KI-Strategie zur systematischen Datennutzung


 

Wie Sie das Potenzial verfügbarer Daten für sich erschließen 

Künstliche Intelligenz (KI) ist für den deutschen Mittelstand von hoher Bedeutung. Allerdings hemmen ständiger Wettbewerbsdruck, fehlende Ressourcen und Know-how sowie mangelnder Spielraum das Beschäftigen mit diesem Trendthema. Dadurch hat sich für einen Großteil der KMU noch kein betriebswirtschaftlicher oder prozessualer Vorteil durch den Einsatz von KI herauskristallisiert. Die richtigen Experten (Data Scientists) allerdings können vorhandene Daten interpretieren und daraus enorme Potenziale erschließen. Mittels jahrzehntelanger Industrie- und Software-Erfahrung sowie unserer strategischen Data-Science-Allianz mit der Point 8 GmbH zeigen wir auf, wie eine KI-Strategie Daten systematisch nutzbar macht und entsprechende Potenziale im KMU-Umfeld erschließen kann. 
 

Data Science und Künstliche Intelligenz – ein modernes Handwerk

Maschinen und Anlagen produzieren immense Datenmengen. Selbst in kleinen Firmen sind Daten vorhanden, jedoch meist nicht sortiert oder kategorisiert. Zusammenhänge sind für Nicht-Datenwissenschaftler kaum erkennbar. Smart interpretiert heben diese Daten jedoch immense Potenziale, um die Produktivität der Prozesse zu erhöhen, Produktinnovationen hervorzubringen oder gar neue, digitale Geschäftsmodelle zu realisieren. Wie bei jedem Handwerk kommt es auch bei der Datenanalyse darauf an, vorhandenes Material – also die Daten – angemessen auszuwählen, richtig einzuschätzen und mit statistischen Verfahren sowie datenbasiertem maschinellen Lernen zu bearbeiten. 

 

Expertisen-Dreiklang und der Blick fürs Wesentliche 

Wertvoll ist ein breiter, bestenfalls technisch-physikalisch geprägter Erfahrungsschatz, auf den ein Datenwissenschaftler zurückgreifen kann. Doch für ein gelungenes Datenprojekt braucht es noch mehr: Den Branchen- und Produktspezialisten (Domänenexperten), der die Maschinen und Prozesse der Anwendung kennt und den Software-Experten mit den notwendigen Entwicklungsfähigkeiten. Dieser Expertisen-Dreiklang sollte in jeder Phase des Projektes beherzigt werden.
Das Zusammenspiel beginnt mit der gemeinsamen Erarbeitung aussichtsreicher Use Cases. Dazu gibt es bereits etablierte Werkzeuge und Ansätze, um zwischen Daten-Fachleuten, Domänenexperten und Software-Entwicklern abzuklopfen, was gewünscht, technisch machbar und erfolgversprechend umsetzbar ist. Und dann geht es los. Die Erwartungshaltung, nun würde der magische KI-Zauberstab geschwungen, ist allerdings fehl am Platz, denn KI und Maschinelles Lernen (ML) liefern an dieser Stelle in der Regel noch keine brauchbaren Ergebnisse. Das Kernstück der Datenanalyse ist der geschulte Blick in die Daten.

 

 

Deskriptive Bestandsaufnahme oder vom Datenhaufen zur KI

Welche Daten sind relevant für den Use Case? In welchem Format liegen sie vor? Müssen noch weitere Daten berücksichtigt und ggf. berechnet und ergänzt werden? Kleinschrittig und in ständigem Austausch mit den Domänenexperten arbeiten sich die Data Scientists mittels Filtern, Bereinigen, Umformen und Anreichern der Daten vor. So werden in vormals oft chaotischen Rohdaten erkenntnisreiche Zusammenhänge aufgedeckt. Am Ende der Datenvorbereitung steht schließlich eine Datenbasis, die zum Trainieren eines ML-Modells geeignet ist.

 

Vom Prototypen zur Produktivlösung

Auch wenn KI und ML in fachkundigen Händen mächtige Werkzeuge sind, machen sie doch nur einen kleinen Teil der Arbeit der Data Scientists aus, der nicht für sich allein stehen kann. Erst mit passend aufbereiteten Daten wird der Einsatz von KI möglich. Wird nun ein ML-Modell basierend auf diesen Informationen entwickelt, können damit datengetriebene Anwendungsfälle umgesetzt werden. In der Regel demonstriert zunächst ein Prototyp mit überschaubarem Aufwand die Brauchbarkeit der Werte, die Zweckmäßigkeit der Datenaufbereitung und letztlich die technische Machbarkeit des gesamten Use Cases, bevor eine Produktivlösung entwickelt wird. Sobald das KI-Projekt implementiert ist, können KMU schnell alleine laufen. Einstieg und Anschieben eines KI-Projektes ist übrigens zu jederzeit des Prozesses möglich.

 

Handlungsempfehlung anhand von Vorhersagen 

Nicht jedes Maschinenbauunternehmen kann den Expertisen-Dreiklang abbilden. Hier kann externe Unterstützung helfen, um überhaupt mit KI zu starten. Lachmann & Rink hat das Thema KI in sein Leistungsportfolio fest verankert und dazu eine strategische Allianz mit dem Dortmunder Unternehmen Point 8 GmbH geschlossen.

Wer einem Data Scientist beim faszinierenden Erschließen von Datenpotenzialen über die Schulter schauen will, kann das hier tun. Unter dem Motto „So sieht’s aus – Datenanalyse live” präsentierten Dr. Matthias Hebbel (L&R) und Dr. Florian Kruse (Point 8) den Weg von den Rohdaten bis zum fertigen KI-Modell auf der diesjährigen diwodo.


Sie wollen wissen, wie wir das für Sie einsetzen? Sprechen Sie mich gerne an!
 

Pia Ulrike Gaumann

+49 2734 2817-59

E-Mail senden

 

Anmeldung Newsletter

Subscribe

* Pflichtfelder