Top

2021 | Book

Read chapter Read first chapter

Künstliche Intelligenz erfolgreich umsetzen

Praxisbeispiele für integrierte Intelligenz

Editor: Prof. Dr. Ulrich Lichtenthaler

Publisher: Springer Fachmedien Wiesbaden

Part of: Springer Professional "Wirtschaft+Technik" , Springer Professional "Wirtschaft"

Table of Contents

About this book

Dieses Buch gibt einen branchenübergreifenden Einblick in die Erfolgsfaktoren bei der Umsetzung und Nutzung von künstlicher Intelligenz in Unternehmen. Experten aus Forschung, Lehre und Praxis vermitteln in ihren Beiträgen sowohl die Chancen und Möglichkeiten als auch die Herausforderungen und Gefahren bei der Nutzung und Umsetzung von KI in kleinen sowie großen Unternehmen. Neben der eigentlichen Anwendung von KI-Lösungen werden die notwendigen Voraussetzungen und Anforderungen in der Phase der Skalierung von KI-Lösungen in der Praxis diskutiert.
Ein besonderer Schwerpunkt liegt dabei auf der Frage, wie Unternehmen nicht nur kurzfristig durch die Automatisierung von Aufgaben und Jobs durch KI-Tools profitieren können, sondern wie sie langfristig Wettbewerbsvorteile durch die Kombination von menschlicher und künstlicher Intelligenz erzielen können. Diese Perspektive der integrierten Intelligenz wird leicht verständlich und mit konkreten Praxisbeispielen beleuchtet

Frontmatter

1. Einleitung: Künstliche Intelligenz integriert und erfolgreich implementieren

Zusammenfassung

Eine Vielzahl unterschiedlicher Anwendungen von Künstlicher Intelligenz (KI) in Form komplexer Algorithmen und Datenanalytik wird von den meisten von uns täglich genutzt. Trotz zahlreicher Erfolgsbeispiele scheitern jedoch viele KI-Initiativen oder die Firmen erreichen zumindest nicht ihre selbst gesetzten Ziele bei der Umsetzung. Der vorliegende einleitende Beitrag des Buchs verdeutlicht die Relevanz von KI für Firmen aus allen Branchen. Unter Rückgriff auf den Intelligence-Based View, d. h. eine intelligenzbasierte Perspektive des Unternehmenserfolgs, wird der ‚Integrated Intelligence‘ Ansatz erläutert und aufgezeigt, wie Firmen durch die gezielte Kombination von menschlicher und künstlicher Intelligenz neue Kernkompetenzen aufbauen und aufrechterhalten können. Anhand einer Unterscheidung von Erfolgsfaktoren bei den Voraussetzungen, der Skalierung sowie der eigentlichen Anwendung von KI-Lösungen werden die weiteren Beiträge in diesem Buch sowie die sich daraus ergebende Gesamtperspektive auf eine integrierte Intelligenzarchitektur in Unternehmen erläutert. Den Abschluss bildet ein kurzer zusammenfassender Ausblick.

Ulrich Lichtenthaler

Voraussetzungen für erfolgreiche KI Nutzung

Frontmatter

2. Multi-Domain Combat Cloud – Infrastruktur und Innovationstreiber für europäische Wettbewerbsfähigkeit

Zusammenfassung

Dieser Text betrachtet KI aus dem wichtigen, aber für viele recht ungewohnten Blickwinkel der Verteidigung. Als Beispiel aus der europäischen Praxis dient dabei die Multi-Domain Combat Cloud (MDCC). Diese Cloud-Architektur verknüpft alle militärischen Domänen (Land, Luft, Wasser, Weltraum, Cyberspace). Nach Analyse und qualitativer Aufbereitung stellt sie die Daten allen beteiligten Akteuren intelligent und in Echtzeit zur Verfügung. Die MDCC beschleunigt so den gesamten Missions-Zyklus und verbessert militärische Entscheidungen. Zwei Fallbeispiele illustrieren dieses Potenzial: Erstens, die durch Predictive Maintenance vergrößerte Effizienz und Effektivität. Und zweitens die Verbesserung des Lagebilds auf See (insbesondere durch Bilderkennung und -analyse).

Die wahre Bedeutung der MDCC weist jedoch noch weit über diesen militärischen Bereich hinaus und erstreckt sich bis in die Wirtschaft und Gesellschaft. Da die MDCC höchste Standards für schnelle Datenverarbeitung, Sicherheit, Robustheit und auch Ethik erfüllt, bildet das Projekt die Grundlage für zahlreiche mögliche Spill-Over Effekte. Es kann zum Kern einer europäischen, sicheren und leistungsfähigen Dateninfrastruktur werden – beispielsweise auch für Regierungen oder Betreiber kritischer Infrastruktur – und Innovationen über den militärischen Bereich hinaus vorantreiben. Dies sichert die europäische Wettbewerbsfähigkeit und die europäische Digital-Souveränität.

Sabine Klauke

3. Künstliche Intelligenz in HR-Prozessen: Anwendungsfälle und Akzeptanzstudie für die Personaleinstellung

Zusammenfassung

Anwendungen von Künstlicher Intelligenz (KI) werden zunehmend für komplexe Entscheidungen und in Situationen, in denen Objektivität nötig ist, eingesetzt. Aus diesem Grund werden Systeme mit KI-Modulen immer häufiger auch im Kontext von Bewerbungsprozessen, insbesondere bei der Bewerberauswahl, diskutiert. In diesem Kapitel werden verschiedene Tools und Anwendungsfälle für KI im Bewerbungsprozess sowohl aus Sicht des Bewerbers als auch aus Sicht des Unternehmens vorgestellt. Da solche Systeme noch häufig zu Reaktanz bei den Bewerbern führen, wird der Stand der Technik der Bewerberakzeptanz skizziert und durch eine eigene Studie ergänzt. Insgesamt zeigt sich, dass KI nach wie vor eher als Unterstützung in frühen Prozessschritten und nicht als Ersatz für manuelle Recruiting-Schritte angesehen wird.

Matthias Lederer, Anna Maria Müller-Jungnickel, Stefanie Pirkl

4. Aus Versehen verzerrt

Wie identifiziert man einen Bias in Machine Learning Modellen?

Zusammenfassung

Künstlich intelligente Systeme sind aus unserem Alltag nicht mehr wegzudenken. Sie beeinflussen uns stärker, als es vielen Menschen bewusst ist. Neuartige Methoden des Maschinellen Lernens, insbesondere vielschichtige, künstliche neuronale Netze, haben in den letzten Jahren neuen Produktkategorien wie Sprachassistenten, selbstfahrenden Autos oder Chatbots zu erheblicher Verbreitung verholfen. Vielen Firmen, aber auch Endnutzern ist dabei nicht bewusst, dass diese Systeme nicht frei von Vorurteilen und anfällig gegenüber speziellen Manipulationsversuchen sind, man bezeichnet dies als Bias-Effekte. In unserem Beitrag, „Aus Versehen verzerrt“, hinterfragen wir den Hype um Künstliche Intelligenz (KI) als Heilbringer einer digitalen und automatisierten Gesellschaft kritisch. Anhand aktueller Studien, relevanter Expertenaussagen und einem detaillierten Praxisbeispiel verdeutlichen wir, dass neben der Leistungsfähigkeit künstlich intelligenter Systeme andere Qualitätsmerkmale wie die Robustheit gegenüber Diskriminierungstendenzen und ungewolltem Fehlverhalten eine wichtige Rolle einnehmen werden.

Claudia Pohlink, Sebastian Fischer

5. Beyond Dreamland: KI durch Effizienz – Effizienz durch KI

Zusammenfassung

Der nachfolgende Beitrag setzt sich mit der Herausforderung auseinander, Künstliche Intelligenz durch Berücksichtigung des Dateneffizienzaspekts, nachhaltig erfolgreich umzusetzen. Die Rückbesinnung auf das Wesentliche und die Umsetzung von Basisanforderungen wie die der Digitalisierung sind entscheidend für den Prozess eines Unternehmens, Datenstrategien zu entwickeln und darauf aufbauend Künstliche Intelligenz voranzutreiben. Innerhalb eines Kriterienkatalogs werden die relevanten Aspekte, welche bei der Überlegung für die Umsetzung von Künstlicher Intelligenz entscheidend sind, erläutert. Anhand von Praxisbeispielen wird die Bedeutsamkeit von Dateneffizienz als Grundlage für Künstliche Intelligenz betont. In einer Wechselwirkung stehen Dateneffizienz und Künstliche Intelligenz zueinander, Dateneffizienz trägt zur Realisierung von Künstlicher Intelligenz in der Praxis bei und Künstliche Intelligenz fördert die genauere Analyse und Entwicklung der Dateneffizienz.

Elmar Schüller

Skalierung für erfolgreiche KI Nutzung

Frontmatter

6. Künstliche Intelligenz in Unternehmen skalieren – die Rolle von Vertrauen

Zusammenfassung

Skalierung von Künstlicher Intelligenz ist eine der größten Herausforderungen für Unternehmen im Umgang mit KI-Projekten. KI verändert disruptiv Unternehmen, dessen Prozesse und im Kern alle Mitarbeitenden. Erfolgsaussichten sind vielversprechend. Damit der Übergang zu skalierter KI und Umgang mit einhergehenden Veränderungen gelingt, bedarf es einem ganzheitlichen Ansatz aus Technologie, Projekt- und Teamstruktur, Methodik, Führungskultur und Strategie. Erfahren Sie im nachfolgenden Beitrag, welche Besonderheiten von KI zu Herausforderungen führen und welche Erfolgsfaktoren für die Praxis hilfreich sind. Je mehr Verantwortung an KI-Systeme übergeben wird, desto wichtiger wird Vertrauen im Umgang zwischen Menschen und Maschine. Schließen Sie erfolgreich die Lücke zwischen Pilotierung und messbarem ROI durch skalierte KI.

Sarah Engel

7. Vorausschauende Wartung skalieren und dadurch die Kosten für Windenergie senken

Wie künstliche Intelligenz die Energiewende beschleunigt

Zusammenfassung

Kosten sind die wichtigste Wettbewerbsgröße auf dem Energiemarkt, da sie Investitions- und Kaufentscheidungen steuern. Digitale Lösungen im Bereich Windenergie können zu wesentlichen Kosteneinsparungen und Effizienzsteigerungen führen und somit die Energiewende beschleunigen. Angebote im Bereich predictive maintenance (dt. vorausschauende Wartung) ermöglichen zuverlässige Vorhersagen über die Lebensdauer und das Ausfallverhalten von Windturbinenkomponenten wie zum Beispiel von Getrieben. Somit können Betriebs- und Ersatzteillagerkosten reduziert, Wartungsintervalle optimiert und die Lebensdauer von gesamten Anlagen verlängert werden. Die Konzipierung, Entwicklung und Industrialisierung solcher digitalen Produkte, in deren Mittelpunkt meist Datenanalytik oder maschinelles Lernen stehen, ist eine Herausforderung für die Windindustrie. Dieser Beitrag beschreibt, warum Schlüsselfaktoren wie eine digitale Infrastruktur und eine agile Mentalität notwendig sind und zeigt am Beispiel von ZF Wind Power auf, wie Herausforderungen auf diesem Weg bewältigt werden können.

Alice Feldmann

8. Vom Proof-of-Concept zum Full-Scale-Product

Herausforderung bei der Entwicklung & Skalierung von Digitalisierungs- und KI-Use-Cases

Zusammenfassung

Digitalisierung und Künstliche Intelligenz (KI) gewinnen zunehmend an Bedeutung und bieten ein riesiges Potenzial für Unternehmen. Der nachfolgende Beitrag beleuchtet die verschiedenen Entwicklungsstufen von Digitalisierungs- bzw. KI-Use-Cases und legt einen besonderen Fokus auf die Entwicklungsaktivitäten und die anschließenden Skalierungsmöglichkeiten – vom Proof-of-Concept zum Full-Scale-Product. In der Praxis scheitern bisher viele Vorhaben bereits in einer sehr frühen Phase, bedingt durch prozessuale, technische und organisatorische Hürden. Der Beitrag liefert wichtige Ansatzpunkte, damit Unternehmen die entsprechenden Rahmenbedingungen schaffen können, um mittels Digitalisierung und KI neue Erkenntnisse zu generieren und diese quantifizierbar bzw. nutzbar zu machen. Die zunehmende Automatisierung bietet zudem die Möglichkeit Komplexität beherrschbar zu machen, Prozesse effizienter zu gestalten und Kosten einzusparen, um somit den eingeschlagenen Weg der digitalen Transformation erfolgreich zu meistern.

Falk Hinderberger

9. Demokratisierung Künstlicher Intelligenz bei der BMW Group: Selbstservice für KI-basierte Computer Vision

Zusammenfassung

Die BMW Group setzt in der Produktion zunehmend auf Künstliche Intelligenz, um die einwandfreie Qualität von Premiumautomobilen abzusichern. Applikationen der Künstlichen Intelligenz, KI, erweisen sich in der Bildverarbeitung dabei entlang multipler Dimensionen als überlegen. Es manifestieren sich Vorteile in der Robustheit der Applikation, der Geschwindigkeit der Initiierung, der Kosteneffizienz seitens Hardware und Software sowie während des Betriebs.

Im Gegensatz zu bisherigen Ansätzen, wobei KI-Systeme stets absoluten Experten vorbehalten waren, setzt die BMW Group auf die Demokratisierung. Sie macht KI-Algorithmen für Computer Vision in endanwendertauglicher Form für sämtliche Produktionsmitarbeiter und alle Menschen frei verfügbar. Die Komplexität wird dabei so im System gekapselt, dass Nutzer ihre eigene KI mithilfe von Trainingsdaten, die sie lediglich labeln, aufbauen können – ohne dafür eine einzige Zeile Software programmieren zu müssen.

Matthias Schindler

Anwendungen als erfolgreiche KI Nutzung

Frontmatter

10. Integrierte Intelligenz am Praxisbeispiel

Zusammenfassung

Bei all dem Hype um künstliche Intelligenz geraten die Eigenschaften menschlicher Intelligenz leicht in den Hintergrund. Menschliche Intelligenz besitzt jedoch Vorzüge, wie zum Beispiel Kreativität oder ausgeprägtes Urteilsvermögen, die sich durch künstliche Intelligenz bis heute nicht ebenbürtig abbilden lassen. Folglich werden methodische Ansätze entwickelt, die dabei unterstützen, die Vorteile beider Arten von Intelligenz zu kombinieren. In diesem Beitrag wird diese Kombination anhand der Entwicklung autonomer Systeme betrachtet. Anhand eines Fallbeispiels wird die Ausprägung der Beteiligung von menschlicher und künstlicher Intelligenz untersucht. Anschließend wird ein Analyserahmen genutzt, um die Beispiele transparent und übersichtlich zu strukturieren.

Gustav Nils Basedow, Manuel Niever

11. Künstliche Intelligenz (KI) als Motor für die Transformation im Kundenservice

Zusammenfassung

In der Telekommunikationsbranche ändert sich das Geschäft durch die Kombination der NGA Netze (Next Generation Access-Netze, also dem Mobilfunk mit 4G und 5G und dem Festnetz). Vor allem die Verbindung zu strategischen Technologien wie u. a. KI (Künstliche Intelligenz), AR/VR (Augmented Reality/Virtual Reality) und IoT (Internet of Things) treiben diese Veränderung grundlegend voran. Auf dieser Basis wird im nachfolgenden Beitrag der Fokus auf den Kundenservice bei Vodafone gelegt und wie dabei KI der Motor zu einer Transformation geworden ist. Die hier ausgewählten Praxisbeispiele rund um den Vodafone „Chatbot TOBi“ sowie die Kundenakquise am Telefon mit Hilfe von „Real Time Coaching“ machen deutlich, welche Herausforderungen und Potenziale durch KI in der Kundeninteraktion in den Vordergrund rücken. Die produktive Verknüpfung von menschlicher und maschineller (künstlicher) Intelligenz ist daher der Schlüssel zum Erfolg.

Lutz Heesen, Ulrich Irnich, Jörg Knoop, Nicole Dannenberg, Sandra Döring, Eva Prohaska, Christian Orlowski

12. Emotion AI: Neue Formen der Emotionsmessung durch Künstliche Intelligenz

Zusammenfassung

Menschliche Emotionen spielen in allen Bereichen des Lebens eine zentrale Rolle. Auch deshalb haben Emotionen und deren Messung schon lange das Interesse verschiedener Forscher geweckt. In unserem Beitrag bauen wir auf bestehenden Emotionstheorien auf und erläutern das Konzept der emotionalen künstlichen Intelligenz, auch bekannt als Emotion AI. Der Fokus dieses Beitrags liegt insbesondere auf dem Vergleich traditioneller und moderner, KI-basierter Methoden zur Emotionserkennung. Anhand eines Experiments im Onlineshopping werden dafür eine klassische Selbstauskunftsmethode mit der automatisierten und KI-basierten Emotionserkennungssoftware TAWNY verglichen, die gleichermaßen zur Messung des Nutzererlebnisses eingesetzt werden. Außerdem zeigen wir auf, wie sich, insbesondere in der Markt- und Konsumentenforschung, zahlreiche Einsatzmöglichkeiten für die Emotion AI Technologie ergeben.

Rebeca Marichalar Quezada, Michael Bartl, Gabriel Garrecht

13. Künstliche Intelligenz im Flugverkehrsmanagement unbemannter Systeme und deren Anwendungen

Zusammenfassung

„Der Himmel ist frei“ und „über den Wolken, muss die Freiheit wohl grenzenlos sein.“ Diese romantisch verklärte Sicht auf die Fliegerei entstammt den 70er-Jahren und hat nur noch wenig gemein mit der heutigen Luftfahrt. Harter Wettbewerb und damit einhergehender Kostendruck hat aus einer elitären Branche ein auf Effizienz getrimmtes Dienstleistungssegment mit weitgehend kommodisierten Produkten gemacht.

Doch damit nicht genug, denn die eigentliche Disruption steht der Luftfahrt noch bevor. Sie wird getrieben durch Digitalisierung und Demokratisierung der Luftraumnutzung. Schon heute befinden sich mehr unbemannte, fernpilotierte Fluggeräte im Einsatz als in der bemannten Luftfahrt. Unmanned aerial vehicles (UAVs) oder Drohnen haben eine technologische Reife erreicht, die sie zu einem Werkzeug für jedermann machen. Diese Flugroboter vollziehen eine täglich wachsende Zahl nützlicher Aufgaben, dabei substituieren sie in Teilen die Einsatzfelder von Helikoptern oder Flugzeugen, da sie zumeist kostengünstiger, leiser und umweltfreundlicher sind. Mit ihren Eigenschaften öffnen sie überdies weitere latente Bedürfnisse in Nutzungsszenarien, für die man bisher schon wegen der hohen Kosten nicht „in die Luft gegangen wäre.“

In diesem Beitrag werden Möglichkeiten und Grenzen künstlicher Intelligenzen im Einsatz von unbemannten Fluggeräten aufgezeigt und ihre Rolle als Treiber in der sicheren und fairen Integration in den Luftraum geschärft.

Ralph Schepp ordnet dafür den Stand der Technologie und Betriebserfordernisse von UAVs ein und definiert zentrale Handlungsfelder und Grenzen für den Einsatz künstlicher Intelligenzen anhand praktischer Anwendungsfelder.

Ralph Schepp

14. Veränderungen von Begutachtung und Prüfung im Mobilitätswesen durch Künstliche Intelligenz

Zusammenfassung

Der nachfolgende Beitrag setzt sich mit dem Einfluss von Künstlicher Intelligenz (KI) auf das Wesen einer Prüforganisation, hier konkret TÜV Rheinland, im Bereich Mobilität auseinander. TÜV Rheinland sieht in Künstlicher Intelligenz enormes Potenzial für die Tätigkeiten seiner Geschäftsbereiche. Im Bereich Mobilität betrifft dies insbesondere folgende Kerngeschäfte: Periodische Hauptuntersuchung von Kraftfahrzeugen, die neutrale Fahrzeug-Begutachtung im Schadenfall sowie die Erstzulassung von Neufahrzeugen. KI revolutioniert dabei nicht nur Prüf- und Begutachtungsprozesse, die mit Hilfe von Machine Learning Technologien beispielsweise in der Analyse von Schadenbildern effektiver strukturiert werden können. KI kann auch Teil des Prüfgegenstands – des Fahrzeugs – an sich werden. Wenn KI zur Steuerung hoch automatisierter Fahrzeuge eingesetzt wird, muss sie den Nachweis funktionaler Sicherheit erbringen. Wie die Prüfung von KI funktionieren kann und wie KI neue Lösungen in der Schadenbegutachtung ermöglicht, zeigt dieser Beitrag anhand entsprechender Fallbeispiele.

Matthias Schubert

15. KI als Effizienztreiber von Marketing und Vertrieb

Zusammenfassung

Die Vision von ausschließlich und autonom mittels KI durchgeführten Marketing- und Vertriebsprozessen erscheint effektiv und erfolgsversprechend – ist jedoch (noch) nicht die Realität. In Marketing und Vertrieb kann der Einsatz von KI im Sinne eines Hybridmodells die Erfolgschancen durch u. a. automatisierte Prozesse, durch Insights über Kunden und durch deutlich kürzere Reaktionszeiten enorm erhöht werden. KI kann durch die Analyse von Daten über den Kundenbestand und deren Kaufverhalten hochwertige Prognosen über die Erfolgswahrscheinlichkeiten, das Konsumverhalten sowie die Kaufintervalle identifizieren – und so den Absatz durch entsprechend gezielte und dynamische Angebote zu Produkten und Dienstleistungen erhöhen. Die Komplexität aller Chancen und Grenzen sowie an Herausforderungen und Voraussetzungen, die der Einsatz von KI in Marketing und Vertrieb mit sich bringt, wird im vorliegenden Beitrag detailliert beleuchtet.

Meike Terstiege, Muhsin Cinar

16. Enterprise AI – Die Zukunft des datenbasierten Unternehmens

Zusammenfassung

Der Beitrag „Enterprise AI – die Zukunft des datenbasierten Unternehmens“ zeigt einerseits mögliche Herausforderungen, andererseits Chancen der Implementierung künstlicher Intelligenz (KI) in Unternehmen auf. Hierbei wird insbesondere auf die angewendete Technologie und die Wichtigkeit von Daten und deren Nutzung eingegangen. Im Anschluss wird die Umsetzung von Enterprise AI anhand eines praktischen Beispiels aufgezeigt. Dabei wird erläutert, auf welche Weise SAP künstliche Intelligenz nutzt und diese in bestehende Produkte implementiert. Weiterführend wird auf ein konkretes Geschäftsproblem eingegangen und dargestellt, wie die KI-Lösungen der SAP dazu beitragen, diese Probleme zu lösen und darüber hinaus einen Mehrwert bieten. Abschließend wird die Relevanz des Themas für Unternehmen und ihren zukünftigen Erfolg betrachtet und eingeordnet.

Feiyu Xu, Philipp Herzig, Maximilian Herrmann, Jürgen Müller, Thomas Saueressig

17. Siemens Digital Companions: Effektivere Entscheidungen treffen mittels Augmented Intelligence

Zusammenfassung

In diesem Beitrag erfahren Sie, wie menschliche und künstliche Intelligenz (KI) so interagieren können, dass effektivere, schnellere und rationalere Entscheidungen getroffen werden.

Das Siemens Companion-Programm setzt darauf, dass KI als lernendes System die Menschen dabei unterstützt, objektivere Entscheidungen auf Basis von Daten und Fakten zu treffen. Die Applikationen machen Vorschläge für Mitarbeiter im strategischen Einkauf und lernen anhand menschlicher Entscheidungen.

Aus dem komplementären Zusammenspiel von Mensch und Maschine (Augmented Intelligence) erwächst ein unternehmerischer Wettbewerbsvorteil.

Im Folgenden erfahren Sie mehr über Hintergründe, Planung und Umsetzung des Konzeptes. Außerdem spiegelt der Beitrag praxisnah wider, welche drei unterschiedlichen Arten von präskriptiven Companion-Lösungen es gibt, welche konkreten Anwendungsbeispiele bei Siemens bereits erfolgreich umgesetzt wurden und welche Stolpersteine bei der Implementierung im Unternehmen zu erwarten sind und wie Sie diese vermeiden können.

Markus Zechel

Title: Künstliche Intelligenz erfolgreich umsetzen
Editor: Prof. Dr. Ulrich Lichtenthaler
Publisher: Springer Fachmedien Wiesbaden
Electronic ISBN: 978-3-658-34670-6
Print ISBN: 978-3-658-34669-0
DOI: https://doi.org/10.1007/978-3-658-34670-6