KI in der Industrie E-Book

Peter Seeberg

• Herausgeber: Carl Hanser Verlag GmbH & Co. KG
• Kategorie: Wissenschaft und neue Technologien
• Sprache: Deutsch
• Veröffentlichungsjahr: 2020

Seitenzahl: 159

Beschreibung

• Leicht verständlicher Einstieg in die Anwendungsmöglichkeiten von KI und Machine Learning in der Industrie
• KI und ML entmystifiziert
• Das Buch zum Podcast www.kipodcast.de

Die Industrie ist im KI-Fieber. Doch was bedeutet KI für Industrieprozesse eigentlich, was ist schwache und starke KI, wie starten Unternehmen erste Projekte, wie kann der Unternehmer Mitarbeiter weiterbilden, wo findet er Mitstreiter, wie geht der Betrieb mit Daten um, wie sammeln die Mitarbeiter Daten, was tun sie damit, existiert eine Cloud- oder Edge-Strategie?

Das Buch bietet einen Einblick, wie KI in der Industrie – mit Fokus auf Maschinenbau und Prozessindustrie – eingesetzt werden kann und was die ersten Schritte im Umgang mit Daten und deren Auswertung durch Algorithmen sind. In Kurzinterviews kommen Experten aus Themenfeldern wie Datenanalyse, IT-Security oder KI-Ethik zu Wort, anhand von Praxisbeispielen werden konkrete Anwendungsfälle erläutert.

Leseprobe

Robert WeberPeter Seeberg

KI in der Industrie

Grundlagen, Anwendungen, Perspektiven

Alle in diesem Buch enthaltenen Informationen, Verfahren und Darstellungen wurden nach bestem Wissen zusammengestellt und mit Sorgfalt getestet. Dennoch sind Fehler nicht ganz auszuschließen. Aus diesem Grund sind die im vorliegenden Buch enthaltenen Informationen mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden. Autoren und Verlag übernehmen infolgedessen keine juristische Verantwortung und werden keine daraus folgende oder sonstige Haftung übernehmen, die auf irgendeine Art aus der Benutzung dieser Informationen – oder Teilen davon – entsteht.

Ebenso übernehmen Autoren und Verlag keine Gewähr dafür, dass beschriebene Verfahren usw. frei von Schutzrechten Dritter sind. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Buch berechtigt deshalb auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften.

Bibliografische Information der Deutschen Nationalbibliothek:Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

Dieses Werk ist urheberrechtlich geschützt.Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung des Buches, oder Teilen daraus, vorbehalten. Kein Teil des Werkes darf ohne schriftliche Genehmigung des Verlages in irgendeiner Form (Fotokopie, Mikrofilm oder ein anderes Verfahren) – auch nicht für Zwecke der Unterrichtsgestaltung – reproduziert oder unter Verwendung elektronischer Systeme verarbeitet, vervielfältigt oder verbreitet werden.

© 2020 Carl Hanser Verlag München, www.hanser-fachbuch.deLektorat: Sylvia HasselbachCopy editing: Sandra Gottmann, WasserburgUmschlagdesign: Marc Müller-Bremer, www.rebranding.de, MünchenUmschlagrealisation: Max KostopoulosTitelmotiv: © 2020 Robert WeberGesamtherstellung: Kösel, KrugzellAusstattung patentrechtlich geschützt. Kösel FD 351, Patent-Nr. 0748702

Print-ISBN:        978-3-446-46345-5E-Book-ISBN:   978-3-446-46427-8E-Pub-ISBN:     978-3-446-46528-2

Inhalt

Titelei

Impressum

Inhalt

Vorwort

Danksagung

1 Einführung

1.1 Was Unternehmer wissen müssen

1.2 Wie starten Unternehmen ein Projekt?

2 Daten in der Industrie

2.1 Wem gehören die Daten in der Industrie?

2.2 IDS als Lösung

2.3 Der Weg zur Datenstrategie

2.4 Daten- oder prozessgetriebene Projekte?

2.5 Warum OPC UA für Daten?

3 AutoML und Guided Analytics

3.1 Vier Schritte der Analytics

4 Anwendungen aus der Industrie

4.1 Small Data für die Montage

4.2 Siri, wie geht es der Maschine?

4.3 Maschinen lernen mit OPTILINK

4.4 Kein idealer Schadensfall

4.5 KI im 3D-Druck

4.6 Intelligentes Assistenzsystem

4.7 KI und Logistik

4.8 KI und Robotik

4.9 KI in der Prozessindustrie

4.10 KI oder ML in den Markt bringen

5 Wo werden die Daten verarbeitet?

5.1 Die sensornahe KI

5.2 Kann die SPS KI und ML?

6 KI und Patente

7 Security, Vertrauen und KI

7.1 Vertrauenswürdige KI

7.2 KI und die Maschinenrichtlinie

8 KI in Europa – sind wir schon abgehängt?

Anhang: Wo können Sie sich weiterbilden?

Literatur

Online-Kurse

Webseiten/Videos

Podcast

Mehrere Medien

Vorwort

Künstliche Intelligenz? Wir müssen reden!

Der Begriff Künstliche Intelligenz (KI) bestimmt seit vielen Monaten die Debatten im Maschinenbau, in der Produktion oder besser in der ganzen Industrie. KI wird von Wissenschaft, Wirtschaft und Medien gleichermaßen als bestimmendes Zukunftsthema betrachtet. Hochleistungsfähige Hard- und Softwareplattformen als Basis maschineller Lernverfahren der KI bieten für Applikationen das Instrumentarium, um aus großen Datenmengen komplexe Zusammenhänge zu analysieren und zu lernen, ohne dabei explizit programmiert werden zu müssen. Soweit die Theorie. Die zentrale Frage für jedes einzelne Unternehmen ist dabei allerdings, wie die unterschiedlichen Innovationen, Technologien oder Konzepte, die alle im Diskurs unter dem Begriff Künstliche Intelligenz subsummiert werden, in der konkreten Unternehmensumgebung angewendet werden können.

Für Prof. Dr. Stefan Wrobel, Leiter des Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme IAIS, ist die Botschaft an die Industrie klar: „Start now. Investieren Sie jetzt.“ So lässt er sich in einer Publikation seines Instituts zu KI zitieren. Für Unternehmen in der Prozessindustrie und in der diskreten Produktion stellt sich dies allerdings als ein Bündel großer Herausforderungen dar. Einerseits müssen diese neuen Ansätze wohlüberlegt in bestehende Strukturen integriert werden, um die Funktionsweisen und aktuelle Abläufe nicht zu gefährden. Zudem setzen die Ansätze von Künstlicher Intelligenz auf Daten und Datenverfügbarkeit als zentrale Ressource. Und hier müssen Schnittstellen definiert, Datenquellen identifiziert und die Sicherheit geklärt sein. Das wiederum zieht andererseits nach sich, dass sich die industriellen Wertschöpfungsketten in ihrer Struktur grundlegenden wandeln und damit neue Geschäftsmodelle erforderlich werden. Jede Praktikerin, jeder Praktiker weiß, dass sich neue Geschäftsmodelle nicht einfach auf Anordnung implementieren lassen. Das setzt sowohl in der Führungsebene als auch bei den Mitarbeiterinnen und Mitarbeitern neue Perspektiven, die Bereitschaft zum Wandel und Interaktion voraus. Und das wiederum kann nur durch intensive Diskussion angestoßen und ermöglicht werden.

Zu diesem Prozess leistet das vorliegende Buch einen wichtigen Beitrag. Dabei legen die Autoren keine Blaupause nach dem Muster von Ratgebern vor. Robert Weber und Peter Seeberg beleuchten in Gesprächen anhand konkreter Beispiele die unterschiedlichen Facetten des Einsatzes von KI im unternehmerischen Kontext und greifen damit die drängenden Fragen auf, die sich jede Unternehmerin und jeder Unternehmer stellt: Was kann KI aktuell leisten? Was bietet KI für mich und meine Branche an Potenzialen? Welche Transformationen in Datenstrukturen, Wertschöpfungsabläufen, der konkreten Produktion und in den Geschäftsmodellen hat das zur Folge? Welche Akzeptanzprobleme in der Führungsebene und in der Belegschaft müssen überwunden werden?

Auf diese Fragen gibt es eben keine pauschale Antwort. Jedes Unternehmen, jede Branche muss dies für die jeweils konkrete Situation beantworten. Wie weit ist die Datenverfügbarkeit, wie weit stellen sich meine Sicherheitsvorkehrungen als robust heraus, mit wem will ich in zukünftigen Netzwerken und Wertschöpfungsketten meine Daten teilen, welche Voraussetzungen in Hard- und Software muss ich erfüllen? Das kann nur in einem Prozess von Nachdenken und Diskussionen erfolgen, in dem anhand von konkreten Beispielen Möglichkeiten identifiziert oder bislang unbeachtete Aspekte ins Bewusstsein gerückt werden. Dafür ist das vorliegende Buch auch wegen seiner Verbindung zum KI-Podcast der beiden Autoren bestens geeignet. Die einzelnen Kapitel sind mit den Podcastfolgen verbunden, die als Einstimmung oder als Vertiefung genutzt werden können. Die Umsetzung auf das eigene Unternehmen ist dann der Schritt, der jeweils individuell geleistet werden muss.

Wichtig sind zudem die Einordnung und der Bezug zur gesellschaftlichen Debatte. Einerseits versäumen es die Autoren nicht, klarzustellen, dass wir aktuell nur über sogenannte „schwache KI“ reden können und hier vor allem über die Aspekte des maschinellen Lernens. Zum andern kommen die Themen wie der rechtliche Rahmen, Kommunikationsstandards oder die Mitarbeiterqualifikation nicht zu kurz. Und es werden Bereiche wie „Trustworthy AI“ diskutiert. Gerade beim letzten Punkt zeigt sich eindrücklich wie wichtig Diskurse und Debatten rund um Innovationen und neue Technologien sind. Vertrauen lässt sich nur herstellen, wenn im Dialog und in der Diskussion Rahmenbedingungen, Hindernisse, Bedenken und Chancen erörtert werden. Für diese Debatte bieten die einzelnen Kapitel und die dazugehörigen Folgen des KI-Podcasts einen idealen Startpunkt – für eine engagierte Debatte in Unternehmen, in Branchen, in Politik und Gesellschaft und auch in Medien.

Prof. Volker M. Banholzer

Technische Hochschule NürnbergForschungsschwerpunkt Innovationskommunikation

www.th-nuernberg.de/innovationskommunikation

Danksagung

Wir danken allen Gesprächspartnern unseres Podcasts „KI in der Industrie“. Ohne Sie, ohne Euch, wäre dieses Buch und unser Podcast nie entstanden. Darüber hinaus möchten wir ausdrücklich dem Hanser Verlag danken, der Hannover Messe und dem Team um Onuora Ogbukagu, die uns in unserem Podcast-Projekt immer wieder bestärkt und unterstützt haben. Ein Dank geht auch an die Technische Hochschule Georg Simon Ohm in Nürnberg und Prof. Volker Banholzer, der unsere Podcasts immer kritisch begleitet hat. Und natürlich an die Hörerinnen und Hörer, Leserinnen und Leser, die das Format erst zum Leben erwecken.

Doch bevor es losgeht, möchten wir unseren Partnerinnen und unseren Familien für ihr Verständnis danken, denn oft zeichneten wir unsere Folgen samstags oder sonntags früh auf. So viel vorab: Das wird sich nicht ändern! Wir wünschen erkenntnisreiche Lektüre.

Robert Weber und Peter Seeberg, April 2020

Thematisch zu den Buchkapiteln passende Podcasts können Sie über die in den jeweiligen Buchabschnitten zu findenden Weblinks oder alternativ auch über die abgedruckten QR-Codes abrufen.

Unter folgender URL finden Sie die Webseite mit allen Podcast-Folgen: kipodcast.de

Wenn bei personellen Bezeichnungen die männliche Form gewählt wurde (z.B. Mitarbeiter, Experte), so sind damit in gleicher Weise Mitarbeiterinnen oder Transgender-Mitarbeiter*innen gemeint.

1Einführung

von Robert Weber

       Keine Angst! Das ist ein Mutmacher-Buch.

       Deutschland und Europa haben einen Vorsprung im Engineering, den dürfen wir nicht verlieren.

       Wir konzentrieren uns auf die schwache KI.

       Auch gut ausgebildete Mitarbeiter müssen sich verändern.

Im November 2018 telefonierte ich für einen Magazinbeitrag mehrmals mit Prof. Dr. Sepp Hochreiter, Leiter des Instituts für Machine Learning der Johannes-Kepler-Universität Linz. Hochreiter gilt weltweit als Vordenker für Machine Learning (ML) und ist einer von zwei Vätern des LSTM-Algorithmus. Gemeinsam mit Prof. Dr. Jürgen Schmidhuber entwickelte er an der Technischen Universität München den Algorithmus, der heute die Grundlage für Sprachsteuerungen wie Alexa oder Siri ist. Ich gewann Hochreiter für ein einstündiges Telefoninterview.

Der Grundtenor des Buches

Sepp Hochreiter ließ kaum Fragen zu, er führte einen Monolog, durchpflügte die Arbeitsfelder der Künstlichen Intelligenz (KI) in der Industrie, in der Consumer-Welt und in der Wissenschaft. Atempausen gönnte er sich nur einige kurze, die ich als Journalist auf der anderen Seite der Leitung kaum nutzen konnte, denn ich war mit dem Notieren der vielen Aussagen beschäftigt. Am Ende seiner Ausführungen fasste er zusammen und schlug vor, aus dem geplanten Interview einen pointierten Gastbeitrag zu verfassen. Ich nahm dankbar an. Es entstand ein Beitrag für das Magazin der Hannover Messe1, der quasi der Auftakt für dieses Buch war, denn nachdem der Wissenschaftler Hochreiter mir die Textdatei zugesandt hatte, recherchierte ich noch intensiver zu den Themengebieten KI und ML in der Industrie. Sein Gastbeitrag bildet den Rahmen und den Grundtenor für unseren Podcast, der im Januar 2019 startete, und für dieses Buch.

Hochreiter formuliert in diesem Beitrag seine Sorgen um den Maschinen- und Anlagenbau in Deutschland und Europa. In dem Beitrag warnt Hochreiter die deutschen und europäischen Maschinen- und Anlagenbauer:

„Vermasselt es nicht!“

Dabei bezog er sich auf die Kompetenz, ML zu nutzen und daraus neue Geschäftsmodelle zu entwickeln. KI boome – an der Westküste in den USA bei Google, Amazon, Facebook und Co. und in China bei Baidu, Alibaba und Co. und in Südkorea wie bei Samsung, Naver und Co. Und in Europa? In Deutschland? Er mache sich Sorgen, hieß es weiter.

„Verehrte Maschinenbauer – vermasselt den Vorsprung im Anlagenbau nicht. Wir sollten uns nicht an Google oder Baidu orientieren, auch wenn das in der Öffentlichkeit sehr attraktiv ist. Wir sollten in Europa, in Deutschland und Österreich unseren Schwerpunkt auf Künstliche Intelligenz im Maschinen- und Anlagenbau legen. Die sprechende Drehmaschine muss unser Ziel sein, nicht ein neues Smartphone. Der Anwender soll mit der Maschine sprechen: ‚Pass auf die Geschwindigkeit auf.‘ ‚Kein Problem‘, antwortet die Maschine, ‚ich habe neues Spezialöl bekommen, damit kann ich schneller fahren.‘ Doch wir müssen jetzt handeln, denn in den USA erklären mir die Firmen aus dem Silicon Valley: ‚Das bisschen Engineering kriegen wir hin oder kaufen wir uns dazu.‘ Der Maschinenbau ist heute blind, hält nicht wie Facebook oder Apple andauernden Kontakt zum Kunden, analysiert seine Daten nicht – auch weil die Kunden das nicht immer wollen.“

Der Gastbeitrag, der viel Aufsehen und Zustimmung erntete, endet vielversprechend:

„Und macht uns die KI Angst? Muss sie nicht. KI ist wie Hundezucht. Wir – der Mensch – sind die Natur, die die schlechte KI aussortiert. Eine schwache KI, von der wir reden, hat keinen Überlebenswillen, sie ist ein Werkzeug für den Menschen. Sie wird uns wohlgesonnen sein.“

Zwei Monate nach dem Gespräch, nach dem Gastbeitrag von Sepp Hochreiter, startete der Podcast KI in der Industrie von Peter Seeberg und mir. An ein Buch war bis dato noch nicht zu denken.

Unsere Idee, die Autoren

Peter Seeberg ist seit vielen Jahren KI- und ML-Experte für die produzierende Industrie und dabei vor allem im Anlagen- und Maschinenbau tätig. Er hat mehrere Jahre bei Intel in der Vermarktung neuer Prozessoren gearbeitet und bei Softing in München den Bereich Industrial Data Intelligence mitgegründet und ML-Projekte im Anlagen- und Maschinenbau mit verantwortet. Er engagiert sich beim Verband Deutscher Maschinen- und Anlagenbau e.V. (VDMA) im Fachverband Software und Digitalisierung in Frankfurt. Heute berät er Unternehmen, wenn es um KI und ML geht.

Ich bin Fachjournalist für Industriethemen, habe mehrere Jahre in einem deutschen Fachverlag als Chefredakteur gearbeitet, war zuvor Redakteur mit Schwerpunkt Materialfluss und Intralogistik in einem Münchener Verlag. Schwerpunkt meiner Arbeit als Chefredakteur war die Automatisierungsindustrie – von Steuerungen über Antriebe, Human Machine Interface bis zu IoT-(Industry of Things-)Plattformen. Vor vier Jahren habe ich mich selbstständig gemacht.

Die Texte in diesem Buch basieren auf vielen Gesprächen mit Experten aus dem Podcast sowie auf Fachbeiträgen, die aus dem Podcast bei Fachmedien und im Magazin der Hannover Messe veröffentlicht wurden und hier gesammelt eingeordnet und erweitert wurden.

Peter Seeberg und ich kommen in beiden Formaten der Aufforderung von Sepp Hochreiter nach und konzentrieren uns bei den Erklärungen und Beispielen auf die produzierende Industrie, die in Deutschland und dem deutschsprachigen Ausland immer noch eine große Bedeutung für das Bruttoinlandsprodukt der Staaten hat und momentan vor großen Herausforderungen steht - Handelsstreitigkeiten, sinkende Nachfrage in China, Fachkräftemangel und Digitalisierung.

KI und ML entmystifizieren

Unser Anspruch ist es nicht, KI oder ML in seine wissenschaftlichen, mathematischen Bestandteile zu analysieren, mit Formeln und Statistik um uns zu schlagen. Dafür gibt es genug viele gute Bücher und Websites, Videos, Animationen und Onlinekurse, auf die wir am Ende des Buchs gerne verweisen. Vielmehr wollen wir den Lesern das sogenannte Big Picture anbieten, sie mitnehmen zu interessanten Anwendungen, sie für Problemstellungen in der Industrie sensibilisieren und KI bzw. ML entmystifizieren.

Dieses Buch richtet sich also nicht in erster Linie an Entwickler, an die gefragten Data Scientists, sondern vielmehr an die vielen Entscheider in den mittelständischen Maschinenbauunternehmen, an die Business Developer in den Firmen, an die Produktionsleiter und an die Automatisierungsingenieure. Doch sollte ein Entwickler dieses Buch in die Hand bekommen, schadet ein Blick hinein sicher nicht, denn oft stellen wir im Arbeitsalltag ein Missverständnis zwischen den Funktionen, Abteilungen fest, wenn es um den Start von KI- oder ML-Projekten geht. Vielleicht hilft dieses Werk dem ein oder anderen auch beim Perspektivwechsel und verbessert die Kommunikation zwischen den Menschen in den unterschiedlichen Abteilungen.

Keine Angst vor KI

Wir wollen den Unternehmern die Angst vor dem Umgang mit KI und ML nehmen, erste Hilfestellungen geben, aber auch Ideen für KI-Anwendungen erkennbar machen, Beispiele von Industrieanwendern vorstellen und Menschen wachrütteln, denn wiederholbare Arbeiten werden in den nächsten Jahren verschwinden bzw. sehr stark automatisiert. Da wir die Zielgruppe gut kennen, wissen wir um die knappen zeitlichen Ressourcen der Leserschaft. Zeit für das Lesen längerer Magazinbeiträge haben nur noch wenige. Das erklärt aus unserer Sicht auch den Erfolg unseres Podcasts, der auch oft nebenbei oder auf Dienstreisen gehört wird. Wir haben deshalb das Buch kompakt gehalten, wollen die wichtigsten Informationen vermitteln. Die Kernbotschaft: KI und ML verändern vieles in der Industrie. Aber Angst muss niemand davor haben.

Alle Mitarbeiter in einem Unternehmen müssen sich dieser Entwicklung bewusst sein. Damit verbunden ist auch die Aufforderung an das Management in den Unternehmen, sich gemeinsam mit den Mitarbeitern dem Thema KI und ML in der Industrie, in den Fertigungsprozessen zu widmen und gemeinsam Projekte zu entwickeln und die Arbeit in den Prozessen neu zu organisieren bzw. neue Aufgabenfelder und neue Geschäftsmodelle zu entwickeln, um zukunftsfähig zu sein. Es geht bei KI und ML also auch um Verantwortung als Unternehmer.

Im besten Fall ist das Buch also ein Mutmacher für die Industrie, KI- und ML-Verfahren in ersten Projekten einzusetzen, auszuprobieren und Erfahrungen zu sammeln, die sie dann gerne mit uns teilen können.

Schwache und starke KI

Wir sind uns bewusst und wurden schon von einigen Hörern darauf aufmerksam gemacht: KI ist streng genommen ein unglücklich gewählter Begriff, denn es kursieren viele Definitionen durch die Wissenschaftswelt.

Dazu kommt: Uns geht es nicht darum, menschliche Intelligenz in Maschinen nachzubilden, sondern der Schwerpunkt des Werkes liegt auf maschinellen Lernverfahren, die Unternehmen Vorteile versprechen. Diese Verfahren benötigen Daten – beispielsweise aus der Produktion, der Logistik, aus dem Vertrieb oder vom Kunden, aber auch Prozessverständnis und Domänenwissen. Darum ist ein Schwerpunkt dieses Buchs das Thema Daten- und Datenstrategie in Kombination mit prozessgetriebenen Ansätzen.

Wie von Sepp Hochreiter bereits beschrieben, steht die „schwache, die kleine KI“ im Mittelpunkt des Interesses der Autoren. Eine „starke KI“, die menschenähnlich agiert, dem Menschen nacheifert, um ihn kognitiv zu überholen, existiert nicht und Ideen dazu werden von uns sehr kritisch bewertet. Wir sind Verfechter einer humanzentrierten KI.

Bild 1.1Überblick: Schnittmengen zwischen den Disziplinen (Quelle: asimovero.AI 2019)

Die KI wird, nach unserer Überzeugung, immer für den Menschen da sein, sollte auch so gestaltet sein und muss sich gegenüber dem Maschinenbediener eindeutig zu erkennen geben. KI- und ML-Methoden helfen in Zukunft, wiederholbare Tätigkeiten effizienter zu gestalten und Arbeit zu erleichtern, und werden Arbeitsplätze, Ausbildungen und Aufgaben verändern. Menschen werden Aufgaben verlieren und neue übernehmen müssen. Dabei wird sich nicht nur die Arbeit von gering qualifizierten Menschen verändern, auch gut ausgebildete Fachkräfte (beispielsweise Radiologen) sind von der Entwicklung betroffen ‒ wenn nicht sogar noch stärker. Das ist aus unserer Sicht ein Novum in der jüngeren Geschichte des Arbeitsmarkts. Fest steht für uns: Wir müssen darüber informieren und den Unternehmern klarmachen: Produktivitätsgewinne in der Fertigung können heute nur noch im Zusammenspiel von Automatisierung und KI bzw. ML erzielt werden.

Weil es schwierig ist

Wir erheben keinen Anspruch auf Vollständigkeit in diesem Werk, denn die Forschungsfelder KI und ML verändern sich täglich durch neue Anwendungen in der Industrie. Wir blicken auf unterschiedliche Aspekte von KI und ML in der Industrie, deshalb muss der Leser nicht jedes Kapitel durcharbeiten, sondern kann sich ganz seinen Interessen und seinem Wissensstand entsprechend informieren ‒ von Grundlagen bis zu Anwendungsfällen.

Fangen Sie also an und vermasseln Sie es nicht, denn der Industriestandort Deutschland und Europa braucht Unternehmer, die mutig neue Technologien adaptieren. Unser Credo, das Sie gerne übernehmen dürfen: Wir machen das, nicht weil es leicht ist, sondern weil es schwierig ist und weil es in fünf Jahren der einzige Weg sein wird, um erfolgreich zu sein.

1.1Was Unternehmer wissen müssen

       KI und ML eröffnen neue Märkte.

       Kreativität und Begeisterung sind gefragt.

       Vieles, was wir uns vor Jahren an Analyse wünschten, ist heute möglich.

       KI und ML sind keine Magie, es sind Handwerke.

Dieses Kapitel ist, wie das ganze Buch, keine theoretische, abstrakte Erklärung von Algorithmen und Technologien, vielmehr wollen wir den Lesern die Grundlagen über Techniken vermitteln, damit er oder sie die folgenden Kapitel gut versteht.

Starten wir mit der Motivation. Warum sollte sich ein Unternehmer, ein Geschäftsführer mit KI und ML-Verfahren beschäftigen?

Es geht um Geld. McKinsey rechnet mit einer um 20 Prozent verbesserten Anlagennutzung, wenn durch KI beispielsweise Wartungsarbeiten vorausschauend durchgeführt werden. Ebenso ist eine um 20 Prozent höhere Produktivität bei einzelnen Arbeitsschritten durch die gezielte Zusammenarbeit von Robotern und Mitarbeitern machbar.2

Dazu kommt: Deutsche Unternehmen könnten in den nächsten Jahren ihre Umsätze um 62 Mrd. US-Dollar mit KI und ML-Verfahren erhöhen. Das ist ein Ansporn.

Mehrere Disziplinen

KI, ML und Algorithmen sind nicht neu. Vor über 60 Jahren fand in den USA die erste wissenschaftliche Tagung statt, auf welcher der Begriff „Künstliche Intelligenz“ erstmals erwähnt wurde. Mehrere Jahrzehnte später erlebt die Menschheit erste Anwendungen. Voraussetzungen dafür: leistungsstarke Prozessoren, Algorithmen und Daten.

Bild 1.2Historisches Dokument: Die Einladung an das Dartmouth College in Hanover

„Die erste Bedingung war historisch abgesichert durch die Fortschritte in der Mikroelektronik, durch die elektronische Bauelemente bis auf mikroskopische Skalen verkleinert wurden, sie wird abgesichert durch eine zunehmende, in der Rechnerarchitektur verankerte Parallelisierung und sie wird vielleicht in der Zukunft abgesichert durch Fortschritte bei der Entwicklung