'Key Factors' zur Anwendung von KI in Engineering und Industrie
1. Arbeitsinhalt von KI
‚KI‘ ist KEINE „Künstliche Intelligenz“, sondern bezeichnet Systeme, die menschliches Lernen und Entscheidungsverhalten ‚lediglich‘ nachahmen.
Im Detail umfasst KI
- eine Auswertung großer Datenmengen mit Hilfe von statistischen Methoden
- verbunden mit subsymbolischen Methoden
(z. B. Deep Learning)
- und symbolischen Ansätzen
(z. B. wissensbasierte Systeme)
Die englische Bezeichung ‚Artificial Intelligence‘ (AI) trifft das inhaltlich aus meiner Sicht besser als ‚KI‘, da ‚Intelligence‘ im Englischen eben auch ‚Informationsbeschaffung‘ oder ‚Aufklärung‘ bezeichnet (vgl. CIA).
Zusammengefasst:
Der Kern von KI ist eine Mustererkennung in (großen) Datenmengen, aber die Abgrenzung zu "echter Intelligenz" ist eher philosophisch.
(Starker KI-Begriff (= General AI) vs.
schwacher KI-Begriff (= spezialisiert auf eine Aufgabe)
2. Datenqualität und Autonomie
2a) Die Arbeitsergebnisse einer KI können nur so gut sein, wie die Qualität der Daten, auf deren Basis die KI gearbeitet und analysiert hat.
Und hierbei sprechen wir von IHREN firmeneigenen Daten; also aus Entwicklung, Produktion, Logistik, Vertrieb, etc..
Die Qualität der Daten hängt dabei ab von:
- Vollständigkeit
- Konsistenz (Widersprüche in Daten)
- Aktualität
- Repräsentativität (z. B. alle Produktionslinien auswerten, nicht nur eine)
- Bias (Systematische Verzerrungen; z. B. Überrepräsentation bestimmter Maschinen)
- Metadaten (Kontextinformationen, wie z. B. Datum, Messbedingungen)
Datenmenge vs. Datenqualität
Nicht die Menge, sondern die Qualität der Daten ist entscheidend.
Ein gut kuratierter Datensatz mit 1.000 hochwertigen Einträgen kann hilfreicher sein,
als 1 Mio. fehler- oder lückenhafte Einträge.
Zusammengefasst:
„Garbage in – garbage out“ (wie es auch für ERP- oder PDM/PLM-Systeme gilt)
2b) Eine firmeneigene KI sollte für sich allein arbeiten und sich möglichst KEINE Daten aus dem Internet ziehen, denn diese können genauso fehlerhaft sein, wie ggf. die alten eigenen Daten.
Bedingt nutzbare Ausnahmen sind eindeutig verfügbare und zuordbare Informationen wie z.B. Datenblätter von Produkten oder Maschinen, überprüfte wissenschaftliche Studien, o. ä..
Bitte bedenken Sie dabei aber:
- Das, was Ihre Wettbewerber (im Internet) veröffentlichen ist eventuell (!) absichtlich nicht ganz korrekt, um
_ den Kunden zu imponieren
_ oder um die Wettbewerber (= also auch SIE) zu verwirren.
- Dieses Risiko kennen Sie (wahrscheinlich) selbst, aber Ihre KI eben nicht,
_ weil diese weder Lebenserfahrung noch Bewusstsein besitzt,
_ sondern reine Mathematik / Statistik betreibt.
- Hinzu kommen
_ Halluzinationen und/oder
_ ‚Fake News’, die sich die verschiedenen ChatBots mehr oder weniger absichtlich gegenseitig zuwerfen
(„Flood the zone with shit“)
_ Rechtliche Risiken (DSGVO, Urheberrecht) und
_ Sicherheitsrisiken (Datenlecks, Hackerangriffe, etc).
Zusammengefasst:
Autonomie, Datensicherheit und (kompetente) Plausibilitätskontrollen sind die Kernfaktoren, wenn Sie die Zukunft Ihrer Firma in die Hände von Bits & Bytes geben.
3. Einführung
Der größte Aufwand bei der Einführung von KI wird daher sein:
- Klärung und Bereinigung der betroffenen bisheringen Prozesse
- Erstellung von klaren (neuen) Ablaufprozessen für alle betroffenen Vorgänge
- Generierung und Aufarbeitung von verlässlichen Daten aus der Vergangenheit.
- Andernfalls wird die KI eine geraume Weile benötigen, um aus AKTUELLEN Daten zu lernen.
- Die Ergebnisse bis dahin sind nur bedingt vertrauenswürdig und nutzbar, weil die Gefahr besteht, dass die KI in diesem Zeitraum voreilige oder falsche Schlüsse zieht.
Die Einführung einer KI beginnt also mit einem Graubereich an Vertrauenswürdigkeit der Ergebnisse.
Weitere kritische Arbeitspakete:
Change Management, Infrastruktur, Integration in bestehende Systeme, Compliance & Ethik, Wartung & Monitoring.
Zusammengefasst:
Prozessklärung → Datenaufbereitung → Lernphase
4. Notwendige Ressourcen
4. Die Implementierungsphase benötigt:
- Manpower, Manpower, Manpower – das heißt, also vor allem Geld, aber auch Zeit
- Klar zugeordnete und für die Transformation zugewiesene menschliche Ressourcen
- Die klare Bereitschaft (der GF und anderer Stakeholder),
sich seinen eigenen Unternehmensdaten ehrlich und ‚open minded‘ zu stellen
- Die Geduld, eine Weile auf ‚gute‘ und hilfreiche Ergebnisse der KI zu warten.
Die Dauer dieses Zeitraums ist natürlich abhängig von der Datenqualität aus Punkt 2a)
Zusammengefasst:
Ressourcen, Commitment und Geduld sind die Top-3-Herausforderungen.