Vorteile, Risiken und Nebenwirkungen der Technologie
Wie KI 2022 praktikabel wird
Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern - auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.
Bild: ©ipopba/stock.adobe.com

Die Investitionen in KI-Unternehmen haben sich im vergangenen Jahr weltweit verdoppelt. Dabei flossen große Summen in die Entwicklung von autonomen Fahrzeugen und in medizinische Produkte. Dieser Trend wird auch im Jahr 2022 weitergehen und die Investments werden weiter wachsen. Abgesehen von den finanziellen Aspekten sieht der Digitalisierungsspezialist Cloudflight einen stärkeren Trend darin, dass viele KI-Anwendungen (wie etwa automatische Bildbearbeitung, Vorhersage-Techniken und Entscheidungssysteme) das Experimentier- und Prototypen-Stadium verlassen haben. Künstliche Intelligenz (KI) und Machine Learning (ML) seien mittlerweile etablierte Technologien mit einem Ökosystem, das auf standardisierten Frameworks, Modellen und Plattformen aufsetzt, so Niedermayer. Dadurch ließen sich KI-Anwendungen in relativ kurzer Zeit kostengünstig entwickeln und anschließend produktiv einsetzen. Dabei gibt es schon zahlreiche Technologien, die von vielen Firmen breit eingesetzt werden können:

Verarbeitung natürlicher Sprache (NLP): Natürliche Sprache, auch in geschriebener Form, dient dem Austausch von Informationen. Dies beinhaltet Dateien, Lieferscheine und Rechnungen, Finanztransaktionen, E-Mails, Kundenkommentare, Präsentationen, Nachrichten, Fachbeiträge und vieles mehr. Niedermayer geht davon aus, dass Unternehmen im Jahr 2022 verstärkt künstliche Intelligenz einsetzen, um diese Informationen und die darunterliegende Kommunikation auszuwerten und daraus resultierende Aktionen zu automatisieren. Diese automatische Verarbeitung von Sprache biete enorme Optimierungspotenziale von Geschäftsprozessen, die sich dank vorhandener Frameworks und Plattformen individuell in bestehende IT-Landschaften integrieren lassen.

Computer Vision (Video-Auswertung): Videokameras sind mittlerweile preisgünstige ‚Universalsensoren‘, die mit dahinterliegender KI vielfältige Aufgaben übernehmen. So kann KI nicht nur Objekte und Personen erkennen, sondern auch Stimmungen in Gesichtern erfassen und Szenen bewerten. Kameras können in Produktionsanlagen die Fertigungsqualität ermitteln und Objekte vermessen. Ein besonderer Vorteil dabei: Kamerabasierte KI-Anwendungen lassen sich durch Software-Updates mit neuen Funktionen ausrüsten.

KI in Kreation und Strategie: Neue Anwendungsmöglichkeiten bietet künstliche Intelligenz in Situationen, die für Menschen nicht mehr überschaubar sind. Dazu gehört die maschinelle Entscheidungsfindung, das Finden von neuen Wirkstoffen und Molekülen in der Medizin oder Strategien für effektive Statik im Bauwesen sowie Energiemanagement.

Vorteile für Unternehmen

Unternehmen können doppelt vom KI-Einsatz profitieren. Zum einen ermögliche KI neue und zusätzliche Geschäftsmodelle – andererseits führt die Suche nach Einsatzmöglichkeiten von KI im eigenen Unternehmen zu einer neuen Bewertung von Geschäfts- und Entscheidungsprozessen. Häufig mündet das in zahlreiche Prozessoptimierungen und in eine umfangreiche Automatisierung. Unternehmen sind damit widerstandsfähiger und Mitbewerbern einen Schritt voraus. Dynamik kommt dadurch hinzu, dass mit der Babyboomer-Generation nun besonders geburtenstarke Jahrgänge ins Rentenalter kommen und Unternehmen viele etablierte Experten verloren gehen.

Risiken und Nebenwirkungen

Künstliche Intelligenz wird von Teilen der Gesellschaft durchaus kritisch gesehen. Themen wie die automatische Gesichtserkennung werfen ethische auf und wie bei der Einführung jeder neuen Technologie schwingt auch in manchen Berufsgruppen die Furcht vor Arbeitslosigkeit mit. Tatsächlich bietet die breite Einführung von KI in vielen Bereichen jedoch enorme Chancen – sei es, dass anspruchsvollere Aufgaben erledigt werden können oder dass komplett neue Arbeitsplätze geschaffen werden. Je häufiger KI eingesetzt werde, desto geringer werden die Berührungsängste und desto schneller sind die Vorteile nutzbar, kommentiert Niedermayer.

Demokratisierung künstlicher Intelligenz

Statt KI-Anwendungen individuell neu zu entwickeln, beobachtet Niedermayer den Trend zur Demokratisierung künstlicher Intelligenz, bei der KI-gestützte Standardanwendungen zum Einsatz kommen. Dies zeige deutlich, dass KI-Technologie am Markt und in verschiedenen Ökosystemen eine gewisse Reife erreicht hat. Trotz des Trends zu Standard-Cloud-Anwendungen und As-a-Service-Lösungen ist Individualsoftware für Unternehmen auch 2022 noch ein bewährtes strategisches Mittel, um sich in wichtigen Bereichen von Mitbewerbern abzuheben.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: Fraunhofer IOSB-INA
Bild: Fraunhofer IOSB-INA
Fraunhofer entwickelt Lösungen für Einsatz künstlicher Intelligenz in industrieller Produktion

Fraunhofer entwickelt Lösungen für Einsatz künstlicher Intelligenz in industrieller Produktion

Wie macht die intelligente Nutzung von Daten Fabriken fit für die Zukunft? Im Projekt ‚Datenfabrik.NRW‘ erarbeiten vier Fraunhofer-Institute (Entwurfstechnik Mechatronik IEM, Materialfluss und Logistik IML, Optronik, Systemtechnik und Bildauswertung IOSB und Intelligente Analyse- und Informationssysteme IAIS) konkrete Anwendungen für den vielfältigen Einsatz von künstlicher Intelligenz in der Produktion und setzen diese in realen Produktionsumgebungen bei Claas und Schmitz Cargobull um. Das Land Nordrhein-Westfalen fördert das Zukunftsprojekt mit 9,2Mio.€. Die Kompetenzplattform KI.NRW nimmt die Datenfabrik.NRW als KI-Flagshipprojekt in ihr Netzwerk auf.

Anzeige

Anzeige

Anzeige