Eingebettete künstliche Intelligenz
Eine KI für alle Fälle
Viele wollen KI nutzen, doch der Weg dorthin endet oft im Nirgendwo. ERP-Software mit eingebetteter KI bietet Fertigungsunternehmen eine Abkürzung. Ihnen stehen damit organisationsweit fertige KI-Anwendungen zur Verfügung.
Die Fertigungsbranche traut künstlicher Intelligenz einiges zu. So erwarten 91 Prozent der mehr als 200 für eine von aktuelle Studie von IFS befragten Unternehmen 'massive Vorteile' durch KI. Dazu zählen allen voran Produkt- und Service-Innovationen, ein kontinuierliches Geschäftswachstum und eine höhere Mitarbeiter-Produktivität.
Bild: ©ihorvsn/stock.adobe.com
Diese Befürchtungen sind nicht unbegründet, denn viele KI-Projekte scheitern - aus ganz unterschiedlichen Gründen. Oft konzentrieren sich Unternehmen zu sehr auf die Implementierung von Tools und Algorithmen, anstatt auf die Lösung von Geschäftsproblemen. Häufig liefern KI-Projekte auch nicht schnell genug Ergebnisse und werden deshalb abgebrochen. In vielen Fällen fehlt Unternehmen zudem das nötige Knowhow oder sie unterschätzen die Komplexität einer KI-Implementierung.
KI unterstützt durchgängig
Diese Hindernisse können ERP-Anbieter für Fertigungsunternehmen aus dem Weg räumen, indem sie KI in ihre ERP-Software integrieren bzw. zur Verfügung stellen: Seien es Anwendungen für Simulationen und Planung, für die Erkennung von Anomalien, für die Optimierung und Automatisierung von Prozessabläufen oder für die Generierung von Content. Eingebettete KI unterstützt nicht nur punktuell, sondern durchgängig Geschäftsprozesse. Fertigungsunternehmen können etwa mit Machine-Learning-Algorithmen zunächst präzise Bedarfsprognosen erstellen, die Produktion dann mit evolutionären Algorithmen effizient planen und den Produktionsbetrieb schließlich mit Machine-Learning-Anwendungen für vorausschauende Wartung und Qualitätskontrolle optimieren.
Die entsprechende Software-Architektur ermöglicht es ERP-Anbietern, ihr Angebot an KI-Anwendungen schnell zu erweitern. Viele grundlegende Muster und Ansätze von künstlicher Intelligenz wie etwa Algorithmen zur Anomalie-Detektion oder insbesondere die großen Sprachmodelle der generativen KI lassen sich für eine breite Palette von Anwendungen nutzen. Wenn diese Muster unterhalb der Use Cases angesiedelt sind, können sie vom ERP-Anbieter immer wieder verwendet werden, was die Implementierung beschleunigt.
Bild: IFS Deutschland GmbHFür alle User verständlich machen
Damit die KI auch von nicht-technischen Usern genutzt werden, müssen die Anwendungen speziell aufbereitet werden. Wenn Fertigungsunternehmen beispielsweise Machine Learning nutzen möchten, ist es erforderlich, die Algorithmen mit organisationseigenen Daten zu trainieren, das Funktionieren des trainierten Modells anschließend zu überprüfen und es dann im Produktivbetrieb zu überwachen. Dieser 'Lifecycle' lässt sich automatisieren. Anbieter können Datenpipelines so vorbereiten, dass das Training unmittelbar beginnen kann und dabei Checks und Balances implementieren, die dafür sorgen, dass die Trainingsdaten eine repräsentative Stichprobe darstellen und keine Verzerrungen enthalten. Die Prüfung des trainierten Modells und das Monitoring im Produktivbetrieb kann durch entsprechende Mechanismen automatisch im Hintergrund erfolgen.
Ein weiterer Aspekt für nicht-technische User ist eine verständliche und nachvollziehbare KI (Explainable AI). Bei Berechnungen, die Auswirkungen auf Menschen haben, aber nicht durchschaubar sind, können so etwa entscheidende Faktoren für das Ergebnis der KI aufgezeigt werden. Diese Fähigkeit wird vor allem vor dem Hintergrund von gesetzlichen Regelungen in Bezug auf Transparenz wichtig. Zudem ist der Output von KI-Systemen oft sehr technisch und dadurch für Geschäftsnutzer oft schwer zu verstehen und zu interpretieren. Deshalb bedarf es einer zusätzliche Schicht, die die Ausgabedaten der KI in einen verständlichen Nutzen wie Zeit- oder Kostenersparnisse übersetzt.
Neue technische Ansätze erforderlich
Die Einbettung von KI in seine ERP-Software erfordert vom Anbieter außerdem neue technische Ansätze. Dazu zählt die Trennung der Datenspeicherung und -verarbeitung durch den Einsatz einer Shared-Service-Plattform in der Cloud, auf der alle Algorithmen zentral betrieben werden. Egal, ob ein Fertigungsunternehmen die ERP-Software On-Premises, als Managed Service oder aus der Cloud nutzt: Immer, wenn Mitarbeiter eine KI-Anwendung verwenden, überträgt das ERP-System die Daten an die Plattform, diese führt die Berechnungen durch und sendet die Ergebnisse zurück. Dieser Ansatz ermöglicht dem Anbieter die Skalierung der Rechenleistung, was sich auf die Kosten der Anwenderunternehmen auswirkt.
Aber auch auf die Datenhaltung der ERP-Systeme gibt es Effekte. Klassischerweise basieren diese Systeme auf stark strukturierten Daten, die in einer relationalen Datenbank vorgehalten werden. Künstliche Intelligenz und insbesondere generative KI ziehen aber im großen Stil auch semi-strukturierte und unstrukturierte Daten heran. Zudem nutzen sie oft IoT-Daten mit extrem großen Volumina. Das erfordert vom ERP-Anbieter einen Umstieg auf einen Data Lake, der alle diese verschiedenen Arten von Daten speichern kann.
Sofort starten
Fertigungsunternehmen erhalten mit eingebetteter KI fertige Anwendungen, die in ihre Geschäftsprozesse integriert sind. Daraus können sich die Unternehmen die individuell passenden auswählen und sofort wertschöpfend einsetzen.
Viele wollen KI nutzen, doch der Weg dorthin endet oft im Nirgendwo. ERP-Software mit eingebetteter KI bietet Fertigungsunternehmen eine Abkürzung. Ihnen stehen damit organisationsweit fertige KI-Anwendungen zur Verfügung.
Die Fertigungsbranche traut künstlicher Intelligenz einiges zu. So erwarten 91 Prozent der mehr als 200 für eine von aktuelle Studie von IFS befragten Unternehmen 'massive Vorteile' durch KI. Dazu zählen allen voran Produkt- und Service-Innovationen, ein kontinuierliches Geschäftswachstum und eine höhere Mitarbeiter-Produktivität.Bild: ©ihorvsn/stock.adobe.com
Diese Befürchtungen sind nicht unbegründet, denn viele KI-Projekte scheitern - aus ganz unterschiedlichen Gründen. Oft konzentrieren sich Unternehmen zu sehr auf die Implementierung von Tools und Algorithmen, anstatt auf die Lösung von Geschäftsproblemen. Häufig liefern KI-Projekte auch nicht schnell genug Ergebnisse und werden deshalb abgebrochen. In vielen Fällen fehlt Unternehmen zudem das nötige Knowhow oder sie unterschätzen die Komplexität einer KI-Implementierung.
IFS Deutschland GmbH
Dieser Artikel erschien in IT&Production Wissen Kompakt ERP CRM 2024 - 12.12.24.Für weitere Artikel besuchen Sie www.it-production.com
