Künstliche Intelligenz (KI) und Data Analytics

Navigation aller Website-Bereiche

Künstliche Intelligenz und Data Analysis

Aus Daten wird Zukunft

Künstliche Intelligenz (KI) und Data Analytics

Daten sind unerlässlicher Bestandteil jedes Unternehmens. Sie eröffnen Einblicke in Prozesse von der untersten Ebene der Maschinen und ihrer Bestandteile bis hin zu Informations- und Steuerungssystemen entlang der gesamten Wertschöpfungskette. Mehr noch: Mit KI ausgewertet, sichern sie zukünftige Umsätze.

Aus Daten wird Zukunft

Wie KI-Verfahren die Welt verändern

Künstliche Intelligenz (KI) ist die Zukunft. Da sind sich alle Experten einig. Immer mehr Sensoren liefern ständig zunehmende Datenmengen in den verschiedensten Formaten zu den unterschiedlichsten Sachverhalten. Angefangen bei Wetterinformationen über Straßenzustands- und Verkehrsberichte, Maschinen- und Telemetriedaten bis hin zu Gesundheitsdaten reicht die Palette der unterschiedlichen Quellen, auf die Unternehmen und andere Organisationen zugreifen können. Mit modernen Data Analytics-Anwendungen und KI lassen sich daraus Erkenntnisse über die Geschwindigkeit und Qualität von Prozessen ebenso gewinnen wie mögliche neue Zielgruppen für bestehende Produkte oder komplett neue Geschäftsmodelle.

Tatsächlich hat die Zukunft schon begonnen: Für einen Betreiber von Container-Terminals an Häfen beispielsweise hat Materna eine KI-basierte Lösung zur Eingangskontrolle von Containern bei der Anlieferung per Lkw entwickelt. Dabei geht es um mehr Effizienz und Sicherheit bei der Kontrolle der Warenströme. Rund 38 Millionen Container gibt es heute. 2018 wurden allein im Hamburger Hafen mehr als acht Millionen TEU (Twenty Foot Equivalent Unit) umgeschlagen.

Für 2030 rechnet das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) mit einem Umschlag von rund 30 Millionen TEU an deutschen Häfen. Schon die Zahlen vermitteln einen Eindruck von der Herausforderung, diesen Strom von Containern zu kontrollieren. Hinzu kommt: Container ist nicht gleich Container – auch wenn es auf den ersten Blick so aussehen mag. Unterschiedliche Behälter für bestimmte Waren, beispielsweise Kühlcontainer für Lebensmittel oder Medizinprodukte sowie spezielle Gefahrgut-Container, verlangen eine besondere Behandlung. Außerdem kommt es durch das häufige Umladen zwischen Schiffen, Zügen und Lkw immer wieder zu Schäden an den Containern. „Für uns als Partner vieler Logistikunternehmen war damit schnell klar, dass KI in diesem Umfeld erhebliche Mehrwerte liefern kann“, berichtet Guido Weiland, Leiter Corporate Innovationbei Materna.

Einsatz am Hafen: KI kategorisiert Container

Das Förderprojekt nutzt KI, um sämtliche Container bei der Anlieferung per Lkw bildlich zu erfassen und je nach Art und Zustand des Containers automatisch bestimmte Prozesse anzustoßen: So etwa die Lagerung von Kühl-Containern im dafür vorgesehenen Bereich oder eine Dokumentation schadhafter Container mit Benachrichtigung der Beteiligten. Denn das KI-System erkennt nicht nur den jeweiligen Container-Typ, sondern es liest auch die Tracking-ID des Containers und die Tafeln mit Angaben zu Absender, Empfänger und Gefahrgutstufe des Inhalts automatisiert aus. Dazu werden Videos und Standbilder mit Bildanalyse und Texterkennung bearbeitet. Manuell wäre eine derartige Erfassung und Dokumentation aller angelieferten Container nicht wirtschaftlich zu bewältigen. Guido Weiland erklärt: „KI ist hier der Enabler für ein neues Verfahren, das die Sicherheit im Hafen erhöht. Die rechtzeitige Erkennung beschädigter Container vermeidet beispielsweise Schäden durch ausgetretenes Gefahrgut. Diese Risikominderung wirkt sich auch auf die Versicherungsprämien der Hafenbetreiber aus – sie sparen bares Geld.“

Das große Plus: Unstrukturierte Daten nutzen

Automatisierung vorantreiben, Prozesse beschleunigen, Aufwand verringern, Sicherheit erhöhen und Kosten reduzieren – die Vorteile von KI unterscheiden sich auf den ersten Blick nicht wesentlich von denen bisheriger IT-Anwendungen. Sie gewinnen jedoch dramatisch an Bedeutung im Umfeld der allgemeinen Digitalisierung. Sinnvoll ist der Einsatz von KI gerade bei der Analyse von strukturierten Daten und daraus abgeleiteten Prognosen. Darüber hinaus erlaubt KI Schlussfolgerungen mit dem extrahierten Wissen aus vielfach als unstrukturiert bezeichneten Dateien wie Videos und Standbildern oder frei formulierten Texten. So lassen sich beispielsweise große Mengen von Texten und andere Medien schnell kategorisieren. Andere Projekte nutzen KI, um gesuchtes Wissen automatisiert aus unstrukturierten Dokumenten zu extrahieren. So können aktuelle Bibliographien zu wissenschaftlichen Themen entstehen, wie das Buch „Lithium-Ion Batteries“ zeigt, ein Buch aus dem Wissenschaftsverlag Springer Nature, der nach eigenen Angaben das erste Buch veröffentlicht hat, das von einem Algorithmus verfasst wurde. Andere Algorithmen generieren Gebrauchstexte wie Spielberichte von Fußballspielen der Amateurligen, aber auch Produktbeschreibungen auf Basis von wenigen strukturierten Daten. Und der Einsatz von Anlagen zur Energiegewinnung, egal ob aus Wind, Gas oder Sonne, wird an vielen Stellen längst durch KI-basierte Datenanalysen optimiert.

KI ist kein Luxus

Insgesamt steht die deutsche Wirtschaft beim KI-Einsatz noch ganz am Anfang. Laut Bitkom Research setzen aktuell nur sechs Prozent der 600 Befragten Unternehmen KI bereits ein. Immerhin: das sind mehr als doppelt so viele wie noch 2019. Und mit 22 Prozent hat sich auch die Zahl der Unternehmen mehr als verdoppelt, die den KI-Einsatz planen oder zumindest diskutieren. Für mehr als zwei Drittel (71 Prozent) der Unternehmen jedoch ist KI weiterhin kein Thema. Philipp Kleinmanns, Vice President Business Innovation bei Materna, kennt diese Zurückhaltung aus Kundengesprächen. Er sagt:

„Viele Entscheidungsträger haben immer noch die Vorstellung, dass KI ein Luxus sei. Das hat damit zu tun, dass der Nutzen von KI in der öffentlichen Diskussion oft mit Leuchtturm-Anwendungen wie Autonomes Fahren begründet wird. Das ist in der Vorstellung der meisten Menschen noch weit weg und wird von vielen überschätzt. Der konkrete Nutzen im heutigen Geschäftsalltag hingegen wird unterschätzt.“

Windkraftanlagen effizienter warten

Tatsächlich, so Kleinmanns, könnten Unternehmen es sich schon bald nicht mehr erlauben, auf die Vorteile von KI zu verzichten. Ein Anwendungsszenario, in dem das heute schon gilt, ist die Wartung von Offshore-Windkraftanlagen. Die Anlagen bestehen aus vielen Bauteilen, was eine hohe Zahl möglicher Fehlerquellen bedeutet. Sensoren in der Anlage liefern permanent Daten über den aktuellen Zustand jedes einzelnen Windkraftwerks. KI kann diese Momentaufnahmen vergleichen mit allen erfassten Zuständen aller beobachteten Anlagen. Dabei erkennt sie Muster in bestimmten Abfolgen von Zuständen und liefert auf dieser Basis Prognosen über die weitere Entwicklung. Damit lassen sich auffällige Komponenten bereits vor einem Defekt austauschen. Das vermeidet nicht nur eine ungeplante Ausfallzeit der Anlage sondern auch Folgeschäden an anderen Teilen.

Windräder

„Solche konkreten wirtschaftlichen Vorteile für Unternehmen sind nicht so spektakulär wie Autonomes Fahren. Man sieht sie nicht auf den ersten Blick. Denn dafür ist fundiertes Branchen- oder Domänen-Wissen erforderlich. Aber in diesen Bereichen wird KI die Welt viel schneller und nachhaltiger verändern“, sagt Guido Weiland. Dabei gilt: Je mehr Vergleichsdaten, desto aussagekräftiger die Prognose. Aus IT-Perspektive bedeutet das: KI benötigt viel Speicher, eine große Datenbank und hohe Rechenkapazität, um große Datenmengen in Echtzeit berechnen zu können. „Professionelles Know-how in der Planung dieser Ressourcen und im Management der Daten sind für den Erfolg von KI-Projekten genauso wichtig wie die Auswahl der eingesetzten Algorithmen“, betont Guido Weiland.

Wie KI Umsätze sichert

Am Anfang einer KI-Lösung steht häufig eine klassische Business-Herausforderung: Wie können wir zukünftige Umsätze sichern? Bei einem Materna-Kunden führte diese Fragestellung zu der Idee, den Service für die Trucks, die das Unternehmen herstellt, vermehrt auch den Besitzern in zweiter und dritter Hand anzubieten, die Wartung und Reparatur traditionell aus Kostengründen nicht in den Vertragswerkstätten des Herstellers machen lassen. Gesucht wurde ein Mehrwert, der die Nutzer der Trucks bewegt, in die Vertragswerkstatt zu gehen. Ein Lösungsansatz in Form einer Beschleunigung des Services war schnell gefunden. Erst bei der Umsetzung kam KI ins Spiel: Damit die Maschinen möglichst kurz in der Werkstatt stehen, übermitteln sie IoT-Daten, die mit KI analysiert werden, sodass die Vertragswerkstätten Ersatzteile bedarfsgerecht bevorraten können. Außerdem unterstützt KI die Systemdiagnose. Die Folge: Der Lkw ist schneller wieder auf der Straße und die Mehrausgaben für den Herstellerservice machen sich bezahlt. Auf ähnliche Weise gelang es einem Baumaschinenhersteller gemeinsam mit Materna, den Mehrwert seiner Produkte gegenüber dem Wettbewerb zu erhöhen. So erkennt beispielsweise eine Asphaltiermaschine schon beim Aufbringen des Bodenbelags anhand von Sensordaten Unterschiede in der Beschaffenheit des Untergrunds und liefert so wertvolle Informationen für die Planung späterer Instandsetzungsarbeiten.

Power-Boost für Analytics

Die zahlreichen Beispiele zeigen: KI ist auf dem besten Wege, der Digitalisierung einen kräftigen Schub zu verleihen. Eine zentrale Rolle spielt dabei Machine Learning (ML). Je nachdem, ob das Lernen durch Menschen überwacht oder unüberwacht erfolgt, unterscheiden Experten zwischen Supervised und Unsupervised Learning. Das so genannte Reinforcement Learning kombiniert Elemente von Supervised und Unsupervised Learning zu einem Verfahren, das nach dem Prinzip von Belohnung und Bestrafung Algorithmen darauf trainiert, ihre eigenen Ergebnisse zu verbessern. In der Praxis nutzt Materna solche Verfahren beispielsweise, um den Customer-Support-Prozess von Dienstleistungsunternehmen zu optimieren. Dabei kommt es häufig zum sogenannten Ticket-Ping-Pong: Kundenanfragen, die als sogenannte Support-Tickets erfasst und verwaltet werden, wandern mehrfach zwischen verschiedenen Organisationseinheiten hin und her, bevor sie tatsächlich bearbeitet werden. Das ist ärgerlich für die Kunden und kostet viel Geld, besonders in großen Unternehmen, wo täglich mehrere Hundert Tickets anfallen. Hier hilft KI, die Wege der Tickets nachzuvollziehen und zu ermitteln, wo genau welche Anfragen am besten gelöst wurden, um dann automatisiert ähnliche Tickets künftig direkt dorthin zu schicken. Dazu wurde ein Reinforcement-Learning-System mit den vorhandenen Tickets gefüttert. Die Information, um welchen Typ von Ticket es sich handelt, wurde zunächst manuell zugewiesen. Neue Tickets vergleicht das System nun mit vorhandenen Typen. Häufig sind bis zu 90 Prozent der Tickets auf lediglich zehn unterschiedliche Anfragen zurückzuführen. Diese häufigen Tickets können bereits nach sehr kurzer Zeit korrekt den geeigneten Experten zugeordnet werden. Rückmeldungen, ob die Zuweisung korrekt erfolgte oder nicht, verbessern die Erkennungsrate im laufenden Betrieb weiter.

Überwacht oder unüberwacht?

Symbolbild Fernglas

Möglich wäre das Training auch ohne vorherige Kennzeichnung der Bestandsdaten. Dann würde das System die Tickets zunächst relativ breit gestreut an verschiedene Abteilungen zustellen. Wenn sich zeigt, dass eine bestimmte Support-Gruppe ein bestimmtes Problem signifikant häufiger oder schneller löst, erhält das System jedes Mal die Information „Belohnung“ und wählt diesen Weg künftig häufiger. „Das dauert am Anfang sicher länger als das Supervised Learning, aber gerade bei großen Datenmengen geht es insgesamt trotzdem oft schneller, weil weniger menschliches Eingreifen benötigt wird“, erläutert Dr. Thomas Liebig, Head of Data Analytics & Artificial Intelligence bei Materna. Der größte Teil der Arbeit läuft bei diesem unüberwachten Lernen im Hintergrund: Mit Clustering, Mustererkennung, Bestimmen von Korrelationen, Überprüfen von Datensätzen auf bestimmte Eigenschaften erkennt das System beispielsweise selbstständig, welche Tickets besonders häufig von einer Abteilung zu einer anderen geschickt und welche besonders schnell gelöst werden. „Aus solchen Erkenntnissen ergeben sich oft Optimierungsvorschläge, die Prozesskosten im Support verringern und gleichzeitig die Kundenzufriedenheit signifikant verbessern.“

Der Erfolg steht und fällt mit den Daten

Unabhängig davon, in welchen Bereichen und mit welchen Verfahren Unternehmen Künstliche Intelligenz bei ihren Datenanalysen einsetzen – im Mittelpunkt stehen immer die Daten. Mit fortschreitender Digitalisierung generieren Unternehmen, aber auch Behörden und Privatpersonen, immer mehr Daten. Von immer mehr unterschiedlichen Systemen bereitgestellt, liegen sie in immer mehr verschiedenen Formaten vor. Gleichzeitig erwarten die Nutzer von Datenanalysen die Ergebnisse immer schneller und in immer höherer Qualität. Und eine Frage ist im Zusammenhang mit Data Analytics und KI allgegenwärtig: Wie lassen sich Sicherheit und Compliance im Sinne des Datenschutzes managen? Aufgrund seiner Erfahrung aus vielen Kundenprojekten rät Guido Weiland: „Mit automatisierter Anonymisierung und der Analyse von Metadaten anstelle der Originaldaten lassen sich die Datenschutz-Anforderungen beim eigentlichen KI-Einsatz relativ einfach erfüllen. Schwieriger ist es meistens, den Umgang mit den Daten so zu organisieren, dass sie als wirtschaftliches Asset nachhaltig verfügbar sind. Diese Aufgabe im Rahmen einer konkreten Datenstrategie zu lösen, ist das Hauptziel, das wir gemeinsam mit unseren Kunden verfolgen.“

Grafik KI-Funktionen Die Abbildung zeigt die verschiedenen Anwendungen, Funktionen und Einsatzbereiche für KI. Sie alle setzen Daten voraus: ohne Daten keine KI.

Lesen Sie weiter wie wie KI in Behörden unter anderem die Verfolgung von Hass-Postings erleichtert