Wegweisender KI-Einsatz in wettbewerbsintensiven Branchen: Prozesse neu denken statt nur optimieren

Wer über die Top-Trends in der IT-Landschaft spricht, kommt am Thema Künstliche Intelligenz (KI) nicht vorbei. Beinahe neun von zehn Unternehmen planen IDC zufolge aktuell ein KI-Projekt. Auffällig an den Studienergebnissen ist allerdings, dass Unternehmen in Deutschland KI in erster Linie einsetzen, um Prozesse zu optimieren. Ohne Zweifel ist das ein richtiger erster Schritt, da sich hier relativ schnell gute ROI-Ergebnisse erzielen lassen. Was wirklich innovative und disruptive Ansätze anbelangt, bleibt die KI-Nutzung damit aber weit hinter ihren Möglichkeiten zurück.

KI birgt enormes Potenzial

Das Innovationspotential von KI zeigen Beispiele etwa aus dem Maschinen- und Anlagenbau auf. Hier vermag KI den Bereich Service und Wartung komplett umzuwälzen. Mit Hilfe von KI werden integrierte und einheitliche Sichten auf alle Daten und Informationen möglich, was nicht nur einen Mehrwert für die Entwicklung neuer Anlagen liefert, sondern auch und gerade die Reaktionsfähigkeit und Effizienz von Betrieb und Wartung erhöht. Durch die KI-getriebene Überwachung und Steuerung der Maschinen können u.a. Fehler im Betriebsablauf und drohende Maschinenausfälle frühzeitig erkannt und automatisch Gegenmaßnahmen eingeleitet werden.

KI legt zudem die Basis für Augmented Reality-(AR)-Anwendungen. Die Kombination der von der KI gelieferten Daten und AR schafft neue Perspektiven und ermöglicht es beispielsweise, maschinenspezifische Informationen wie die genaue Position einer Schraube oder eines Kondensators in das Sichtfeld des Wartungstechnikers einzublenden.

KI benötigt eine breite Datenbasis

Trotz der vielversprechenden Anätze im Maschinen- und Anlagenbau scheitern ambitionierte KI-Projekte aber oftmals noch daran, dass Daten und Informationen aus verschiedenen Unternehmensbereichen wie Einkauf, Planung oder Vertrieb nicht optimal mit den Daten aus der Produktion verknüpft werden können.

Ein Beispiel aus dem Handel zeigt die Möglichkeiten auf, die die Vernetzung von Daten aus verschiedenen Fachbereichen bringt. Mittels KI wurde eine umfassende Datenbasis analysiert, um so schon zu Beginn der Covid-19 Pandemie optimale Routen zu finden und etwaige Versorgungsengpässe zu reduzieren

Jedoch garantiert eine große Datenbasis alleine noch kein erfolgreiches KI-Projekt. Denn nur wenn alle beteiligten Abteilungen, Anwendungen und Systeme, die aus den verschiedenen Quellen bereitgestellten Daten verarbeiten können, lässt sich ein echter Mehrwert generieren.

Der Grundstock des KI-Erfolgs

Damit ein KI-Projekt gelingt, muss zunächst eine durchgängige Konsistenz der Datenmodelle sichergestellt werden, um die Daten überhaupt erst verwertbar zu machen. Denn oftmals liegen Informationen in unstrukturierten Texten, in Datensilos oder Dokumentationen ohne jegliche Metadaten vor, was eine kontextspezifische Verwendung ohne weitere Aufbereitung der Daten ausschließt. Ebenso wichtig ist eine entsprechend leistungsfähige Infrastruktur für das Datenmanagement, die Data Lakes bereitstellt und die Analyse der Rohdaten mit Verfahren des Maschinellen Lernens ermöglicht.

Genau an diesem Punkt setzt unsere Datenplattform InterSystems IRIS an. Sie bietet darüber hinaus skalierbares Datenmanagement, leistungsstarke Interoperabilität und höchste Performance. Mit diesem Paket wertvoller Eigenschaften bewährt sie sich als idealer Tandempartner einer wissensbasierten KI. Durch das Zusammenspiel beider können die Industrie 4.0, das vernetzte Fahrzeug oder der Handel mit innovativen Prozesslösungen bereichert werden, die echten Mehrwert schaffen.

Aleksandar Kovačević

Aleksandar Kovačević ist ein Machine Learning Enthusiast, der die versteckten Superkräfte von Daten zum Vorschein bringt.

Als Sales Engineer bei InterSystems ist er mit der Aufgabe betraut, Kunden und Interessenten darüber zu informieren, was InterSystems Produkte so besonders macht. Hierbei kann er auf seine weitreichende technische Expertise zurückgreifen, die unter anderem umfassende Kenntnisse in Elektroingenieurwesen und Kommunikationstechnik sowie Software-Entwicklung und Big Data Analysen beinhaltet. Diese Fähigkeiten gründen auf zwölf Jahren Erfahrung als Wissenschaftler, Entwickler und Berater, wobei er sich in jüngerer Zeit vornehmlich mit dem Themenbereich Machine Learning auseinandergesetzt hat. Seinen überwiegend aus dem Finanzdienstleistungssektor stammenden Kunden konnte er dadurch helfen, das volle Potenzial von Machine Learning für die Optimierung von alltäglichen Geschäftsprozessen auszuschöpfen.

Kommentar verfassen

*