Betriebswirtschaftliche KI-Anwendungen

Künstliche Intelligenz unterstützt Systeme, Prozesse und Funktionen in nahezu allen Branchen und in zahlreichen Anwendungen. Dies geschieht zumeist im Hintergrund und damit nicht transparent. Um zu erkennen, wie KI optimal eingesetzt werden kann, muss ein Grundverständnis über die Funktionsweise und die Voraussetzungen zum Einsatz vorhanden sein. Dies ist bei den meisten klein- und mittelständischen Unternehmen nicht in ausgeprägter Form vorhanden. Dieses Kapitel führt in die Möglichkeiten von KI-Anwendungen ein und zeigt aber auch die Restriktionen und Limitationen auf.

In diesem Abschnitt wird nach der Einleitung zunächst auf die Art des Lernens eingegangen. Hierbei werden verschiedene Lehrformen untersucht und diese voneinander abgegrenzt, wobei ein besonderes Augenmerk auf das Blended-Learning fällt. Mit der Erläuterung von Lernzielen wird dieser Teil beendet und mit dem Abschn. 2.3 fortgefahren. In diesem sehr theoretischen Abschnitt wird erläutert, was künstliche Intelligenzen sind und wie diese funktionieren. Es wird gezeigt, welche Unterschiede künstliche Intelligenzen zu regelbasierten Computerprogrammen aufweisen. Im Weiteren erfolgt eine Darstellung, welche Arten von Daten es gibt und wie wichtig diese für den Einsatz von künstlichen Intelligenzen sind. Bei der Anwendung von künstlichen Intelligenzen kommen unterschiedliche Lernalgorithmen zum Einsatz. Einige davon werden im Abschn. 2.3.5 erläutert und voneinander abgegrenzt. Der nächste Teil befasst sich mit künstlichen neuronalen Netzen. Es wird dargestellt, wie ein solches Netz aufgebaut ist und wie es funktioniert. Im Abschn. 2.3.6.3 wird die Funktionsweise von unterschiedlichen künstlichen neuronalen Netzen aufgezeigt. Da in einer Übung gezeigt wird, wie ein Faltungsnetz erzeugt werden kann, wird ein besonderes Augenmerk auf den Abschn. 2.3.6.3.4 gelegt. Nachdem die theoretischen Grundlagen abgehandelt sind, wird das erlernte in die Praxis umgesetzt. In beiden Übungen werden zunächst die Lernziele definiert und das Computersystem, auf dem programmiert werden soll entsprechend vorbereitet. Anschließend wird in Abschn. 2.4.1 ein einzelnes Perzeptron und in Abschn. 2.4.2 ein Faltungsnetz zur Bildunterscheidung programmiert werden können. Der letzte Teil dieses Kapitels enthält die Schlussbetrachtung, das Fazit und einen Ausblick.

Initialer Schritt für der Generierung von KI-Anwendungen ist die Definition der Strategie. Aufbauend auf der Strategie wird das Geschäftsmodell konzipiert und die Projektumsetzung geplant.

Die Herausforderungen der digitalen Transformation sind seit geraumer Zeit bekannt, allerdings legt der klassische Mittelständler nicht selten den falschen Fokus. Es fehlt an einem „Fahrplan für die Digitalisierung“ bzw. konkreten Hilfestellungen, um sich der Thematik und der damit verbundenen Entwicklung der Digitalstrategie sowie deren konsequenter Umsetzung zu nähern. Der vorliegende Beitrag, welcher als Masterthesis in Kooperation mit der Hochschule Kaiserslautern und der proALPHA Consulting GmbH entstanden ist, dient in seinem Ergebnis als Ratgeber für mittelständische Unternehmen im Umgang mit der digitalen Transformation.

KI-Technologien sind seit geraumer Zeit ein Hype-Thema der IT und bilden auch die Basis für neue, digitale Geschäftsmodelle. Dieses Kapitel zeigt Möglichkeiten für neue Geschäftsmodelle in der Energiewirtschaft auf Basis von künstlicher Intelligenz. KI kann Energieversorgern die Differenzierung von Produkten und Dienstleistungen ermöglichen und aufgrund von neuen Tarifierungsmöglichkeiten auch für eine Win-Win-Situation mit den Kunden bzw. Prosumern sorgen.

Die künstliche Intelligenz und deren Technologien haben bereits und werden auf viele Branchen und Bereiche Einfluss ausüben. Die Finanzdienstleistungsbranche stellt hierbei keine Ausnahme dar. In diesem Kapitel werden einige der Einsatzbereiche der künstlichen Intelligenz im Sektor der Finanzdienstleistungen aufgezeigt und kurzweilig die Adaptionsmöglichkeit bzw. die Exklusivität betrachtet.

Jede Unternehmung besitzt softwaregestützte Werkzeuge zur Abbildung analoger und digitaler Prozesse. Dabei helfen diese Prozesse gezielt die Komplexität aus den einzelnen Sachverhalten zu vereinfachen und in einem entsprechenden Format wiederzugeben. Ein digitales Abbild eines Unternehmens entsteht. Allerdings kann dieses Format nur nach festgelegten Schemata die unterschiedlichen Datensätze klassifizieren, verifizieren und ausgeben und ist für weiterführende Ausprägungen technisch restriktiv zu behandeln. Um dieses Problem zukünftig zu überwinden wird der Ansatz derKI (Künstliche Intelligenz) als mögliches Werkzeug für Optimierungen angesehen. Mithilfe der KI kann die aktuelle Flut an Daten bestmöglich umgesetzt und zur Nutzung freigegeben werden. Diese Ausarbeitung stellt den Nutzen Anhand des führenden ERP Anbieters SAP vor und zeigt geeignete Beispiele mit Hinblick auf die konkrete Nutzung und Ausprägung im Echtbetrieb. Dabei sollen nicht nur die Potenziale dieser Technologie aufgezeigt werden, vielmehr sollen konkrete Vorbereitungsmaßnahmen und Indikatoren zur Veranschaulichung der aktuellen Möglichkeiten dienen. Diese Ausarbeitung wird unter den Gesichtspunkten der betriebswirtschaftlichen Kennzahlen ausgegeben und es wird nur vereinzelt auf technische Spezifikationen eingegangen.

Künstliche Intelligenz entwickelt sich seit mehreren Jahren zu einem Mega-Trend. In diesem Kapitel soll konzeptionell dargestellt werden, wie KI eine Entscheidung über eine neue Anlageinvestition treffen kann. Als Beispiel für eine Anlage wird eine hydraulische Blechpresse verwendet. Es zeigt sich, dass unter Verwendung von Big Data, KI großes Potenzial birgt, um den Entscheidungsprozess zu automatisieren.

In der Automobilindustrie gibt es unterschiedliche Bereiche, in denen künstliche Intelligenz eingesetzt werden kann. Angefangen von der Optimierung der Supply Chain über eine intelligente Produktion und KI im Kundenservice bis hin zu künstlicher Intelligenz im Auto in Form von Fahrassistenz oder auch autonomem Fahren. Dieses Kapitel legt den Fokus auf den Einsatz künstlicher Intelligenz im Fahrzeug selbst. Es beschäftigt sich schwerpunktmäßig damit, welche für die damalige Zeit unvorstellbaren Ideen die Schreiber der 80-er Jahre Serie „Knight Rider“ hatten und welche davon inzwischen in welcher Art und Weise oder in welchem Umfang vielleicht sogar standardmäßig in heutigen Fahrzeugen verbaut sind. Abgerundet wird das Kapitel mit Herausforderungen und Gefahren autonom fahrender Automobile inklusive rechtlicher, sicherheitsrelevanter und ethischer Überlegungen zu diesem Thema.

Nach einer kurzen Einleitung, der Abklärung der Problemstellung sowie der Zielsetzung wird im Teil konzeptionelle Entwicklung einer Plattform für künstliche Intelligenz zunächst auf den Personenkreis eingegangen, für den diese Plattform entwickelt werden soll. Es wird erläutert, worum es sich handelt, wenn von Content die Rede ist und wie dieser auf einem internetbasierten Portal anzuwenden ist. In Abschn. 10.2.3 wird erklärt welche Seiten zwingend notwendig für das Portal sind und welche geschützten Bereiche es geben sollte. Anhand der grafischen Darstellung einer Sitemap wird erläutert, wie die Struktur der Plattform aussehen kann, bevor dieser Teil mit einem Fazit abgeschlossen wird.

Der Aufbau eigener Infrastrukturen zum Trainieren und Evaluieren von künstlichen neuronalen Netzen stärkt nicht nur die Unabhängigkeit gegenüber den Cloudplattformen großen Tech-Unternehmen, sondern garantiert auch die Kontrolle über die eigenen Daten. Diese Kapitel beschreibt Möglichkeiten zum Aufbau einer solchen Infrastruktur, am Beispiel einer Lernplattform für den Themenbereich Data Science und KI. Abschließend werden mögliche Erweiterungen für die Nutzung der Infrastruktur nach dem „Plattform as a Service“ Gedanken genannt.