Mehr als nur Prozessoptimierung: Mit leistungsfähigem Datenmanagement lässt sich das Potenzial künstlicher Intelligenz noch umfassender nutzen

Künstliche Intelligenz (KI) gehört nach wie vor zu den Top-Trends schlechthin. Laut IDC planen fast neun von zehn Unternehmen ein KI-Projekt. Zugleich zeigt die Studie aber auch auf, dass Unternehmen in Deutschland in puncto KI immer noch vorrangig auf Prozessoptimierung setzen. Das ist ein richtiger erster Schritt, da sich hier relativ schnell gute ROI-Ergebnisse erzielen lassen. Doch nur wenige Unternehmen gehen über diese Initiativen hinaus und wirklich innovative und disruptive Ansätze kommen weiterhin zu kurz. Zudem bremst der nach wie vor bestehende Mangel an Experten viele Projekte aus. Laut IDC fehlen aktuell in mehr als 38 Prozent der befragten Unternehmen KI-Fachkräfte. Doch nicht nur Fachkräfte bilden einen Flaschenhals bei der Umsetzung zukunftsweisender KI-Projekte. Vielerorts besteht ein Mangel an klar formulierten Zielen, was mit dem Einsatz von KI tatsächlich erreicht werden soll.

KI-Projekte mit echtem Mehrwert

Dabei gibt es durchaus schon einige Beispiele für erfolgreiche KI-Initiativen, die über eine reine Prozessoptimierung hinausgehen. Ein Blick in den Maschinen- und Anlagenbau verdeutlicht beispielhaft, wie KI den Bereich Service und Wartung von Großanlagen von Grund auf verändert. Die Bereitstellung von integrierten und einheitlichen Sichten auf alle Daten und Informationen bringt nicht nur einen Mehrwert für die Entwicklung von neuen Anlagen, sondern vor alle auch für Betrieb und Wartung. Zugleich wird die Grundlage geschaffen für Augmented Reality (AR) Anwendungen, die diverse Arbeitsschritte erleichtern können, indem durch die Daten neue Perspektiven auf bestehende Prozesse geschaffen werden können. So können mithilfe von AR-Geräten beispielsweise Wartungsarbeiten an komplexen Maschinen deutlich vereinfacht und beschleunigt werden, indem maschinenspezifische Informationen wie die genaue Position einer Schraube oder eines Kondensators ins Sichtfeld des Mitarbeiters eingeblendet werden.

Was insbesondere im Maschinenbau aber oftmals Schwierigkeiten bereitet, ist der gezielte Einsatz der KI über eng abgegrenzte IoT-Vorhaben hinaus. Werden nämlich Daten aus der Produktion mit Informationen aus Einkauf, Planung und/oder Vertrieb verknüpft, kann die KI besser helfen, einen Wettbewerbsvorteil zu generieren und auszubauen.

So zeigt das Beispiel des CDO im Supermarkt in dieser Ausgabe unseres Newsletters die Möglichkeiten auf, die durch eine sinnvolle Verknüpfung von Informationen aus unterschiedlichen Quellen entstehen: Dank einer breiten Datenbasis kann die künstliche Intelligenz den Prozess der Warenwirtschaft komplett revolutionieren, indem etwa dank Routenoptimierung Versorgungsengpässe während der Covid-19-Pandemie minimiert werden konnten.

Allerdings ist eine große Datenbasis allein noch kein Erfolgsgarant für ein KI-Projekt, denn die beteiligten Systeme, Anwendungen und Services müssen die aus unterschiedlichen Quellen zusammengetragenen Daten auch verarbeiten können. Für einen vollständigen End-to-End-Prozess ist in der Praxis daher eine durchgängige Konsistenz der Datenmodelle sicherzustellen. Viele Informationen liegen jedoch in unstrukturierten Texten und Dokumentationen ohne jegliche Metadaten vor, sodass eine kontextspezifische und individualisierte Verwendung im ersten Schritt ausgeschlossen ist.

Keine wegweisende KI-Strategie ohne moderne Datenplattform

Um dennoch bei der Verarbeitung der Massendaten zu verwertbaren Ergebnissen zu gelangen, bewähren sich der Einsatz eines Data Lakes und die Analyse der Rohdaten mit Verfahren des Maschinellen Lernens. Letztendlich ist das Ziel, die Daten nicht nur zu analysieren, sondern sie in einem wissensbasierten Kontext abzulegen und damit semantisch auf eine höhere Ebene zu bringen. Damit sich strukturierte, halbstrukturierte und unstrukturierte Daten als Rückgrat eines semantischen Modells einsetzen lassen, wird eine geeignete Infrastruktur für das Datenmanagement benötigt. Die Datenplattform InterSystems IRIS liefert diese Grundlage und gewährleistet daneben skalierbares Datenmanagement, leistungsstarke Interoperabilität und höchste Performance. Damit erweist sie sich als ideale Technologie für den kombinierten Einsatz mit einer klassischen, wissensbasierten KI, die neue Impulse für die Industrie 4.0, das vernetzte Fahrzeug oder den Handel setzt.