Anreiz für Investitionen in KI: So soll der Wert von Daten für Unternehmen sichtbar werden

Der Mittelstand scheut heute noch Investitionen in Künstliche Intelligenz. Für die meisten Unternehmen sind Daten etwa aus Produktion oder Instandhaltung totes Kapital. Dabei sehen Wissenschaft und Politik gerade hier enormes Potenzial. Der Wirtschaftsinformatiker Professor Wolfgang Maaß und sein Team von der Universität des Saarlandes wollen den Wert solcher Daten sichtbar und für die Firmen durch intelligente Datenbilanzierung interessant und nutzbar machen. 2,3 Millionen Euro investiert das Bundeswirtschaftsministerium in diese Forschung, für die Wolfgang Maaß mit fünf Partnern aus Wissenschaft und Wirtschaft zusammenarbeitet. Über 330.000 Euro davon fließen auf den Saarbrücker Campus.

Prof. Dr.-Ing. Wolfgang Maaß (Universität des Saarlandes) Bild: Oliver Dietze

Unternehmen lassen sich heute riesige Gewinne entgehen. Einfach, weil sie aus den Daten, die z.B. Sensoren in Fertigungsstraßen ohnehin sammeln, nichts machen. Oder auch, weil sie solche Daten erst gar nicht erheben. „Um es bildhaft auszudrücken: Dieses Feld liegt entweder brach, oder es wird schlicht nicht geerntet“, bringt es Professor Wolfgang Maaß von der Universität des Saarlandes auf den Punkt. Dabei ist es für die künstliche Intelligenz, die vom Rohstoff bis zum fertigen Produkt Einzug in alle Unternehmensbereiche halten soll, unumgänglich, dass solche Daten ausgewertet und damit die Prozesse transparent werden. „Im deutschen Mittelstand bestehen noch große Hemmnisse, in die digitale Transformation zu investieren. Die Unternehmen scheuen sich, Geld in die Hand zu nehmen, erkennen nicht das Potenzial, das hier liegt. Das wollen wir ändern“, erklärt der Wirtschaftsinformatiker. Gemeinsam mit Partnern aus Forschung und Wirtschaft will er belastbare Kenngrößen und Bewertungssystematiken für das unternehmerische Datenkapital entwickeln und so auch Anreiz für Investitionen liefern.

Den Wert von Daten nutzen

Der Wert von Daten ist schwer zu greifen und schwer zu beziffern. Ein Beispiel: Bis eine Industrieanlage perfekt eingestellt ist und alle Maschinen aufeinander abgestimmt sind, dauert es Jahre. Das Knowhow, bei welcher Temperatur, welcher Schwingungsfrequenz, mit welcher Geschwindigkeit – oder was sonst noch an Daten einfließt – am besten produziert wird, ist Gold wert – aber: Wie viel? Da fällt es schwer, große Investitionen in zusätzliche Sensoren oder Auswertungen zu begründen. „Die digitale Transformation erfordert Investitionen in Sachkapital, Software, in Aus- und Weiterbildung der Mitarbeiter“, sagt Wolfgang Maaß. „Es existieren derzeit aber keine standardisierten, belastbaren Kennzahlen, die den wirtschaftlichen Erfolg solcher Investitionen in die digitale Transformation beziffern. Daten, die im Zuge der Investition in die digitale Transformation anfallen, werden nicht systematisch finanziell bewertet und dem Management als Entscheidungshilfe zur Verfügung gestellt“, erläutert er. Das Grundproblem ist, dass Unternehmen dieses Datenkapital bislang nicht in Bilanzen ausweisen können: Kaufmännische Bilanzkennzahlen sind handfeste Argumente. „Zwar kann meist genau beziffert werden, was investiert werden müsste. Unklar aber bleibt, wann und wie sich das auszahlt. Rückflüsse liegen meist in fernerer Zukunft oder können nur zusammen mit weiteren Projekten realisiert werden“, erklärt Maaß. Könnte den Daten, die ein Unternehmen hat oder zukünftig haben wird, ein Geld-Wert zugeordnet werden, würde dies viele Investitionsentscheidungen positiver ausfallen lassen.

Projekt ‚Future Data Assets‘

Ziel des Projekts ‚Future Data Assets‘ ist es, mithilfe von Verfahren maschinellen Lernens und Methoden künstlicher Intelligenz eine Datenbilanz zu entwickeln. „Wir wollen ein Werkzeug schaffen, das der Unternehmensleitung die erforderlichen Datenbilanz-Kennzahlen liefert: standardisiert, stetig optimiert, automatisiert und an die jeweilige Branche angepasst“, erklärt Wolfgang Maaß. Das Bundeswirtschaftsministerium fördert diese Forschung über das Technologieprogramm ‚Smarte Datenwirtschaft‘. Im Rahmen des Projekts ‚Future Data Assets‘ arbeitet Professor Wolfgang Maaß von der Universität des Saarlandes mit dem Forschungsinstitut für Rationalisierung FIR an der RWTH Aachen und Partnern aus der Wirtschaft zusammen: dem Unternehmen Atlan-tec (Konsortialführer), der Wirtschaftsprüfungsgesellschaft Deloitte, dem Werkzeugmaschinenhersteller DMG Mori AG sowie den Firmen Kuraray und Swissdata.

Universität des Saarlandes
iss.uni-saarland.de/de/projects/future-data-assets/

News

Fachbeiträge

Weitere Fachbeiträge

Entwicklungsprognose

Entwicklungsprognose Trends für die Fabrik der Zukunft Wohin entwickeln sich die Fabriken in den nächsten Jahren? Philipp Wallner von MathWorks wagt die Prognose, das fünf Faktoren darunter sein werden, die individuelles Fertigen und Ressourceneffizienz in Einklang...

Künstliche Intelligenz für Gebäude

Künstliche Intelligenz (KI) gilt als Schlüsseltechnologie der kommenden Jahre für die Bereiche Autonomes Fahren, Industrie 4.0 und Medizintechnik. Auch im Gebäudemanagement setzt man längst auf automatisierte Lösungen. Bei neuen Bauvorhaben wünschen sich Betreiber immer häufiger smarte Technologien. Gebäude werden mit einer Vielzahl an Sensoren ausgestattet: von IP-Kameras über Feuer- und Rauchmelder, Thermostatregler und weiteren Überwachungssystemen für Heiz-, Lüftungs- und Klimatechnik bis hin zu biometrischen Lesegeräten für die Zutrittskontrolle. All diese IP-Geräte werden mit jeder Entwicklungsstufe immer intelligenter. Werden sie alle mittels Software vernetzt, entsteht ein intelligentes Gebäude.

Cyber-Bedrohungen 2020

Fortgeschrittene KI und intelligente Bedrohungs-Desinformation Cyber-Bedrohungen 2020 Der Cybersecurity-Anbieter Fortinet hat die Prognosen von FortiGuard Labs zur Bedrohungslandschaft für 2020 veröffentlicht. Die Analysten von Fortinet zeigen darin Methoden, die...

Lernende Objekterkennung in Echtzeit

Heutige Inspektionsssteme sind auf wenige, sehr akkurat justierte Objekttypen herstellerseitig justiert. Kommen neue Produkttypen hinzu, müssen die Systeme zeitaufwendig neu justiert werden. Die KI-Inspektionsplatform von Gestalt Robotics beseitigt diese Hürden.

Maschinenlernen eingebettet

Bisher wird der gewünschte Zusammenhang zwischen den jeweiligen Eingangs- und Ausgangsdaten einer Automatisierungsbaugruppe mittels wissensbasierter Regeln in einer Hoch- oder SPS-Programmiersprache kodiert und auf einem eingebetteten System ausgeführt. In Zukunft lassen sich Embedded Systeme in der Automatisierung auch per Supervised Machine Learning für eine bestimmte Aufgabenstellung trainieren.

Zwischen Regelwerk und Selbstlernen

Nach einer Studie von Gartner soll bis 2022 der Geschäftswert von KI auf 2,85 Billionen Euro steigen. Der Löwenanteil davon wird voraussichtlich auf den Bereich der Kundenerfahrung entfallen, für das schon ausgereifte Tools am Markt existieren. Dieser Überblick zeigt, wie es heute um KI im Field Service Management steht und wohin die Reise geht.

Psychometrie im Vertrieb

Psychometrie im Vertrieb Souffleuse für das Verkaufsgespräch Ein neuer Trend in der Marketing-Kommunikation ist die KI-gestützte Stimmungsanalyse der Gesprächspartner: Sentimentanalysen in Verbindung mit Spracherkennung wie bei Amazons Alexa, IBM Watson, oder Google...

Direkte Roboteransteuerung

Direkte Roboteransteuerung Mit dem Ziel der direkten Roboteransprache über die neue Steuerung SmoothAi haben Mazak und namhafte Roboterhersteller ihre Zusammenarbeit intensiviert. Den Kern der SmoothAi machen drei wesentliche Eigenschaften aus: das so genannte Machine...

Leitfaden für Unternehmen

Leitfaden für Unternehmen Zukunftsfähig mit künstlicher Intelligenz Mit ihrem aktuellen Bericht wollen die Experten der Plattform 'Lernende Systeme' Unternehmen einen Leitfaden an die Hand geben und zeigen, wie sie KI systematisch nutzen können - veranschaulicht von...

News

→ MEHR