Künstliche Intelligenz: Neue Antworten durch Algorithmen

Alle Daten im System – und immer nur die wichtigen im Blick: Die Beratung Deloitte bastelt gerade an solchen Projekten für die Autoindustrie. Im „Quality Dashboard“ soll das Management stets genau sehen können, welche Prozesse im weitverzweigten Produktionsnetzwerk funktionieren – und an welchen Standorten, bei welchen Baugruppen oder Modellen es gerade hakt oder auch bald haken könnte.

In einer Vorführversion ergeben die Unmengen von Daten am Ende klare grafische Signale für das Management. Unter der Oberfläche sind aufwendige Analyseverfahren nötig. „Es wird bald gelingen, die Daten aus der Produktion mit Qualitätskennziffern zu versehen“, sagt Frank Siemes, Partner Strategy & Operations bei Deloitte. „Für die Hersteller wäre das ein großer Gewinn.“ Ein erstes Projekt mit einem Autokonzern läuft derzeit – die Lösung soll im Laufe des Jahres einsatzbereit sein.

Gesprochen wird oft über die vielfältigen Anwendungsmöglichkeiten, die sich durch die immer bessere Auswertung von Daten in vernetzten Unternehmen ergeben.  Beim Einsatz aber zögern viele Firmen: Nach einer Erhebung des Beratungs- und Marktforschungsunternehmens BARC nutzen im Moment nur fünf Prozent der Firmen fortgeschrittene Analysetechniken. 94 Prozent der befragten Unternehmen sind hingegen überzeugt, dass dies in Zukunft erfolgskritisch sein wird. „Der Mensch trifft nicht immer die besten Entscheidungen“, sagt Michael Feindt, Gründer des Softwarespezialisten Blue Yonder. „Datengetriebene Algorithmen kommen in vielen Fällen zu deutlich besseren Ergebnissen.“

Schwer tun sich die Firmen beim Einsatz fortgeschrittener Analyseverfahren im Kernbereich: der Produktion. Während die Finanz- oder Marketingabteilung häufig solche Verfahren nutzt, hinken Forschung und Entwicklung, Produktion und die Logistik noch hinterher, zeigt die BARC-Studie.

Eine optimierte Lieferkette, ein besseres Produktverständnis oder eine genauere Prognose für Absatzentwicklung oder den Eintritt von Schäden wünschen sich viele Unternehmen. Sowohl für die traditionelle Organisation als auch für die Technik ist die komplexe Datenanalyse jedoch eine Herausforderung. „Das alles stellt viele bestehende Prinzipien infrage“, sagt Alf Porzig, Leiter des Competence Center Big Data bei der IT- und Managementberatung MHP.

Viele Unternehmen müssen sich umstellen. Früher half die IT dabei, eine bestimmte Menge an Daten auf eine Frage hin zu untersuchen. Jetzt empfehlen Experten, genau andersherum zu denken. Im ersten Schritt stehen nur ganz grobe Themen auf der To-do-Liste: „Die Software gräbt sich durch die Daten und guckt, ob sie Zusammenhänge findet, die bislang noch nicht bekannt waren“, sagt Christoph Sporleder, Executive Advisor beim Software-Anbieter SAS Institute.

Die Programme testen parallel die Wahrscheinlichkeiten für Maschinenkonfigurationen. Im laufenden Prozess gleichen sie dann ständig die eigenen Berechnungen und tatsächliche Ergebnisse miteinander ab und lernen so dazu – das wird von einigen Forschern als wichtiges Element der künstlichen Intelligenz gesehen.

Die Technik hat unterdessen wichtige Entwicklungen gemacht. Durch den Verfall der Speicherpreise ist es wirtschaftlich geworden, größere Mengen an Rohdaten abzuspeichern. Das ist gerade dann wichtig, wenn es um das Thema der sogenannten Predictive Analytics geht. Mit dieser vorausschauenden Analyse soll angezeigt werden, wann etwa der Austausch eines Maschinenteils nötig werden könnte, bevor es kaputt geht. „In der Vergangenheit haben die Systeme tendenziell zu früh angeschlagen“, berichtet Berater Porzig. Das kostete unnötig Geld, die Skepsis wuchs. Zu guten Ergebnissen kommt auch der schlaueste Algorithmus nur mit ausreichenden Vergleichsdaten. „Wenn ich die Ausfallwahrscheinlichkeit berechnen will, brauche ich auch genügend Referenzfälle“, sagt Sporleder.

Viele Anlagen liefern dabei schon sehr zuverlässige Sensorikdaten. Ergänzt werden diese häufig durch Daten wie die Umgebungstemperatur, wenn es etwa darum geht, Maschinen exakt einzustellen. Auch kann es sinnvoll sein, die Software um andere externe Daten zu ergänzen – das macht das Modell aber deutlich komplexer.

Merklich an Tempo gewonnen hat die Datenauswertung auch durch die In-Memory-Technologie. Dabei werden Berechnungen nicht mehr klassisch auf einer Festplatte bearbeitet und gespeichert. Die Arbeit wird schon in einer Datenbank erledigt, die im Arbeitsspeicher abgelegt ist. Herkömmliche Verfahren seien bei der Datenmenge in der vernetzten Industrie viel zu langsam, erläutert Sporleder.  „Explorative Analytik muss jedoch schnell sein.“

Eine wichtige Voraussetzung für all diese Möglichkeiten ist allerdings, dass zu Beginn innerhalb eines Unternehmens alle Dateiformate miteinander kompatibel sind. „Dann hat man die Möglichkeit, mit einer Information in mehreren Bereichen des Unternehmens Mehrwert zu schaffen“, sagt Porzig. Wenn es in der Produktion einmal hakt, kann das sowohl für den Kundenservice als auch für die Entwicklungsabteilung wichtige Erkenntnisse bergen.

Dazu sind die richtigen Schnittstellen nötig, vor allem aber das richtige Bewusstsein im Betrieb. Dadurch, dass die Algorithmen so breit ansetzen, hilft ihnen auch das Wissen, dass lange Zeit vielleicht nur nachlässig in eine Excel-Spalte getippt wurde. „Die Datenqualität wird in dem Moment besser, wo die Daten wichtig werden“, weiß Feindt aus zahlreichen Projekten.

Nach den Zahlen der BARC-Studie bremsen fehlende Ressourcen im Fachbereich und ein fehlendes Verständnis für datengetriebene Geschäftsmodelle Analyseprojekte am stärksten aus. Auch die Furcht davor, gegen die Rechenkraft der Maschinen zu verlieren, kann Angestellte vieler Unternehmen zögern lassen. Dabei sei das ein Trugschluss, sagt Feindt: Bei der Auswertung übernimmt der Kollege Computer mehr und mehr, die strategischen Entscheidungen aber bleiben beim Menschen: „Die Rolle der Mitarbeiter geht nicht verloren, sondern die Mitarbeiter werden noch stärker.“

Erschienen am 14. März 2016 im Handelsblatt.

Schreib einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *