Die 5 größten Fallstricke bei der Einführung von KI in der industriellen Produktion

... und die meisten Unternehmen haben damit begonnen, KI produktiv zu nutzen. Einige Experten betrachten die KI-Technologie jedoch immer noch als eine unterentwickelte Technologie in ihrem jeweiligen Bereich. Das Argument, dass KI im Vergleich zu menschlichem Fachwissen und etablierten Verfahren nicht zuverlässig funktioniert, bringt uns direkt zum ersten Fallstrick.

1. Betrachten Sie KI nur als Zusatzfunktion

Wer KI-Technologie zur Verbesserung bestehender Systeme einsetzen will, hofft, dies ohne Änderungen am eigentlichen System, der Maschine oder der IT zu erreichen. Das ist verständlich, aber das volle Potenzial der KI wird im Grunde im Keim erstickt. Die Einführung von KI-Technologie sollte immer mit dem Ziel verbunden sein, menschliche Arbeit zu automatisieren. Nur dann ist die Einführung von KI kalkulierbar, das Investitionsrisiko vernünftig abschätzbar und Änderungen an bestehenden Prozessen zu rechtfertigen. Erfahrungen hierzu können aus der technischen Automatisierung von Prozessen mit Robotern und den damit verbundenen technischen Risiken gewonnen werden. Auch hier ist die Einführung nicht immer erfolgreich. Wer nur Assistenz zur Entlastung bestehender Prozesse einführen will, hat in der Regel ein Problem mit der Return-of-Investment-Berechnung und damit eine zu schwache Argumentationsbasis, um über die POC-Phase hinaus etwas zu erreichen und durchzuhalten, wenn die ersten Schwierigkeiten auftreten.

2. Eine KI-First-Strategie

Wer sich nicht in die Add-on-Falle manövriert und umgekehrt das Thema KI strategisch angehen will, z.B. durch den Aufbau einer eigenen Abteilung, schafft ein Problem im anderen Extrem. Die Entwicklung von KI-Technologie ist nie ein Selbstzweck. Sie wird meist in Bereichen eingesetzt, in denen bisherige Ansätze nicht erfolgreich waren. Unter bestimmten Umständen kann KI sogar die Lösung von Problemen ermöglichen, von denen man dachte, sie ließen sich nicht automatisieren. Sie sollten sich also Zeit nehmen, um zu verstehen, was Sie mit der KI-Technologie erreichen wollen. Diese Ziele können sehr individuell sein, je nach Branche und Unternehmen. Erschwerend kommt hinzu, dass sich die Technologie so schnell entwickelt, dass es viel Zeit braucht, um auf dem Laufenden zu bleiben. Eine eigene Abteilung mit zwei oder drei Personen eignet sich nicht für die strategische Entwicklung im Sinne einer "Doing"-Entscheidung, sondern für das Projektmanagement und den Erwerb von Fähigkeiten zur Zusammenarbeit mit KI-Anbietern auf Augenhöhe im Sinne einer "Buying"-Entscheidung.

3. Dieser (eine) KI-Ansatz funktioniert (nicht) für uns

KI-Technologie, insbesondere Algorithmen und Lernmethoden, sind zu einem fast unüberschaubaren Forschungs- und Anwendungsgebiet geworden. Wir hören oft, dass "dieses KI-Ding" schon einmal ausprobiert wurde. Aber es gibt nicht diese eine KI. Es handelt sich vielmehr um einen großen Technologiepark. Man kann ihn mit einer Werkstatt vergleichen. Manchmal muss man nur ein Loch in ein Blech bohren, um etwas zu reparieren. Gut dran ist derjenige, der nicht erst die Werkstatt erkunden oder gar bauen muss, sondern jemanden hat, der sein Problem professionell lösen kann. Er braucht jemanden, der aus dem Wunsch nach einer soliden Befestigung keinen Raketenantrieb macht und dies als Chance für eine ergebnisoffene Forschungskooperation sieht, wie es universitäre Forschungsinstitute oft tun. Andererseits hat man auch ein Problem, wenn jemand wie ein Start-up nur mit einem Hammer umgehen kann, weil er in jedem Problem einen Nagel sieht.

Jemand, der nur ein Experte für Roboter ist, wird überall einen Roboter einsetzen wollen. Das Gleiche gilt für Algorithmen und IT. Wenn Sie also ein Problem haben und der potenzielle Partner sich nur mit Computer Vision und Python auskennt, wird er immer eine Kamera aufstellen, sehr teure Daten beschriften und neuronale Netze mit Python trainieren wollen, wie er es immer tut. Wenn Sie hingegen einen Hintergrund in Statistik haben und sich nicht mit Großrechnern auskennen, werden Sie die Bildverarbeitung meiden und lieber mit Maschinendaten in Excel herumspielen, als sich auf die Bildverarbeitung einzulassen.

Erkundigen Sie sich bei möglichen "Werkstatt"-Partnern, wie universell ihre Werkstatt ist. Das ist viel sinnvoller, als jemanden zu suchen, der die gewünschte Nischenlösung schon mehrfach angewendet hat. Es wird auch schwierig sein, einen Spezialisten für die Reparatur von Bohrlöchern zu googeln. Die KI von Google ist nicht so gut darin, zu verstehen, wonach Sie suchen.

4. Erst Daten, dann Algorithmus

Um Algorithmen anwenden zu können und die beste Methode zu ermitteln, werden Daten benötigt. Der Algorithmus bestimmt jedoch, welche Daten benötigt werden. Im schlimmsten Fall kann man nicht einmal sagen, was die Ursache des Fehlers ist. Einfaches Beispiel: Benötigen Sie Kamerabilder und 3D-Scanbilder für die Produktkontrolle?

Um dieses Problem zu vermeiden, sollten Sie bei der Datenerfassung und der Auswahl des Algorithmus einen ganzheitlichen Ansatz verfolgen. Die Arbeit besteht immer aus der Kombination von Daten und Algorithmus. Wenn Sie niemanden finden, der die Gesamtverantwortung übernimmt, besteht ein hohes Risiko, dass das Projekt scheitert und Sie am Ende nicht genau herausfinden können, was das Problem ist. Die Algorithmusentwickler werden sagen, dass die Daten nicht geeignet sind, die Datenlieferanten werden sagen, dass der Algorithmus offensichtlich nicht funktioniert. Typisches Beispiel: Man hat schon Daten und am Ende stellt man fest, dass die wesentlichen Daten gar nicht da waren, um etwas zu erreichen. Es geht also zunächst nicht um Daten oder Algorithmus, sondern um eine Planung von beidem.

5. Wenn Sie die Unternehmenspolitik und die Mitarbeiter nicht mitnehmen

Der letzte Fallstrick ist der größte, aber nicht spezifisch für KI und nicht einmal spezifisch für Technologie. Im Prinzip sind alle Innovationsprojekte davon betroffen. Auch hier gibt es keine einfachen Lösungen. Aus Erfahrung würde ich sagen, dass ein großer Teil der Hürde überwunden ist, wenn die technisch orientierten Mitarbeiter von der Technologie begeistert sind und die betriebswirtschaftlich orientierten Mitarbeiter den ROI auf einem Bierdeckel berechnen können. Die Formulierung spielt bei Innovationsprojekten wahrscheinlich die größte Rolle. Zum Beispiel sollte man im Interesse des Unternehmens von neuen Fähigkeiten sprechen, die mit der KI-Technologie gewonnen werden. Das signalisiert zum einen, dass die Einführung von KI kein Mittel zum Zweck ist, zum anderen lassen Fähigkeiten noch genügend Raum für die Gestaltung von Lösungen, statt gleich von konkreten Lösungen zu sprechen. Im Sinne des Harvard-Kommunikationskonzepts verhandelt man z.B. mit dem Betriebsrat nicht direkt über konkrete Dinge und Positionen, sondern gleicht zunächst die jeweiligen Interessen ab. Bei Innovationsprojekten ist es daher durchaus sinnvoll, Berater hinzuzuziehen, die diese fünfte Hürde verstehen und bewältigen können. Hier sind Captain Picard-Fähigkeiten gefragt.

‍