Künstliche Intelligenz (KI) hilft dabei, Produktionsabläufe zu optimieren und so Geld zu sparen. Um sie nutzen zu können, braucht ein Unternehmen nicht zwingend einen ausgewiesenen Fachmann. Eine Fraunhofer-Studie zeigt, wie kleine und mittlere Unternehmen stattdessen vorgehen können.
Kleinen und mittleren Unternehmen können zwar die nötigen Daten sammeln, scheitern jedoch an deren Analyse. Hier helfen große Cloud-Anbieter. Sie bieten einfache digitale Werkzeuge, die große Datensätze verarbeiten und KI-Lösungen liefern. Experten sprechen von „Machine-Learning-as-a-Service-Plattformen“. So kann sich jedes Unternehmen ohne große Erfahrung Modelle entwickeln lassen, die etwa fehlerhafte Werkstücke automatisch erkennen.
Die Stuttgarter Fraunhofer-Institute für Produktionstechnik und Automatisierung IPA und für Arbeitswirtschaft und Organisation IAO haben die Ansätze der vier größten Anbieter – AWS, Google, IBM und Microsoft – verglichen. Sie setzten Lösungen für vier Anwendungsfälle um, die häufig vorkommen und vier Kategorien von Daten umfassen: Tabellarische Daten, Text-, Bild- und Zeitreihendaten.
- Kundenabwanderung: Für Hotels ist es vorteilhaft, frühzeitig zu wissen, bei welchen Gästen eine Stornierung droht. Möglicherweise steckt in den tabellarischen Buchungsdaten bereits ein Hinweis. KI kann ihn aufspüren und einen entsprechenden Algorithmus entwickeln.
- Textkategorisierung: Texte können verschiedenen Sparten zugewiesen werden, etwa Kultur, Sport und Politik. So kann zum Beispiel eine Presseagentur automatisch ein Archiv pflegen.
- Bilderkennung: Mit Kamerasystemen lassen sich Defekte auf dem Werkstück feststellen. KI hilft, diese Kontrolle zu automatisieren. Aus einer Vielzahl mit Metadaten versehener, sogenannter annotierter Bilder lernt die KI, Fehler zu erkennen.
- Werkzeugabnutzung: Einen Fräskopf rechtzeitig auszutauschen spart Geld. Wer zu früh eingreift, verschenkt Material, wer zu spät eingreift, riskiert einen Stillstand der Produktion. KI lernt, die Zeitreihendaten von Vibrationen und Stromverbrauch zu deuten, um den Zustand des Fräskopfs richtig abzuschätzen.
Beim Vergleich der Plattformen haben die Fraunhofer-Wissenschaftler stets den zugänglichsten Lösungsweg gewählt. Dabei mussten oft lediglich die Datensätze hochgeladen und mit einer Annotation versehen werden: Bei der Bildverarbeitung hieße das etwa, jedes Bild mit dem Zusatz korrekt oder fehlerhaft zu versehen. Die Plattform lieferte dann das gewünschte Modell samt der Vorhersagegenauigkeit.
Die Lösungen aller Anbieter haben Stärken und setzen kein tiefes Fachwissen voraus. Natürlich gibt es Unterschiede. So lassen sich manche Plattformen intuitiver bedienen als andere. Manche KI-Modelle laufen nur auf der Cloud des Anbieters, andere können exportiert und auf unternehmenseigenen Servern installiert werden. Welche Plattform für welchen Anwendungsfall empfohlen werden kann, wird in der Studie „Cloudbasierte KI-Plattformen – Chancen und Grenzen von Diensten für Machine Learning as a Service“ dargestellt.