Künstliche Intelligenz, Machine Learning, Big Data: Viele stehen diesen Themen skeptisch gegenüber. Dabei kann KI die Effizienz und die Arbeitsqualität steigern. Sie sollte darum Teil der Digitalisierungsstrategie sein.

Studien zeigen: Immer mehr Unternehmen erkennen die Vorteile KI-basierter Lösungen [1]. Dennoch herrscht rund um die Verwendung von KI noch Unsicherheit. Zum einen ist nicht klar, wie sich eine KI zielgerichtet integrieren und implementieren lässt. Zum anderen wissen viele Unternehmen nicht, wie genau sie von KI profitieren können.

Ziele definieren und Daten sammeln. Die aktuell verfügbare Art von KI bezeichnet man als »schwache« KI. Sie kann nur definierte Aufgaben lösen. Eine »starke« KI, die jedoch noch nicht entwickelt ist, würde weit darüber hinausgehen. Noch benötigen KI-Systeme immer konkrete Ziele, die Unternehmen vorgeben müssen. Darum sollten sie zunächst analysieren, welche Prozesse sie mithilfe von KI effizienter gestalten könnten. Dafür braucht es üblicherweise Unmengen an Daten. Diese erhalten Unternehmen, indem sie alle relevanten Informationen rund um ihre Kerngeschäftsprozesse zusammentragen. Dafür braucht es sowohl Zeit als auch (technische) Investitionen, da alle Daten erfassende Systeme zu integrieren sind. Alternativ können sie die Daten bedarfsgerecht erheben, also je nach Anwendungsfall oder Geschäftsmodell. Anhand dieser Daten können sie dann überprüfen, ob sie für den spezifischen Case ausreichend sind.

Voice Commerce. Im Handel gibt es viele Möglichkeiten, von KI zu profitieren. Sprachassistenten wie Amazon Echo, Google Home oder Apples Home-Pod sind in den Haushalten angekommen. Nutzer verwenden sie unter anderem, um per Sprachbefehl komfortabel einzukaufen. Die digitalen Butler verstehen selbst komplexe Anfragen wie »Finde eine farblich passende Jacke mit schmal geschnittener Taille, die zu T-Shirt A der Marke C passt«. Nutzer können die passende Jacke dann einfach per Sprachbefehl bestellen – KI macht es möglich. KI-Algorithmen arbeiten dabei mehrstufig: Im ersten Schritt wandelt das System Audiosignale in Phoneme um – die kleinsten bedeutungsunterscheidenden sprachlichen Einheiten, aus denen unsere Wörter und Sätze entstehen. Die Logik ermittelt anschließend, was sich der Nutzer wünscht, und wandelt seine Anfrage in textbasierte Befehle an das System-Backend um. Dies geschieht meist durch den Aufruf von Webservices. Anschließend wird das Ergebnis mittels Text-to-Speech-Algorithmen in Sprache umgewandelt und an den Nutzer übertragen. Damit hat der Handel einen weiteren attraktiven Verkaufskanal.

Metadaten für Bild- und Videodateien automatisch erzeugen. Auch im Medienbereich ist KI längst angekommen, etwa bei der Metadaten-Erzeugung. Bewegtbilder spielen eine immer größere Rolle. Doch die immer größere Datenflut ist für Journalisten und Produzenten kaum mehr manuell zu händeln. Dabei müssen sie Videosequenzen mitunter sehr schnell finden. Dies gelingt am einfachsten über Metadaten, also Inhaltsinformationen, die Videos und Bildern zugeordnet sind. Je besser die Metadaten verschlagwortet sind (Tagging), desto einfacher sind sie auffindbar. Wenige Metadaten lassen sich noch manuell taggen. Aber TV-Sendern, die Millionen Bilddaten verwalten, ist das nicht mehr möglich. KI kann Videodateien analysieren und automatisch mit Metadaten versehen. Sie erkennt bekannte Personen, Firmenlogos, Städte sowie Gebäude und hinterlegt diese Informationen in den Metadaten. So sind Video- oder Bilddateien schnell auffindbar.

KI-Projekte realisieren. Die beiden Beispiele zeigen: KI-Projekte sind sehr unterschiedlich und individuell. Daher empfiehlt sich eine schrittweise Einführung. In der Praxis hat sich ein vierstufiger Prozess bewährt:

1. Use Case mit dem größten Mehrwert identifizieren.
Im Rahmen einer Ist-Analyse wird überprüft, welche Grundlagen für den KI-Einsatz zu schaffen sind. Inwieweit wird Big Data bereits verwendet? Welches Know-how gibt es bezüglich KI? Sind besondere Herausforderungen zu bewältigen? In der Regel erarbeiten Unternehmen diese Fragen gemeinsam mit einem Dienstleister. Aus den Resultaten können sie ein Use-Case-Portfolio ableiten, das potenzielle Einsatzmöglichkeiten von KI nach Nutzen und Aufwand priorisiert. Die vielversprechendsten Use Cases sind dann weiter zu analysieren.

2. Von der Idee zum Prototyp.
Anschließend wird ein Konzept zur Vorgehensweise entwickelt, das die zügige Entwicklung eines Prototyps gestattet. Dafür sind Ziele und Anforderungen detailliert aufzubereiten. Eine standardisierte Entwicklungsumgebung erlaubt, Störfaktoren zu beseitigen und die Entwicklung schnell abzuschließen. Dank eines iterativen Vorgehens und Benutzerfeedback kann binnen kurzer Zeit ein KI-Prototyp entstehen, der mit Echtdaten arbeitet. Daraus lässt sich ableiten, ob die gewünschten Effekte eintreten und die definierten Ziele erreichbar sind.

3. Vom Prototyp zum produktiven KI-Service.
Aus dem Prototyp lässt sich anschließend ein sogenanntes Minimum Viable Product (MVP) erstellen. Die Datenbasis und weitere Funktionalitäten werden iterativ erweitert. Für eine reibungslose Integration in die Systemumgebung sorgen kontinuierliche Funktions-, Last- und Integrationstests. Im Skalierungsplan ist festzulegen, wie aus dem MVP ein skalierender KI-Service wird. So müssen Unternehmen etwa die zukünftige Produktivumgebung, Einflussfaktoren und Schnittstellen des KI-Services analysieren und berücksichtigen. Damit entsteht schließlich ein produktiver KI-Service, der sich in bestehende Anwendungen und Prozesse integrieren lässt.

4. Stabiler Betrieb und Verbesserungen.
Für den Betrieb und das Monitoring ist es ratsam, mit einem professionellen Partner zusammenzuarbeiten, der das Unternehmen mit umfassenden Managed Artifical Intelligence Services unterstützt. Vor allem bei geschäftskritischen Einsätzen ist ein 24/7-Monitoring Pflicht. Zudem sollte die Qualität des KI-Algorithmus durch ein stetiges Re-Training gesichert sein. Und die Mitarbeiter im ITIL-konformen Service-Management übernehmen alle Routinetätigkeiten, die für einen reibungslosen Betrieb notwendig sind.

KI ist also keine Zukunftsmusik mehr, sondern gelebte Realität. Wer sich heute nicht mit den technologischen Möglichkeiten beschäftigt, wird zukünftig das Nachsehen haben. Es ist jetzt an der Zeit, KI einzusetzen.

Marcus Metzner, Chief Marketing Officer bei Arvato Systems, ist verantwortlich für die Marketing-, PR- und Kommunikationsthemen von Arvato Systems. Daneben engagiert er sich unter anderem im Beirat der BITKOM Schulinitiative »erlebe IT« und als Jurymitglied der internationalen AIB Media Excellence Awards.

[1] https://www.dfki.de/fileadmin/user_upload/import/9744_171012-KI-Gipfelpapier-online.pdf

Illustration: © Margerita Steshnikova, patrice6000/shutterstock.com

2840 Artikel zu „KI Service“

NEWS | TRENDS 2020 | TRENDS SERVICES | SERVICES

Field Service Management 2020: Von CXM über IIoT bis hin zu KI

13. Dezember 2019

Maschinen und Produktionsanlagen sind zunehmend vernetzt, um eng getaktete und komplex organisierte Lieferketten am Laufen zu halten. Ein Ausfall einer Maschine kann schnell den gesamten Prozess zum Erliegen bringen und Millionenkosten verursachen. Daher muss das Field Service Management in der Lage sein, schnell und flexibel auf mögliche Ausfälle zu reagieren. Moderne Kommunikationstechnologien ermöglichen einen…