Europas große KI-Skepsis – Dirk Ramhorst, CIO Wacker Chemie AG

Dirk Ramhorst KI Wacker

Während gerade in China und Südasien eine gewisse Selbstverständlichkeit im Umgang mit Künstlicher Intelligenz zu sehen ist, ist in Europa noch deutlich mehr KI-Skepsis zu spüren. Als Digital/IT-Chef eines globalen Konzerns erlebt Dirk Ramhorst (CIO, Wacker Chemie AG) erster Hand, wie unterschiedlich das Verständnis für Künstliche Intelligenz und vor allem der Umgang mit Daten als Grundlage für KI in den verschiedenen Regionen ist. In Interview verrät er, warum der Gamechanger KI trotzdem kein ‚Schweizer Taschenmesser‘, mit dem sich alles bewerkstelligen lässt, ist.

Beim HANDELSBLATT KI SUMMIT im März 2019 in München treffen Sie C-Level Executives und fachliche Führung im Unternehmen:
VP/Director R&D, AI Lab, Business Development, Digital Solutions, Innovation sowie Start-ups und Ideengeber aus allen Branchen mit dem Ziel,
über Best Practices und Benchmarks voneinander zu lernen, sich zu inspirieren und neue Partner zu finden.

#HBAISummit-Interview
mit Dirk Ramhorst, CIO Wacker Chemie AG

Herr Ramhorst, bemerken Sie als Digital/IT-Chef eines globalen Konzerns je nach Standort Unterschiede in der Akzeptanz von und Affinität für KI?

Dirk Ramhorst: Ja, da sind durchaus Unterschiede bemerkbar – das Verständnis für Künstliche Intelligenz und vor allem der Umgang mit Daten als Grundlage für KI ist in den verschiedenen Regionen wie USA, Europa oder China kaum vergleichbar. Während wir zum Beispiel gerade in China und Südasien eine gewisse Selbstverständlichkeit im Umgang mit dem Thema sehen, ist in Europa noch deutlich mehr Skepsis zu spüren. Dennoch erzielen wir auch in unseren europäischen Standorten erste Erfolge durch den Einsatz von KI, was wiederum die Akzeptanz und Affinität steigert.

Welche Skills zeichnen Ihre Mitarbeiter aus, die die KI-Denke im Unternehmen nach vorne bringen sollen? Gibt es auch nicht ITler in ihren KI-Teams?

Dirk Ramhorst: Wir legen sogar Wert auf eine gewisse Diversity, denn gemischte Teams bringen meist die besten Ergebnisse. In unserem Team haben wir daher neben klassischen „ITlern“, also Informatikern, auch noch eine Reihe anderer Skills und Hintergründe, etwa Mathematiker, Chemiker, Physiker – und dann natürlich „waschechte“ Data Scientists. Diese Datenwissenschaftler verbinden Techniken und Theorien aus den Fächern Mathematik, Statistik und Informationstechnologie, gepaart mit dem Bezug zu unterschiedlichen Fachbereichen. Ergänzend arbeiten die IT-Kollegen beim Thema KI natürlich auch eng mit unserer Ingenieurs- und Prozesstechnik zusammen.

In welchen Bereichen liegt in der Chemie das größte Potenzial für KI? Wo setzen Sie KI im „Backend“ (interne Nutzung) ein? Wo spielt KI im Frontend (beim Kunden/User) eine Rolle?

Dirk Ramhorst: In der Prozessindustrie – wie der Chemieindustrie – werden in der Produktion heute bereits Millionen von Datenpunkten pro Sekunde erzeugt: Aus dem MES (Manufacturing Execution System), also dem Produktionsleitsystem, der Produktionsplanung, aus Pumpen, Messinstrumenten etc.

Mit KI können hier beispielsweise Korrelationen erkannt werden und damit Modelle im Bereich der Predictive Maintenance entwickelt werden. Bei der vorausschauenden Instandhaltung werden diverse Datenströme genutzt, um zum Beispiel drohende Ausfälle frühzeitig zu erkennen, Reparaturen und Wartungsarbeiten besser zu planen und so Stillstandzeiten und damit Kosten zu reduzieren. Darüber hinaus sind KI-Lösungen in anderen Daten-intensiven Bereichen wie etwa der Forschung und Entwicklung denkbar.

Wie unterschieden Sie eigentlich gute KI von schlechter KI? Gibt es so etwas wie eine allgemeine Norm, einen Standard oder ein Messsystem?

Dirk Ramhorst: KI ist ein sehr weiter Begriff, für mich gibt es nicht „die KI“. Es gibt unterschiedliche Methoden und Ansätze, und wie in den meisten Fällen sind nicht alle Ansätze zur Lösung der jeweiligen Herausforderungen gleich gut geeignet. KI ist also kein ‚Schweizer Taschenmesser‘, mit dem sich alles bewerkstelligen lässt, sondern eher ein hochprofessioneller Werkzeugkasten, der sich ganz unterschiedlich einsetzen lässt.

Wenn es darum geht, in großen Datenmengen Korrelationen zu finden, kann grundsätzlich ein Computer diese Aufgabe besser bewältigen. Im nächsten Schritt ist aber weiterhin der Mensch gefordert. Das Ergebnis aus dem Einsatz von KI hängt zudem maßgeblich von der Qualität der Daten ab, mit dem man die Künstliche Intelligenz anlernt. Insofern gibt es hier eine zentrale Möglichkeit, auf die Qualität der KI – neben der Auswahl der Methode – Einfluss zu nehmen.

Wessen Aufgabe wäre es Ihrer Meinung nach, so einen KI-Wert zu definieren?

Dirk Ramhorst: Das ist so allgemein nicht zu beantworten, hier spielen ja zahlreiche verschiedene Aspekte eine Rolle, von wissenschaftlichem Interesse bis hin zu Maschinenethik und natürlich dem jeweiligen Einsatz der KI.