Vorteile und aktuelle Möglichkeiten von Künstlicher Intelligenz im Mittelstand

Im fol­gen­den Artikel geben wir eini­ge Beispiele für Künstliche Intelligenz im Mittelstand. Der Einsatz von KI als not­wen­di­ger nächs­ter Schritt der Digitalisierung bie­tet in allen Bereichen der Wirtschaft ein enor­mes Potenzial. Von die­sem Fortschritt sol­len und kön­nen auch klei­ne und mit­tel­stän­di­sche Unternehmen pro­fi­tie­ren. Vorteile ent­ste­hen aus Prozessautomatisierung, geziel­ter Kundenansprache und  aus ganz neu­en Fragestellungen zu Prozessen, die wie­der­um zur Erhöhung der Effizienz und Qualität der Prozesse im Unternehmen füh­ren können.

In die­sem Artikel beleuch­ten wir die gän­gigs­ten momen­ta­nen KI-Möglichkeiten im Mittelstand und geben einen Ausblick in das Potenzial von Morgen und den Unterschied von her­kömm­li­cher KI zum Machine Learning.

Wie rele­vant ist Künstliche Intelligenz für den deut­schen Mittelstand?

Ein Zitat von Harald Christ, ehe­ma­li­ger Vorstand bei Ergo, bringt es auf den Punkt: „Wer Weltmarktführer blei­ben will, braucht Künstliche Intelligenz.”

Bei einer vom Ministerium für Wirtschaft und Energie beauf­trag­ten Erhebung der Mittelstand-Digital Begleitforschung, kamen inter­es­san­te Ergebnisse zutage:

Aus ihren Umfragen geht her­vor, dass KI as a Service (d. h. extern ein­ge­kauf­te cloud­ba­sier­te KI-Algorithmen zuge­schnit­ten auf den Anwendungsfall) schon jetzt eine gro­ße Rolle im Mittelstand spielt.

Das resul­tiert aus der Größe der KMUs, da KMUs ent­we­der selbst kaum eine aus­rei­chen­de Datenbasis haben, oder es ihnen an spe­zia­li­sier­ten Fachkräften man­gelt, um eige­ne KI-Anwendungen zu ent­wi­ckeln. Trotz die­ser Hürden ist man sich im deut­schen Mittelstand einig dar­über, dass sich ein enor­mes Potenzial für die Wertschöpfungskette durch vie­le Bereiche und Geschäftsmodelle zieht. Der Einsatz von Künstlicher Intelligenz wird daher bereits seit gerau­mer Zeit als der nächs­te not­wen­di­ge Schritt in der Digitalisierung von KMUs gese­hen und unter­stützt den aktu­el­len Trend, auch im Mittelstand mit Hilfe von Cloud Lösungen das eige­ne Unternehmen mit sei­nen Prozessen umfas­send abzubilden.

Anwendungen von Künstlicher Intelligenz in der Praxis

Genutzt wird heut­zu­ta­ge noch die soge­nann­te ein­fa­che KI, die das gesam­te poten­zi­el­le Spektrum der künst­li­chen Intelligenz zukünf­tig durch Machine Learning abde­cken soll. Denn obwohl heu­te schon die Rechenleistung moder­ner Computer enorm gestie­gen ist, exis­tie­ren immer noch zahl­rei­che Aufgaben, bei denen der Mensch auf­grund sei­ner Lernfähigkeit dem Computer über­le­gen ist. Machine Learning soll Computer aber in die Lage ver­set­zen, die­se Anpassungs- und Lernfähigkeit des Menschen zu imi­tie­ren. Zukünftig soll KI eigen­stän­di­ge Entscheidungen auf­grund von Erfahrungen, ent­nom­men aus einem Big Data Pool, treffen.

Eine wei­te­re inter­es­san­te Erkenntnis der Studie war, dass der Mittelstand die größ­ten Chancen in der Künstlichen Intelligenz sowohl in der Optimierung der Lieferketten als auch in einer gestei­ger­ten Prozesseffizienz sieht. Erst danach fol­gen ziel­ge­rich­te­te Marketingkampagnen, Verbesserungen im Kundenservice und Anomalieerkennung. Hieraus ist zu erken­nen, dass die Wirkung von KI auf die IT-Sicherheit noch indif­fe­rent betrach­tet wird und die Entwicklung bereits wei­ter ist als vie­le Management-Teams und Entscheider es ver­mu­ten. 2022 ist ein idea­ler Zeitpunkt, die Transformation hin zu Cloud-Lösungen und KI-Prozessen zu voll­zie­hen. Die Technik ist gut erprobt, sicher und zugäng­li­cher denn je.

Allerdings sehen die aller­we­nigs­ten in der KI einen Ersatz für Mitarbeiter. Man glaubt eher, dass gewis­se Aufgaben von der KI über­nom­men wer­den kön­nen, sodass sich der Mensch zukünf­tig wei­test­ge­hend auf die Aufgaben kon­zen­trie­ren kann, bei denen er der KI über­le­gen ist. KI Anwendungen unter­stüt­zen dann die Experten im Unternehmen, lie­fern wich­ti­ge Informationen und neh­men ein­fa­che, red­un­dan­te Arbeitsprozesse ab. Daraus lässt sich ablei­ten, dass über die gesam­te Wertschöpfungskette Vorteile durch den Einsatz von künst­li­cher Intelligenz gese­hen werden.

Akzeptanz für KI “as a Service” in der Industrie

Aus Umfragen ging her­vor, dass die Grundvoraussetzung für eine höhe­re Akzeptanz von KI as a Service Lösungen ist, Vertrauen in die Cloud-Architekturen zu schaf­fen. Vor allem auf­grund von Sicherheitsbedenken und Fragen zum Datenschutz sind vie­le KMUs heu­te bzgl. Cloud Lösungen noch zurück­hal­tend. Dass Lösungen seriö­ser, in Deutschland oder der EU sit­zen­der Cloud-Anbieter mit euro­päi­schen Servern in der Regel eine bes­se­re IT-Sicherheit gewähr­leis­ten als es meist haus­ei­ge­ne IT-Systeme in mit­tel­stän­di­schen Betrieben leis­ten, ist weit­läu­fig noch nicht bekannt.

Neben einer sol­chen “One Size Fits All” – Lösung gibt es aller­dings auch wei­te­re Optionen. So ist es mög­lich, einen Teil sei­ner Daten unab­hän­gig von der Cloud mit Hilfe von Edge-Computing dezen­tral zu ver­ar­bei­ten. Auf die­sem Weg redu­ziert sich gleich­zei­tig das Risiko umsatz­ab­hän­gi­ger Preise, wie es bei gro­ßen, füh­ren­den Anbietern besteht und nicht zu unter­schät­zen ist.

Aktueller Einsatz von KI im Mittelstand – Was Künstliche Intelligenz tatsächlich leisten kann?

Hier nur ein paar weni­ge Beispiele:

• Maschinelle Übersetzung von Texten in einer Qualität, die kaum noch von der mensch­li­chen Übersetzung zu unter­schei­den ist – Natural Language Processing
• Kundensegmentierung um Logistik zu opti­mie­ren oder geziel­te digi­ta­le Werbung zu schalten
• Bilderkennung bei Produktionsanlagen zur Prozessfehler-Erkennung
• Chatbots im Customer Service ver­bes­sern und auto­ma­ti­sie­ren den Kontakt zu Leads und Kunden
• Digitale Anomalieerkennung im Finanzwesen
• Intelligent Pricing bie­tet Lösungen für Individualisierung, Transparenz und geziel­te Preisentwicklungen

Die Einbindung von Künstlicher Intelligenz in das eige­ne Unternehmen kann auf zwei unter­schied­li­chen Wegen erfol­gen. Zum einen kann die Implementierung durch Fachleute in die eige­nen Prozesse, Produkte und Services erfol­gen. Alternativ gibt es von Drittanbietern die bereits erwähn­ten Cloud-Lösungen. Perspektivisch sind bei­de Wege für KMUs wich­tig und inter­es­sant. Denn einer­seits kön­nen Cloud Lösungen nur bis zu einem gewis­sen Teil in die Tiefe eines Prozesses ein­stei­gen, da sie für die Anwendung einer brei­te­ren Masse aus­ge­legt sind, ande­rer­seits benö­ti­gen sie aber weni­ger inter­nes IT-Knowhow und bie­ten neben­bei robus­te Lösungen zu Themen, wie zum Beispiel Datenschutz, IT-Sicherheit und Support-Fragen. Dieser KI-Art wird laut der Erhebung ein rasan­ter Bedeutungszuwachs pro­gnos­ti­ziert, da so auch für klei­ne­re Unternehmen ein schnel­ler Einstieg in Künstliche Intelligenz mög­lich ist. Die Investitionskosten sind gerin­ger, da man meist auf Pay-per-Use Systeme zurück­grei­fen kann. Somit ist es gleich­zei­tig mög­lich meh­re­re Systeme zu tes­ten – opti­mal vor allem für klei­ne­re Unternehmen, die somit trotz ihrer Größe von den nächs­ten Schritten der digi­ta­len Transformation pro­fi­tie­ren können.

Für spe­zi­el­le­re Aufgaben ist es unwahr­schein­lich, dass die­se Systeme ohne star­ke Anpassung eine effi­zi­en­te oder auch lang­fris­ti­ge Lösung dar­stel­len kön­nen. Die Hürden sind auch heu­te noch groß.

Mehrere Faktoren spielen hierbei eine Rolle:

• Aufwand für die Testdaten wird unterschätzt
• Bedenken der Mitarbeiter (Changemanagement)
• Mangelnde Prozessinnovation. Wenn KI nur als Erweiterung ver­stan­den wird, dro­hen bestehen­de Prozesse über­nom­men zu werden.
• Rentabilität ist nicht immer direkt gege­ben bzw. Resultat eines län­ge­ren Verbesserungsprozesses

Wie kommt man zum Machine Learning?

In Entwickler-Kreisen ist „TensorFlow“ am gän­gigs­ten, um im ers­ten Schritt eine Netzwerkarchitektur auf­zu­bau­en. Dies ist ein Framework, in der die Programmiersprache Python ein­ge­bun­den wer­den kann. Da TensorFlow von Google stammt, kommt es aus Datenschutzgründen nur für nicht per­so­nen­be­zo­ge­ne und nicht geschäfts­kri­ti­sche Anwendungen in Betracht. Google ist zwar eines der größ­ten, aber nicht dem DSGVO unter­lie­gen­des Unternehmen, und in die­sen Fällen als kri­tisch zu betrachten.

Man wählt aus unter­schied­li­chen vor­ge­fer­tig­ten Netzarten, soge­nann­ten neu­ro­na­len Netzwerken. Danach, sobald die Architektur steht, kann das Setup eines Machine Learning Prozesses beginnen.

Innerhalb soge­nann­ter Layer sind die dar­in lie­gen­den Neuronen mit­ein­an­der ver­netzt. Den Inhalt die­ser Layer kann man sich nicht als klas­si­schen Programmcode, son­dern eher als eine Vielzahl von „Black Boxes“ vorstellen.

Um mit dem Training zu begin­nen, baut man ein Verarbeitung-Setup auf. Dabei wird aus den Echtweltdaten ein Trainingssatz her­aus­ge­nom­men und iso­liert. Der trai­nier­te Algorithmus kann dann auf den bis­her nicht genutz­ten Teil der Daten ange­wen­det wer­den. Aus die­sen ent­ste­hen jene daten­ba­sier­ten Voraussagen, von wel­chen Sie und Ihr Unternehmen profitieren.

Der Unterschied zu her­kömm­li­cher KI ent­steht nun an die­ser Stelle, da die­ses Verfahren pro­gram­mier­tech­nisch ab hier nicht mehr nach­voll­zieh­bar ist. Die KI lernt somit eigen­stän­dig weiter.

Für einen tie­fe­ren Einblick und die Möglichkeit der Einführung von maschi­nel­lem Lernen in Ihrem Unternehmen, tre­ten Sie ger­ne unver­bind­lich mit unse­ren Experten in Kontakt.

In einem per­sön­li­chen Gespräch beant­wor­ten wir Ihnen ger­ne Ihre Fragen zu den Einsatzmöglichkeiten von KI-Lösungen für Ihr Geschäftsmodell und wel­che Informationen und Erkenntnisse der aktu­el­len KI Forschung für Sie rele­vant sind.