- Anzeige -
- Anzeige -
- Anzeige -
Lesedauer: min
Zwischen Regelwerk und Selbstlernen

Dez 2, 2019 | Künstliche Intelligenz

Hilfe bei Prozessautomatisierung und Dispatching

Neben der Unterstützung bei First-Level-Anfragen bildet die Automatisierung von Arbeitsabläufen im Service einen zentralen Einsatzbereich für künstliche Intelligenz. Field-Service-Management-Lösungen auf KI-Basis machen sich bereits heute beim Dispatching bezahlt und sichern die Einsatzplanung ab. Auch hier spielt der gewünschte Funktionsumfang eine zentrale Rolle für die Entscheidung, welcher Ansatz besser gewählt werden sollte. Sobald eine Regel in der Form ‚wenn das, dann das‘ formuliert werden kann, eignet sich der regelbasierte Ansatz. Ein Beispiel ist folgende Regel, die dem System ohne Weiteres einprogrammiert werden kann: Wenn der eingehende Auftrag vom Typ ‚Heizung reparieren‘ ist, dann soll er immer dem Techniker Meier zugewiesen werden. Im Gegensatz dazu werden bei dem KI-basierten Ansatz die eingehenden Kundenanfragen von selbstlernenden Algorithmen analysiert, die auf neurowissenschaftlichen Prinzipien basieren. Nachdem die künstliche Intelligenz die eingehenden Kundenanfragen analysiert hat, weist sie unter Berücksichtigung seiner Qualifikationen, des Standorts sowie der Verfügbarkeit selbstständig jedem Auftrag den am besten geeigneten Techniker zu.

Lernende KI bei Komplexität

Der lernende KI-Ansatz stellt insbesondere dann die bessere Wahl dar, wenn die zugrunde gelegten Regeln nicht eindeutig nach dem Wenn-Dann-Schema formuliert werden können. Welche Tragweite das haben kann, zeigt ein Beispiel aus einem ganz anderen Kontext: Beim strategischen Brettspiel Go sagen die Spieler oft, dass sich dieser oder jene Zug intuitiv gut anfühlt. Dabei können sie in der Regel nicht genau sagen, was der genaue Grund für ihre Einschätzung ist. Stattdessen verlassen sie sich einfach auf ihre Erfahrung. Genauso verhält es sich mitunter im Fall von KI: Zwar gibt es Regeln, aber diese sind viel diffuser und nicht eindeutig in Form von ‚wenn das, dann das‘-Zuordnungen abzubilden. Veranschaulichen lässt sich das anhand der KI-gestützten, automatischen Routenplanung. Die Frage, welcher Techniker welchen Auftrag annehmen soll, wird zu einer komplexen Aufgabenstallung, je höher die Anzahl ist. Hier gelangt ein regelbasiertes System als Lösungsansatz leicht an seine Grenzen. Einen deutlich zielführenderen Zugang mit besseren Ergebnissen ermöglichen derweil KI-Algorithmen – genauer gesagt Heuristiken, evolutionäre Algorithmen oder sogar neuronale Netzwerke.

So normal wie ERP-Software

Der Blick auf Anwendungsfelder im Bereich Field Service Management zeigt: Künstliche Intelligenz im Praxiseinsatz ist keine Zukunftsmusik mehr, sondern bereits heute Realität. Bis 2021 werden Gartner zufolge 70 Prozent der Unternehmen in irgendeiner Form KI nutzen, um die Produktivität ihrer Mitarbeiter zu steigern. Und genau hier offenbart sich eine gängige Sorge als maßlos übertrieben: KI und Automatisierungsstrategien werden menschliche Arbeit eben nicht ersetzen und überflüssig machen, wie es schon vielfach befürchtet worden ist. Statt Konkurrenz stehen die Weichen eher auf Kollaboration – menschliche Fachkräfte und fortschrittliche Technologien haben das Zukunftspotenzial, gemeinsam bessere Arbeitsergebnisse zu erzielen, als es bis vor kurzem noch denkbar war. Und das ist alles andere als eine entmutigende Zukunftsvision.

Seiten: 1 2Auf einer Seite lesen

Autor:
Firma:

News

Weitere Beiträge

Das könnte Sie auch interessieren

KI-Vorreiter führen ihre KI-Initiativen trotz Corona unbeirrt fort

Unternehmen, die beim Thema künstliche Intelligenz (KI) führend sind, zeigen sich von der Corona-Pandemie unbeeindruckt: 78 Prozent der KI-Vorreiter unter den Unternehmen führen ihre KI-Initiativen wie vor der Pandemie fort, 21 Prozent haben deren Umsetzung sogar beschleunigt. Unter den Unternehmen, die KI noch nicht skalierbar einsetzen, fahren hingegen 43 Prozent ihrer Investitionen zurück und 16 Prozent haben ihre KI-Initiativen eingestellt. In Deutschland haben 44 Prozent der Unternehmen keine Änderungen vorgenommen, 8 Prozent die Geschwindigkeit erhöht und 19 Prozent ihre Initiativen aufgrund der unsicheren Lage eingestellt. Weiterhin verzeichnen Unternehmen mit skalierbaren KI-Anwendungen messbare Erfolge bei der Absatzsteigerung und der Reduzierung von Sicherheitsrisiken und Kundenbeschwerden. Zu diesen und weiteren Ergebnissen kommt die Studie ‚The AI Powered Enterprise: Unlocking the potential of AI at scale‘, für die 950 Unternehmen aus elf Ländern und elf Branchen befragt wurden.

mehr lesen

KI übernimmt Arbeit von Software-Ingenieuren

Für selbstadaptive Software gibt es heute unzählige Anwendungsmöglichkeiten. Doch die Entwicklung der Systeme stellt Software-Ingenieure vor neue Herausforderungen. Wissenschaftler vom Softwaretechnik-Institut Paluno an der Universität Duisburg-Essen (UDE) haben jetzt vielversprechende Ergebnisse mit neuartigen Verfahren der künstlichen Intelligenz (KI) erzielt, die den Entwicklungsprozess selbstadaptiver Systeme automatisieren.

mehr lesen

Wie wird künstliche Intelligenz zum Standardwerkzeug für den Mittelstand?

Das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU möchte zusammen mit den produzierenden Unternehmen des Mittelstands die entscheidende Barriere für die Anwendung künstlicher Intelligenz überwinden: Die Köpfe sind überzeugt, aber die Umgestaltung der Produktionsanlagen und -prozesse in den Fabriken stockt. Deshalb arbeiten die Forscherinnen und Forscher an einem systematischen Leitfaden, mit dem KI zum Standardwerkzeug werden soll, das bessere Produkte mit geringerem Ressourceneinsatz ermöglicht. Erste Ergebnisse sind vielversprechend.

mehr lesen

Leistungsstarkes KI-System am KIT installiert

Als ein Werkzeug der Spitzenforschung ist künstliche Intelligenz (KI) heute unentbehrlich. Für einen erfolgreichen Einsatz – ob in der Energieforschung oder bei der Entwicklung neuer Materialien – wird dabei neben den Algorithmen zunehmend auch spezialisierte Hardware zu einem immer wichtigeren Faktor. Das Karlsruher Institut für Technologie (KIT) hat nun als erster Standort in Europa das neuartige KI-System NVIDIA DGX A100 in Betrieb genommen. Angeschafft wurde es aus Mitteln der Helmholtz Artificial Intelligence Cooperation Unit (HAICU).

mehr lesen

Machine Learning einfach gemacht

Seit einigen Jahren schon werden die Fantasien der Ingenieure und Anlagenbauer beflügelt durch die Möglichkeiten von KI- und Machine-Learning-Algorithmen. Klingt zwar zunächst sehr kompliziert, bietet aber konkrete Vorteile für die smarte Fabrik. Maschinen und Anlagen bzw. Produktionsprozesse erzeugen kontinuierlich Daten. Erfolgreich werden zukünftig Unternehmen sein, denen es gelingt, Mehrwert aus diesen Daten zu generieren.

mehr lesen

Die vernetze Fabrik für die Zukunft

Krisen decken Schwachstellen auf. In der Corona-Pandemie zeigt sich der Wert der vernetzten Produktion und Logistik. Das Internet der Dinge (Internet of Things, kurz IoT) hilft der Industrie, auf Ausfälle flexibler als bisher zu reagieren, denn in Echtzeit lassen sich Auslastung und Zustand jeder einzelnen Maschine verfolgen, und es herrscht Transparenz über die Lieferkette. Die Bosch-Gruppe, eines der weltweit führenden Technologie- und Dienstleistungsunternehmen, hat damit positive Erfahrungen gemacht.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.