KI-Studie des Fraunhofer IAO

Anspruchsvolle Einführung Den von Unternehmen zunehmend erkannten KI-Potenzialen stehen allerdings auch einige Hindernisse gegenüber, die eine Einführung erschweren und dazu führen, dass Unternehmen den Schritt von der Beschäftigung mit KI-Themen […]

Anspruchsvolle Einführung

Den von Unternehmen zunehmend erkannten KI-Potenzialen stehen allerdings auch einige Hindernisse gegenüber, die eine Einführung erschweren und dazu führen, dass Unternehmen den Schritt von der Beschäftigung mit KI-Themen hin zu konkreten Anwendungen oftmals noch nicht gewagt haben. Neben hohen Anforderungen beim Datenschutz und der erforderlichen Datenmenge fehlen Unternehmen meist kompetente Mitarbeitende im eigenen Haus. Zudem sind nur maßgeschneiderte KI-Lösungen für Anwender zielführend, welche jedoch heute noch nicht in der Breite verfügbar sind und somit für Betriebe eine Orientierung fehlt – ähnlich wie vor Jahren bei der Einführung von Industrie-4.0-Technologie.

Bild: Fraunhofer-Institut f. Arbeitswirtschaft

Vorgehen zur KI-Implementierung

Um diese Hindernisse zu überwinden, empfiehlt das Fraunhofer IAO den Unternehmen in der Studie konkrete Maßnahmen für die Evaluation, Vorbereitung und Realisierung von KI-Projekten. Bei der Evaluierung sollen Unternehmen ihre individuellen KI-Anwendungspotenziale systematisch identifizieren. Dabei ist auch zu prüfen, ob neben KI nicht auch andere klassische oder digitale Lösungen zielführend sind. KI ist eine Schlüsseltechnologie von enormer Bedeutung, aber kein universelles Wundermittel. Es ist dabei für Unternehmen empfehlenswert, zunächst bei den Prozessverbesserungen zu beginnen, dann aber auch den Blick auf die Etablierung neuer KI-gestützter Geschäftsmodelle zu richten. Für die Vorbereitung der KI-Einführung ist es erforderlich, von Beginn an in konkreten Projekten zu denken und sich von bereits umgesetzten KI-Anwendungsfällen anderer Unternehmen inspirieren zu lassen, ohne jedoch kurzgedacht zu kopieren. Vielmehr sollten Unternehmen ein eigenes KI-Zielbild aufbauen. Hierzu sind die Einbeziehung interner Domänen-Experten der betroffenen Bereiche und der Aufbau eigenen Wissens wichtig. Daneben sind das frühzeitige Schaffen von Transparenz und die Kommunikation von Chancen sowie Gefahren im Betrieb entscheidend. Die Verbesserung von Prozessen im Unternehmen sollte bei der Realisierung stets im Fokus stehen und Anwendungen dann Schritt für Schritt implementiert werden. Breit aufgestellte Projektteams, die neben KI-Experten auch die Arbeitnehmervertretung umfassen, erweisen sich hierfür als geeignet. Produktionsunternehmen empfiehlt das Fraunhofer IAO zunächst mit maschinenbezogenen Lösungen zu starten. Für diese Anwendungen stehen oft Daten zur Verfügung und die Unternehmen können erste Expertise aufbauen, bevor sie in weiteren Schritten sukzessive auch mitarbeiterbezogene Daten in KI-Lösungen einfließen lassen.

Seiten: 1 2Auf einer Seite lesen

Thematik: Zahlenfutter
|
Fraunhofer-Institut f. Arbeitswirtschaft
www.ipa.fraunhofer.de

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.