Anwendungen von künstlicher Intelligenz€¦ · Die Cloud-Anbieter, die die Speicherung der Daten vor nehmen (wie beispielsweise Amazon Web Services oder Microsoft Azure) bieten

Anwendungen von künstlicher IntelligenzWo stehen die deutschen Unternehmen?

21.09.2020 Dr. Guido Zimmermann, Senior Economist

Anwendungen von künstlicher Intelligenz –Wo stehen die deutschen Unternehmen?

21.09.2020 2

• Methoden der künstlichen Intelligenz (KI) sind für das Konzept der Industrie 4.0 zentral. So möchte z. B. die Robert Bosch GmbH im Rahmen ihres Industrie-4.0-Konzepts der „Ökonomie der Dinge“ bis 2025 alle Produkte mit KI bestücken. Wo steht die Anwendung von KI in den deutschen Unternehmen? Diese Frage möchte diese Publikation beantworten helfen.

• Die Wissenschaft der künstlichen Intelligenz (KI) befasst sich mit der Entwicklung (teil-) autonomer Systeme und basiert im Wesentlichen aus dem Zusammenspiel von Informatik und Statistik. KI soll hierbei sehr allgemein als „Technik der Informationsverarbeitung zur eigenständigen Lösung von Problemen durch Computer“ (ZEW 2020) definiert werden. Die Grenzen zwischen Robotern, Methoden der Robot Process Automation (RPA) und KI im Sinne selbstlernender Algorithmen sind hierbei inzwischen fließend. Die derzeit wichtigste Untergruppe von KI – v. a. in der Praxis – ist das sog. maschinelle Lernen (ML). Hierbei werden Algorithmen mit Hilfe hochvoluminöser, volatil anfallender und vom Typ sehr vielfältiger Datenmengen (Big Data) derart trainiert – d. h. dem Computer werden sehr viele Beispielsdaten zum Lernen gegeben –, dass sie kostengünstig Prognosen erstellen und Aufgaben autonom übernehmen können.

• Deutschland ist aus Sicht der von uns gesichteten empirischen Studien und Momentaufnahmen in der akademischen und angewandten KI-Forschung mit führend, hinkt aber in der Umsetzung von KI-Methoden in digitale Geschäftsmodelle hinterher. Allerdings haben die deutschen Unternehmen bei der industriellen KI, also dem Einsatz von KI zur Realisierung der nächsten Stufe der Industrie 4.0 (noch) einen klaren Vorsprung gegenüber Nordamerika, China und Japan. Dem entgegen stehen belastende regulatorische Auflagen und der Datenschutz im Vergleich zu den US- und chinesischen Wettbewerbern. Zudem hat die Politik nicht entsprechend die Infrastrukturgrundlagen insbesondere für kleine und mittlere Unternehmen (KMU) „in der Fläche“ gelegt. Es fehlen Breitbandanschlüsse und IKT-Fachkräfte. Digitale Bildung und die Förderung der Mathematik – dieBasiswissenschaft für das Verständnis von KI – müssen in Zukunft daher ganz oben auf der Agenda der Politik stehen.

• Unternehmen, die KI-Methoden noch nicht eingeführt haben, raten wir einfach mit kleinen KI-Projekten anzufangen. Die Lernkurve ist relativ steil. Hierzu geben die IHKs und Fraunhofer-Institute exzellente Hilfestellungen. Entscheidend ist, dass die Organisationsstrukturen mittelfristig in den Unternehmen dahingehend geändert werden, dass sie Anwendungen von KI förderlich sind. Zum einen, um für zumeist junge IKT-Fachkräfte attraktiv zu sein, zum anderen gelten Organisationsstrukturen mit starken Hierarchien als hauptsächlicher Flaschenhals für die Anwendungen von KI. Hierzu bedarf es aber zunächst eine KI-Strategie für das Unternehmen. Führungskräfte müssen daher soviel Wissen über KI haben, dass sie entsprechende strategische Entscheidungen treffen können.

Unsere Thesen

KI in deutschen Unternehmen

Digitalisierung der deutschen Industrie durch Industrie 4.0 und künstliche Intelligenz

21.09.2020 KI in deutschen Unternehmen

3

• Um die Herausforderungen der Digitalisierung besser zu verstehen, muss zunächst eine ganze Reihe von Begriffen geklärt werden. Erste Orientierung gibt ein Blick in die Industriegeschichte: Bei der Industrie 1.0 (1776 bis Anfang des 20. Jahrhunderts) drehte sich alles um die Mechanisierung der Produktion unter Zuhilfenahme der Dampfkraft. Bei der Industrie 2.0 bis Mitte der 1960er-Jahre handelte es sich um die arbeitsteilige Massenproduktion mithilfe der Elektrizität. Bei der Industrie 3.0 seit den 1960er-Jahren ging es im Wesentlichen um die Automatisierung manueller Routinen in den Unternehmen mithilfe des

Computers bzw. Robote Bei der Industrie 4.0 bzw. dem Internet-of-Things (IoT) schließlich geht es nun um die Automatisierung kognitiver Routineprozesse in erster Linie mithilfe

einer Unterform der KI, dem maschinellen Lernen.

• Grob gesagt, bedeutet das Konzept der Industrie 4.0 die Vernetzung von Maschinen über cyber-physikalische Systeme: Über Sensoren an den Maschinen werden Maschinendaten erhoben und ausgelesen sowie „digitale Zwillinge“ realer Aktiva und Objekte geschaffen.

Diese digitalen Zwillinge stellen sozusagen „digitale Akten“ realer Objekte dar. Die resultierenden Massendaten (Big Data) werden dann in sogenannten Data Lakes (Datenseen) – Systemen zur Speicherung der Rohdaten eines

Unternehmens – abgelegt, die quasi das Gedächtnis der digitalen Welt darstellen. Diese Datenseen können wiederum in sogenannte Daten-Clouds –Speicher- und Rechnerkapazitäten, die über das Internet bereitgestellt werden – überführt werden.

Bei KI geht es in erster Linie darum, Muster in diesen Datenmengen zu erkennen und daraus Erkenntnisse zu gewinnen. KI analysiert die Daten, erstellt Prognosen und hilft, Effizienzpotenziale zu heben sowie neue Geschäftsmodelle zu entwickeln. KI könnte man damit auch als das Gehirn der digitalen Welt bezeichnen. Die Cloud-Anbieter, die die Speicherung der Daten vornehmen (wie beispielsweise Amazon Web Services oder Microsoft Azure) bieten den Firmenkunden entsprechende KI-Anwendungen zur Analyse der Daten als Apps gleich mit an. Diese KI-Anwendungen sind auf Basis unfassbar großer Datenvolumina getestet worden und damit entsprechend robust. KI ohne eine derartige Inanspruchnahme von Cloud-Services und den entsprechenden KI-Apps (Artificial-Intelligence-as-a-Service) erscheint für KMU wenig sinnvoll, da eine eigene Entwicklung entsprechender Fähigkeiten viel zu kostspielig wäre – nicht zuletzt, weil die entsprechende KI-Expertise bei den KMU zumeist gar nicht vorhanden ist.

• Die Industrie 4.0 kann wiederum in unterschiedliche Phasen unterteilt werden: Aktuell befinden wir uns in der ersten Phase dieser industriellen Revolution – der algorithmengetriebene Phase. Bei Algorithmen, die nach dem

Supervised-Learning-Modell funktionieren, wird ein System mit bereits gekennzeichneten Trainingsdaten befüllt. Beim Unsupervised-Learning hingegen sortiert das System die Daten selbst nach Ähnlichkeiten.

In der nächsten Phase wird die Vernetzung künstlicher Intelligenzen in den Fokus rücken. Großes Potenzial hierfür liegt hier im neuen Mobilfunkstandard 5G. Durch die höhere Übertragungsgeschwindigkeit werde es zum Beispiel möglich sein, die komplexen Berechnungen für den Betrieb autonomer Autos in der Cloud durchzuführen. Dank der höheren Leistungsfähigkeit könnten auch mehrere intelligente Systeme miteinander gekoppelt werden.

Um hochkomplexe Berechnungen durchzuführen, braucht es in Zukunft extrem leistungsfähige Server. In der dritten Phase der aktuellen industriellen Revolution wird deshalb die Entwicklung von Quantencomputern im Mittelpunkt stehen.

Quelle: Sabina Jeschke in ZEW News März 2020, Auf dem Weg zum KI-Standort Deutschland.

Konnektivität gut, E-Government und Digitalisierung der Unternehmen schlecht

21.09.2020 4

• Seit 2014 überwacht die Europäische Kommission den Stand der Digitalisierung in den Mitgliedstaaten und dokumentiert die erzielten Fortschritte im Bericht zum Index für die digitale Wirtschaft und Gesellschaft (DESI).

• Deutschland steht im Index für die digitale Wirtschaft und Gesellschaft (DESI) 2020 unter den 28 Mitgliedstaaten an 12. Stelle. Ausgehend von Daten, die vor der Pandemie erhoben wurden, schneidet Deutschland in den meisten DESI-Dimensionen gut ab, mit Ausnahme der digitalen öffentlichen Dienste, wo es den 21. Rang einnimmt.

• In der Dimension Konnektivität ist Deutschland bei der 5G-Bereitschaft mit einem hohen Anteil an Festnetz-Breitbandanschlüssen führend in der EU. Hinsichtlich der VHCN-Abdeckung liegt Deutschland allerdings nur auf Rang 21 und damit unter dem EU-Durchschnitt.

• In der Dimension Humankapital steht Deutschland zumindest bei den grundlegenden digitalen Kompetenzen und den grundlegenden Softwarekompetenzen an fünfter Stelle.

• Deutsche Unternehmen nutzen verstärkt soziale Medien, haben jedoch keine Fortschritte bei der Integration der Digitaltechnik erzielt. Bei der Nutzung von Online-Diensten belegt Deutschland den neunten Platz, da die deutsche Bevölkerung im Internet sehr aktiv ist. Nur 5% der Deutschen haben das Internet noch nie genutzt, und 84% kaufen online ein.

• Bei der Inanspruchnahme von E-Government-Diensten belegt Deutschland mit einer Quote von nur 49% den 26. Platz. In diesem Bereich liegt die größte digitale Herausforderung für Deutschland.


Quelle: EU.

Digitalisierung der Unternehmen im europäischen Vergleich bislang nur Mittelmaß

21.09.2020 5KI in deutschen UnternehmenQuelle: EU, LBBW Research.

DESI – Digital European Society Index, 2020, Subindex Business Digitalisation mit Subsubindizes 2020, Daten basierend auf 2018

0 10 20 30 40 50 60 70 80 90

FinlandNetherlands

BelgiumDenmarkIrelandMalta

SwedenUnited Kingdom

LuxembourgFrance

LithuaniaSpain

European UnionPortugalEstoniaCroatia

GermanySloveniaCyprusCzechiaAustriaGreece

ItalySlovakiaLatvia

RomaniaPoland

HungaryBulgaria

Electronic Information Sharing Social Media Big Data Cloud

• Bei der Integration der Digitaltechnik in Geschäftstätigkeiten liegt Deutschland im EU-Vergleich auf dem 18. Platz.

• Weniger als ein Drittel der Unternehmen (29%) tauscht Informationen auf elektronischem Weg aus. Die deutschen KMU nutzen jedoch die Möglichkeiten des Online-Handels: 17% der KMU verkaufen online. Damit liegt Deutschland knapp unter dem EU-Durchschnitt von 18%. 10% aller KMU verkaufen grenzüberschreitend und erwirtschaften 10% ihres Umsatzes im Online-Geschäft. 23% der Unternehmen nutzen soziale Medien (gegenüber 16% im Jahr 2017) und 12% nutzen Cloud-Dienste (EU-Durchschnitt 18%).

• 15% der deutschen Unternehmen arbeiten allerdings mit Massendatenauswertung (Big Data) (gegenüber dem EU-Durchschnitt von 12%).

• Im September 2019 verabschiedete die Bundesregierung die nationale Blockchain-Strategie. Die Strategie soll zu einem tieferen Verständnis potenzieller Einsatzmöglichkeiten und der Grenzen der Blockchain-Technologie sowie möglicher Anwendungen führen.

• Am 15. November 2018 verabschiedete die Bundesregierung ihre Strategie für künstliche Intelligenz (KI-Strategie), in der sie einen Rahmen für eine ganzheitliche Politik zur künftigen Entwicklung und Anwendung von KI in Deutschland beschreibt. Im Jahr 2019 leitete Deutschland zudem mehrere Finanzierungsinitiativen ein, um Maßnahmen in den Bereichen IT-Sicherheit, autonomes Fahren und Prüfung der Erklärbarkeit und der Verantwortbarkeit von KI-Systemen zu fördern. Bis einschließlich 2025 will die Bundesregierung rund 3 Mrd. EUR für die Umsetzung der Strategie bereitstellen.

Deutsche Unternehmen bei Integration der digitalen Technologien im europäischen Vergleich im unteren Drittel


DESI – Digital European Society Index, 2020, Integration of Digital Technologies, Daten basierend auf 2018

0 200 400 600 800 1000 1200 1400 1600

Bulgaria

Romania

Hungary

Poland

Greece

Latvia

Italy

Slovakia

Cyprus

Luxembourg

Germany

Austria

Portugal

Slovenia

Estonia

Spain

European Union

Croatia

France

Lithuania

Czechia

United Kingdom

Malta

Sweden

Denmark

Netherlands

Belgium

Finland

Ireland

Dynamik der Technologieintegration nimmt in Finnland zu, in Deutschland flacht sie ab


DESI – Digital European Society Index, 2020, Entwicklung des SubindexIntegration of Digital Technologies 2015-2020, Daten basierend auf 2018

2500

3000

3500

4000

4500

5000

5500

6000

6500

7000

2015 2016 2017 2018 2019 2020

Finnland Deutschland

Die Technologiestruktur der Unternehmen stecktbislang noch bestenfalls im Industrie 3.0-Modus

21.09.2020 8KI in deutschen Unternehmen

Quelle: ZEW.

Struktur der verwendeten Technologien in deutschen Unternehmen, 2011-2021

• Die Technologiestruktur der deutschen Unternehmen ist noch vornehmlich durch die Industrie 3.0 geprägt –in der Produktion sogar zumeist im Industrie 2.0-Modus. Nicht von der der IT unterstützt sind „1.0 / 2.0-

Technologien", 3.0-Technologien werden von Computern und

Softwarealgorithmen unterstützt. "4.0-Technologien" entsprechen Technologien, die IT-

integriert sind, d. h. die eine direkte und automatisierte Kommunikation ermöglichen

• Dass die Technologiestruktur noch veraltet scheint, ist nichts Ungewöhnliches, benötigt es doch erfahrungsgemäß viel Zeit, Organisationsstrukturen zu verändern. Dies gilt v. a. für die Industrie 4.0, da diese mit neuen Organisations- und Managementarten einher geht (z. B. Agilitätsmethoden).

Das Mindset der Unternehmen ist aber imIndustrie 4.0-Modus


Quelle: Bitkom, LBBW Research.

Bitkom-Unternehmensumfrage: „Welche Bedeutung hat Industrie 4.0 für das Geschäftsmodell Ihres Unternehmens?“, Antworten in %.

• Wie eine Umfrage des Digitalbranchenverbandes Bitkom unter deutschen Unternehmen zeigt, ist das Thema „Industrie 4.0“ dort angekommen und verändert die Geschäftsmodelle.

• Fast alle Unternehmen haben sich auf den Weg in Richtung Industrie 4.0 gemacht.

• 94 Prozent sehen in der Industrie 4.0 die Voraussetzung für den Erhalt der Wettbewerbsfähigkeit der deutschen Industrie. Mehr als jeder Zweite (55 Prozent) betont, Industrie 4.0 gebe dem eigenen Geschäft generell neuen Schub. Insgesamt sieht eine überwältigende Mehrheit von 93 Prozent der Industrieunternehmen Industrie 4.0 als Chance – und nur 5 Prozent als Risiko.

• Bei fast drei Viertel (73 Prozent) der deutschen Industrieunternehmen werden im Zuge von Industrie 4.0 nicht nur einzelne Abläufe oder Prozesse verändert, sondern ganze Geschäftsmodelle – eine deutliche Zunahme seit 2018, wo es noch 59 Prozent waren.

• Die Mehrheit der Industrieunternehmen, die neue Produkte und Dienstleistungen im Zuge von Industrie 4.0 entwickeln, setzt dabei auf Plattformen: 88 Prozent entwickeln digitale Plattformen neu oder weiter oder beteiligen sich daran.

• 45 Prozent haben sogenannte Pay-Per-Use- oder Production-as-a-Service-Modelle eingeführt: Damit verkauft etwa ein Maschinenbauer keine Maschinen mehr, sondern vielmehr Produktionskapazitäten, je nach Bedarf des Kunden.

• 18 Prozent der befragten Unternehmen, in denen neue Produkte und Dienstleistungen im Zuge von Industrie 4.0 entwickelt oder geplant werden, setzen auf datenbasierte Geschäftsmodelle.

46

22

20

32

51

26

28

25

0 10 20 30 40 50 60

Entwicklung neuer Produkte u. DL

Veränderung bestehender Produkte u. DL

Rücknahme von Produkten u. DL vom Markt

Industrie 4.0 hat keinen Einfluss aufGeschäftsmodell

2020 2019

Der B2B-Markt ist für die deutschen Unternehmen entscheidend


Quelle: IW Köln, LBBW Research.

Geschäftsmodelle der digitalen Transformation inProduzenten-Kunden-Beziehungen

Business-to-Business (B2B)• Industrie 4.0• Blockchain• KI

Consumer-to-Business (C2B)• Big Data Analytics

Consumer-to-Consumer (C2C)• Sharing-Economy

Business-to-Consumer (B2C)• Smart Living• Smart Devices• US-Big-Tech-Firmen

Plattformen

• Aufgrund der fundamentalen Unterschiede zwischen einzelnen Aspekten der Digitalisierung innerhalb der industriellen Wertschöpfungsketten sowie im Markt für Konsumgüter bietet sich hierfür eine Kategorisierung nach Produzenten- Kunden-Beziehung an.

• Betrachtet man Unternehmen und Konsumenten als Hauptakteure, spannen sich damit in der digitalen Welt vier Schnittstellen mit völlig unterschiedlichen Geschäftsmodellen auf:

• 1. Business-to-Business (B2B),

• 2. Business-to-Consumer (B2C),

• 3. Consumer-to-Business (C2B) und

• 4. Consumer-to-Consumer (C2C).

• Die Politik ist insbesondere davor zu warnen, an das beliebte Narrativ zu glauben, dass die Digitalisierung quasi aus zwei Halbzeiten bestünde. Die erste Halbzeit, in der es um die Business-to-Consumers-Märkte gegangen sei, sei zwar gegenüber den US-Big-Tech-Firmen verloren gegangen, jetzt bestünde aber die Chance den B2B-Markt zu gewinnen. Dieses Narrativ verkennt, dass die B2C-Gewinner (v. a. die US-Big-Tech-Konzerne) sich anschicken, auch die B2B-Gewinner zu werden.

KI verändert die Unternehmen und die Branchen grundlegend

21.09.2020 11KI in deutschen UnternehmenQuelle: Bericht der Plattform Lernende Systeme AG: Geschäftsmodellinnovationen: Neue Geschäftsmodelle mit Künstlicher Intelligenz.

• Zukünftig werden Produkte und Dienstleistungen durch KI-Komponenten noch sehr viel effektiver werden. Sie werden in der Lage sein, den Mensch zu verstehen und auf sehr individuelle Wünsche einzugehen. Smart Services werden sich proaktiv auf die Wünsche der Kunden einstellen, ohne dass diese Nachfragen beantworten müssen. Dazu benötigen Smart Services allerdings Daten. Und diese Daten werden erst dann zu wertvollen Informationen, wenn KI-Anwendungen sie interpretiert haben. Hierdurch sind KI-Anwendungen eng mit der Datenwirtschaft verknüpft; ohne Daten können die meisten KI-Anwendungen heute noch nicht lernen und sich auch nicht auf die besonderen Umstände ihrer Kundinnen und Kunden einstellen.

• Daten als das „neue Öl“ unterscheiden sich als Informationsgüter grundlegend von materiellen Ressourcen: Man kann sie beliebig oft verwenden, sie fast mit Lichtgeschwindigkeit verarbeiten oder um die Welt schicken und sie nahezu kostenfrei vervielfältigen. Jedoch sind Daten nicht per se wertvoll. Häufig ist der Nutzen eines einzelnen Datums sogar verschwindend gering. Diese Eigenschaften bedeuten, dass Daten nicht in traditioneller Weise bewirtschaftet werden können. Dies ist der Grund, warum neue Geschäftsmodelle für das Sammeln von und dem Lernen aus Daten gefunden werden müssen. In diesen Geschäftsmodellen arbeiten Unternehmen zunehmend mit Partnern zusammen, die auf das Verwerten von Daten und Informationen spezialisiert sind. Diese Geschäfspartner stellen praktisch die „Raffinerien“ für das „neue Öl“ bereit. In der digitalen Transformation müssen sich Unternehmen daher vermehrt nach außen öffnen: sie arbeiten verstärkt mit externen Partnern zusammen und suchen gemeinsam nach Innovationen. Die digitale Wirtschaft verändert so auch die Zusammenarbeit zwischen großen und kleinen Unternehmen.

• Künstliche Intelligenz verändert die Wirtschaft in verschiedenen Schlüsselbereichen: Neue Geschäftsmodelle werden auch neue Formen der vernetzten Kooperation von Unternehmen hervorbringen. Smarte Produkte und Dienstleistungen. Im Zentrum der neuen Geschäftsmodelle stehen nicht mehr Unternehmen mit ihren Produkten und Diensten, sondern zunehmend die Nutzer mit ihren

persönlichen Bedürfnissen und Vorlieben. Neue Formen der Arbeitsorganisation: Innovation entsteht zunehmend in flexiblen Teams. Die Ökonomie digitaler Güter unterscheidet sich von der klassischen Ökonomie physischer Güte, die aufgrund ihrer Materialität limitiert sind. Damit einher

gehen höhere Freiheitsgrade beim Design von Geschäftsmodellen. Lernende Systeme und KI ermöglichen es, aus umfangreichen und komplexen Daten Wissen zu extrahieren und neue Erkenntnisse zu generieren, die

wiederum die Grundlage veränderter und neuer innovativer Geschäftsmodelle sind. Unternehmensübergreifende Geschäftsmodelle. Die umfangreichen und vielfältigen Trainingsdaten, auf denen KI-basierte Geschäftsmodelle gründen, stammen häufig von Datenplattformen, werden

dort ausgewertet und nutzbar gemacht. In vielen Fällen sind einzelne Unternehmen nämlich nicht in der Lage, datengetriebene Geschäftsmodelle umzusetzen. Vielmehr entstehen digitale Plattformen, auf denen Unternehmen unterschiedlicher Branchen und Größen zusammenarbeiten (digitale Ökosysteme).

Um bestehende Geschäftsmodelle in Richtung KI zu transformieren, benötigen die Unternehmen Mut, Risikobereitschaft und ein langes Durchhaltevermögen. Nicht nur brauchen KI-Algorithmen Zeit und Daten, bis durch sie Wertschöpfung generiert werden kann. Teilweise bewirken KI-Geschäftsmodelle auch eine Disruption des Bestandsgeschäfts. Dies stellt die Unternehmensführung vor neue Herausforderungen.

„XY-as-a-Service“: Die digitale Transformation der Geschäftsmodelle der deutschen Industrie


Quelle: https://www.servicemeister.org/darstellung-der-konzeptidee/

• In zahlreichen Geschäftsfeldern der deutschen Industrie kann derzeit gemäß dem Projekt „KI Service Meister“ zur Förderung von KI im Mittelstand ein grundlegender Wandel in der Wertschöpfung von Produkten hin zu Dienstleistungen beobachtet werden. In der Vergangenheit konnten Firmen insbesondere durch den Verkauf hochwertiger Industrieanlagen (z. B. Druckerpressen) hohe Umsätze und Margen erzielen. In den letzten Jahren hat jedoch, insbesondere durch eine steigende Anzahl an Marktteilnehmern aus Ländern mit geringeren Produktionskosten, der Preisdruck deutlich zugenommen und in vielen Geschäftsfeldern die Margen dieses traditionellen Geschäftsmodells deutlich verringert und teilweise sogar vollständig eliminiert. Zudem scheuen Kunden zunehmend die, durch zukünftige Reparaturen und Wartungen unsichere Investition in teure Industrieanlagen und präferieren zunehmend „Betreibermodelle“, welche ihnen die Leistung von (teilweise sogar gemieteten) Industrieanlagen vertraglich zusichern.

• Im Maschinenbau ist dieses Geschäftsmodell bereits als „Machine-as-a-Service“ bekannt. Statt des Verkaufs von Industrieanlagen erfordert dieses neuartige Geschäftsmodell von deutschen Mittelständlern die Nutzung des firmeninternen „Service-Wissens” (Konstruktionswissen über die Maschine, anstehende Einsätze und Wartungsaufgaben, optimale Maschinenkonfigurationen und den fortlaufenden Verschleiß), um ihren Kunden die vertraglich zugesicherte Verfügbarkeit oder den energie- und material-effizienten Betrieb zu garantieren.

• Das für die Erbringung dieser hochwertigen Dienstleistungen nötige „Service-Wissen“ zu industriellen Anlagen übersteigt aufgrund der zunehmenden Komplexität und der voranschreitenden Digitalisierung der Maschinen und Anlagen (z. B. durch den deutlich höheren Anteil an Mechatronik) bereits heute das Wissen selbst erfahrener Servicetechniker und z. T. sogar von Unternehmen. Wartungskonzepte im Rahmen von Betreibermodellen verlangen nicht nur die Umsetzung von klassischen, standardisierten Wartungsintervallen und -aufgabenlisten, sondern erfordern die Kombination von unterschiedlichsten Wissensquellen (d. h. Produktionspläne der Kunden, Sensormessungen zu Betrieb und Verschleiß, Maschinenhistorie, Konstruktion), um die Einsatzplanung auf die individuellen Bedürfnisse einzelner Maschinen anzupassen. Insbesondere können (zukünftige) Probleme von Industrieanlagen nicht nur durch die KI-basierte Analyse einzelner Maschinen erkannt werden („Predictive Maintenance“), sondern auch durch ebenfalls KI-basierte, kundenübergreifende Analysen von Maschinendaten identifiziert werden („Peer-Group-Vergleiche“).

• Die Durchführung solcher Analysen erfordert aber Kompetenz in der Bedienung von KI und Big-Data-Analysen und übersteigt sehr oft die Fähigkeiten von Servicetechnikern. Unter anderem aus diesen Gründen hat in der Praxis der „informelle“ Wissensaustausch unter Mitarbeitern durch Chat-Applikationen wie WhatsApp und Facebook Messenger stark zugenommen. Durch die fehlende Möglichkeit dieses Wissen in die Firma zurückzuführen sowie den zunehmen Mangel an hochqualifizierten Mitarbeitern, steht der deutsche Mittelstand in den nächsten Jahren vor einer enormen Herausforderungen seinen Vorsprung in der Erbringung von Dienstleistungen zu sichern.

KI als zentraler Baustein digitalerTransaktionsnetzwerke der Großindustrie


Quelle: Michael Rathgeb (LBBW); Harry Behrens (Daimler ), https://assets.bosch.com/media/global/research/eot/eot-supermodular-digital-society-download-16x9.jpg.

Struktur der “Ökonomie der Dinge” von Bosch • Digitale Ökosysteme sind …

… sich dynamisch entwickelnde Gemeinschaften verschiedenster Akteure (Unternehmen, Konsumenten, Institutionen etc.),

die durch die gegenseitige Nutzung eines gemeinsamen Sets an Ressourcen (z.B. über eine Plattform) und durch die Einhaltung gemeinsam vereinbarter Werte (Governance) Märkte bilden und in einem gemeinsamen Geschäftsmodell Werte schaffen.

• Auf Basis von DLT-Systemen („Blockchain“) baut die Großindustrie digitale Ökosysteme – oder besser gesagt: digitale Transaktions- und Wertschöpfungsnetzwerke – auf. Zu nennen sind hier z. B. die „Ökonomie der Dinge“ von Bosch, Siemens Mindsphere oder die Daimler Mobility Blockchain.

• Die Abbildung links zeigt die Vision der Robert Bosch GmbH und ihrer „Ökonomie der Dinge“. Dieses digitale Ökosystem ist mit anderen Ökosystemen (z. B. Siemens Mindsphere) vergleichbar.

• In diesen Industrie 4.0-Systemen sind alle Objekte miteinander vernetzt. Die Objekte selbst sind wiederum ökonomische Agenten zwischen denen Zahlungsverkehr stattfindet. Gleichzeitig werden die Datenanalysen zwischen den Objekten durch KI analysiert.

Zusammenspiel von Blockchain und KI in der Industrie 4.0


Quelle: welt.de, https://www.rtinsights.com/blockchain-intelligence-ai-in-value-chains/

Stilisiertes Zusammenspiel von KI und Blockchain in der Industrie 4.0-Wertschöpfungskette

• KI ist für Konzept der Industrie 4.0 zentral. So möchte z. B. die Robert Bosch GmbH im Rahmen ihres Industrie 4.0-Konzepts der „Ökonomie der Dinge“ bis 2025 alle Produkte mit KI bestücken.

• Aus der Abbildung wird ersichtlich, dass es für die durch KI-Methoden analysierten Datenströme der Industrie 4.0-Welt ganz wesentlich ist, dass diese Datenströme sicher sind. Dies wird mit der zugrundeliegenden Blockchain-Schicht erreicht.

Forschung top!


Quelle: AI Index 2019 Annual Report, LBBW Research.

Gesamtanzahl in wissenschaftlichen Fachzeitschriften publizierten Studien zu KI, 2015-2018, Veröffentlichungen pro 1 Mio. Einwohner (Jahresdurchschnitte 2015-2018).

Deutschland gehört zu den Top-Standorten für Industrie 4.0



Bitkom-Umfrage 2020: Welche Nation ist Ihrer Meinung nach derzeit beim Thema Industrie 4.0 führend?, Antworten in %.

0 5 10 15 20 25 30

USA

Deutschland

Japan

China

Südkorea

Big Data und Internet der Dinge als Technologien mit höchster Wettbewerbsrelevanz


Quelle: Bitkom, MIT, LBBW Research.

Bitkom-Umfrage: „Welche Technologien haben eine große Bedeutung für die Wettbewerbsfähigkeit deutscher Unternehmen?“, Angaben für „sehr große Bedeutung“ und „eher große Bedeutung“, 603 befragte Unternehmen, 2020.

• Dem Stand der Digitalisierung im eigenen Unternehmen geben die rund 600 vom Branchenverband Bitkom befragten Unternehmen die Note drei.

• Dabei sehen weit über 90% der Firmen die Digitalisierung eher als Chance für ihr Unternehmen. Eine Verschärfung des Wettbewerbs erleben über 60% der Befragten durch Wettbewerber aus anderen Branchen sowie aus der Internet-und IT-Branche in den eigenen Markt. Fast 50% sehen, dass Wettbewerber aus ihrer Branche, die frühzeitig auf die Digitalisierung gesetzt haben, jetzt im Vorteil sind. Jeweils mehr Unternehmen als in den Vorjahren haben ihr Angebot aufgrund der Digitalisierung angepasst. Produkte bzw. Dienstleistungen haben 60% neu angeboten, 75% angepasst und 49 vom Markt genommen.

• Für die Wettbewerbsfähigkeit werden vor allem Big Data und das Internet of Things als wichtig erachtet.

• Auch wenn die Umfrageergebnisse wegen unterschiedlichen Erhebungsmethoden nicht immer vergleichbar sind, so sind die Trends doch klar: Die Unternehmen Asiens sind die Anführer bei den KI-Implementierungen, gefolgt von den USA und danach Europa und anderen Weltregionen. So haben in Asien gemäß einer Studie des MIT bereits im Jahr 2017 rund 56% aller Unternehmen KI-Anwendungen implementiert (USA: 35%). Insbesondere die Anstrengungen Chinas auf dem Gebiet der Industrie 4.0 sollte der deutschen Industrie zu denken geben.

90

81

72

68

67

64

58

48

0 20 40 60 80 100

Big Data o. Datenanalyise

IoT

3D‐Druck

Autonome Fahrzeuge

KI

Blockchain

Virtual & Augmented Reality

Drohnen

Jedes siebte Unternehmen setzt auf KI in der Fabrik



Bitkom-Umfrage: „Wie wahrscheinlich ist es, dass KI im Kontext von Industrie 4.0 Geschäftsmodelle disruptiv, d.h. tiefgreifend verändern wird?, Antworten in %, 2020.

23

35

21

18

3

0 5 10 15 20 25 30 35 40

Sehr wahrscheinlich

Eher wahrscheinlich

Eher nicht wahrscheinlich

Überhaupt nicht wahrscheinlich

Weiß nicht/k.A.

Welche Vorteile KI den Unternehmen bringt



Bitkom-Umfrage 2020: Was sind aus Sicht Ihres Unternehmens die wichtigsten Vorteile von KI im Kontext von Industrie 4.0?, Antworten in %.

43

41

39

29

17

15

0 10 20 30 40 50

Predictive Maintenance

Steigerung der Produktivität

Optimierung v. Produktions u.Fertigungsprozessen

Steigerung der Produkqualität

Bessere Skalierbarkeit

Reduktion der Kosten

Einsatz von KI für baden-württembergische Unternehmen unstrittig


Quelle: IHK Baden-Württemberg.

IHK-Umfrage 2019 – Einsatz künstlicher Intelligenz aus Sicht baden-württembergischer Unternehmen

• Knapp jedes vierte befragte Unternehmen in der Umfrage nutzt für seine Geschäftsprozesse bereits KI-Lösungen, ein noch größerer Anteil (32 %) plant das. Beides hängt aber von der Unternehmensgröße ab. Kleine Unternehmen (1 bis 49 Mitarbeiter) tun sich hier schwerer.

• Der Anteil der KI-Anwender wird in der nächsten Zeit in einigen Branchen deutlich zunehmen. In der Umfrage relativ am stärksten in der Industrie.

• Weniger als ein Fünftel der Unternehmen sind derzeit KI-Anbieter, aber ein Viertel plant das. Viele Unternehmen sehen zukünftig die Chance, sich im „KI-Markt“ zu etablieren, unabhängig von der Unternehmensgröße.

• Neue KI-Anbieter sind vor allem aus den Branchen Information, Kommunikation, Software, Unternehmensberatung und Industrie zu erwarten. Handel und Bauwirtschaft sind zurückhaltender. Deutlich mehr als bisher findet die Entwicklung von KI-Lösungen dann auch außerhalb von IT-Unternehmen statt.

• Der Großteil der KI-Anwender tritt auch als KI-Anbieter auf bzw. plant das. Viele Unternehmen wollen KI-Lösungen offenbar sowohl intern als auch für ihre Produkte nutzen.

• Ein Viertel der Unternehmen ist noch unsicher, was KI für sie bedeutet. Die größten Informationslücken gibt es im Handel und in der Bauwirtschaft.

• Acht von zehn Unternehmen, die bereits KI-Lösungen für ihre Geschäftsprozesse einsetzen, haben davon profitiert. Konkrete Mehrwerte sind vor allem verbesserte interne Prozesse und eingesparte Kosten.

• Neben Datenanalyse/Business Intelligence sehen die Unternehmen einen hohen KI-Nutzen bei industrienahen Prozessen wie Produktion, Interaktion Mensch/Maschine oder Instandhaltung/Wartung.

• Von KI können insbesondere auch Industrieunternehmen und industrienahe Dienstleister profitieren.

Fehlendes eigenes Know-how und unklarer Mehrwert als Hauptprobleme



IHK-Umfrage 2019 – Einsatz Künstlicher Intelligenz aus Sicht baden-württembergischer Unternehmen

• Fehlendes eigenes Know-how und ein unklarer Mehrwert von KI sind die Hauptgründe, warum Unternehmen bei ihren Geschäftsprozessen auf KI verzichten.

• Unternehmen, die sich für die Anwendung von KI entscheiden, klagen zusätzlich über fehlende Kooperationspartner.

• Aus Sicht von KI-Anbietern sind dann auf Anwenderseite eine fehlende Datenbasis und die Finanzierung von KI-Investitionen die nächsten großen Hemmnisse.

• Förderprogramme, die Unternehmen auch im KI-Kontext unterstützen, sind zu wenig bekannt.

• Kleine Unternehmen werden von den meisten Einrichtungen und Intermediären, die im KI-Kontext unterstützen, noch zu wenig erreicht.

KI-Anwendungen in Deutschland breit über die Branchen verteilt


Quelle: Jessica Heesen et al.: Zertifizierung von KI-Systemen Impulspapier, LBBW Research.

KI-Anwendungen nach Branchen in Deutschland, Stand März 2020

33394042434748

9596

118133

148154

0 20 40 60 80 100 120 140 160 180

AgrarwirtschaftSonstiges

FinanzindustrieBildung

Verwaltung u. SicherheitSonst. Dienstleistungen

HandelInformation u. Kommunikation

Energie u. UmweltMobilität u. Logistik

Verarbeitendes GewerbeBranchenübergreifendGesundheit u. Pharma

Lediglich 6% aller Unternehmen setzten 2019 KI ein


Quelle: ZEW u. Bundesministerium für Wirtschaft und Energie: Einsatz von Künstlicher Intelligenz in der Deutschen Wirtschaft – Stand der KI-Nutzung im Jahr 2019.

Indikatoren zur Verbreitung des Einsatzes von KI in der deutschen Wirtschaft 2019 im Branchenvergleich

Nur jedes siebte Unternehmen investiert 2020 in KI



Bitkom-Umfrage: „Welche der folgenden Aussagen trifft auf die Investitionen Ihres Unternehmens in Künstliche Intelligenz zu?“, Befragten Unternehmen (n=603), Mehrfachnennungen möglich, Antworten in %

6

15

13

59

0 10 20 30 40 50 60 70

In der Vergangenheit investiert

Investieren 2020

Werden 2021 oder später investieren

Haben noch nie investiert & keine Pläne

• Gemäß einer Umfrage des Verbandes der Digitalwirtschaft, Bitkom sehen lediglich 55% aller befragten Unternehmen KI als eine Chance, 28% dagegen KI als Risiko.

Verarbeitendes Gewerbe mit der größten Einsatzdichte von KI


Quelle: PAICE Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi): Potenziale der Künstlichen Intelligenz im Produzierenden Gewerbe in Deutschland, LBBW Research.

KI-Anwendungen mit dem größten technologischen Potenzial in deutschen Unternehmen (Antworten in Prozent), Stand 2017

17

18

24

28

30

31

33

35

37

43

0 10 20 30 40 50

keine dieser Anwendungen

Affective Computing

Kognitive Systeme

Intelligente Automatisierung

Predictive Analytics

Sprachsteuerung

Intelligente Sensorik

Robot Process Automation

Knowledge Management

Digitale Assistenzsysteme

Predictive Analytics als wichtigste Anwendung


Quelle: PAICE Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi): Potenziale der Künstlichen Intelligenz im Produzierenden Gewerbe in Deutschland.

Anteil der befragten Anwender und Anbieter, die den jeweiligen KI-Anwendungsfeldern infünf Jahren ein hohes bis sehr hohes disruptives Potenzial beimessen, Stand 2017

• Anbieter und Nutzer von KI-Technologien sind sich in Bezug auf die Bedeutung der einzelnen Technologien relativ einig. Daher auch die sehr enge Verteilung nahe der 45-Grad-Achse.

• Predictive Analytics-Methoden kommt die größte Bedeutung bis 2022 zu.

• Der Anwendung des Autonomen Fahrens und Fliegens im produzierenden Gewerbe räumen nur rund die Hälfte der befragten Anbieter und Anwender ein hohes bis sehr hohes Potenzial ein. Gleiches gilt für das Optimierte Ressourcenmanagement.

• Schlusslicht bildet in der Befragung der Anwendungsbereich der Qualitätskontrolle. Diesen erachteten nur rund 40 % der Anbieter und 45 % der Anwender als besonders potenzialträchtig.

KMU fokussieren dagegen stärker die Bereiche Wissensmanagement und Qualitätskontrolle



Anteil der befragten Anwender und Anbieter, die den jeweiligen KI-Anwendungsfeldern infünf Jahren ein hohes bis sehr hohes disruptives Potenzial beimessen, Stand 2017

• Auch kleine und mittlere Unternehmen (KMU) und Großunternehmen (GU) kommen in bestimmten Bereichen zu unterschiedlichen Einschätzungen hinsichtlich des zukünftigen Einsatzpotenzials der KI.

• Abweichungen finden sich für die Bereiche Robotik sowie dem Optimierten Ressourcenmanagement, denen GU ein größeres Potenzial zusprechen.

• KMU dagegen fokussieren stärker die Bereiche Wissensmanagement und Qualitätskontrolle.

Wichtig ist v. a. die Robustheit der Algorithmen, Cyber-Sicherheit und Datenqualität



Anteil der befragten Anbieter und Anwender, die für den Einsatz von KI die jeweiligenSystemvoraussetzungen als bedeutend bis sehr bedeutend einschätzen, Stand 2017

Verwendung von Big-Data-Anwendungen ausbaufähig


DESI – Digital European Society Index, 2020, Subsubindex Big Data 2020, Daten basierend auf 2018

0 5 10 15 20 25 30

Cyprus

Hungary

Austria

Bulgaria

Italy

Latvia

Poland

Czechia

Slovakia

Sweden

Slovenia

Croatia

Spain

Estonia

Romania

European Union

Greece

Portugal

Denmark

Lithuania

Germany

France

Luxembourg

United Kingdom

Finland

Ireland

Belgium

Netherlands

Malta

Die Unternehmen müssen sich mit ihrer IT nach außen öffnen


IoT PaaS = Platform-as-a-Service; SaaS = Software-as-a-Serviice, On Premise = Lizenz- und Nutzungsmodell für serverbasierte Computerprogramme; BI = Business Intelligence, VPN = Virtual Private Network, MES = Manufacturing Execution System

Quelle: opitz-consulting.com; Wolfgang Wahlster: „Mehr vom Menschen lernen“, in FAZ, 09.09.2020.

Hybride IT-Infrastrukturen als Zukunft der deutschen Industrieunternehmen

• Wie die Abbildung links zeigt, ist für die Zukunft eine hybride IT-Infrastruktur der Unternehmen zu erwarten.

• Die Anbindung der internen IT-Infrastrukturen (unterer Teil) wird mehr und mehr auf Cloud-Lösungen (oberer Teil) angebunden sein.

• Der Kundennutzen, der hieraus entsteht, ist vielfältig: Erhöhung der Reaktionsfähigkeit Unterstützung neuer Geschäftsmodelle Sicherung der operativen Geschäftstätigkeit Optimierung der Betriebskosten Komplexitätsreduktion

• Durch die derzeit stark erhöhten Echtzeitanforderungen an KI-Systeme im Bereich Produktion, Logistik und Mobilität zeichnet sich aber wiederum ein klarer Trend zur Ablösung zentraler Cloud-Dienste durch vernetzte dezentrale Speicher-und Rechenheinheiten ab. Diese werden am Rande der Kommunikationsnetzwerke (daher als „Edge-Clouds“ bezeichnet) installiert werden, so dass etwa Sensordaten ohne Umwege sofort dort, wo sie entstehen, mit KI analysiert und in Steuerungsimpulse umgesetzt werden können.

Bei Verwendung von Cloud-Services im unteren Drittel


Quelle: EU, LBBW Research.

DESI – Digital European Society Index, 2020, Subsubindex Cloud 2020, Daten basierend auf 2018

0 5 10 15 20 25 30 35 40

BulgariaPolandGreece

RomaniaLatviaAustria

HungaryGermanySlovakiaCyprus

ItalyFranceCzechiaPortugal

LuxembourgSpain

LithuaniaSlovenia

European UnionCroatiaMalta

EstoniaUnited Kingdom

BelgiumIreland

DenmarkNetherlands

SwedenFinland

Unternehmen positiv gegenüber Open-Source-Software eingestellt, aber noch wenig verwendet



Bitkom-Umfrage: Verwendung von Open-Source-Software nach Technologietypen in deutschen Unternehmen, 2019, Antworten in %

• Software, die unter eine Open-Source-Lizenz gestellt wird, kann frei ausgeführt werden, ihr Quellcode steht zur Analyse und Anpassung offen und sie darf auch in modifizierten Varianten weitergegeben werden. Das ermöglicht einer Vielzahl unterschiedlicher Entwickler und damit auch unterschiedlicher Beteiligter aus Wirtschaft, Wissenschaft und Gesellschaft am gleichen Problem zu arbeiten. Damit können sie von den Ideen und Lösungen der anderen profitieren, sie verbessern und weiterentwickeln.

• Open Source ist in dreierlei Hinsicht mitentscheidend dafür, dass Deutschland die Digitalisierung erfolgreich gestalten kann. Erstens ist schon heute in nahezu jedem IT-System mit hoher Wahrscheinlichkeit eine Open-Source-Komponente zu finden. Zweitens kann durch bestehende Open-Source-Software die Neu- und Weiterentwicklung von Software stark vereinfacht werden. Entwickler können auf eine Vielzahl von erprobten und bewährten Komponenten, Modulen und Bibliotheken zurückgreifen und so das Entwicklungstempo erhöhen. Das ist gerade bei neuen digitalen Entwicklungen und Technologien wie Künstlicher Intelligenz oder Blockchain von entscheidender Bedeutung, Weil bei Open Source keine Lizenzkosten anfallen, sinken zudem auch noch die Entwicklungskosten. Und drittens hat Open Source eine soziale und ethische Ebene. Es geht darum, Dinge miteinander zu teilen und Wissen weiterzugeben.

• Der „Open Source Monitor 2019“ von Bitkom zeigt, dass drei Viertel der Unternehmen an Open Source interessiert und dem Thema gegenüber aufgeschlossen sind. Allerdings hat nur jedes fünfte Unternehmen eine Open-Source-Strategie, mehr als drei Viertel geht das Thema nicht strategisch an. so liegt mit Blick auf den Standort Deutschland das wohl größte Potenzial von Open Source bislang brach.

37

34

31

28

8

1

46

53

55

63

84

95

0 10 20 30 40 50 60 70 80 90 100

Container‐Technologie

Big Data & Analytics

Cloud Computing

Internet of Things (IoT)

KI/Machine Learning

Blockchain

OSS kein Thema Verwendung von OSS

Datengetriebene Geschäftsmodelle oft durchfehlende Ideen und Datenschutz gehemmt


Quelle: IW Köln.

Anteil der datengetriebenen Produkte oder Dienstleistungen am Umsatz in deutschen Unternehmen, Umfrage des IW Köln: „Welche Bedeutung haben datengetriebene Produkte / Dienstleistungen und der Verkauf von Daten für Ihr Unternehmen?“, X-Achse: Perzentile, Y-Achse: Prozentualer Anteil am Umsatz

• Wie eine Umfrage der IW Consult zeigt, verfügten im Jahr 2019 bereits knapp 31 Prozent der deutschen Unternehmen über ein datengetriebenes Geschäftsmodell. Hierbei wird der Großteil der Unternehmen durch den Wettbewerb auf dem Markt angetrieben.

• Als größtes Hemmnis für die Implementierung datengetriebener Geschäftsmodelle empfinden Unternehmen, die vorrangig klassische Produkte anbieten, diesbezügliche strategische Fragen (fehlende Ideen, fehlende Entwicklungsstrategien, Unklarheiten bei der Nutzung von Daten).

• Wie die Abbildung links zeigt, sind bei der Hälfte der befragten Unternehmen (Perzentil 50 auf der X-Achse) mindestens 71 Prozent der Umsätze (Y-Achse) auf datengetriebene Geschäftsmodelle zurückzuführen. Der diesbezügliche Anteil der Umsätze wird hier von heute von einem Mittelwert von etwas unter 50% auf rund 65% in fünf Jahren ansteigen.

Es fehlen IKT-Fachkräfte


Quelle: EU, LBBW Research.

DESI – Digital European Society Index, 2020, Subindex IKT-Fachkräfte 2020, Daten basierend auf 2018

0 1 2 3 4 5 6 7 8

Finland

Sweden

Estonia

Luxembourg

Netherlands

United Kingdom

Belgium

Malta

Austria

Denmark

Ireland

Czechia

Slovenia

European Union

Germany

France

Hungary

Croatia

Slovakia

Spain

Bulgaria

Poland

Italy

Lithuania

Cyprus

Portugal

Romania

Greece

Latvia

Was können die Unternehmen tun?


Quelle: https://www.iwu.fraunhofer.de/de/presse-und-medien/presseinformationen/PM-2020-KI_ML4P.html, Wolfgang Wahlster: „Mehr vom Menschen lernen“, in FAZ, 09.09.2020.

• Auch wenn produzierende Unternehmen des Mittelstands von den Potenzialen künstlicher Intelligenz überzeugt sind, so stockt die Anwendung in der Breite doch nach wie vor. Das größte Problem ist die Umgestaltung der Produktionsanlagen und -prozesse in den Fabriken. In den Köpfen der Verantwortlichen sind die Vorteile zwar oft sehr klar. Es wurde erkannt, dass mit KI bessere Produkte mit geringerem Ressourceneinsatz hergestellt werden können oder dass Maschinen länger ohne Wartungen auskommen. Wenn es aber um greifbare Veränderungen in der Praxis geht, scheinen die Herausforderungen immer noch größer als die Chancen.

• Das Wissen um intelligente Algorithmen für maschinelles Lernen ist allein aber noch kein hinreichender Erfolgsfaktor für den breiten Einsatz von KI im Mittelstand. Gespräche von Forschungsinstitutionen wie dem Fraunhofer Institut mit potenziellen Anwendern ergeben, dass es entscheidend ist, ob KI-Spezialisten „Produktionstechnik im Blut“ haben. Es ist damit ganz entscheidend, dass die Unternehmen daher nicht KI-Prozesse an Externe outsourcen, sondern entscheiden, was sie hier selbst übernehmen. Zentral ist daher die Weiterbildung von Mitarbeitern aus den Produktionsprozessen in Bezug auf KI.

• Hinzu kommt, dass besonders der Mittelstand ein über Jahrzehnte aufgebautes, sehr spezielles Ingenieurwesen als wesentlichen Vorteil im Markt für die Produktion hochwertiger Güter verfügt, das bei der Formulierung von KI-Modellen genutzt werden muss. Der Trend dürfte daher sowieso ein Stück weit weg vom klassischen maschinellen Lernen, dass derartige Wissensvorsprünge nicht nutzt, wegdriften. Vielmehr sind Projekte zum Aufbau von Firmenwissensgraphen und digitalen Zwillingen besonders im Verarbeitenden Gewerbe zu starten. Wissensgraphen sind riesige Netzwerke von digital repräsentierten „Subjekt-Prädikat-Objekt“-Beziehungen, die extrem schnell in optimierten Graphwissensbanken durchsucht werden können und durch eine für die KI-Software eindeutig festgelegte Bedeutung auch einfache maschinelle Schlussfolgerungen zulassen.

• Unternehmen, die KI-Methoden noch nicht eingeführt haben, raten wir einfach mit kleinen KI-Projekten anzufangen. Die Lernkurve ist relativ steil. Hierzu geben die IHKs und Fraunhofer-Institute exzellente Hilfestellungen. Entscheidend ist, dass die Organisationsstrukturen mittelfristig in den Unternehmen dahingehend geändert werden, dass sie Anwendungen von KI förderlich sind. Zum einen, um für zumeist junge IKT-Fachkräfte attraktiv zu sein, zum anderen gelten Organisationsstrukturen mit starken Hierarchien als hauptsächlicher Flaschenhals für die Anwendungen von KI. Hierzu bedarf es aber zunächst eine KI-Strategie für das Unternehmen. Führungskräfte müssen soviel Wissen über KI haben, dass sie entsprechende strategische Entscheidungen treffen können.

Was kann die Politik zur Förderung von KI tun?



Empfehlungen der IHK Baden-Württemberg an die Politik• Wissensbasis verbreitern

Branchen mit Informationsdefiziten (z. B. Handel, Bauwirtschaft) müssen von Politik und Intermediären noch stärker „abgeholt“ werden. Sensibilisierung und passgenaue Informationsangebote sowie Best-Practice-Beispiele sind hier besonders wichtig.

Technologiepolitische KI-Maßnahmen müssen gerade auch auf kleine Unternehmen abzielen. Viele dieser Unternehmen tun sich noch schwer mit der Einschätzung, was KI für sie bedeutet. Konkrete Mehrwerte durch KI müssen noch sichtbarer gemacht werden, z. B. durch Best-Practices.

Fehlendes eigenes Know-how hält Unternehmen von KI ab und ist eine der größten Hürden für KI-Anwender. Deshalb sind weiter verstärkte Anstrengungen bei der Ausbildung und Weiterbildung von KI-Fachkräften nötig.

• Technologietransfer forcieren Eine große Hürde für reine KI-Anwender ist der Zugriff auf Kooperationspartner. Nachteilig wirkt hier, dass die Mehrzahl an Intermediären und

Förderangeboten im KI-Kontext bei den Unternehmen nur wenig bekannt sind. Die Sichtbarkeit vieler Unterstützungsangebote muss erhöht werden. Dafür braucht es neben Investitionen in Infrastrukturen und Köpfe auch entsprechende Marketingbudgets. Kleine Unternehmen müssen noch besser erreicht werden.

Im Internet bereits verfügbare Informationen über Fördermöglichkeiten, Kooperationsangebote öffentlicher Forschungseinrichtungen, Unterstützungsangebote von Intermediären sowie über „Mitmachprojekte“, an denen sich Unternehmen auch unabhängig von einer Förderung beteiligen können, sollten IT-basiert und möglichst automatisiert an einer Stelle im Internet zusammengeführt und aktuell gehalten werden.

• Daten für Unternehmen verfügbar machen Die Verfügbarkeit und Nutzung von Daten ist ein zentraler KI-Aspekt. Neben der klassischen Innovationsförderung muss die Politik Unternehmen dabei

unterstützen, auf KI-relevante Daten, etwa der öffentlichen Hand, zugreifen und diese zur Entwicklung neuer KI-basierter Lösungen und Geschäftsmodelle nutzen zu können.

Einrichtungen, die Unternehmen befähigen, das Potenzial von Daten zu erkennen und konkret zu nutzen, müssen weiter gefördert werden.

• KI-Investitionen durch Förderung unterstützen Die finanzielle Förderung von KI-Innovationen sollte möglichst viele Unternehmen dabei unterstützen, sich erfolgreich als Anbieter am „KI-Markt“ zu

etablieren. Als Vorreiter können dabei Branchen dienen, in denen sich zukünftig besonders hohe Anteile an KI-Anwendern und KI-Anbietern abzeichnen (z. B. Information, Kommunikation, Software, Unternehmensberatung, Industrie).

Um der „Finanzierungs-Hürde“ bei vielen KI-Anwendern entgegenzuwirken, müssen entsprechende Förderprogramme von Politik und Intermediären noch stärker in der Fläche beworben werden. Viele Maßnahmen sind noch zu wenig bekannt.

Vorhandene Förderprogramme müssen verstetigt und ausgebaut werden.

Disclaimer.Diese Publikation richtet sich ausschließlich an Empfänger in der EU, Schweiz und in Liechtenstein.

Diese Publikation wird von der LBBW nicht an Personen in den USA vertrieben und die LBBW beabsichtigt nicht, Personen in den USAanzusprechen.

Aufsichtsbehörden der LBBW: Europäische Zentralbank (EZB), Postfach 16 03 19, 60066 Frank-furt am Main und Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin), Postfach 1253, 53002 Bonn / Postfach 50 01 54, 60391 Frankfurt.

Diese Publikation beruht auf von uns nicht überprüfbaren, allgemein zugänglichen Quellen, die wir für zuverlässig halten, für deren Richtigkeit und Vollständigkeit wir jedoch keine Gewähr übernehmen können. Sie gibt unsere unverbindliche Auffassung über den Markt und die Produkte zum Zeitpunkt des Redaktionsschlusses wieder, ungeachtet etwaiger Eigenbestände in diesen Produkten. Diese Publikation ersetzt nicht die persönliche Beratung. Sie dient nur Informationszwecken und gilt nicht als Angebot oder Aufforderung zum Kauf oder Verkauf. Für weitere zeitnähere Informationen über konkrete Anlagemöglichkeiten und zum Zwecke einer individuellen Anlageberatung wenden Sie sich bitte an Ihren Anlageberater.

Wir behalten uns vor, unsere hier geäußerte Meinung jederzeit und ohne Vorankündi-gung zu ändern. Wir behalten uns des Weiteren vor, ohne weitere Vorankündigung Aktualisierungen dieser Information nicht vorzunehmen oder völlig einzustellen.

Die in dieser Ausarbeitung abgebildeten oder beschriebenen früheren Wertentwicklungen, Simulationen oder Prognosen stellen keinen verlässlichen Indikator für die künftige Wertentwicklung dar.

Die Entgegennahme von Research Dienstleistungen durch ein Wertpapierdienstleistungsunter-nehmen kann aufsichtsrechtlich als Zuwendung qualifiziert werden. In diesen Fällen geht die LBBW davon aus, dass die Zuwendung dazu bestimmt ist, die Qualität der jeweiligen Dienstleistung für den Kunden des Zuwendungsempfängers zu verbessern.

21.09.2020 37

21.09.2020 10:55 21.09.2020 11:35


Documents

Anwendungen von künstlicher Intelligenz€¦ · Die Cloud-Anbieter, die die Speicherung der Daten vor nehmen (wie beispielsweise Amazon Web Services oder Microsoft Azure) bieten