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.

Marc Buse

Termin Vereinbarung

Vie­len Dank für Ihre Nach­richt. Sie wur­de erfolg­reich versandt.
Der Ver­sand Ihrer Nach­richt hat lei­der nicht funk­tio­niert – bit­te ver­su­chen Sie es noch einmal.

Wie können wir Ihnen helfen?

Mehr über uns