Künstliche Intelligenz in der Automobilindustrie

Angespornt durch den extremen Anstieg der weltweit verfügbaren Rechenpower kommt die KI-Welle immer schneller auf uns zu. Das bereits vor über 50 Jahren von James Moore propagierte Gesetz – Moore’s Law – ist immer noch gültig und besagt, dass sich die Leistungsfähigkeit alle zwei Jahre verdoppelt. Auf Basis der damaligen Technologie hätte dies nicht gestimmt, aber stetige Technologiesprünge – zuletzt die Einführung von GPU-Prozessoren aus der Spieleindustrie – machen es möglich, dass dieses Gesetz noch nicht gebrochen wurde. Somit scheint es nur noch eine Frage der Zeit, wann die menschliche Intelligenz durch Künstliche Intelligenz überflügelt und der Zeitpunkt der technologischen Singularität erreicht wird. Um diese Zusammenhänge (sowie die Gründe, Möglichkeiten, Chancen und Grenzen von künstlicher Intelligenz) zu verstehen, erläutert dieses Kapitel zuerst die Grundlagen der KI-Entwicklung, indem es auf die bisherige Entwicklung in der Informationstechnologie (IT) und in den Bereichen Algorithmik, Big Data und Cloudtechnologien eingeht. Danach werden die Spannungsfelder erklärt, in denen sich die Künstliche Intelligenz befindet und durch die Entwicklung ausgebremst werden kann.

Dieses Kapitel gibt einen leichten Einstieg in die Künstliche Intelligenz. Beginnend mit deren Geschichte werden die für die Automobilindustrie relevanten Verfahren kurz erklärt. Dies reicht von Verfahren aus dem Bereich des überwachten Lernens bis hin zum Deep Learning und Reinforcement-Learning. Zum Ende wird auf die Bewertung von entwickelten Verfahren sowie auf die Chancen und Grenzen von KI-Verfahren eingegangen.

Ein selbstfahrendes Fahrzeug ist ein autonomes Fahrzeug. Solch ein Fahrzeug ist in der Lage, selbst zu fahren, und kann sich ohne menschliche Hilfe von einem Startpunkt zu einem beliebigen Ziel bewegen. Die Autonomie bedeutet hierbei, dass nicht nur einige Aufgaben, die das Fahrzeug zu meistern hat, wie Parken automatisiert abläuft, sondern dass das Fahrzeug in der Lage ist, die richtigen Aktionen und Schritte zur richtigen Zeit auszuführen. Es kann also autonom und selbständig agieren. Dies klingt relativ einfach. Ist es aber nicht. Die Menscheit erforscht solche Fahrzeuge bereits seit über 100 Jahren. Das mag man kaum glauben, ist aber wahr. Daher werden wir zuerst in die Geschichte des autonomen Fahrens eintauchen, bevor wir uns anschauen, was man machen muss, damit ein Fahrzeug autonom fahren kann, und wo uns Künstliche Intelligenz behilflich ist.

Die Welt von morgen wird sich maßgeblich von der heutigen unterscheiden. Grund dafür sind große Trends wie zum Beispiel vernetzte Dienste, autonomes Fahren oder auch die Elektromobilität. Diese Trends haben große Auswirkungen auf die Kundenbedürfnisse und die automobile Wertschöpfungskette. Künstliche Intelligenz kann helfen die Wertschöpfungskette kosteneffizienter zu gestalten wie auch die Kundenzentrierung auszubauen. Die neue Wertschöpfungskette wird in diesem Kapitel vorgestellt, zudem werden auch Potentiale für Künstliche Intelligenz aufgezeigt.

In diesem Kapitel schauen wir uns eine Vielzahl von Anwendungsfällen an, die hinsichtlich KI und Daten für die Automobilindustrie Relevanz haben. Dies reicht von Use-Cases zur Optimierung der Kosten in bisherigen Stufen in der automobilen Wertschöpfungskette bis hin zu Use-Cases im Fahrzeug zur Verbesserung des Kundenerlebnisses oder neuen Geschäftsmodellen, mit denen Geld verdient werden kann. Alle Anwendungsfälle sind in jedem Unterkapitel tabellarisch dargestellt und bewertet. Dabei sind sie hinsichtlich Potential (Kosteneinsparungen bzw. Umsatzpotential), Aufwand in Bezug auf die Modellierung und Integration und ihrer Datenanforderungen bewertet worden.

Dieses Kapitel zeigt auf, welche Vision die Automobilhersteller verfolgen können, um sich erfolgreich zu einem Techgiganten zu transformieren. Entscheidend hierfür ist zu erkennen, dass die digitale Lieferzeit von Monaten auf Tage reduziert werden muss. Hierzu müssen alle Engpässe im Unternehmen eliminiert werden. Ebenso muss eine Konvertierung vom Projekt- zum Produktgeschäft geschehen. Produkte kommen nämlich im Vergleich zu Projekten mit einem Lebenszyklus, der abgedeckt werden muss. Auf Basis eines Strategie-getriebenen Backlogs können dann die richtigen Themen angegangen werden, die die Transformation zum Techgiganten ermöglichen.

Ein wesentlicher Bestandteil zur Umsetzung der Vision und Mission, um ein Techgigant zu werden, ist es, die notwendige Organisationsform dafür zu finden und alle Mitarbeiter zu motivieren, die notwendigen Transformationsprozesse  und den Wandel aktiv mitanzugehen. Hier muss darauf geschaut werden, dass sowohl die Mitarbeiter als auch die Organisation nicht in alte Verhaltensmuster verfallen. Die allerdings heutzutage herrschende Unternehmenskultur bei vielen Automobilherstellern ist allerdings noch durch hierarchische Strukturen dominiert, in der traditionelle Werte bestehen. Diese alten Strukturen müssen aufgebrochen werden. Die neue Organisationsform muss nämlich Neugierde, Bereitschaft zur Veränderung und schnelle Entscheidungsprozesse fördern. Nur hierdurch werden Kundenzentrierung, Geschwindigkeit und Agilität ermöglicht, wie wir es in großen Maßstäben bei den Techgiganten wie Amazon, Google oder Netflix vorfinden. Die Schaffung der notwendigen Organisationsform ist allerdings nur die eine Seite der Medaille. Ebenso wichtig ist es, das notwendige Mindset innerhalb des Unternehmens zu schaffen. Dieses bildet das Fundament, um die richtige Organisationsform aufzubauen. Dieses Kapitel versucht hierzu einen Überblick zu geben, welche Organisationsform unter dem Blickpunkt der Stärkung von Daten und KI im Unternehmen förderlich ist und wie die richtigen Werte Einzug finden können.

Dieses Kapitel zieht ein Fazit des Buches und versucht, einen Blick auf die nächsten 5 bis 10 Jahre der Automobilindustrie zu wagen. Dieser futuristische Ausblick soll Automobilherstellern den Mut geben, innovativ und entschlossen voranzugehen. Hierbei ist Schnelligkeit wichtiger als Abwägen eines jeden Details. Die Zukunft ist nicht komplett vorhersagbar und Risiken müssen in Kauf genommen werden. Dies ist ein Thema, mit dem sich speziell die deutsche Automobilindustrie sehr schwer tut. Jetzt ist die Zeit des MACHENS gekommen – und Machen ist wie Wollen, nur krasser! Bei dem kommenden Ausblick ist sowohl die exponentielle Entwicklung der weltweit verfügbaren Rechenleistung als auch die Fähigkeit der Automobilhersteller zur Änderung einbezogen. Die in den letzten Jahren stark zunehmenden Projekte im Bereich der digitalen Dienste, des autonomen Fahrens und des elektrischen Fahrens zeigen deutlich, dass wir den linearen Bereich der Exponentialkurve verlassen haben und jetzt in den steilen Verlauf eintreten. Daher sind die nächsten 5 bis 10 Jahre entscheidend für alle Automobilhersteller. Vor diesem Hintergrund werden wir uns anschauen, mit welcher Wahrscheinlichkeit ein Automobilhersteller die in Kap. 5 postulierte Metamorphose schaffen kann. Daraus leiten wir dann ein Worst-Case-, ein Realistic-Case- und ein Best-Case-Szenario für den Automobilstandort Deutschland ab. Dieses Kapitel schließt mit der Frage, wie groß der aktuelle Vorsprung des Innovators Tesla ist. Vieles in diesem Kapitel ist eine sehr subjektive Einschätzung des Autors. Letztendlich kann zum Glück niemand in die Zukunft sehen.