Die Technologie besteht und sie birgt unglaubliche Möglichkeiten. Abseits der Möglichkeiten generativer KI, kann die Industrie auch von neuronalen Netzen und den vorhandenen mathematischen Modellen profitieren. Gerade in der digitalen Transformation können die Chancen, die sich hier eröffnen, nicht mehr weggedacht werden. Wir haben uns daher einige Gedanken dazu gemacht, wie digitale Transformation in Zeiten künstlicher Intelligenz arbeitet und welch konkreter Mehrwert in der Industrie damit geschaffen werden kann. STRG.AT hat mittlerweile 20 Jahre Erfahrung darin, Betriebe auf diesem Weg zu begleiten. Wir haben gelernt, welche Konzepte funktionieren und was für eine erfolgreiche Integration notwendig ist. Wir haben aber auch gelernt, welche Fallstricke ausgelegt sind und worüber Unternehmen regelmäßig stolpern.
Was bedeutet Transformation?
Durch die Anwendung künstlicher Intelligenz geht digitale Transformation weiter, als sie das bisher getan hat. Neben modernen Strukturen braucht es oftmals auch eine veränderte Unternehmenskultur:
- Radikales Denken und Hinterfragen bestehender Praxis und Prozesse
- Innovation und Experimentieren als Kultur im Unternehmen
- Laufende Verbesserungen und Optimierungen
Alle diese Ansätze müssen dabei einer klaren Richtlinie folgen. Sie müssen in das operative Geschäft des Unternehmens eingreifen können. Ziel ist, die Produktivität zu verbessern und das Unternehmen schlanker und schneller zu machen. Dazu braucht es eine agile Kultur, aber vor allem auch einen klaren “Reason Why”, ein klares strategisches Ziel und Use Cases, die in der Lage sind, die operative Situation des Unternehmens messbar zu verbessern.
Einige Projektbeispiele
Wir haben hier nur einige Beispiele herausgegriffen, die uns für Industrie als Wesentlich erscheinen. Es gibt natürlich noch eine Vielzahl weiterer Use Cases, für die es keine Out-Of-The-Box Lösungen geben kann und die tief in die bestehenden Systeme integriert werden müssen.
Für ein Unternehmen in der Rohstofffertigung mit 9 Standorten in Europa haben wir eine Software entworfen, entwickelt und implementiert mit der es nun möglich ist, alle ERP Systeme zu vereinen und auf eine gemeinsame Planung für alle Unternehmensbereiche zu setzen. Einkauf von Rohstoffen, Planung der Produktion, Logistik und viele weitere Facetten der industriellen Fertigung werden vom DCC (Digital Control Center) übernommen und sind dort zur Gänze abgebildet. Per Drag&Drop können Aufträge verschoben werden. Das System optimiert dabei im Hintergrund sämtliche notwendigen Daten und führt Updates in den lokalen ERP Systemen der einzelnen Standorte durch. Es können aber auch automatisierte Planungen durchgeführt werden. Auf Basis einer künstlichen Intelligenz werden dabei sämtliche möglichen Produktionswege durchgerechnet und eine optimierte Version dazu vorgeschlagen. Die gesamte Produktion des Unternehmens wurde damit auf neue Beine gestellt. Die Software konnte auf Basis der bereits vorhandenen Systeme integriert werden und läuft zur Gänze in einem Cloudsystem. Die Bedienung ist über ein Webinterface möglich und damit auch gänzlich unabhängig vom Standort des jeweiligen Users. Für die Mitarbeitenden in den Fabriken hat sich nichts verändert. Der Schulungsaufwand und die gesamte Integration des neuen Systems in die Teams war damit denkbar gering.
Auf Basis von historischen Daten der letzten 10 Jahre haben wir in einem Unternehmen ein System implementiert, das es erlaubt, eine Forecast Rechnung sowie eine Simulation für die Zukunft zu gestalten. Das System errechnet aus angenommenen Veränderungen des Geschäfts die notwendigen Beschaffungen. Das Ziel dieses Projekts lag darin, durch rechtzeitige Bestellung von Rohstoffen in der richtigen Menge die Lieferzeiten des Unternehmens zu verkürzen und den Lagerbestand zu optimieren.
Durch die Möglichkeiten generativer KI und neuen Zugängen zur Suche in Wissensdatenbanken und Dokumentationen entsteht eine Ebene, in der sich Mitarbeitende mit ihren Daten unterhalten können. Es werden nicht mehr klassische Suchergebnisse angezeigt, sondern Zusammenfassungen und Querverweise zu komplexen Themen angeboten.
In vielen Unternehmen werden die Sensordaten von Maschinen gespeichert. Gearbeitet wird damit häufig nicht oder unzureichend. Aber in diesen Daten ist ein wahrer Schatz verborgen. Aus diesen Daten, verschnitten mit Laufzeit, Produktion und vielen weiteren Attributen, lässt sich lernen, wann ungeplante Ausfälle drohen und wie die Leistung optimiert werden kann. Das Spannende daran ist, dass wir mit jedem zusätzlichen Signal besser verstehen können, wann ein System Wartung benötigt und zwar bevor es zu Problemen kommt.
Ein typisches Problem der Optimierung in einem E-Commerce System im B2B Bereich ist der relativ geringe Traffic, der durch die Einkäufer entsteht. STRG.AT hat in Zusammenarbeit mit der FFG (Forschungsförderungs Gesellschaft) ein System entwickelt, mit dem Daten simuliert werden können, um Optimierungsschritte zu ermöglichen. Die Simulation basiert auf Agents, die mittels Reinforcement Learning Datenspuren erzeugen, aus denen man erkennt, wie ein Online-Shop verbessert werden kann.
Wir unterstützen bereits heute einige Unternehmen darin, in ihrem ganz speziellen Feld durch die Erkennung von Mustern in bestimmten Datenströmen ihre eigenen Produkte zu verbessern oder neue Produktgruppen zu entwickeln. In der Rohstoffindustrie, in verschiedenen Veredelungsverfahren aber auch in der Produktion von Anlagen sind diese Ansätze möglich.
Über Simulationen wird heute oft gesprochen, praktisch eingesetzt werden sie in der Industrie leider kaum. Dabei sind sie ein wunderbarer Bereich, in dem sich mit stochastischer Statistik und Regression vieles herstellen und errechnen lässt. Generische Systeme sind dazu eher nicht geeignet, da jedes Produktionsverfahren in der Industrie sehr individuell gestaltet ist. Es handelt sich dabei ja sehr oft um den eigentlichen USP des Unternehmens.
Die Strategie und die Use Cases
Digitale Transformation braucht eine klare Strategie. Sie muss Ziele verfolgen können und sich gegen diese Ziele auch messen lassen. Es braucht dafür klare Währungen, in denen bewertet werden kann und auf die man sich einheitlich beziehen kann.
Reason Why >> Targets >> KPI
Aus dieser Notwendigkeit erarbeiten wir mit unseren Partnern Use Cases, die eine mögliche Integration von KI Modellen im Unternehmensprozess beschreiben. Diese müssen auf die operativen Ergebnisse des Unternehmens einzahlen. Es geht nicht darum, KI einzusetzen. Es geht darum, durch den Einsatz von KI neue Potentiale in der wirtschaftlichen Betrachtung des Unternehmens zu forcieren. Daraus entsteht Erfolg.
Projekte - Projekte - Projekte und rapid Prototyping
In vielen Unternehmen werden langwierige Strategie-Prozesse gestartet. Dabei wird übersehen, dass die Integration von KI und die digitale Transformation in Zeiten von KI schnell sein muss, wenn sie erfolgreich sein will. Wir haben daher einen Weg entwickelt, auf dem wir mit Proof-Of-Concept Projekten, die mit wenig Budget umsetzbar sind, Ideen testen. Sind sie erfolgreich umsetzbar, werden sie anschließend weiter verfolgt. So entsteht eine schnelle Abfolge von Implementierungen, Tests und Versuchen.
- Datenanalyse
- Prototype (Proof Of Concept)
- Visueller Prototyp
- Fertige Ausarbeitung mit grafischem Interface und Production-Ready
Mit dieser Methodik kann man auch eine möglichst hohe Kosteneffizienz erzielen. Diese schrittweise Herangehensweise setzt man vor allem in Projekten ein, deren Durchführbarkeit noch nicht zu 100% abgesichert und ein etwaiges Scheitern oder ein Projektabbruch möglich ist. Beispielsweise in Data Projekten, bei denen nach Mustern gesucht wird, ist das natürlich immer möglich.
Daten-Applikationen
So ziemlich alles, was man tun kann, und das im Wesentlichen das Ziel einer tiefen Integration digitaler Möglichkeiten und noch viel mehr künstlicher Intelligenz ist, hat letztlich mit der Nutzung von Daten zu tun, die im Unternehmen zur Verfügung stehen. Mit künstlichen Intelligenzen ergeben sich große Anwendungsfelder, die in operative Prozesse eingreifen können. Wenige Menschen und Mitarbeitende sind sich dessen bewusst, dass Daten Applikationen einer 80:20 Regel folgen. Das bedeutet, lediglich 20% der Aufwände werden wirklich in der Entwicklung von Algorithmen und mathematischen Prozessen liegen. Der Großteil entfällt immer auf die Bereinigung der Daten und vor allem, sie zugänglich zu machen, um mit ihnen arbeiten zu können. Noch vor wenigen Jahren hat man davon gesprochen, dass Daten das neue Öl seien. Ich sehe das heute nicht mehr so. Daten sind eine absolut notwendige Grundlage für all diese Applikationen. Keine KI ist in der Lage, Daten “schön zu rechnen”, es gilt das Prinzip von Shit-In / Shit-out. Wenn überhaupt, sind Daten Rohöl, das raffiniert werden muss, um es verwendbar zu machen. Aber: Wartet nicht darauf, dass diese Daten bereinigt zur Verfügung stehen. Wir werden sie in gemeinsamen Prozessen im Rahmen der Projekte bereinigen müssen. Sonst passiert es nie. Letztlich entsteht der Mehrwert allerdings immer erst dann, wenn wir in der Lage sind Daten zu verarbeiten, zu verschneiden, zu vergleichen und diese Ergebnisse auch wirklich zu visualisieren:
KI Richtlinien
Der Einsatz von künstlicher Intelligenz in der digitalen Transformation benötigt Richtlinien und Strategien, die über die digitale Transformation hinausgehen. Im AI-Act der Europäischen Union wurden Richtlinien festgelegt, an die sich Unternehmen in Europa halten müssen. Aus Daten lassen sich oft unvermutet Muster herauslesen, die ein Mensch “mit freiem Auge” niemals gesehen hätte. Diese Erkenntnisse können gegen geltendes Recht stehen. Aus diesem Grund haben wir mit einigen Unternehmen Richtlinien ausgearbeitet, in welchen Bereichen künstliche Intelligenz eingesetzt werden darf und soll. Ebenso in welchen Bereichen darauf ganz klar verzichtet werden muss.
Wir arbeiten in diesem Bereich auch mit Anwälten zusammen, die unsere Konzepte bewerten und ggf. eine vertiefende Prüfung durch eine Kommission vorschlagen. Gerade im Bereich der kritischen Infrastruktur sind die Auflagen zu recht sehr streng. Teure Fehler müssen in diesem Zusammenhang unbedingt vermieden werden. Grundsätzlich raten wir allen Unternehmen, eine zweigeteilte Richtlinie zu erstellen, in welchen Bereichen mit künstlicher Intelligenz gearbeitet werden soll.
1. Generative KI: Hier ist der Einsatz in der Industrie mannigfaltig und erlaubt einen völlig neuen Umgang mit Unternehmensdaten. Besonders zu achten ist hier auf Daten, die Personen und Mitarbeiter betreffen könnten.
2. Adaptive KI: Hier geht es um die automatisierte Erkennung von Mustern in Datenströmen, Datensimulation und Predictive Analytics. Viele Anwendungsgebiete sind denkbar, die gerade in der Industrie hochinteressant sind und weitgehend auch umgesetzt werden dürfen.
Zusammenfassung
Die notwendigen Schritte überschneiden sich und laufen in Teilen parallel ab. Achtet immer darauf, so schnell wie möglich mit konkreten Umsetzungen zu beginnen. Die Frustration bei langen Strategie-Prozessen kann die gesamte Dynamik töten. Gleichzeitig ist, vom Management ausgehend, an der Unternehmenskultur zu arbeiten, denn
Culture eats strategy for breakfast!
- Strategie der Digitalen Transformation gemeinsam ausarbeiten
- KI Richtlinien für das gesamte Unternehmen
- Konzeption in den Teilbereichen bei gleichzeitigem Ausarbeiten von PoCs (Proof of Concept)
- Gesamtkonzeption und Architektur
- Umsetzungen und erste Visualisierungen (Interfaces)
- Fertigstellung und Ausrollen von Modellen und Systemen über die Unternehmensgruppe
- Kontaktieren Sie STRG CEO Jürgen Schmidt via E-Mail juergen.schmidt@strg.at oder rufen Sie uns kurz an: +43 699 1 7777 165
KOSTENLOSES BERATUNGSGESPRÄCH
Nutzen Sie die Gelegenheit, um individuelle Fragen zu stellen und eine maßgeschneiderte Strategie zu entwickeln.
KONTAKT AUFNEHMEN
