KI - kann das was oder kann das weg?

Lauscht man aktuell dem Rauschen im Fachblätterwald, kann schnell der Eindruck entstehen, dass, sollte man aktuell nicht bereits 25 Projekte zur Künstlichen Intelligenz im Unternehmen laufen haben, man technisch auf Steintafel-Niveau hängengeblieben ist. besonders in der Instandhaltung scheint ohne KI demnächst nichts mehr möglich zu sein: weder Predictive Maintenance noch Condition Monitoring noch Asset Management.

Doch stimmt das? Das haben wir Markus Ahorner gefragt, der sich in seinem Unternehmen Ahorner & Innovators seit etlichen Jahren mit dem Thema KI beschäftigt:

Wie weit ist aus Ihrer Sicht der Stand der KI-Technik? Ist der aktuelle Hype gerechtfertigt?

Markus Ahorner: "Das Wort Hype passt aus meiner Sicht nicht zum Stand der KI-Entwicklung und wird in der Öffentlichkeit häufig von Personen benutzt, die Methode und Potenzial noch nicht verstanden haben. Um zunächst mit einem Missverständnis aufzuräumen: 'Künstliche Intelligenz' bezieht sich nicht auf die Nachbildung menschlicher Intelligenz oder gar von menschlichem Bewusstsein. Schon gar nicht, wenn es um den industriellen Einsatz geht.

Bei 'Künstlicher Intelligenz' geht es darum, Maschinen zu entwickeln, die für einen menschlichen Betrachter die Anmutung haben, als ob sie sich intelligent verhielten.

Wie kann man sich das nun vorstellen? Bei Robotern ist es zum Beispiel eine menschenähnliche Motorik, und bei Computern ist es das Nachbilden von menschlichem Lernverhalten, das Vermeiden von Bestrafungen oder die Fähigkeit, sich durch Belohnungen zu einem bestimmten Verhalten motivieren zu lassen. Das sind die Elemente des Maschinellen Lernens; es ist das Feld, auf dem die KI in den letzten zehn Jahren geradezu dramatische Fortschritte gemacht hat. KI ist keine Hexerei, sondern es sind klug angewendete mathematische Methoden.

Was die Sache früher schwierig gemacht hat, war die Verarbeitung sehr großer Datenmengen. Aber seit der Einführung der Mehrkern-Prozessoren vor 15 Jahren lassen sich die dafür erforderlichen Datenmodelle sogar auf einem Desktop-Rechner implementieren.

Die Leistungsfähigkeit von Computern bildet also keine wirtschaftliche Barriere mehr, nur die menschliche Kompetenz bei der Erstellung der Datenmodelle und vielleicht die Datenqualität selbst. KI ist also mittlerweile eine kontinuierliche Entwicklung, die nun schrittweise die Industrie durchdrängt, wie jede andere Erfindung auch.

Da aber das Potenzial so unglaublich hoch ist, menschliche Wissensroutinen zu unterstützen oder sogar abzulösen, halte ich die aktuelle Diskussion um die Wichtigkeit von KI für die europäische Wirtschaft für absolut gerechtfertigt.

Nehmen Sie zum Beispiel eine Prozessanlage, die zu den komplexesten Industrieanlagen mit dem höchsten Automationsgrad gehört: Wir bilden bei unseren Kunden komplette Chemieanlagen in ihrem Verhalten durch KI-Modelle ab und lassen das System automatisch konkrete Maßnahmen zur Produktionsoptimierung berechnen und an die Betriebsmannschaft ausgeben.

Das KI-Modell hat gelernt, welches die optimalen Betriebseinstellungen sind und kann diese schneller als der Mensch finden. Das erhöht den Produktionsausstoß und reduziert sowohl Betriebskosten als auch Carbon Footprint. Da gibt es keinen Zweifel mehr, dass KI heute bereits industriell ausgereift und operativ einsetzbar ist."

Sind in Ihren Augen bereits für Instandhalter nutzbare KI-Werkzeuge verfügbar?

Ahorner: "Das hängt davon ab, welches Ziel man erreichen will. Wenn es lediglich darum geht, ein Ereignis vorauszusagen, einen Trend frühzuerkennen oder eine Störung zu prognostizieren, so ist das heute zweifelsfrei möglich."

Für welche Anwendungsfälle eignen sich diese Werkzeuge?

Ahorner: "Die Softwaresysteme haben wir vor vielen Jahren schon entwickelt und erprobt, und diese Lösungen sind erfolgreich im Einsatz. Aus meiner Sicht reicht die technische Realisierung aber nicht aus, und zwar aus den folgenden Gründen:

1. Diese Systeme erfordern einen gewissen Aufwand an menschlichem Kalibrieren, denn es muss im Einzelfall vom Menschen vorgegeben werden, wann ein Anlagenteil 'gesund' ist oder wann in der Vergangenheit Schadensfälle aufgetreten waren.
2. Wegen dieses Implementierungsaufwands gibt es zu wenige Business Cases. Es wird heute noch zu selten die Steigerung der Verfügbarkeit bewertet, sondern man schaut auf die direkte Kosteneinsparung beim IH-Personal.
3. Die Wirtschaftlichkeitsbewertung wird heute von vielen Managern viel zu kurz gedacht, denn langfristig wird industrielle KI denselben Weg gehen, wie in den 1990er Jahren das elektronische Konstruieren: Anfangs war CAD sehr teuer, und heute kann sich niemand mehr ein technisches Büro mit Tuschestift und Zeichenbrett vorstellen. Und genauso werden sich KI-Systeme in der Instandhaltung durchsetzen.
4. Es reicht nicht aus, einfach nur Information über Ausfälle und Störungen zu erzeugen, solange die Serviceorganisation nicht grundsätzlich überdacht und digitalisiert wird. KI wird erst dann erfolgreich sein, wenn die gesamte Kette der Arbeitsorganisation über Softwareagenten organisiert wird. Wir nennen das präskriptive Instandhaltung oder 'Prescriptive Maintenance', wenn die Servicemitarbeiter die gesamte Information über Schadenerwartung und Gegenmaßnahme direkt an ihren Arbeitsplatz gesendet bekommen. Dann spart man tatsächlich die Routine der Arbeitsorganisation ein."

Welche Painpoints haben bei Ihren Kunden zu KI-Projekten geführt?

Ahorner: "Die wichtigsten Pain-Points waren:

• Optimierung der Produktionsmenge und Verfügbarkeit
• Reduktion der Betriebskosten
• Optimierung der Lieferqualität und Liefertreue
• Aufbau neuer, digitaler Servicemodelle

Oftmals werden Unternehmen und Instituten im aktuellen KI-Hype Projekte von auch durchaus zweifelhaftem Nutzen angeboten. Wie identifizieren Sie den Nutzen eines solchen Angebots?

Ahorner: "Natürlich ist aktuell der Reiz groß, an jedes Computerprogramm das Schild 'KI inside' zu hängen. Wir besuchen regelmäßig Messen und Ausstellungen und verfolgen die Marktentwicklung. Ich denke, man kann das Ganze auf eine Faustformel bringen: je kleiner und auf IT und Mathematik konzentriert ein Unternehmen ist, desto innovativer und kompetenter im Umgang mit KI ist es meistens auch.

Die ganz Großen haben in ihren Strukturen momentan eher große Schwierigkeiten, das Thema zu bearbeiten – sie brauchen für dieses Geschäft junge, sehr gut ausgebildete Mitarbeiter. Wir beschäftigen zum Großteil Mathematiker oder Informatiker, und fast alle unsere Kollegen sind unter 30 Jahren alt.

Allerdings ist High-End-Kompetenz nicht der einzige Erfolgsfaktor. Wichtig ist, dass man sowohl die Kunden und ihre praktischen Probleme versteht, als auch, dass man mit den richtigen Daten arbeitet und die Datenumgebung richtig interpretieren kann.

Branchen-Know-How und Erfahrung mit typischen Fabriksituationen sind unerlässlich, da haben die Start-ups natürlich einen Nachteil. Also zusammengefasst: Die industriellen Kunden brauchen Multifunktionsanbieter als Dienstleister, die Datenwissenschaften, Produktionstechnik und Beratung vereinen.

Meine Beobachtung ist, dass es speziell in Deutschland sehr viele dynamische und junge Firmen gibt, die mittlerweile über erstklassige Datenwissenschaftler verfügen. Was den Start-ups leider häufig fehlt, sind echte, lebendige und leider auch 'dreckige' industrielle Datenmengen. Das ist ein bisschen unser Vorteil, denn wir verfügen über sehr gute Industriekontakte und können daher fast immer mit realen Big-Data arbeiten.

Man benötigt sehr viel Erfahrung aus realen Industriefällen, um mit diesen Daten sinnvoll umgehen zu können. Diese Erfahrung können Unternehmen natürlich nur durch Übung erwerben. Aber alles ist besser als nichts zu tun, oder als die falschen Forschungsinstitute zu fördern.

In Deutschland beobachten wir derzeit einen Trend, dass speziell bei den Ingenieuren das Rad mehrmals erfunden wird, denn viele Entwicklungen sind bereits in der Mathematik und in der Informatik passiert, die jetzt an den Forschungsinstituten aus Unwissen noch einmal bearbeitet werden. Wir haben viele Lösungen fertig in der Schublade, für die woanders große Forschungsaufträge lanciert werden – das ist aus Sicht der Gesamtwirtschaft natürlich nicht so sinnvoll. 

Daher lautet mein Aufruf an die deutsche Industrie: Gebt Eure Daten auch anderen und unterstützt speziell das Wachstum der Start-ups! Europa braucht eine lebendige KI-Szene, schnelle Marktdurchdringung und neue Geschäftsmodelle – sonst ist der Zug demnächst abgefahren, während unsere Industrie noch auf dem Weg zum Bahnhof ist."