Bereits in den 70er-Jahren begeisterte der intelligente VW-Käfer Dudu in Filmen wie "Ein Käfer gibt Vollgas" oder "Ein Käfer auf Extratour". Das "Wunderauto" konnte selbstständig fahren und unterstützte seinen Fahrer Jimmy mit allerlei Gimmicks bei spannenden Abenteuern. Was damals noch ein Kinomärchen war, ist heute Realität geworden. Künstliche Intelligenz (KI) hält in vielen Bereichen Einzug in unser Leben. Nicht nur die Automobilhersteller entwickeln am autonomen Fahren.
Auch in der Industrie, im Marketing und im Finanzwesen gibt es erste Anwendungsfälle für KI. Die hohen Erwartungen lassen den Markt geradezu explodieren. So prognostiziert das Marktforschungsunternehmen Tractica für das Jahr 2025 KI-Umsätze im Software-Segment von weltweit fast 60 Milliarden Dollar. Forrester Research geht davon aus, dass Daten- und KI-getriebene Unternehmen künftig erhebliche Wettbewerbsvorteile haben werden.
Foto: Phonlamai Photo - shutterstock.com
Warum ist KI so wichtig für Unternehmen?
Viele Unternehmen haben im Zuge der Digitalisierung längst damit begonnen, Daten zu sammeln und auszuwerten. Der große Wert dieses Datenschatzes erschließt sich jedoch erst, wenn man ihn mit maschinellem Lernen kombiniert. Machine-Learning-Algorithmen erwerben mit jeder Datenanalyse weiteres Wissen und wenden dieses dann auf den nächsten Fall an. So werden sie immer schlauer und präziser. Unternehmen, die KI einsetzen, können aus ihren Daten wertvolle betriebswirtschaftliche Erkenntnisse gewinnen und daraus bessere Entscheidungen und Handlungen ableiten. Bei KI zählt Geschwindigkeit, denn für viele Anwendungen sind Analysen und Entscheidungen in Echtzeit erforderlich. Wie Unternehmen künstliche Intelligenz bereits erfolgreich anwenden, zeigen die folgenden Beispiele.
Künstliche Intelligenz im Finanzsektor - Betrugserkennung
Bei der Bekämpfung von Cyberkriminalität zählen für Banken bereits Millisekunden. Denn je früher sie betrügerische Transaktionen erkennen, desto besser lässt sich ein größerer Schaden verhindern. Zunehmend kommen im Finanzsektor daher Streaming-Analytics-Lösungen mit künstlicher Intelligenz zum Einsatz. Sie können in Echtzeit riesige Mengen Daten analysieren und mit üblichen Verhaltensmustern abgleichen. Entdecken sie dabei Auffälligkeiten, schlagen sie Alarm und können eine Transaktion sofort stoppen. Versucht ein Kunde zum Beispiel, sich innerhalb von kurzer Zeit von verschiedenen Standorten aus einzuloggen oder nutzt verdächtige Kreditkartennummern, deutet das auf einen Sicherheitsvorfall hin. Das System bezieht bei der Bewertung der Aktionen eine Vielzahl von Parametern mit ein und lernt dank künstlicher Intelligenz kontinuierlich dazu. Damit ist es in der Lage, auch neue Betrugsszenarien schnell zu erkennen. Im Idealfall lassen sich drohende Sicherheitsvorfälle anhand der intelligenten Echtzeitanalysen schon vorhersehen und vermeiden, bevor sie überhaupt eintreten.
KI in der Industrie: Predictive Maintenance und Qualitätskontrolle
In der Industrie kommt künstliche Intelligenz zunehmend im Bereich Industrie 4.0, also in IoT-Projekten zum Einsatz. Geräte und Produktionsmaschinen werden mit Sensoren ausgestattet, die kontinuierlich Daten erfassen und den Produktionsprozess transparent machen. Diese Daten werden ausgewertet und mit historischen Daten abgeglichen. Dadurch lässt sich ableiten, in welchem Zustand sich eine Maschine befindet und ob sich Probleme anbahnen. So können Produktionsleiter eine Instandhaltung schon frühzeitig durchführen, noch bevor es zu einem Ausfall kommt. KI erkennt das Zusammenspiel von Faktoren, die eine Wartung oder Reparatur nötig machen, indem sie riesige Datenmengen in Echtzeit auswertet. Tritt der Ernstfall ein, kann das System automatisiert Ersatzteile im ERP bestellen und einen Arbeitsauftrag an den Instandhalter erteilen.
Auch in der Qualitätskontrolle gibt es bereits KI-Projekte: So vermessen Unternehmen zum Beispiel Produktionsteile mit einem Röntgen-Scanner und prüfen dann mit einer intelligenten Bildanalyse, ob es Abweichungen von der Norm gibt. Besteht ein Qualitätsproblem, wird der entsprechende Zulieferer informiert. Er kann nun auf die Daten zugreifen und sein Produkt korrigieren. So lassen sich Qualitätssicherungsprozesse automatisieren und optimieren.
KI im Marketing: Die Kundenerfahrung verbessern
Um Kunden zu binden und potenzielle Neukunden zum Kauf zu bewegen, möchten Unternehmen ihre Zielgruppe im richtigen Moment mit der richtigen Botschaft auf dem richtigen Kanal erreichen - ob mit Werbeeinblendungen beim Surfen, per E-Mail oder auf Social-Media-Plattformen. Dafür eignet sich intelligente Software, die Unmengen an Kundendaten auswertet. Ein klassisches Beispiel sind Empfehlungssysteme: Sie lernen aus dem bisherigen Verhalten eines Kunden, wofür er sich interessiert, und versorgen ihn automatisch mit passgenauen Tipps. Dabei werden sie mit jeder Interaktion treffsicherer.
KI im Auto: Autonomes Fahren
Zu den Vorreitern im Bereich künstliche Intelligenz gehört die Automobilindustrie. Alle großen Hersteller forschen mit Hochdruck am Zukunftsthema autonomes Fahren. Der Schlüssel dafür sind Datenanalysen in Echtzeit und selbstlernende Algorithmen. Damit ein Fahrzeug ohne menschliches Eingreifen in einer Verkehrssituation die richtige Entscheidung treffen kann, zählt jede Sekunde. Hier sind extrem leistungsfähige Systeme gefragt. Von einem vollständig autonomen Auto sind wir zwar noch etwas entfernt, aber die Entwicklung schreitet stetig voran. Konkurrenz bekommen die traditionellen Autobauer aus der Digitalbranche etwa von Google und Apple.
Eine skalierbare Plattform ermöglicht eine schnelle Umsetzung
Künstliche Intelligenz ist mehr als ein Hype. Selbstlernende Algorithmen kommen bereits quer über alle Branchen hinweg zum Einsatz und sind ein wichtiger Schritt in der digitalen Transformation. Analysten prognostizieren, dass sie bereits in zwei bis fünf Jahren zur Mainstream-Technologie wird. Bei der Einführung sollten Unternehmen keine Zeit verlieren. Denn wer zu lange wartet, ein Machine-Learning-Modell zu implementieren, verpasst Geschäftschancen - und wird im schlimmsten Fall von digitalen Pionieren verdrängt. Um Projekte schnell umzusetzen, empfiehlt sich eine skalierbare KI-Plattform, die auf offenen Standards basiert und die Ausführung von Machine-Learning-Algorithmen in Echtzeit unterstützt.