Autor: Daniel Ressi, Lead Data Scientist, craftworks GmbH
Die wichtigsten Erkenntnisse zur erfolgreichen Umsetzung von KI Projekten
Industrie 4.0, künstliche Intelligenz und die digitale Fabrik sind komplexe Themen, die Industrieunternehmen zunehmend beschäftigen. Gerade jetzt in der Krise bieten diese eine Chance, Kosten nachhaltig zu reduzieren. Deshalb hat das Wiener Software- und KI-Unternehmen craftworks einen praxisorientierten Leitfaden für KI Projekte entwickelt. Inhalt sind die wichtigsten Erkenntnisse aus über 30 erfolgreich umgesetzten Projekten bei führenden Industrieunternehmen.
Die Automatisierung von Produktionsprozessen beschäftigt Industrieunternehmen bereits seit Jahren. Der Druck einzusparen zwingt die Industrie dazu, die Digitalisierung noch schneller voranzutreiben. Doch diese Technologien stellen Unternehmen auch vor neue Herausforderungen, wie etwa die richtige Datenerfassung. craftworks hat sich auf das Thema künstliche Intelligenz in der Industrie spezialisiert und konnte gemeinsam mit Unternehmen aus ganz Europa zeigen, welches Potential KI birgt. So konnten KI-Algorithmen etwa Prozess-Instabilitäten beim Metallpressen reduzieren und so mehr Bauteile produziert werden. Bei anderen Kunden konnten mangelhafte industrielle Werkstoffe durch visuelle Inspektion richtig klassifiziert werden. Im Energiesektor wurden in einem Unternehmen Ausfälle vorausschauend vorhergesagt und je nach Priorität in Gruppen eingeordnet um die Wartungsplanung zu optimieren.
In 10 Schritten zum erfolgreichen KI Projekt
Künstliche Intelligenz ist keine Eintagsfliege, sondern eine datengetriebene Zukunftstechnologie, welche den Geschäftserfolg von Industriebetrieben mittelfristig immer mehr bestimmen wird. Um Prozesse nachhaltig zu verändern, hat craftworks einen Guide mit 10 Schritten verfasst, der Projektleiter bei der Umsetzung von KI Prototypen und Rollouts unterstützen soll.
Vom Use Case zum Business Case
Die Wahl des richtigen Use Cases für ein KI Projekt ist ein grundlegender Faktor der oft unterschätzt wird und so KI Projekte bereits vor dem Start zum Scheitern verurteilen kann. Ein Use Case muss dort ansetzen wo es Probleme oder Optimierungsbedarf gibt. Aber nicht jede Problemstellung kann oder muss mittels KI gelöst werden. Sobald ein potentieller Use Case identifiziert wurde, muss dieser sorgfältig auf Notwendigkeit und Machbarkeit überprüft werden. So sollte ein Use Case ausgeschlossen werden, wenn eine programmierte Logik die Voraussetzungen genauso erfüllen kann oder eine notwendige Datenquellen nicht bereitgestellt werden kann.
Die finale Kontrolle liegt in der Rentabilitätsrechnung, also dem Business Case, denn die Umsetzungskosten sind stark von der Komplexität der Problemstellung und Datenverfügbarkeit beziehungsweise Datenqualität abhängig.
Die richtige Machine Learning Methodik
Die Problemstellung, Art der Daten, sowie Voraussetzungen in der Bereitstellung sollten weitgehend die geeignete Methodik zur Problemlösung angeben und nicht umgekehrt. Dank der ständigen Weiterentwicklung in der Forschung, gibt es laufend neue Methoden oder elegante Ansätze um bestehende Methoden für konkrete Anwendungsfälle zu verbessern. Typischerweise kann ein KI-Entwicklungsteam die richtigen Entscheidung aber nur dann treffen wenn ein guter Wissensaustausch mit allen Projektbeteiligten erfolgt. Dazu benötigt es eine Gesprächsgrundlage. Glücklicherweise, lassen sich die komplexen Machine Learning Vorgehensweisen in eine handvoll Kategorien einordnen, die alle Involvierten kennen und verstehen sollten, um Kommunikationslücken zu vermeiden. Eine genauere Übersicht mit konkreten Beispielen ist im White Paper verfügbar.
Der perfekte Datensatz
Obwohl die Machine Learning Methoden in der Forschung und Medien mehr Aufmerksamkeit bekommen, ist die Verfügbarkeit und Qualität der notwendigen Daten weitaus wichtiger. Zu oft wird über die Anzahl und nicht über die Relevanz der Daten gesprochen, doch damit läuft man in die Gefahr, dass wichtige aber unterrepräsentierte Muster in den Daten untergehen oder im schlimmsten Fall gar nicht vorkommen. Diese Thematik hat natürlich enorme ethische Implikationen in personenbezogenen KI Anwendung. Die funktionale Korrektheit und technische Sicherheit im industriellen Kontext, der theoretisch rein Maschinen bezogen ist, ist aber genauso davon Betroffen, wenn KI Algorithmen nicht mit repräsentativen Daten gefüttert werden.
Das vollständige Whitepaper “Industrielle KI – 10 Schritte zum Erfolg” können Sie hier downloaden: www.craftworks.ai. Zudem bietet craftworks auch kurze Workshops an, in der Ihnen an Hand von konkreten Beispielen aus Ihrem Unternehmensalltag zunächst gelehrt wird, wie ein solches Projekt umgesetzt werden kann, welche Voraussetzungen erforderlich sind, und wie ein Projektplan für Ihr Unternehmen aussehen könnte. Es findet also sowohl Wissenstransfer zu Ihren Mitarbeitern statt, als auch eine konkrete Analyse für Ihr Unternehmen, inkl. Berichterstattung, auf Basis dessen Sie dann eine allfällige Entscheidung für oder gegen den Start eines KI-Projektes treffen können.
Rückfragen & Kontakt:
craftworks GmbH ist einer der führenden Industrial KI-Dienstleister im deutschsprachigen Raum. Das 30-köpfige Expertenteam entwickelt IT-Infrastrukturen und Lösungen für vorausschauende Wartung und Qualitätssicherung. Zu den renommierten Referenzkunden zählen Unternehmen wie Audi, Miba, Mahle, Engel und Blum.
Ihr Ansprechpartner:
Sven Hugo Joosten, VP Sales
sven.joosten@craftworks.ai +436603839546