben. Auch wenn die Anzahl an Ergebnisseiten noch viel länger ist. Die Akzeptanz fällt drastisch, wenn zu viele bedeutungslose Ergebnisse erbracht werden.
Auch diese Herausforderung hat jedes KI Werkzeug: Für den Anwender bedeutungsvolle Informationen von unbedeutenden zu unterscheiden. Die präzise Definition des Anwendungsfalls gibt dem KI Werkzeug einen Rahmen, damit die Informationen bedeutungsvoll sind. Sichergestellt werden kann dies durch die Etablierung von Richtlinien, wie der Anwendungsfall zu definieren ist. Als Methode sind Sprints sinnvoll, da diese eine Transparenz und eine Flexibilität für die Entwicklung bieten. Weiterhin hat der Fachbereich selbst die Aufgabe den Prozess sicherzustellen, wie die KI Lösung getestet und produktiv im Alltag eingegliedert werden kann.
Eine weitere Analyse ist die exakte Prüfung bzw. Detaillierung des Anwendungsfalls auf drei gängige Fallstricke: Der Anwendungsfall ist mit KI unlösbar, mit bereits herkömmlichen Technologien umsetzbar oder der Anwendungsfalls erzielt zu viele bedeutungslose Ergebnisse. Letzterer Fall liegt grundsätzlich daran, daß Daten für KI zu viele Muster aufweisen, die potentiell interessant sein können. Die Entscheidung nach der Bedeutung hängt vom geschäftlichen Know-how ab und ist als Teilaspekt für das KI-Konzept zu berücksichtigen.
Lesen Sie hier den Beitrag aus TREND REPORT April 2020
Wie schaffen es Unternehmen, an einer KI-Lösung festzuhalten und diese kontinuierlich im Unternehmensalltag zu verankern?
Der erfolgreiche Übergang vom Proof of Concept in den produktiven Einsatz ist von verschiedenen Faktoren abhängig. Den Mehrwert reproduzierbar erlebbar zu machen schafft eine breite Anwenderakzeptanz. Zumal der Mensch weiterhin im Zentrum des Prozesses steht und die Maschine die monotonen Tätigkeiten übernimmt. Hierzu spielt das UX eine Schlüsselrolle, welches den Menschen und die Maschine verbindet. Damit die KI kontinuierlich lernt, bedeutende Ergebnisse im Sinne des Unternehmenskontexts zu liefern, werden Data Scientists im produktiven Einsatz weiterhin benötigt. Diese überarbeiten die trainierten Modelle und verbessern damit die Ergebnisse kontinuierlich. Hierzu helfen Feedbacksysteme, durch die die Anwender ihre Erfahrungen mit der KI einbringen. Der Einsatz der KI wird strukturelle Herausforderungen mit sich bringen, so daß ein etabliertes organisatorisches Change-Management die Anpassung der Prozesse und Richtlinien sicherstellt.
Agilität ist eine wichtige Stütze bei der Entwicklung einer KI-Lösung.
„Diese trägt zur Lernbereitschaft bei und befähigt jeden Mitarbeiter, sich selbst weiterzuentwickeln“, erläutert Thomas Kahabka (links) und Holger Schlaps (rechts) ergänzt: „Dies fördert das Ergebnis und eine realistische und transparente Erwartungshaltung.“
Herr Kahabka, welche Anwendungen im Kontext von künstlicher Intelligenz haben zurzeit großes Potenzial?
Die KI im Bereich der Bildverarbeitung hat ein Niveau erreicht, von dem aus aktuell eingeschränkt weitere Forschungsdurchbrüche erkennbar sind. Im Bereich der Text- und Sprachverarbeitung, auch Natural Language Processing (NLP) genannt, sind in den vergangenen Jahren diverse Durchbrüche erfolgt, die neue Forschungsfelder ermöglichen. Mit auf semantisches Verständnis optimierte KI-Anwendungen bieten bspw. die Möglichkeit Texte zusammenzufassen, zu kategorisieren und gezielte Textauszüge zu liefern. In Bezug auf das Internet wird KI die Art und Weise, wie wir Inhalte aus dem Internet konsumieren, grundlegend verändern. Unternehmen profitieren gezielt von dieser Entwicklung, um existierende Data-Warehouse-Systeme mit Freitextdaten für die Massenverarbeitung nutzbar zu machen. Durch das große Potential forschen wir aktiv im Bereich NLP und bieten tiefgehende Expertise an.
Herr Schlaps, welche Erfahrungswerte konnten Sie bei der Entwicklung von KI-gestützten Anwendungen gewinnen?
Wir haben in zusammen mit der BMW AG eine unternehmensweit eingesetzte KI-Lösung im Bereich Störungsmeldung entwickelt, die für proaktives Problemmanagement verwendet wird. Die KI-Lösung liefert anhand von gemeldeten Störungen eine Art Röntgenansicht über Störungsursachen. Im Fokus stand der kooperative Ansatz aus Mensch und Maschine, so daß der Mensch in der Lage ist datenbasiert Entscheidungen treffen zu können. In der Entwicklung der KI-Lösung war die agile Zusammenarbeit ein Erfolgsfaktor. Hierbei wurden Leistungsmerkmale über die Sprints entwickelt, wie auch die Anbindung verschiedene Datenquellen evaluiert. Nicht jede Datenquelle fand den Weg in die produktive Version.
Durch die agile Zusammenarbeit war es möglich, bedeutende Anwendungsfälle in der KI-Lösung abzubilden und in Echtzeit bei der BMW AG einzusetzen. Die ersten Ergebnisse waren bereits vielversprechend, lagen jedoch in einfacher Textform vor. Unser nächstes Ziel bestand in der Realisierung eines modernen UX. Zusammen mit UX Experten entstand ein modernes und interaktives Werkzeug, um intuitiv entscheidungsrelevante Erkenntnisse zu erhalten und gleichzeitig direktes Feedback über die Ergebnisse zurückgeben zu können.
Weitere Informationen unter:
bit.ly/AISulzer
This content is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International license.
Aufmacherbild / Quelle / Lizenz
Bild von Gerd Altmann auf Pixabay
Kommentare sind deaktiviert.