Was haben DeepL, die Bahn, Otto und eines der größten spanischen Finanzinstitute gemeinsam? Sie alle verwenden Algorithmen der Künstlichen Intelligenz (KI). DeepL aus Köln entwickelt KI für das Verstehen und Übersetzen von Texten und gilt weltweit als Vorzeigebeispiel aus Deutschland. Die Bahn will mit KI schneller und pünktlicher werden. Otto setzt Algorithmen ein, um das Kaufverhalten von Kunden zu berechnen und das Management von Lagerbeständen zu optimieren. Und die spanische Bank nutzt KI, um die Ausfallwahrscheinlichkeit ihrer Geldautomaten vorherzusagen.

Der Mensch muss KI nicht verstehen

Künstliche Intelligenz ist allgegenwärtig in unserer Gesellschaft – auch wenn wir sie nicht ständig sehen und oft unbewusst anwenden. Die Entwicklung von KI hat in den vergangenen Jahren weltweit enorme Fortschritte gemacht: Deutschland bewegt sich hier im Mittelfeld.

Mithilfe von künstlicher Intelligenz lassen sich viele Bereiche eines Unternehmens optimieren und große Mengen an Zeit und Geld einsparen. Die heute am Markt verfügbaren Technologien ermöglichen Verfahren, die automatisch Zusammenhänge und Vorhersagen aus komplexen Daten ziehen können, ohne dass ein Mensch verstehen muss, wie es genau funktioniert. Die KI erhält Vorgaben für den Zielzustand in Form von Metriken und erarbeitet sich dann selbstständig den Lösungsweg. Dadurch sind inzwischen viele Probleme lösbar, für die früher ganze Teams von Mathematikern und Informatikern nötig gewesen wären.

Schluss mit langweiligen, wiederkehrenden Aufgaben

Die Wertsteigerung durch KI-Software ist gerade im Handel besonders groß, wie der Physiker und Gründer der Firma Blue Yonder Michael Feindt kürzlich im FAZ-Podcast berichtete. So könne KI einem Lebensmittelhändler helfen, die Menge verderblicher Waren zu reduzieren. „KI kann langweilige, immer wiederkehrende Aufgaben schneller erledigen, für die der Mensch ohnehin nicht geschaffen ist. Das Personal hat dann Zeit, den Laden aufzuräumen und netter zu gestalten“, erklärte Feindt und verwies auf jüngst gemachte Erfahrungen mit einem britischen Handelsunternehmen.

Dass KI-Anwendungen Aufgaben in Windeseile erledigen, machen sich IT-Abteilungen schon länger zunutze. So können entsprechende Lösungen in hochkritischen Infrastrukturen im Zusammenspiel von Hardware und Software identifizieren, wo ein mögliches Problem auftauchen kann, bevor es sichtbar wird oder ein Ausfall droht.

KI verhindert Ausfall von Geldautomaten

Beispiel Geldautomaten einer Bank: Bei einer der größten spanischen Banken hat Fujitsu ein KI-System implementiert, das aus den Log-Dateien von Geldautomaten vorhersagen kann, welche Bauteile eines Automaten in den nächsten zwei Wochen einen Defekt haben werden. Bevor es zu einem Ausfall kommt, tritt der Support in Aktion, versendet die nötigen Ersatzteile und koordiniert einen Techniker, der sie austauscht. Die Erfolgsquote dieser Vorhersagen liegt Fujitsu zufolge bei 98 Prozent und damit weit über allem, was mit traditionellen Mitteln möglich wäre.

Diese Art von Vorhersagen lassen sich in allen Bereichen umsetzen, in denen ausreichend Daten in einem gleichbleibenden Format vorhanden sind: seien es Sensordaten von Produktionsanlagen, Datenbanken von ERP-Systemen, Log-Dateien oder ähnliches.

Schadsoftware stoppen vor Eindringen ins Netz

Beispiel Cyberangriffe auf Webseiten: CloudFlare verwendet seit vielen Jahren KI (genauer: maschinelles Lernen) für sein weltumspannendes Netzwerk mit 200 Knotenpunkten. Das System lernt aus schädlichem Datenverkehr, der versucht, in das Netzwerk einzudringen, und aktualisiert kontinuierlich den Algorithmus, um diese Erkenntnisse im gesamten Netzwerk zu verbreiten. Wenn unerwarteter Datenverkehr auf das Netzwerk trifft, stoppt die Software das Eindringen und integriert dieses Muster in den Algorithmus. Das Ziel: proaktiv gegen Schwachstellen vorgehen beziehungsweise bösartige Akteure an der Edge aufhalten, bevor sie Schaden anrichten können.

Laut einer Studie des Beratungsunternehmens Lünendonk hatten im vergangenen Jahr 75 Prozent der Unternehmen in Deutschland keine dedizierte KI-Strategie. Das brauche es auch nicht, meint der KI-Experte Prof. Peter Buxmann von der TU Darmstadt. Er empfiehlt, pragmatisch an das Thema heranzugehen und Projekte nach klar definierten Use Cases durchzuführen.

Pragmatismus versus Strategie

Doch wie identifiziert man die Anwendungsbereiche, die sich durch KI sinnvollerweise optimieren lassen? Hierfür bietet unser Partner Fujitsu mit Digital Transformation Center eine strategische Vorgehensweise, die von Profis moderiert wird. Warum? Weil man aus der Hubschrauberperspektive klarer erkennen kann, wo sich KI lohnt und wo nicht. Denn Fakt ist: Gelder lockermachen für ein KI-Projekt ist nur dann erfolgversprechend, wenn sich damit der Umsatz steigern und Kosten senken lassen.

Den Pragmatismus-Ansatz verfolgen auch wir bei Concat. Ein Anbieter aus dem Gesundheitswesen trat an uns heran mit der Bitte, einen Proof-of-Concept für eine Institution derselben Branche durchzuführen. Hierbei geht es darum, einen KI-Prototypen zu entwickeln, der die Datenströme der Netzwerkinfrastruktur daraufhin untersucht, ob, wann und wo Anomalien auftreten werden und der bei Abweichungen Alarm schlägt.

KI-Anwendung meldet Anomalien im Netzwerkverkehr

Damit die KI-Lösung diese Aufgabe erfüllen kann, füttert ein Data Analyst die Software Splunk mit einer großen Menge an Netzwerkdaten aufgrund von Fragen wie: Welcher Server, welcher Client kommuniziert von wo nach wo? Handelt es sich um eine drahtlose Verbindung oder eine drahtgebundene?

Ziel ist es, die KI-Anwendung anhand von einer großen Menge an Vergleichsdaten zu trainieren. Sie soll erkennen: Was ist eine normale Kommunikation, was weicht von der definierten Norm ab? Welche potenzielle Ursache kann eine Abweichung von der Norm haben? Tritt etwas Ungewöhnliches auf, soll die KI-Anwendung automatisch Alarm schlagen: Egal ob es sich dabei um einen Ausfall, einen Angriff, eine Fehlkonfiguration einer Komponente oder eine Überlastung des Netzwerks handelt.

Wer einmal anfängt, darüber nachzudenken, wie KI-Anwendungen Unternehmen in ihren täglichen Geschäftsprozessen helfen können, kommt schnell auf eine Menge Ideen. Eine wichtige Frage dabei ist: Wann hat es für mein Unternehmen Sinn, KI einzusetzen, wann nicht? Letztlich ist die Verwandlung von Ideen in konkrete Projekte der Schlüssel, um wettbewerbsfähig zu bleiben.

Handlungsempfehlungen in zwölf Punkten

  1. Vision und konkrete Vorstellung entwickeln für KI im Unternehmen
  2. Einheitliche KI-Definition erarbeiten; das erleichtert die Kommunikation
  3. Verständnis für KI verbessern; Bewusstsein schärfen für Chancen
  4. Begeisternde Unternehmenskultur schaffen: durch Schulung, Bau von Prototypen, Einbeziehen von Experten
  5. KI- und Datenstrategie definieren und im Unternehmen verankern
  6. KI-Strategie operationalisieren
  7. Verfügbarkeit und Qualität von Daten verbessern; zentrales Ziel: eine Data Driven Company werden
  8. Weg vom Silodenken, hin zu multidisziplinären Teams
  9. Mit Mut, Tempo, Entschlossenheit Prototypen bauen; Fehler als Chance nutzen
  10. Überblick gewinnen über nutzbringenden Einsatz von KI: Wo liegt der Mehrwert?
  11. Interne KI-Kompetenzen aufbauen
  12. Think- und Work-Forces bilden mit externen Kompetenzpartnern

Studie, Podcasts, Literatur, Videos, Infoseiten

Jetzt mehr erfahren über Lösungen von Fujitsu

Wo Künstliche Intelligenz im Unternehmen Sinn ergibt