Learnings aus der KI-Projektarbeit

Einfach Anfangen

Dieses Learning lässt sich aus zwei Perspektiven verstehen:

• Einfach anfangen: Viele Unternehmen geringschätzen den Nutzen von Datenerhebung. Die Einführung zusätzlicher kleiner Prozesse zur Datenaufnahme werden oft als lästig und unnötig empfunden. Dennoch bilden Daten die Grundlage für Anwendungen des maschinellen Lernens. In unserem Projekt haben wir aber erkannt: gerade die Unternehmen, die frühzeitig Daten gesammelt und strukturiert haben, haben durch das Projekt einen weiteren großen Schritt hin zur effektiven Nutzung ihrer Daten machen können. Trauen Sie sich daher den Schritt – fangen Sie an, Daten in Ihren Prozessen zu sammeln.
• Einfach anfangen: Die Nutzung der Daten sollte allerdings immer zunächst anhand einer gut eingrenzbaren Problemstellung erprobt werden. Eine KI-basierte Produktionsplanung- und -steuerung ist kein geeignetes Pilotprojekt. Kleine, abgeschlossene Fragestellungen bieten einen guten Zugang in das Themenfeld und ein besseres Verständnis darüber, was KI ist, was KI leisten kann – und was eben nicht. Keep it simple!

Von wem lernt die künstliche Intelligenz überhaupt?

Im Kern ist der Anlernprozess einer künstlichen Intelligenz der Weitergabe von Wissen auf zwischenmenschlicher Ebene sehr ähnlich. Um die künstlichen Intelligenz beispielsweise für einen Entscheidungsprozess anzulernen, müssen ihr dieselben Informationen bereitgestellt werden, wie sie auch einer menschlichen Entscheidungsperson vorliegen müssten. Entsprechend ist es für den Erfolg eines jeden KI-Projektes unabdingbar, dass als Basis ausreichend Prozesswissen vorliegt, um die Entscheidung von einem Menschen treffen zu lassen. Übertragen auf die KI-Werkstatt hat sich gezeigt, dass ein Vor-Ort-Termin sehr hilfreich ist, um den später zu bearbeitenden Prozess zu verstehen und gemeinsam mit Prozessexperten die richtigen Datenquellen zu identifizieren.

“Garbage in – Garbage out”

Wenn Daten in einer Excel-Tabelle, Datenbank oder in ERP-Systemen erhoben werden, ist die Strukturierung der Daten entscheidend für die Auswertbarkeit und Nutzung der Daten. In vielen Unternehmen sind Freitextfelder beliebte Wege, um die Datenerfassung von der Papierform in eine digitale Form zu transferieren. Die resultierenden Freiheiten bei der Dateneingabe sind bei der späteren Aufbereitung der Daten potenziell problematisch. Um diesem Umstand vorzubeugen, beachten Sie als erste Orientierung folgende Punkte:

• Unterschiedliche Informationen sollten auch in unterschiedlichen Feldern erfasst werden
• Trennen Sie Zahlen und Textzeichen
• Geben Sie Standards für Texteingaben als Dropdown vor (z.B. Länge, Sonderzeichen, feste Einheiten)
• Erfassen Sie kategorische Daten (z.B. Kunden) nicht als Textfeld, sondern vergeben Sie Identifikationsnummern (z.B. Kundennummer)

Datenaufbereitung ist zentraler Prozess in der Erstellung einer KI-basierten Anwendung

Um eine Aufgabe mit einer KI-Anwendung zu unterstützen, ist ein entsprechender Datensatz notwendig. In den meisten mittelständischen Unternehmen werden bereits für die KI-Anwendung relevante Daten durch entsprechende Erfassungssysteme erhoben. Allerdings verfügen die erhobenen Daten häufig nicht über das benötigte Format, um eine KI-Anwendung “Plug and Play” aufbauen zu können. Die Aufbereitung der Daten für die KI-Anwendung ist erfahrungsgemäß mit deutlich größerem Aufwand verbunden, als der Anlernprozess der jeweiligen Machine-Learning-Algorithmen. Ein Verhältnis von 80% zu 20% ist durchaus keine Seltenheit.

Um die Datenaufbereitung nicht zusätzlich zu erschweren, empfiehlt es sich, schon bei der Datenerhebung den späteren Prozess der Datenaufbereitung zu berücksichtigen und beispielsweise bei der Benennung von Spalten selbstsprechende und zwingend eindeutige Bezeichnungen zu wählen.

Implementierungsstand künstlicher Intelligenz in Produktionsunternehmen der Übergangsregion Lüneburg

Die Zusammenarbeit aus Wissenschaft und Wirtschaft in der Übergangsregion Lüneburg hat gezeigt, dass die Potenziale für KI-Anwendungen in Produktionsunternehmen breit verteilt sind. Die meisten dieser Potenziale konnten während der Projektlaufzeit zwar identifiziert, jedoch nicht gehoben werden. Ursächlich ist hierfür vor allem die fehlende Datengrundlage zu den jeweiligen Prozessen. Trotzdem konnte durch das Projekt gezeigt werden, dass bei einer ausreichenden Datenlage auch mittelständische Unternehmen durchaus schon heute befähigt werden können, künstliche Intelligenz aktiv in Ihre Prozesse einzubinden. Weiterhin ist festzuhalten, dass sich derzeit ein Verlust von Arbeitsplätzen durch den Einsatz künstlicher Intelligenz in den partizipierenden Unternehmen nicht abzeichnet.