Ein kurzes Studium der Schlagzeilen in Technik- und Wirtschaftsnachrichten vermittelt den Eindruck, etwas wunderbar verheißungsvolles namens “Künstliche Intelligenz” sei schon überall (sofern man über US-Firmen liest) oder sollte bald überall sein (sofern man über europäische Firmen liest). KI ist der nächste große Trend, dem sich auch die deutsche Industrie und der deutsche Mittelstand nicht verschließen können, wollen sie am internationalen Markt konkurrenzfähig bleiben.

Falsche Vorstellungen und echte Potenziale

So richtig das im Prinzip ist, wird allerdings viel zu selten erklärt, was damit überhaupt gemeint ist. Mit dieser Frage bleiben auch viele UnternehmerInnen sich selbst überlassen. Deshalb wundert es nicht, wenn häufig ein Bild entsteht, das näher an der Science Fiction ist, als an unserer Realität.

Dabei sind wir von Zukunftsbildern wie in “Blade Runner”, “Her” oder “Star Trek” noch unglaublich weit entfernt. Ein großes Potenzial jedoch befindet sich schon heute in unmittelbarer Reichweite: Die Möglichkeit, unsere Produktions-, Organisations- und Vertriebsprozesse entscheidend zu verbessern. In der KI steckt der nächste große Produktivitätssprung, vergleichbar mit der Einführung der zeitbasierten Produktionskettenanalyse durch McKinsey, des Fließbandes oder der EDV.

KI-Roboter im Einsatz
Disneys fiktiver Müllroboter Wall-E hat ein eigenes Bewusstsein entwickelt - die heutige KI ist davon noch unglaublich weit entfernt / @canva

Um die Entwicklungen sinnvoll nutzen zu können, brauchen wir als erstes eine genauere Idee, was sich tatsächlich hinter KI verbirgt. Allein schon der Begriff ist schwierig. Denn im Moment gibt es kein einziges von Menschen geschaffenes System, das auf eine der vielen unterschiedlichen Definitionen von „Intelligenz“ zutrifft. Was wir kennen, die sogenannte “schwache KI”, kann bestimmte Aufgaben zwar teilweise besser und schneller lösen als ein Mensch. Von einem eigenen Bewusstsein kann jedoch keine Rede sein.

Was wäre also ein besserer Begriff – und wieso?

KI-Systeme erledigen automatisiert Aufgaben, die bisher nur von Menschen bearbeitet werden konnten. Dies geschieht durch das sogenannte Maschinelle Lernen (ML). Dabei wird ein Rechner zuerst mit Beispielen und einer Modellstruktur gefüttert und lernt dann selbstständig, diese durch bestimmte Annäherungsverfahren zu vervielfältigen.

So erhält ein System beispielsweise Daten eines Sensors, gekoppelt mit der Aussage, ob dieser in den letzten zwei Wochen ausgefallen ist. Der Rechner optimiert sein Modell nun so lange, bis er die vergangenen Ausfälle des Sensors möglichst genau hätte vorhersagen können. Von der Fließbandproduktion bis hin zu Bewässerungssystemen könnte so Ausfällen vorgebeugt werden.

Deep Learning
Mit Hilfe von Maschinellem Lernen können Produktionsprozesse und Warenwirtschaft kontrolliert und automatisiert werden / @canva

Natürlich ist die Wirklichkeit so komplex, dass perfekte Vorhersagen kaum zu treffen sind. Was in der KI also geschieht, ist eine “Statistische Mustererkennung” (SME) – ein Begriff, der Ihnen auf einer Cocktailparty mit Fachleuten anerkennende Blicke eintragen wird. Die geeignetste und einfachste Beschreibung jedoch wäre „Data Science“ (DS), denn die Statistische Mustererkennung erfordert ein hohes Maß an Datenhaltung und -organisation sowie gewisse Programmierkenntnisse.

Was landläufig unter Künstlicher Intelligenz verstanden wird und besser mit Data Science beschrieben wäre, ist also die Verbindung all dieser Schritte: Die Datenaufnahme, -säuberung und -ordnung, die Suche nach einem statistischen Modell, das Vorhersagen treffen kann und schließlich die Einbindung in einen Unternehmensprozess.

Wer profitiert von der Technologie?

Dieses Bündel kann jedes Unternehmen stärken, manche mehr, manche weniger.

So wie sie ihr Brot vermutlich nicht mit einem Laserschneidegerät schneiden, sondern mit einem Messer, so ist nicht jedes Verfahren der DS für jedes Problem geeignet. Aber so wie wir alle Brot essen, gibt es kein Unternehmen, das nicht von klug angewandter DS profitieren könnte. Es muss nicht immer ein sprechender Autopilot sein. Es reicht meist auch eine Live-Vorhersage der Ausfallwahrscheinlichkeit bestimmter Maschinenteile. Oder welche Brötchen demnächst für eine bestimmte Backwerkfiliale nachgebacken werden sollten.

Als nächster großer ökonomischer Anwendungsbereich wird bald die Straffung von Logistik- und Fertigungsketten kommen. Mittelständische Betriebe, die hier voran gehen, können potenziell enorme Effizienzgewinne vor ihren Konkurrenten heben. Deshalb lohnt es sich für alle UnternehmerInnen, dem Feld große Aufmerksamkeit zu widmen. Egal, wie man es nun nennt.

Über den Autor

Notger Heinz

Ob Künstliche Intelligenz, Robotik, Aerodynamik oder Controlling in Banken, das Interesse daran Systeme zu modellieren und zu simulieren zieht sich wie ein roter Faden durch Notger Heinz‘ Biografie. In den letzten acht Jahren lag dabei der Schwerpunkt auf Agilen Methoden und der Data Science, als Co-Founder einer Ingenieursconsultingfirma und einer Big-Data-Firma im Videospielbereich.

Auch interessant

12. November 2019
Umweltforum Berlin

12.

Trendradar – Ist das Zukunft oder kann das weg?

Künstliche Intelligenz, Internet der Dinge oder Blockchain - digitale Trends im Mittelstand gibt es viele. Doch welche sind für Ihr Unternehmen relevant? Wir geben einen Überblick über aktuelle Trends im Mittelstand!

Kontaktieren Sie uns.

Bei Fragen und Anmerkungen helfen wir Ihnen gerne weiter. Schreiben Sie uns!

Nicht lesbar? Neues Captcha anfragen. captcha txt

Start typing and press Enter to search