K.I. Strategien im Einsatz – Wenn schwarze Löcher auf Handarbeit treffen

Viele Unternehmen wenden künstliche Intelligenz oder auch K.I. bereits erfolgreich in ihrem Tagesgeschäft an, um sonst sehr aufwändige Fragestellungen zu beantworten. Andere wiederum besinnen sich zurück auf die Manufaktur von Ihren Produkten. Wie kommt das? In diesem Artikel sollen verschiedene Fallbeispiele näher betrachtet werden, um K.I. im Einsatz zu beleuchten.

Machine Learning wird verstärkt im E-Commerce angewendet

Ein sehr bekanntes Beispiel eines Einsatzgebietes für K.I. ist der elektronische Handel (E-Commerce). Insbesondere wenn es darum geht Logistikketten zu optimieren, wird von hohen Kosten und einem enormen Einsparungspotential berichtet. Das traditionelle Handelshaus OTTO zeigt sich hierbei von einer progressiven Seite und ist in der Lage mit 90 prozentiger Wahrscheinlichkeit seinen Verkauf innerhalb der kommenden 30 Tage vorherzusagen. Doch wie ist eine solche Vorhersage möglich?

Intuitiv gedacht müssten hierfür Konsumentengeschmäcker, Saisonalität, Preis und noch viele weitere Faktoren analysiert werden. OTTO ist bereits in der Lage Geschäftsentscheidungen zu automatisieren und damit sogar Webseiteninhalte für seine Kunden zu personalisieren. Doch wie schafft es OTTO solche Analysen hervorzubringen?

“Dort wo die einen schwarze Löcher versuchen zu erklären, können andere Geschäftsfeldstrategien erarbeiten.”

Es nutzt einen Algorithmus, der für Teilchen Experimente zur Analyse von schwarzen Löchern im Bereich der Physik im CERN Labor in Genf angewendet wird. Dort wo die einen schwarze Löcher versuchen zu erklären, können andere Geschäftsfeldstrategien erarbeiten. OTTO, ein Anteilseigner an Blue Yonder, einem Start-up aus dem Deep-Learning Bereich, bedient sich neuester Ansätze. Es analysiert 3 Milliarden an vergangenen Transaktionen über 200 Variablen (Konsumgeschmack, Preis, Geographie, Alter, etc.) und sagt vorher, was die Kunden kaufen werden, eine Woche bevor sie bestellen.

Was Amazon kann, kann OTTO schon längst

Durch die verlässliche Vorhersage bestellt OTTO automatisch 200.000 vorselektionierte Artikel jeden Monat ohne weitere menschliche Interaktion. Dies zeigt, dass der online Handel großes Potential für „Machine Learning“ Technologien hat. Auch Zalando, Alibaba und Amazon machen Gebrauch von diesen Technologien, um Ihre Abläufe zu automatisieren und Kosten bei Logistikprozessen und Rückläufen zu minimieren.

Insbesondere Retouren sind kostspielig für Unternehmen – OTTO Kunden gaben auf Grundlage des CERN Algorithmus weniger Artikel zurück. Gleichzeitig konnte OTTO dadurch Lagerkosten um 20 Prozent einsparen. Weitere Vorteile dieser Technologie fanden sich in der intelligenten Kombination von Paketen, sodass Bestellungen zusammengefasst und damit umweltschonender versendet werden konnten.

Auf amerikanischer Seite zeigt sich Amazon als dominanter Vertreter des elektronischen Handels. Faszinierend hier sind die Patente, die Amazon auf futuristische Umsatzausblicke hin angemeldet hat. Hier geht es um die vorhergesagte Anlieferung eines Artikels pro Nutzer. Soll heißen, es werden pro Nutzer Artikel vorhergesagt und geliefert, die der Nutzer in den kommenden Tagen konsumieren möchte (antizipierte Lieferung). Dieses Patent ist nachzulesen unter (US 8615473 B2).

Abseits des elektronischen Handels nutzen Airbus, BP aber auch Toyota K.I. um schwierige Fragestellungen zu beantworten oder ihre Produkte herzustellen, ganz zu schweigen von IT Unternehmen wie Google oder Microsoft.

K.I. hilft Prozesse zu optimieren

Airbus benutzte K.I. um ein Business Problem schneller und effizienter zu lösen als in früheren Fällen. Als es 2017 seine Produktion des neuen A350 aufsetzte, wollte Airbus seine Produktionsrate erhöhen und das auf ein bislang unerprobtes, hohes Niveau. Dazu wollte Airbus Gebrauch von K.I. machen, um mögliche Prozessprobleme effizient zu lösen.

In Verbindung mit seinem neuen A350 Programm hat Airbus Daten vergangene Produktionsprogramme auswerten lassen, um verschiedene Muster in Produktionsproblemen zu finden mit Hilfe eines fuzzy matching und selbstlernendem Algorithmus. Hier war die K.I. in der Lage bis zu 70 Prozent der Produktionsprobleme mit zuvor angewandten Lösungen aus anderen Abteilungen zu verbinden und Lösungsvorschläge für den Mitarbeiter zu formulieren. Dadurch hat die K.I. einen kreativen Prozess zur Problemlösung anstoßen können.

Back to the Roots – Toyota setzt auf eine Kombination von K.I. und Manufaktur

Toyota als Autobauer sieht sich noch anderen Zukunftsszenarien gegenüber. So wird in dieser Industrie von der dunklen Fabrik gesprochen. Autos sollen ohne Licht in den Produktionsstätten gefertigt werden, da die gesamte Produktion von Robotern übernommen wird.

Dem steht Toyota’s neue Strategie in einem starken Kontrast gegenüber. Denn nun wird wieder der Produktionsfertiger am Fließband eingesetzt. Doch wie kommt das zusammen? Ist es die japanische Wertschätzung für Handarbeit oder eine bestimmte Arbeitskultur, die mit der „Lean Production“ einhergeht?  Oder ist es ein Zielkonflikt zwischen Skepsis an Robotern und dem Respekt für die Arbeiter?

So stehen z.B. viele Produktionslinien still aufgrund von Automatisierungsfehlern, Stromaussetzern oder bestimmten Anpassungen, die gemacht werden müssen. Ist es demnach doch ökonomischer manuelle Arbeit nicht komplett zu automatisieren? Und, wieviel Entwicklung erlaubt eine voll automatisierte Produktionslinie? Hier wird die Investition für die voll automatisierte Produktion dem Absatzpotential eines Auto Modells gegenübergestellt. Doch was ist mit der nächsten Generation dieses Automobils? Nur Menschen können einen Prozess verbessern und Veränderung herbeiführen.

Den genauen, internen Automatisierungsgrad wird jedoch kein Unternehmen berichten. Doch sollten nicht genau solche KPIs global reguliert werden? Sodass menschliche Wertschöpfung auf einem bestimmten Niveau bleibt oder werden sich auch hier wie bei vielen globalen Trends wieder Länderunterschiede ergeben?

K.I. ist nicht unendlich flexibel – Manuelle Arbeitsschritte in Kombination mit kreativen Prozessen sind schwer automatisierbar

Der Anreiz für Automatisierung liegt bei hohen Lohnkosten in Industrieländern. Um diese zu sparen wird automatisiert, da dies einen Kostenvorteil verspricht. So kommt der Automatisierungsdruck in Ländern eher weniger auf, wo die Lohnkosten gering sind. Dort kann noch mit relativ traditionellen Maschinen produziert werden. Toyota kombiniert K.I. und traditionelle Maschinen. So stehen in einer der wichtigsten Fertigungshallen Toyotas traditionelle Maschinen aus Brasilien, die den Mitarbeitern die Gelegenheit beibehalten ihre Fähigkeiten und Ideen einzusetzen und weiterzuentwickeln. Hier zeigt sich, dass K.I. in der Produktion, Kreativität und Fortschritt einschränken kann, wenn sie zu expansiv eingesetzt wird. Der kombinierte Effekt aus manueller Produktion und K.I. könnte demnach zu einem Effizienzgewinn und Kostensenkung führen, wobei dieser Effekt sich ab einem bestimmten Zeitpunkt umkehren könnte, wenn Flexibilität und Anpassung gefragt sind.

Doch stoppt dieser Zusammenhang die Automatisierung von Prozessen und Produktion? Roboter werden helfen Kosten zu senken. Dennoch wird, zumindest bei Toyota, auf die nächste Zeit hin bei der Unternehmensentwicklung auf den Menschen gesetzt. Ein mögliches Fazit für den Produktionsbereich ist, dass K.I. nicht den Headcount in einer Firma beeinflussen, aber Aufgaben auf einem Level ausüben wird, die ein Mensch nicht leisten kann und ihn dabei unterstützen wird.

Lösung von Globalen Problemen mittels K.I.?

Neue Technologien können genutzt werden, um Probleme zu lösen. Die Kunst wird darin liegen weniger neue Probleme hervorzurufen als zu lösen. So kann K.I. bei der Lösung von Umweltproblemen angewendet werden. Google z.B. nutzte die DeepMind K.I. um Stromkosten um 15 Prozent in seinen Datenzentren zu minimieren und seine PUE (Power Usage Effectiveness) zu maximieren. Global betrachtet hingegen lag der so genannte „Earth Overshoot Day“, der Tag an dem der nachhaltige Konsum an natürlichen Ressourcen auf der Welt überschritten wurde, am 1.08.2018 (Link: http://www.footprintnetwork.org) – 5 Monate vor Jahres Ende.

K.I. anzuwenden, um den Konsum an natürlichen Ressourcen effizient zu verteilen, wäre einer von vielen nützlichen Use-Cases, um globale Probleme zu lösen.

 

 

 

Quellen:
dpa/dpa Picture-Alliance / Ulrich Perrey, Claudia marcelloni de oliveira, atlas experiment, cern 2014 (Ausschnitt), Photo by Louis Maniquet on Unsplash, MIT Sloan Review, Reshaping Business with Artificial Intelligence, (2017), The Economist, How Germany’s Otto uses artificial intelligence (2017), Tagesspiegel, Toyota feuert die Roboter (4/1/2019)

    ×
    ×

    Warenkorb