Künstliche Intelligenz meets eCommerce im Maschinenbau

Künstliche Intelligenz ist das Schlüsselwort einer ganzen Branche in diesen Zeiten und wird häufig als „Game Changer“ bezeichnet. Prüft man diverse Quellen, stellt man fest, dass KI schon bereits im Jahr 1955 auftaucht und daher als nichts wesentlich Neues bezeichnet werden kann.

Was also macht es in unserer Zeit zu einem solchen Buzzword?
Was ist dran an dem Thema und was haben Maschinenbau und eCommerce damit zu tun?

Vorweg beginne ich vielleicht mal, indem ich mit einer stark verbreiteten Fehleinschätzung aufräume: Eine KI – künstliche Intelligenz –  ist nicht die auf logischem Algorithmus aufgebaute automatisierte Abbildung von Handlungsketten. Solche automatisierten Handlungsketten sind eher die Reaktion von dem Ergebnis einer „schwachen KI“.

Selbstlernende oder „schwache“ KIs haben als unbedingt notwendigen Kern die Speicherung und Auswertungen von Reaktionen und Ereignissen. Wenn man sich somit einige Lösungen am Markt anschaut, stellt man fest, dass viele Ansätze im Kern eher einer Automatisierung gleichen als einer eigenständig lernenden und sich verbessernden KI. Die Abarbeitung von vorgegebenen, sich wiederholenden Prozessschritten ist eine Automatisierung – keine KI im wissenschaftlichen Sinne.

Häufig erlebe ich, dass verschiedene Formen von Chatbots und Servicetools fälschlicherweise als KI bezeichnet werden. Leider kann ein automatisierter Prozess nicht nachträglich mit einer KI versehen werden. In der Definition wäre dann der Lerneffekt und im wesentlichen Teil die Tatsache des „sich selbst verbessernden“ nicht gegeben.

Nicht ausgeschlossen, dass ein technologischer Schwenk zu einem neuronalen Netz möglich ist, würde aber zu großen Zeitverlusten in der Entwicklung einer guten Qualität führen, da schlicht Informationen aus der Lebenszeit der KI verloren gehen könnten.

Der Ansatz von neuronalen Netzen im Zusammenhang mit eCommerce erschließt sich erst im zweiten Blick – offenbart dann, warum es zu einer Zeitenwende kommen wird. Der Begriff „Game Changer“ erscheint mir an dieser Stelle schon fast das Potenzial zu „verniedlichen“.

Was sind bereits heute fast völlig unbemerkte Anwendungsfälle:
In der Bilderkennung werden Ansätze der KI verwendet, um immer besser und feiner Dinge zu erkennen.
So gibt es eCommerce Shops, die von Kunden gelieferte Bilder erkennen und entsprechende Kaufempfehlungen aussprechen. Einsätze sind neben der Sammlung von Informationen über soziale Netze im Bereich B2C und auch Servicefunktionen im B2B Bereich, z.B. die Erkennung von verbauten Materialien.

Schauen wir uns diesen Bereich bei „dplain“ an – so stellen wir fest, dass die Erkennung von Explosionszeichnung und die Ermöglichung der Navigation, über Explosionszeichnungen und dazugehörige Stücklisten mit Hilfe einer sich selbst verbessernden KI erfolgt. Was dazu führt, dass bereits heute Erkennungsraten jenseits der 98% als Erfolg bezeichnet werden können. Mit jeder Zeichnung, mit jeder Ziffer und mit jeder leicht veränderten Darstellung von Positionskennzeichen, die dplain als Suchaufgabe bekommt, wird die Erkennung in den Zeichnungen besser. dplain schaffte so den Ressourcenaufwand für die Digitalisierung von auch alten Datenbeständen auf einen geringsten Faktor zu reduzieren. Was noch vor Jahren eine ganze Abteilung beschäftigt hatte, ist heute in deutlich geringeren Aufwand versehen. Datenqualität ist der entscheidende Faktor, wenn es um die Digitalisierung von Prozessen geht.

Der wohl spannendste Bereich ist der von mir eben angesprochene und aus meiner Sicht jeder Handlung zugrunde liegende und vorauseilende Bereich der „Situationsanalyse“. In einem Vortrag vor einiger Zeit hat ein von mir sehr geschätzter Kollege über die Möglichkeit referiert, mit der man mit Hilfe von akustischen Sensoren Unregelmäßigkeiten im Maschinenbetrieb erkennen kann. Dieses setzt voraus, dass eine bis dato exklusiv dem Mensch zugeordneten Fähigkeit nun ersetzt oder unterstützt werden kann: Erfahrung.

Die Verbindung verschiedener Sensordaten und deren Quellen, mit einem teilweise automatischen Abgleich von Situationen und deren Folgen führt dazu, dass Folgeaktionen aus einer gewissen Art der sich aufbauenden Erfahrung resultieren. Eine KI kann an dieser Stelle auf das neuronale Netz der Maschine zurückgreifen und lernt aus verschiedenen Situationen und Impulsen Rückschlüsse zu ziehen.

Was bedeutet das für den Ansatz: KI meets eCommerce?

Solche Systeme brauchen aber Zeit um diese Erfahrungen zu sammeln. Ein negativer Effekt ist, dass Ausfälle nur durch den Ausfall als solches zu einer Erfahrung werden, die dann im besten Fall durch Wiederholung zu einer erkannten Tatsache wird. Der Schluss ist etwas unverständlich. Zwar werden diese Systeme mit der Zeit nahezu zu perfekten Frühwarnsystemen, jedoch benötigt es einen Vorlauf, der nahezu niemals im Betrieb akzeptiert werden kann. Ein manuelles Eingreifen macht nun die KI zu einer gesteuerten KI, was dem Ansatz der klassisch „schwachen künstlichen Intelligenz im Umfeld des Maschinenbaus“ widersprechen würde aber den Kunden von heute schützt auf seine Kosten für den morgigen Kunden eine nahezu perfekte Lösung zu bauen! Aus diesem Ansatz heraus setzt dplain von dnetwo auf eine regelbasierte KI für die Bewertung von Situationen und reichert diese  um die Erfahrungen und Erkenntnisse von Mitarbeitern an.

Die führt dazu, dass der Maschinenbaukunde schon heute ein hohes Vertrauen auf die KI besitzt. Eingesetzt werden kann dieses z.B. bei der Berechnung von optimalen Bestellzeitpunkten von Ersatzteilen. So berechnet die KI aus der vorgegebenen Liefer,- und Produktionszeit eines Ersatzteiles und der wahrscheinlichen Notwendigkeit zum Tausch, den optimalen Bestellzeitpunkt und weist den Anwender darauf hin. Dieses führt zu bis zu 65% geringeren Kosten für Lagerhaltung und steigert gleichzeitig die Zuverlässigkeit der Maschine. Entstörung beginnt im Konzept von dplain bereits vor dem Eintreffen der Störung, unabhängig von Wartungszyklen.

 Zum Autor:

Florian Kölsch ist als digital Experte und Fachmann für Digitalisierung darauf spezialisiert aus abstrakten Ansätzen, angewandte Digitalisierung zu machen. Er verfolgt den stetigen Ansatz, dass Digitalisierung, auf der einen Seite, zukünftig Unternehmen in die Lage versetzt, neue Geschäftsmodelle zu erschließen und auf der anderen Seite die Investitionen rechtfertigt, indem sie zugleich auf diesem Weg bereits Anwendung findet und zusätzliche Benefits produziert. Er hat bereits über 40 Kunden bei der Digitalisierung begleitet und ist ein gefragter Speaker, Berater und Autor.