Soccer team in a huddle

Künstliche Intelligenz: Welche Ideen sich rechnen

Feature | 6. Dezember 2017 von Andreas Schmitz 1 Hot Story

Lernfähige Systeme erhöhen die Effizienz in den Unternehmen, machen Kunden zufriedener und Produkte besser. Welche Anwendungsszenarien Sinn machen.

„Maschinelles Lernen“ ist das Modewort schlechthin. „Doch ein gutes Anwendungsszenario dafür zu finden ist gar nicht so einfach“, bemerkt Klaus Schimmer, Director Business Development Machine Learning im SAP Innovation Center Network in Walldorf. Manchmal stellt sich bei genauerem Hinsehen dann doch heraus, dass es sich „nur“ um ein Prozessthema handelt oder regelbasiert über ein SAP-Modul gelöst werden kann und maschinelles Lernen gar nicht nötig ist. Künstliche Intelligenz, so definiert das IT-Beratungshaus Capgemini in seiner jüngsten Studie „Turning AI into Concrete Value“, umfasst Technologien, die Daten dazu nutzen, ständig dazu zu lernen. Dazu gehören etwa virtuelle Agenten, die in Interaktion mit Menschen treten können, Bild- und Texterkennung, Algorithmen, die als neuronales Netz dem Gehirn nachgeahmt sind sowie autonome Agenten, die eigenmächtig Entscheidungen treffen können. „Machine Learning ist die Technologie, die künstliche Intelligenz möglich macht. Mit dieser Technologie werden wir in Zukunft nicht nur bei einfachen und sich wiederholenden Tätigkeiten unterstützen können, sondern vor allem auch Innovation ermöglichen. Ziel für uns bei SAP ist es, das intelligente Unternehmen zu erschaffen. Fast so, wie ein selbst fahrendes Auto“, sagt Schimmer. Für den KI-Experten ist klar: „Wenn die Intelligenz Sinn macht, ist der Effekt verglichen mit herkömmlicher Software enorm“.

Ziel von SAP ist es, das intelligente Unternehmen zu erschaffen. Fast so, wie ein selbst fahrendes Auto.

Halbakustisch oder elektrisch? Bilderkennung für den Gitarrencheck

Wenn etwa Hobbygitarrist Schimmer dem Machine-Learning-Service aus dem SAP-Leonardo-Portfolio beibringt, was eine halbakustische und was eine elektrische Gitarre ist, klassifiziert die Bilderkennung nach kurzer Zeit die eine Gitarre zu 70 Prozent als elektrisch und 30 Prozent als akustisch sowie die andere eindeutig mit einer Übereinstimmung von mehr als 90 Prozent als elektrisches Instrument. Diese Methode macht sich etwa ein Schmuckhersteller zunutze. Der Kunde von SAP verkauft jährlich 40.000 „Glasprodukte“, an denen hin und wieder etwas abbricht. Im Servicefall reicht nun das Einsenden eines Fotos, um das Produkt zu identifizieren und so die Reparatur enorm zu beschleunigen. Das spart in der Firma Kosten und die Kunden sind zufriedener.

Capgemini: Effizienz, Mitarbeiterproduktivität und Kundenzufriedenheit steigen durch KI

Dieses Beispiel zeigt, welche praktischen Vorteile im Einsatz der künstlichen Intelligenz liegen. Gefragt nach dem Nutzen von künstlicher Intelligenz in den Unternehmen sahen 78 Prozent der knapp 1.000 von Capgemini weltweit Befragten in der zunehmenden Effizienz den größten Vorteil, gefolgt von einer Unterstützung der Mitarbeiterproduktivität (77 Prozent) und verringerten Betriebskosten durch verbesserte Prozesse (75 Prozent). Zudem erwarten die Experten eine bessere Beziehung zu ihren Kunden: 73 Prozent sind davon überzeugt, künftig zufriedenere Kunden zu haben, 72 Prozent rechnen mit weniger Beschwerden und 66 Prozent gehen davon aus, dass sich weniger Kunden künftig einen anderen Anbieter suchen – die Abwanderungsquote also sinkt.

Für den SAP-Experten Schimmer wird maschinelles Lernen dann interessant, „wenn es dazu führt, dass die Fehlerrate der Maschine mindestens so gut ist wie beim Menschen“. Gerade bei manuellen Prozessen, zum Beispiel in der Buchhaltung, ist der „Faktor Mensch“ immer noch eine nicht unerhebliche Fehlerquelle. „Hier kann Automation nicht nur Kosten sparen, sondern sogar die Qualität erhöhen“, so Schimmer. Heute ist es noch so, dass Mitarbeiter in der Buchhaltung seitenweise sogenannte Zahlungsavise abtippen und manuell Rechnungen zuordnen müssen. In Zukunft ermöglicht es die Intelligenz von SAP Leonardo Machine Learning, diese Dokumente automatisch zu erfassen, intelligent zu interpretieren und im elektronischen Format zur Weiterverarbeitung bereit zu stellen. „Was vorher manuell oder regelbasiert ablief, ist plötzlich intelligent“, meint Schimmer, der davon ausgeht, dass immer mehr dieser „Mach-das-Unmögliche-möglich-Use-Cases“ entstehen werden, die einerseits geschäftliche Daten verarbeiten, andererseits aber auch Video-, Text-, Bild- oder Social-Media-Daten mit einbeziehen.

McKinsey: Das bringen die acht wichtigsten Anwendungsszenarien für künstliche Intelligenz

Das Beratungshaus McKinsey hat sich für die Studie „Smartening up with Artificial Intelligence“ acht als besonders relevant identifizierte Anwendungsszenarien hinsichtlich ihres Potenzials angeschaut:

1. Automation von Business-Support-Funktionen: 30 Prozent der Business-Support-Funktionen werden künftig von künstlicher Intelligenz profitieren. Für den IT-Help-Desk liegt das Automatisierungspotenzial bei 90 Prozent.

2. Autonome Fahrzeuge: Im Jahr 2030 werden zehn bis 15 Prozent der verkauften Neuwagen autonom fahren können. Jährlich ist mit einer Wachstumsrate von 40 Prozent zu rechnen.

3. Vorausschauende Wartung: Die Wartungskosten sinken durch den Einsatz der Vorhersagemöglichkeiten um bis zu 15 Prozent. Inspektionskosten sinken um 25 Prozent. Der Ausfall von Maschinen kann um 20 Prozent gesenkt werden.

4. Kollaborative und kontext-sensitive Roboter: Die Produktivität in der Fertigung nimmt um bis zu 20 Prozent zu. Zudem sind geringere Kosten für die Entwicklung zu erwarten sowie Investitionsausgaben (CAPEX) sinken, da abgesperrte Bereiche, die ausschließlich für Roboter nötig waren, wegfallen.

5. Ausschuss in der Fertigung reduzieren: 30 Prozent weniger Bauteile werden qualitativ unzureichend gefertigt. Dazu trägt eine KI-basierte Qualitätskontrolle und eine Fehler-Ursachen-Analyse bei.

6. Automatisierte Qualitätstests: Die Produktivität erhöht sich um 50 Prozent, sofern eine KI-basierte Qualitätsüberprüfung etwa über den Einsatz von Kamerasystemen genutzt wird. Bis zu 90 Prozent mehr defekte Bauteile können so entdeckt werden.

7. KI-unterstützes Lieferkettenmanagement: Durch präzise Bedarfsprognosen und flexibles Anpassen von Routen kommt es um 50 Prozent weniger zu falschen Vorhersagen. Es passiert um 65 Prozent seltener, dass Verkäufe nicht zustande kommen, da Produkte nicht mehr verfügbar sind. Zudem lässt sich 50 Prozent der Lagerfläche einsparen.

8. Bessere Performance für Projekte aus der Forschung und Entwicklung: Durch Verbesserung der Kommunikation und Interaktion ist mit einer erhöhten Produktivität von 10 bis 15 Prozent zu rechnen. Der Time-to-Market ist um 10 Prozent beschleunigt.

SAP Leonardo: Start-up-Mentalität für den Einstieg – mit und ohne maschinelles Lernen

Das Spektrum an vielversprechenden Anwendungsszenarien zeigt das Potenzial der künstlichen Intelligenz, das künftig zudem mit anderen Technologien verknüpft werden kann. Ein komplettes SAP-Leonardo-End-to-End-Szenario könnte beispielsweise so aussehen: Eine mit Kamera ausgestattete Drohne übernimmt die Überprüfung von großen Maschinen, bei gefundenen angerosteten Teilen recherchiert SAP Leonardo autonom im digitalen Zwilling der Maschine, sucht über Bilderkennung das betreffende Bauteil heraus, gibt einen intelligenten Bestellvorschlag über SAP Ariba ab, tauscht eine 3-D-Drucklizenz – gesichert per Blockchain – mit dem Lieferanten aus und lässt das Bauteil erstellen. Hier spielen Machine Learning und andere technische Lösungen aus dem SAP-Leonardo-Portfolio wie IoT, Analytics und die Blockchain-Technologie ineinander. Um entsprechende Anwendungsszenarien im Unternehmen mehr und mehr zu etablieren, ist allerdings zunächst eine Start-up-Mentalität gefragt, mit der an entsprechende Projekte herangegangen werden sollte: „Kunden müssen ihre Erfahrungen machen, kreativ sein und auch mal Risiken eingehen. Auch wenn vielleicht nicht jedes Projekt gelingt – bei Erfolg ist die Wirkung durchschlagend“, ist Klaus Schimmer überzeugt.

Weitere Informationen:

Webinar-Serie zum Thema SAP Leonardo Machine Learning

Whitepaper “Why Machine Learning and Why Now?” (englisch)

SAP Solution Brief “Enable the Intelligent Enterprise with Machine Learning” (englisch)

openSAP-Kurse: Enterprise Machine Learning in a Nutshell und Enterprise Deep Learning with TensorFlow (englisch)

Tags: ,

Leave a Reply