Leitfaden Wie KMU erfolgreich KI einführen können

Redakteur: Sandro Kipar

Der Forschungsbeirat der Plattform Industrie 4.0 untersucht in seiner neuen Expertise „KI zur Umsetzung von Industrie 4.0 im Mittelstand“ den Einsatz und die unternehmerischen Potenziale von KI-Lösungen. Mit diesen Erkenntnissen wurde ein Leitfaden für KMU erstellt.

Firmen zum Thema

Wie können KMU von KI profitieren? Ein Leitfaden soll Orientierung geben.
Wie können KMU von KI profitieren? Ein Leitfaden soll Orientierung geben.
(Bild: gemeinfrei / Pixabay )

Ohne KI könnten KMU schnell im in- und ausländischen Wettbewerb den Anschluss verlieren. Zu diesem Schluss kommt das Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) der Technischen Universität Darmstadt gemeinsam mit dem Forschungsbeirat der Plattform Industrie 4.0. So haben nur 41 Prozent der befragten KMU KI-Anwendungen im Einsatz oder konkret geplant. Bei Großunternehmen sind es 82 Prozent.

"KI ist der entscheidende Schlüssel, um Nutzen aus Industrie-4.0-Technologien zu ziehen. Wir beobachten, dass es insbesondere in mittelständischen Unternehmen eine Zurückhaltung in der Anwendung von KI gibt", sagt Dietmar Goericke vom Verband Deutscher Maschinen- und Anlagenbau und Mitglied des Forschungsbeirats. „Die vorliegende Expertise gibt wertvolle Hinweise zu den Gründen und erste Hilfestellungen in Form eines Leitfadens. Es besteht also weiter Aufklärungs- und Handlungsbedarf“, so Goericke. Konkret bietet der Leitfaden Orientierung, wie Probleme aus dem Produktionskontext mit KI-Anwendungen gelöst werden können:

Schritt 1: Problemselektion

Ziel der Problemselektion sei es, vorhandene Probleme gegeneinander abzuwägen und schließlich auf eine Problemstellung zu reduzieren. Die zwei wichtigsten Faktoren sind hier die Relevanz und die Komplexität. Eine hohe Komplexität entsteht etwa durch eine hohe Anzahl an Beteiligten oder einen hohen Ressourcenaufwand. Ein besonders relevantes Problem ist beispielsweise am finanziellen Effekt (hohe Einsparung oder hohes Gewinnpotenzial) erkennbar. Vorhaben mit geringer Relevanz und hoher Komplexität seien zu vermeiden, Vorhaben mit hoher Relevanz und geringer Komplexität zu bevorzugen.

Ist das Problem überhaupt KI-geeignet?

Laut den Forschern liegt ein KI-geeignetes Problem vor, wenn es wirtschaftlich relevant, durch Daten messbar ist und nicht durch modell- oder wissensbasierte Verfahren gelöst werden kann. Im Leitfaden wird jedoch auch als Voraussetzung angemerkt, dass für die notwendige Datenaufnahme, -speicherung und -verarbeitung eine digitale Infrastruktur vorhanden sein muss.

Schritt 2: Lösungsentwurf

Nachdem die Problemstellung festgelegt wurde, braucht es einen ersten Entwurf für die Lösung. Dabei müsse ein tieferes Problemverständnis aufgebaut werden. Mit diesem Wissen kann schließlich eine Anforderungsliste entworfen werden. Zu dieser Liste gehören etwa interne und externe Kundenanforderungen, finanzieller Nutzen, aber auch die Definition der notwendigen technischen Infrastruktur.

Die Forscher schlagen außerdem vor, einen Soll-Zustand sowie einen Soll-Ist-Vergleich zu entwerfen. Dies gebe eine Übersicht über notwendige "Maßnahmen hinsichtlich Datenfluss, Schnittstellen und Ressourcen zur Lösung der vorhandenen Problemstellung mit KI."

Lohnt sich die Problemlösung überhaupt?

Steht der Lösungsentwurf, kann der finanzielle Aufwand bereits abgeschätzt werden. Die Forscher schlagen vor, in dieser Phase den Return on Investment, die Amortisationszeit sowie den Kapitalwert genauer zu betrachten und mit dem erwarteten Nutzen zu vergleichen.

Schritt 3: Lösungsentwicklung

Die Lösungsentwicklung umfasst eine Projektdefinition, die Datenaufnahme, das Prototyping und schließlich die Umsetzung. Dabei sollen zunächst Projektmeilensteine festgelegt werden. Solche Meilensteine könnten etwa das Erzeugen der richtigen Datensätze, ein erstes Modell und die letztliche Umsetzung sein. Im Anschluss soll sich das Projektteam die Daten vornehmen, erste Erkenntnisse über die Daten und ihre Qualität erlangen, Datensätze zusammenfassen, die Datenverteilung visualisieren und Ausreißer beheben.

Beim Prototyping werden die vorausgegangenen Schritte einer ersten Prüfung unterzogen. Mit den ersten Algorithmen werden die ersten Modelle erstellt, die anhand von verschiedenen Faktoren (Rechenzeit, Latenzzeit) bewertet und aussortiert werden. Das beste Modell wird schließlich in die IT-Infrastruktur integriert, getestet und parallel ausgeführt.

Den vollständigen Leitfaden finden Sie hier.

Ersteveröffentlichung auf unserem Partnerportal Elektrotechnik.

(ID:47645244)