Künstliche Intelligenz ist keine künstliche Dummheit

Was Sie zunächst für eine Künstliche Intelligenz brauchen, wird Ihnen heute bereits mehrfach zugetragen. Es gibt bewährte Frameworks und Tools (TensorFlow, Caffe, Microsoft Cognitive…) mit bekannten Algorithmen (Linear Regression, Logistic Regression, Decision Tree..) – die Basis um loszulegen steht also. Glücklicherweise haben Sie auch Personal, das mit Begeisterung diese Themen angehen möchte. Jetzt fehlt noch der Beitrag Ihres Unternehmens: Die Daten. Haben Sie schon mal hinterfragt, welche Daten Sie in eine künstliche Intelligenz einbringen wollen und wie diese aussehen? Wie verlässlich sind Ihre Daten?

Hohe Erwartungen an KI

In den vergangenen zwei Jahren habe ich erlebt, wie unterschiedliche Unternehmen in ähnlichen Branchen ihre Daten definieren und wann sie von Künstlicher Intelligenz sprechen. Das mediale Interesse wie auch Wettbewerbsdruck, führt dazu dass dieses und ähnliche andere Buzzwords (Deep Learning, Machine Learning,…) im KMU Umfeld verstärkt auftauchen.

Lassen Sie mich zunächst ein für alle Mal klären, was wir uns alle aus der KI erhoffen: Wir wollen Berechnungen, Schätzungen und Daten, die im Bewusstsein bereits langsam und ungenau bearbeitet werden, mit KI beschleunigen und verifizieren, indem wir auf genauere, computergestützte Ergebnisse zurückgreifen. Wir wollen neue Erkenntnisse zu Tage fördern, um so in der Quintessenz beispielsweise eine höhere Kundenzufriedenheit zu erreichen. Mit IoT (Internet of Things) wollen wir diese neuronalen Netze in der architektonischen Ebene verbinden, um eine höhere Effizienz aus unseren Strukturen und Prozessen zu gewinnen. Letztendlich wollen wir als Unternehmer wettbewerbsfähig bleiben.

In der Industrie fällt mir besonders auf, dass der Faktor Mensch beziehungsweise deren Entscheidungen den größten Einfluss auf eine KI haben. Während es in der IT um echte Daten (Datenbanken, genormte geometrische Datentypen) geht und deren Auswertung Licht ins Dunkel bringen soll, sehen wir in der Industrie bei vielen Unternehmen Maschinen, die noch nicht einmal einen Netzwerkanschluss besitzen (Diese Zeile ist durchaus auch positiv für die deutsche Ingenieurskunst und für das Siegel „Made in Germany“ zu bewerten).

Die Daten, mit denen eine KI gefüttert wird, sind ausschlaggebend für die Folgeprozesse, die mit deren Ergebnis entwickelt werden. Nehmen wir hier die klassische Lohnfertigung als Beispiel: Hier geht es sehr stark um die möglichst genaue Preisfindung: Stellen Sie sich folgendes Szenario vor (eventuell findet sich der ein oder andere Unternehmer hier wieder): Für das gleiche/ähnliche Bauteil „X“ bekommt:

• Kunde A 10 % Rabatt von Vertriebsmitarbeiter 1
• Kunde B 5 % Rabatt von Vertriebsmitarbeiter 2
• Kunde C zahlt immer zu viel (sagen wir 30 %)

Gehen wir noch eine Ebene tiefer: Die Vertriebsmitarbeiter fragen beim Produktionsleiter nach Dauer, Aufwand und Abhängigkeiten. Hier wird nach Erfahrung geschätzt. (Wenn Sie fünf Experten fragen würden, bekämen Sie fünf weitere Einschätzungen).

Jetzt möchten Sie eine KI mit diesen Daten füttern: Sie haben die Auftragsabwicklung (rudimentär im ERP-System oder abgelegt in PDF-Dateien) und die Produktmodelle in Form einer Geometrie-Datei abgespeichert. Was glauben Sie, wie intelligent Ihr neuronales Netz, das sie künstlich entwickeln wollen, wird? Faktoren wie: Unternehmensfluktuation (Diversität in den Schätzungen), Weiterentwicklung von Maschinen (bessere Daten/effizientere Methoden/Wartungsintervalle/mehr relevante Daten), neue Lieferanten (die schneller/langsamer sind) und weitere sind hier noch gar nicht mit eingeflossen und nachträglich selten ermittelbar.

Erschaffen Sie nun ein neuronales Netz, das dümmer ist als das, wofür KI gedacht ist, oder nur Eines das etwas intelligenter ist als das klassische Verfahren ohne KI? Unternehmen sollten solche künstlichen Auswertungen mit Vorsicht genießen, wenn Sie wissen was Sie an Daten eingepflegt haben. Gerade mittelständische Unternehmen kann das schnell hohe sechsstellige Summen kosten.

Technologie bietet Alternativen

Wenn Sie zur Datenauswertung hauptsächlich auf KI setzen möchten, werden Sie spätestens dann, wenn auch der Wettbewerb um den Preiskampf mit eigenen individuellen Systemen und Strukturen mitzieht, merken wo Ihr Unternehmen steht. Der Wettbewerb beginnt bei der Qualität der Daten, nicht bei der Nutzung innovativer Methoden und Technologien.

Ein Vorschlag für KMU: Macht es nicht mehr Sinn, zunächst in moderne Infrastruktur und zeitgemäße Unternehmensorganisation zu investieren? (Falls einige nach neuen Maschinen schreien: Das ist damit nicht (nur) gemeint.)

Wie wäre es mit:

• vernetzten Maschinen, die miteinander sprechen (IoT)
• Daten, die zentral gespeichert und granular ausgewertet werden können (Cloud-Lösungen)
• der Automatisierung einfacher Vorgänge – mit komplexen Themen Mitarbeiter fördern/fordern
• Kanban Boards, mit denen sich Produktion und Projektmanagement organisiert
• eigenen Forschungs- und/oder Entwicklungsabteilungen: Wo stehen wir morgen?
• Unternehmensorganisation und -philosophie, bei der sich Mitarbeiter wohlfühlen (Empfehlung: OKRs & agile Werte)

Durch technologische Modernisierung wird nicht nur transparent, welche Daten bisher erfasst wurden, sondern auch wie viele und welche Daten bisher unter den Tisch fielen. Aus diesen Erkenntnissen kann ein Unternehmen viel besser für sich bestimmen, wo sich der Einsatz von KI zunächst lohnt.

Abschließend sei folgendes angemerkt: Eine Maschine kann am besten von einer Maschine bedient werden. Der Faktor Mensch ist, ob positiv oder negativ interpretiert, dennoch die weitaus höhere Intelligenz die, die Variabilität mit sich bringt, sich die nächsten Schritte eines Prozesses in weitaus vielfältigerer Weise vorzustellen oder auszuführen. Eine Maschine dagegen kann trainierte Schritte schneller und effizienter, quasi in Perfektion, ausführen. Da Menschen monotone Arbeitsvorgänge aber ohnehin als nicht erfüllend erleben, klingt das nach einer Win-Win-Situation für Mensch und Maschine. Folglich gilt es von Fall zu Fall abzuwägen, ob der Einsatz einer KI sinnvoll ist – oder eben nicht.

Autor: Kurt Salman

(c)2019
Vogel Communications Group