Standortbestimmung Ihres Unternehmens

Sie sind ein Unternehmen der deutschen Metall- und Elektroindustrie. Das ist der Sektor, in dem wir selbst fundiertes Wissen und Erfahrung haben - wir beraten keine Finanzinstitute, Medien- und Marketingfirmen Hotel- und Gastgewerbe oder ähnliche Branchen. Natürlich existieren auch dort Anwendungsfelder für ML, aber diese liegen nicht im Bereich unserer eigenen Kernkompetenz.  Im Markt, den Sie bedienen, haben Sie eine starke Position aufgebaut. Kunden schätzen Ihre Leistung, nicht nur in Deutschland, auch in Europa und darüber hinaus. Sie beherrschen Ihr Fach als forschendes, entwickelndes, produzierendes, integrierendes oder service-orientiertes Unternehmen. 

Sie haben die Welle der medialen Kommunikation wahrgenommen, die anfangs eher von Insidern, dann aber auch aus der Wissenschaft, der Presse, aus Industrieverbänden und seit einem Jahr auch von der deutschen Bundesregierung ausging: "die Zukunft für die deutsche Industrie muss (auch) in der Nutzung der Künstlichen Intelligenz liegen". Aber Sie sind skeptisch. Sie wissen zwar, dass alle großen Konzerne Organisationsstrukturen aufbauen, die darauf gerichtet sind, KI effizient zu nutzen und nicht den Anschluss an amerikanische und chinesische Konkurrenten zu verpassen. Aber Sie wissen nicht, ob KI wirklich ein Thema für Ihr Unternehmen ist oder ob es sich nur um einen Hype handelt, der in ein paar Jahren verflogen sein wird. 

  

Machine Learning kann man nicht durch Lektüre von Artikeln, durch Webinars oder durch theoretische Vorträge in seiner potentiellen Tragweite für Ihr Unternehmen begreifen. Man muss verstehen, was es bedeutet, wenn Maschinen nicht durch Programmierer programmiert werden, um bestimmte Aufgaben nach Verfahren zu erledigen, die Menschen bis ins letzte Detail beschrieben haben. Mit Machine Learning erkennen Maschinen Strukturen in Daten und lernen es,  diese zu verallgemeinern. Mit (tatsächlich gemessener) übermenschlicher Treffsicherheit können Maschinen dann beispielsweise Bilder von Passphotos mit Live-Cameras vergleichen, selbst wenn das Passphoto 10 Jahre alt ist und eine andere Brille zeigt. Statt mathematisch technischer Programmiermethodik verwenden die Algorithmen des ML weitgehend vorgefertigte Approximationen an die in Beispielen beobachtete Wirklichkeit, die sie versuchen zu verallgemeinern.  Das führt nicht zu einer generellen Ablösung der bekannten Technik, aber es öffnet völlig neue Anwendungsperspektiven. Bislang unlösbare Probleme werden beherrschbar, und der eigentliche tiefe Grund dafür liegt in der Tatsache, dass ML gigantische Rechenkapazitäten erfordert, die mit der Verbesserung des Preis-Leistungsverhältnisses für Rechenleistung/$ um einen Faktor von mehreren Millionen nun wirtschaftlich sinnvoll nutzbar wird. 

Was das bedeutet, kann man nur verstehen, wenn man es selbst ausprobiert hat, mit konkreten  Lernaufgaben bei Bilderkennung, bei sequentiellen Daten wie Geräusch- oder Video-Erkennung, bei Strukturerkennung (ohne vorgegebene Daten) und bei der Verfolgung von Zielen mit Belohnung (der aus der Betriebswirtschaftslehre bekannten Dynamischen Optimierung). Man muss erfahren, welche Leistungen machbar sind und wieviel Lernaufwand (in CPU-Stunden) aufgewendet werden muss, um welche Präzision zu erreichen. Das geht nur in der Bearbeitung von einfachen, aber nicht trivialen oder banalen Beispielen, und wer das erlebt hat, der kann kompetenter mitreden als jeder Pseudo-Experte, dessen Wissen nur auf Medienkonsum beruht. Die Teilnehmer der Beratung zur Einführung in Machine Learning durch Industrie-KI GmbH sind am Ende keine ML-Spezialisten, die eigenständig Ihr Unternehmen auf den modernsten Stand der industriellen KI heben könnten. Aber sie sind in der Lage ein erstes Projekt oder einen Proof-of-Concept zu implementieren, allein oder mit fachlichem Coaching durch die Industrie-KI  GmbH (oder ggf. mit anderen Partnern). 

Die vierte  industrielle Revolution wird auch Ihr Unternehmen erreichen. Es liegt an Ihnen, was Sie daraus machen  

 © 2020  Industrie-KI GmbH, alle Rechte vorbehalten