Besser für die Fabrik: Generative KI muss langweilig werden

Produktive Anwendungen der generativen künstlichen Intelligenz sind weniger aufregend, als der Hype vermuten lässt. Sie erfordern keine disruptive Denkweise, sondern nüchternes Urteilen, durchdachte Planung und Risikomanagement.

Kürzlich wurde die Situation rund um ChatGPT mit dem Hype verglichen, den die KI Watson mit ihrem Auftritt in der Fernseh-Show Jeopardy im Jahr 2011 auslöste. Daraus ergibt sich die Frage, ob wir bald einen weiteren KI-Winter erleben, also eine Zeit, in der die Beschäftigung mit künstlicher Intelligenz nach einer vorhergehenden Euphoriephase stark zurückgeht. Oder werden sich die kühnen Versprechen der generativen KI und der großen Sprachmodelle erfüllen?

Das wahrscheinlichste Szenario ist wohl etwas dazwischen. Der Tech-Analyst Benedict Evans sagte, dass sich generative KI als "langweilige Automatisierung langweiliger Prozesse in den langweiligen Backoffices langweiliger Unternehmen" entpuppen wird. Das mag auf den ersten Blick pessimistisch klingen, aber genau diese langweiligen Anwendungsfälle werden laut KI-Experten tatsächlich diejenigen sein, die in großem Umfang Geschäftsergebnisse erzielen.

Bereits existierende Beispiele zeigen, wie solche "langweiligen" Lösungen durchaus gewinnbringend sein können. Nehmen wir eine Anwendung, die von Hewlett Packard Enterprise und dem deutschen KI-Unternehmen Aleph Alpha entwickelt wurde: Es handelt sich um einen KI-Assistenten, der darauf trainiert wurde, Fabrikpersonal bei der Bedienung eines Industrieroboters zu unterstützen. Die KI agiert wie ein hoch spezialisierter Servicetechniker, der auf praktisch alle Fragen zu Installation, Betrieb und Wartung des Roboters eine Antwort weiß.

Bei der Kommunikation mit dem KI-Assistenten muss sich das Fabrikpersonal nicht an ein vordefiniertes System halten oder eine bestimmte Terminologie verwenden. Ein Beispiel für einen Dialog wäre: "Notfall! Wie kann ich den Roboter sofort stoppen?" Antwort: "Drücke den Not-Aus-Knopf. Das ist der große rote Knopf oben rechts auf dem Handgerät."

Der Austausch mit dem KI-Assistenten kann auch über Bilder erfolgen. Beispiel: Bei der Kalibrierung des Roboters fotografiert ein Bediener eine bestimmte Kalibrierungsmarke mit einem Smartphone oder Tablet und fragt, ob dies die richtige Kalibrierungsposition ist.

"Diese Fähigkeiten können erheblich zur Effizienz und Sicherheit des Roboterbetriebs beitragen", so Dr. Bernd Bachmann, Berater Big Data & KI, Hewlett Packard Enterprise. "Das Fabrikpersonal ist bei vielen Detailfragen zu Installation, Wartung oder Fehlersuche nicht auf die Hilfe eines Servicetechnikers angewiesen." Das spare Zeit und Geld. Der KI-Assistent unterstütze das Personal auch bei der Einhaltung von Sicherheitsvorschriften – etwa indem ein Bediener die Standposition des Roboters fotografiert und fragt, ob diese Position sicher ist. Bei akuten Problemen könne der KI-Assistent entscheidende Informationen liefern, um Schäden oder Produktionsausfälle zu verhindern.

Der Kompetenzbereich des KI-Assistenten kann auf die gesamte Produktionsumgebung einer Fabrik und auch auf die Lieferkette ausgeweitet werden – zum Beispiel, indem er mit weiteren technischen Unterlagen sowie mit Informationen zu Lieferanten, Lieferverträgen, rechtlichen Bedingungen und Vorschriften, Kosten oder CO₂-Emissionen trainiert wird. Generative KI hilft somit Kosten zu senken, Risiken zu minimieren und die Nachhaltigkeit entlang der gesamten Lieferkette zu verbessern.

Fake-Inhalte sind in der industriellen Produktion inakzeptabel

"Im Gegensatz zum derzeitigen Hype erfordert die Einführung solcher Anwendungen eine nüchterne Einschätzung der Risiken und Grenzen der Technologie, eine gründliche Planung und eine konsequente Umsetzung", sagt Bachmann. Dies gelte in besonderem Maße für die industrielle Produktion. "Fake-Inhalte oder von Vorurteilen geprägte Empfehlungen sind hier absolut inakzeptabel", betont der Berater. "Und ein paar Prozentpunkte mehr Effizienz mögen einem KI-Evangelisten aus dem Silicon Valley vielleicht langweilig erscheinen – in hart umkämpften Märkten wie der Automobilzulieferbranche können sie aber einen entscheidenden Wettbewerbsvorteil verschaffen."

Operativ beginnt eine Initiative für generative KI im Unternehmen typischerweise mit Experimenten, Piloten und Proofs of Concept. "Will man jedoch von der Pilotphase zur produktiven Anwendung im großen Maßstab übergehen, müssen von Anfang an eine ganze Reihe von strategischen, organisatorischen und technischen Voraussetzungen berücksichtigt werden", so KI-Experte Bachmann.

Dazu gehören grundlegende Dinge wie das nötige KI-Fachwissen und die Integration der KI in betriebliche Sicherheits- und Risikomanagementprozesse. Der Betrieb des Sprachmodells auf einer privaten Vor-Ort-Infrastruktur hilft, Geschäftsgeheimnisse zu schützen und Cloud-Abhängigkeiten zu vermeiden. Und schließlich muss das KI-Modell die Nachvollziehbarkeit der von ihm generierten Inhalte ermöglichen – das heißt, es muss möglich sein, die Inhalte zu ihren Datenquellen zurückzuverfolgen. Auf diese Weise können KI-generierte Inhalte ohne vertrauenswürdige Quellen direkt zurückgehalten werden.

KI ist wie Tausende intelligente Praktikanten auf Knopfdruck

"Generative KI im Unternehmen produktiv zu machen, ist kein Renommierprojekt, sondern harte und manchmal langweilige Arbeit", berichtet Bachmann. "Es geht nicht darum, den Planeten zu retten oder die gesamte Branche umzukrempeln – es geht darum, Einsparungen im Tagesgeschäft zu erzielen, Geschäftsprozesse zu beschleunigen und Ausfälle zu vermeiden."

Dies erfordere auch Geduld und Ausdauer. Generative KI sei, als habe man Tausende intelligenter Praktikanten zur Hand. Es sei bereits jetzt möglich, beachtliche Produktivitätssteigerungen zu erzielen, aber die Zukunft verspricht noch viel mehr.

"Dieses Versprechen kann jedoch nur eingelöst werden, wenn Unternehmen bereit sind zu investieren", beteuert Bachmann. "In das weitere Training der KI-Modelle, aber auch in den Ausbau ihrer eigenen Kompetenzen, um die Modelle wertschöpfend einsetzen zu können."

Quelle: Dr. Bernd Bachmann, Hewlett Packard Enterprise