Kurzbeschreibung
In diesem Vortrag erläutern wir die technischen Grundlagen für ein KI-Projekt zur Digitalisierung von Produktionsanlagen und Geschäftsprozessen.
- Welche verschiedenen Ansätze gibt es?
- Welche Probleme und Risiken bergen diese?
- Wie sieht eine effiziente und risikoarme Umsetzungsstrategie Ihres Digitalisierungsvorhaben aus?
Anhand von Praxisbeispielen illustrieren wir den Balanceakt zwischen KI und mathematischer Modellbildung.
Vortrag
- Titel: Künstliche Intelligenz (KI) in der Digitalisierung
- Datum: 24.10.2023, 13:00 – 13:45 CEST
- Referent: Dr. Markus Dutschke
- Veranstaltung: DiMitEx-ExpertDay | KI & BI
- Anmeldung: https://register.gotowebinar.com/register/3941273530065136478
Grundlagen der KI
Zuerst gehen wir auf die Grundlagen der KI in der Digitalisierung ein. Hierbei führen wir das Konzept des Regressors ein: Eine Art mathematische Funktion. Doch statt eine Formel zu hinterlegen, kann diese mit genügend Wertepaaren trainiert werden. Ein Beispiel hierfür ist die lineare Regression.
Weiter wird eine keine KI-Lösung (Neuronales Netz) mit einem Ansatz verglichen, der auf einem mathematischen Modell basiert. Wir sehen, dass sich bei sehr vielen Digitalisierungsthemen die Menge an Trainingsdaten drastisch reduzieren lässt und eine weite höhere Genauigkeit erreichbar ist.
Neuronale Netze
Weiter erklären wir die Funktionsweise von neuronalen Netzen. Diese können zum Beispiel im Bereich OCR Texterkennung eingesetzt und sind in diesem Bereich ungeschlagen, was die Vorhersagegenauigkeit angeht. Doch auch für andere Bausteine von Projekten im Bereich Digitalisierung sind Neuronale Netze heutzutage alternativlos.
KI & Digitalisierung: Probleme und Risiken
Vor allem die mangelnde Transparenz von KI Technologien macht diese anfällig für verschiedene Probleme. Wir gehen speziell auf die folgenden Aspekte ein:
- Bias in Trainingsdaten: Das versehentliche Lernen von falschen Mustern
- Hacking von Neuronalen Netzen: Gezielte Manipulation, ohne dass diese von außen erkennbar ist
- Plausibilität und Kontext: Beispiele für einfache, aber missverständliche Problemstellungen
- Spektakuläre KI-Fails: Auch Unternehmen wie Apple und Microsoft werden sind vor typischen Fallstricken in der Digitalisierung mit KI nicht gefeit.
Strategien für erfolgreiche KI-Projekte zur Digitalisierung
Bei der Umsetzung von Digitalisierungsprojekten bauen viele Arbeitspakete aufeinander auf. Oft werden moderne KI Funktionalitäten wie Bild oder Texterkennung benötigt, gleichzeitig möchte man die damit verbundenen Risiken aber minimieren.
Wir zeigen anhand eines Praxisbeispiels (Optische Inspektion in der Produktion), die sich KI spezifische Prozessschritte isolieren lassen und mit klassischen mathematischen Modellen ergänzen lassen. Damit können KI Module ihre Stärken im Digitalisierungsprojekt entfalten, ohne aber unnötige Risiken in den digitalen Prozess zu bringen.
Anwendungsbeispiele von KI zur Digitalisierung in Unternehmen
Wir erklären anschaulich, wie es uns gelungen ist, mithilfe von Daten aus einer Distanzmessung auf die Farbe des untersuchten Objekts zurückzuschließen. Da es sich um ein optisches Messverfahren handelte und Farbe eine optische Eigenschaft ist, führte diese zu Artefaktmustern im Messprozess. Diese waren zwar nicht für einen Menschen verständlich, jedoch konnte ein Neuronales Netz trainiert dazu werden, die Farbinformation zu extrahieren.
Weiter schlagen wir die Brücke zu weiteren KI Anwendungsfällen:
Natural Language Processing ist der Unterbereich der KI, der Chatbots wie ChatGPT hervorgebracht hat. Doch auch Themen, wie die Einordnung von Kundenanfragen in
- dringend / nicht dringend
- Kategorie: Beschwerde, Anfrage und andere typischen Anliegen
lassen sich so umsetzen.
Reinforcement Learning kann genutzt werden, um komplexe Steueraufgaben in unbekannten Systemen optimal durchzuführen. Beispiele:
- Wie muss ein Produktionsprozess angepasst werden, wenn sich die Eigenschaften des verarbeiteten Rohstoffs außerhalb der Erfahrungswerte befinden?
- Dynamische Preisgestaltung in Abhängigkeit von der Kundenreaktion.
Clustering gruppiert Datenpunkte und gibt uns so die Möglichkeit Störfälle in Anlagen zu erkennen oder auch Kundensegmente zu erkennen.
Präsentation als .pdf
Fragen zu Ihrem Digitalisierungsprojekt?
Wenn Sie Fragen zu Ihrem Digitalisierungsprojekt haben, unterstützen wir Sie gerne mit unserer Expertise.