Die veränderte Lage der Industrie
Mancher mag sich fragen: was ist heute wirklich anders als noch vor wenigen Jahren, als noch kaum jemand von Künstlicher Intelligenz und von Machine Learning als der wichtigsten neuen Schlüsseltechnologie sprach? Ist das alles nur ein Hype, der bald wieder vorüber ist, oder durch einen anderen abgelöst wird? Oder hat sich wirklich etwas fundamental verändert?
Tatsache ist, dass selbst Experten, die das Thema KI lange kannten, über den nun stattfindenden kometenhaften Aufstieg der Technologie überrascht sind, und dies in sehr positiven Sinn: Während in der Vergangenheit viele neue Techniken lange brauchten, um nach umfassenden Pilotprojekten schließlich Eingang in das allgemeine Interesse der Anwender in der Industrie zu finden, sind die Leistungssprünge , die künstliche Intelligenz in praktischen Anwendungen ermöglichen, so frappierend, dass sehr schnell sehr klar wird, dass hier neue Maßstäbe gesetzt werden.
Unternehmen, die heute nicht wissen, ob ihr Markt durch künstliche Intelligenz in naher Zukunft im Hinblick auf Produktmerkmale, Produktions- und Management-Prozesse sowie den damit verbundenen Ergebnis-Wirkungen radikalen Veränderungen unterworfen ist, betreiben ihr Geschäft unter hohem und rasant wachsendem Risiko. Wer atemlos oder desinteressiert den bis vor kurzem noch unglaublichen Erfolgen von Amazon, Tesla, Apple, Google und Hunderten anderer kleinerer Unternehmen aus der Gruppe der Technologienutzer zugesehen hat, muss sich heute fragen: was passiert mit MEINEM Markt.
Unternehmer müssen wissen oder zumindest jetzt schnell erkennen, ob in ihrem Markt Innovations- und Rationalisierungspotenziale durch KI vorliegen, bevor sie dies durch überlegene Angebote von Wettbewerbern erfahren. Der komplette Misserfolg der deutschen Industrie als Hersteller des Internet sollte sich nicht im KI-Bereich wiederholen. Wahrscheinlich lesen Sie diesen Text auf einem asiatischen Gerät mit amerikanischer Software, das Sie vielleicht bei einem US-Online-Händler gekauft haben, und fänden die Idee absurd, dass irgend eins der Zusatzprodukte, die Sie dazu verwenden, "made in Germany" wäre. KI ist der nächste globale Wettbewerb um die Konkurrenzfähigkeit der Industrie. Aus heutiger Sicht ist die Aufteilung der globalen Märkte für zentrale Infrastruktur in Cloud-Services, SW, HW und Systemintegration zugunsten amerikanische und asiatische Konzerne längst abgeschlossen. Es geht jetzt darum, für die lokale Wertschöpfung in Deutschland die Nutzung der global verfügbarer Infrastruktur durch firmenspezifische Implementationen zu erschließen. Wir sind dabei spezialisiert auf die von Open Source Software (OSS) Komponenten, im Bereich von ML insbesondere auf TensorFlow und die damit verbundenen Systeme.
Um KI gewinnbringend einzusetzen, muss man die jeweilige Technik nicht erfunden haben. Es geht darum, die heute in sehr komfortabel verwendbaren Techniken auf dem Gebiet der eigenen Expertise sinnvoll anzuwenden. Die Herausforderung für die Unternehmen in Deutschland besteht darin, dass sie ihre weltweit anerkannte Spitzenstellung in Produkten, Verfahren und Lieferkettenmanagement nicht dadurch verlieren, dass Andere durch die Nutzung KI-bedingter Kostenvorteile und KI-spezifischer Produktmerkmale das bisherige Wertegefüge erodieren. Die Chance für solche Unternehmen besteht hingegen darin, durch Nutzung von KI im Kernbereich der eigenen Expertise den Vorsprung noch weiter auszubauen.
Man kann den wirtschaftlich relevanten Teil der KI heute sehr klar beschreiben. Es sind die Methoden des Machine Learning, die für die jeweils geeigneten Anwendungsfelder in Produktentwicklung und Produktion und Service deutliche Qualitäts- und Kostenvorteile bringen. Gleichzeitig brauchen Ingenieure und Manager heute keine Berührungsängste mit KI mehr entwickeln. Um Machine Learning als Unternehmen selbständig einzusetzen, braucht man keine hochspezialisierten Mathematiker, Informatiker oder ähnliche Akademiker mehr. Der Komfort der heute üblichen "Frameworks", mit denen KI-Algorithmen erzeugt, adaptiert und ausgeführt werden, ist so umfassend, dass Mitarbeiter aus technischen Fachabteilungen damit umgehen können. Man braucht ein Mindestmaß an Programmiererfahrung in einer beliebigen Programmiersprache, die Fähigkeit, die Grundstruktur eines Betriebssystems zu nutzen und man muß dann lernen, wie die wichtigen KI-Algorithmen funktionieren. Das ist alles: jeder Abiturient von einem naturwissenschaftlich orientierten Gymnasium kann sich in ML einarbeiten. Man darf keine Angst vor mathematischer Schreibweise haben und sollte akzeptieren, dass man Verfahren entwickelt, deren Richtigkeit man zwar statistisch nachweisen, inhaltlich aber nicht verstehen kann. Neuronale Netze "denken" in über 100-Millionen-dimensionalen Räumen - das kann man im eigenen Gehirn nicht nachvollziehen. Man kann aber prüfen, wie gut die Ergebnisse sind.