KI: Vorteile, Risiken und industrielle Auswirkungen

Künstliche Intelligenz (KI) ist eine der vielversprechendsten Wachstumstechnologien. Laut aktuellen Daten von Gartner stieg der Anteil der Organisationen, die KI implementiert haben, von 4 auf 14 % zwischen 2018 und 2019.

Gartner führt KI in seinen Technologietrends 2020 – speziell KI zur Verbesserung der IT-Sicherheit.

KI ist Schlüsseltechnologie der Industrie 4.0 wegen ihrer Vorteile für Unternehmen; alle, die digitale Transformation starten, müssen sie in ihre Prozesse integrieren.

Was ist künstliche Intelligenz?

Der Begriff existiert lange. John McCarthy prägte „Künstliche Intelligenz“ 1950; Alan Turing sprach im selben Jahr in „Computing Machinery and Intelligence“ darüber.

Seitdem hat sich diese Informatikdisziplin stark weiterentwickelt.

Für MIT-Professor Patrick H. Winston sind KI „constraint enabled algorithms exposed by representations that support looping models that link thought, perception and action“. DataRobot-CEO Jeremy Achin definiert KI als Computersystem, das Maschinen Arbeiten ausführen lässt, die menschliche Intelligenz erfordern. Für Margaret Rose (TechTarget) ist es ein System, das menschliche Prozesse wie Lernen, Schlussfolgern und Selbstkorrektur simuliert.

Alle drei Definitionen beziehen sich auf Maschinen/Systeme, die denken – menschliche Intelligenz emulieren, um Aufgaben zu lösen, die nur Menschen können.

Andere Quellen gehen weiter: KI als Computersystem zur Lösung komplexer Probleme, die das menschliche Gehirn übersteigen.

KI nutzt Maschinenkraft, um Probleme zu lösen, die der menschliche Verstand nicht erreicht.

Max Tegmark (Future Life Institute): „Da alles, was wir an unserer Zivilisation mögen, Produkt unserer Intelligenz ist, hat die Verstärkung menschlicher Intelligenz durch KI das Potenzial, die Zivilisation wie nie zuvor gedeihen zu lassen.“

Google DeepMind und Oxford University zeigten: KI kann beschädigte, unleserliche altgriechische Texte entschlüsseln. Fehlerquote von Historikern/Epigraphikern: 57,3 %; Algorithmus: 30,1 %.

Diese Beispiele zeigen, wie KI menschliche Kapazitäten bei komplexen Problemen übertrifft. Doch wie funktioniert KI?

Wie funktioniert KI?

KI arbeitet durch Algorithmen, die aus Programmierregeln und ihrem Teilbereich Machine Learning (ML) sowie verschiedenen ML-Techniken wie Deep Learning (DL) handeln.

Machine Learning (ML)

Ein Zweig der KI und einer der am weitesten entwickelten für kommerzielle/zwecke. ML entwickelt Techniken, damit Algorithmen lernen und sich im Lauf der Zeit verbessern. Es erfordert viel Code und komplexe mathematische Formeln, damit Maschinen Lösungen für gegebene Probleme finden.

Klares Beispiel: Daten aus Produktionsanlagen, wo vernetzte Elemente kontinuierlich Daten zu Maschinenstatus, Produktion, Funktionalität, Temperatur etc. an einen zentralen Kern liefern.

Diese enorme Datenmenge muss für kontinuierliche Verbesserung und Entscheidungsfindung analysiert werden – Menschen bräuchten Tage dafür.

Hier kommt Machine Learning ins Spiel: Daten werden analysiert, sobald sie in den Produktionsprozess einfließen, und Muster oder Anomalien werden schneller und präziser erkannt. So können Warnungen/Algorithmen für Entscheidungsfindung ausgelöst werden.

ML ist jedoch breit. Die Entwicklung dieser KI-Knoten führte zu Deep Learning (DL).

Deep Learning (DL)

Eine spezifischere Version von ML: Algorithmen (neurale Netze), die für maschinelles Lernen entworfen sind und an nicht-linearer Schlussfolgerung partizipieren.

Algorithmen werden in künstliche neurale Netze gruppiert, die wie menschliche Gehirnnetze agieren. Technik, die tiefes Lernen ohne spezifischen Code ermöglicht.

DL ist fundamental für weit fortgeschrittenere Funktionen, da es eine breite Palette von Faktoren gleichzeitig analysiert.

Beispiel: DL kontextualisiert Sensordaten in autonomen Autos: Objektentfernung, Geschwindigkeit, Bewegungsvorhersagen. Diese Informationen entscheiden, wann und wie der Spurwechsel erfolgt.

DL befindet sich noch in sehr früher Entwicklungsphase seines vollen Potenzials. Immer stärker geschäftliche Nutzung durch Umwandlung von Daten in detailliertere, skalierbare Datensätze.

KI im Geschäftsumfeld

KI wird bereits in vielen kommerziellen und Produktionsanwendungen eingesetzt: Automatisierung, Sprachverarbeitung, Produktionsdatenanalyse.

Dies ermöglicht auf allgemeiner Ebene, dass Unternehmen sowohl Fertigungsprozesse, Abläufe optimieren als auch interne Effizienz verbessern.

KI arbeitet durch Programmierregeln, die Maschinen menschlich handeln und Probleme lösen lassen.

Das Interesse an Implementierung von KI-Techniken liegt in ihren Vorteilen.

Vorteile von KI

Verschiedene Technologieexperten vertreten KI-Vorteile.

Andy Chan (Infinia ML, TED Talks, 40.000+ Views) und Kai-Fu Lee (Sinovation Ventures, TED Talks, 600.000+ Views) benennen Hauptvorteile:

1. Prozessautomatisierung. KI lässt Roboter repetitive, routinemäßige und optimierende Aufgaben automatisch, ohne menschliches Eingreifen, ausführen.

2. Kreative Aufgaben fördern. KI befreit Menschen von Routine, ermöglicht mehr Zeit für kreative Funktionen.

3. Präzision. KI liefert höhere Präzision als Menschen, z. B. in industriellen Umgebungen, wo Maschinen Entscheidungen treffen, die zuvor manuell oder ohne KI überwacht wurden.

4. Reduzierung menschlicher Fehler. KI mindert durch menschliche Limitierungen verursachte Ausfälle. In manchen Fertigungslinien erkennt KI via Infrarotsensoren feinste Risse/Defekte, die das Auge nicht sieht.

5. Weniger Zeit für Datenanalyse. Analyse und Auswertung von Produktionsdaten in Echtzeit.

6. Predictive Maintenance. Wartung basierend auf Betriebszeiten und -bedingungen, zur Steigerung von Leistung und Lebenszyklus.

7. Verbesserte Entscheidungsfindung auf Produktions- und Unternehmensebene. Mehr strukturierte Informationen ermöglichen schnelleren, effizienteren Entscheidungen.

8. Kontrolle und Optimierung produktiver Prozesse und Fertigungslinien. Durch KI effizientere, fehlerfreie Prozesse, größere Kontrolle über Fertigungslinien.

9. Produktivitäts- und Qualitätssteigerung in der Produktion. KI erhöht nicht nur Maschinenproduktivität, sondern macht auch Mitarbeiter produktiver und steigert Arbeitsqualität. Mehr Informationen ermöglichen fokussiertere Sicht und bessere Entscheidungen.

Risiken und Barrieren von KI

Einige Stimmen sehen Risiken – besonders wenn KI-Potenzial über die Nachahmung menschlicher Aufgaben hinaus erforscht wird. Stephen Hawking, Bill Gates und Forscher äußerten Bedenken.

Barrieren im Geschäftsumfeld:

• Datenverfügbarkeit. Daten liegen oft isoliert, inkonsistent, minderwertig vor – große Herausforderung für skalierbare KI-Wertschöpfung. Klare Strategie von Anfang an nötig, um KI-Daten organisiert, konsistent zu extrahieren.

• Mangel qualifizierter Fachkräfte. Knappheit an Profilen mit Skills/Erfahrung in solchen Implementierungen. Entscheidend: Profis mit Projekterfahrung gleicher Größenordnung.

• Kosten und Implementierungszeit von KI-Projekten. Zeitlicher und ökonomischer Implementierungsaufwand ist entscheidender Faktor. Unternehmen ohne interne Skills oder KI-Vertrautheit sollten Outsourcing von Implementierung und Wartung prüfen, um erfolgreiche Ergebnisse zu erzielen.

Kurzum: KI ist eine sehr wichtige Ressource für Unternehmen, da sie Wettbewerbsfähigkeit und Nutzen stark erhöht – besonders in Fertigung und Produktion.

Daher sind solche Profile im Industriesektor zunehmend gefragt, was Expertengruppen unerlässlich macht für effiziente Digitalisierungsstrategien.