KI made in Germany

Andreas Mühlbauer,

Chancen in der Nische

Lange Zeit sonnte sich Deutschland in der Rolle des globalen Tech-Pioniers. In Sachen Digitalisierung und Künstliche Intelligenz hinken wir jedoch hinterher. Noch gibt es allerdings KI-Nischen, in denen die deutsche Industrie durchaus punkten kann.

Vollautomatisierter ML-Model-Lebenszyklus mit einer voll automatisierten MLOps Pipeline. © doubleSlash

Allein im Jahr 2020 investierten private Unternehmen aus den USA und China mehr als 33 Milliarden US-Dollar in Entwicklungen rund um Künstliche Intelligenz. In Deutschland erwarten Marktkenner rund fünf Milliarden Euro an KI-Investitionen – von 2018 bis zum Jahr 2025 1.

Doch es ist nicht nur das Kapital, das angesichts der rasanten Entwicklung und der schieren Größe des künftigen KI-Marktes hierzulande eher spärlich fließt. Es mangelt bislang auch an konkreten Anwendungsfällen, die echten Mehrwert generieren und als Blaupause für künftige Anwenderinnen und Anwender dienen könnten. Mehr noch: Oft fehlt es sogar an den Voraussetzungen für KI-Anwendungen. Noch sind viele Maschinen und Anlagen nicht oder unzureichend vernetzt, und die Kompetenzen im Bereich des Cloud Computing lassen nach wie vor zu wünschen übrig.

Ingenieurskunst und KI koppeln

„Made in Germany steht im Wesentlichen für deutsche Ingenieurskunst, sei es im Maschinenbau, in der Entwicklung von Industrie- und Infrastrukturanlagen oder im Automobilbau“, sagt Danny Claus, KI-Spezialist beim Softwarehaus doubleSlash. „In diesem Bereich haben wir einen Vorsprung. Noch jedenfalls.“

Anzeige

Allerdings ist dieser Vorsprung nicht mehr allzu groß und schwindet rasant, so der KI-Experte. „Industrieunternehmen weltweit sind derzeit im Begriff, sich in hohem Tempo datentechnisch vernetzen und zu digitalisieren. Der nächste logische Schritt ist der Einsatz künstlicher Intelligenz. In wenigen Jahren wird uns der Vorsprung deutscher Ingenieurskunst nichts mehr nützen, wenn es um Digitalisierung und KI geht.“

Wir sind daher in Deutschland gut beraten, uns jetzt Nischen zu suchen, die noch nicht besetzt sind und uns dabei auf bewährte Stärken zu fokussieren. Vor allem den Anlagen-, Maschinen- und Automobilbau, aber auch die Medizintechnik sieht Danny Claus dafür als prädestiniert. 

Praktische Voraussetzungen für KI-Nutzung schaffen

Es reiche allerdings nicht aus, lediglich den Ausbau der KI-Kompetenz in Deutschland voranzutreiben. Man müsse in Unternehmen und Maschinen auch die Voraussetzungen für deren Einsatz schaffen. Vor allem aber: Die mit KI angepeilten Business Cases müssten sich wirtschaftlich rechnen, um überhaupt eine Chance zu haben, einen Markt zu finden. „Das klingt trivial, fällt in der Realität aber vielen Unternehmen sehr schwer. Allzu viele Ideen und Ansätze bleiben in der Proof of Concept Phase stecken, sie schaffen nicht den Sprung zu einer produktiven Lösung.“

Dabei bieten sich unzählige Anwendungs-Szenarien an, die zum Teil hohe Einspar- beziehungsweise Wertschöpfungspotenziale bergen. So lassen sich mit KI-Unterstützung manuelle Prozesse im Unternehmen automatisieren und noch effizienter machen. Eine KI-Anwendung kann beispielsweise die in der Qualitätskontrolle durch bildgebende Verfahren gelieferten Abbildungen wesentlich schneller und genauer auswerten als der Mensch.  

Hat sich ein Unternehmen erstmal entschieden, Digitalisierung und KI aktiv zu nutzen, ist einer der ersten Schritte: „Suchen Sie gezielt nach Anwendungsfällen, die sich auch wirklich rechnen, zum Beispiel indem Sie Prozesse effizienter machen und/oder Kosten senken. Oder Szenarien, die Ihnen erlauben zusätzliche digitale Services anzubieten, für die der Kunde bereit ist zu zahlen. Denn nur wenn sich der Business Case schnell amortisiert, können Sie auf ausreichende Unterstützung durch das Management zählen. Sie generieren schnelle Ergebnisse und Erfolgserlebnisse und ebnen damit den Weg für die spätere Umsetzung.“

Wartungsprozesse effizienter machen

Zu den besonders vielversprechenden Anwendungs-Szenarien gehören nach Einschätzung des KI-Experten Wartungsprozesse rund um industrielle Anlagen. „Darin steckt  viel Potential für KI-Anwendungen, das Thema liegt international noch einigermaßen brach – und wir haben in Deutschland viele Basiskompetenzen auf diesem Gebiet.“

Maintenance-Verantwortliche können beispielsweise mit Hilfe moderner KI-Methoden Ausfälle und Störungen in Anlagen- und Maschinen frühzeitig erkennen oder dank gut trainierter Algorithmen sogar vorhersagen. Damit lassen sich Wartungsprozesse vorausschauend planen und deutlich effizienter gestalten. Zugleich verringert die sogenannte Predictive Maintenance Ausfallzeiten, senkt Kosten und steigert die Kundenzufriedenheit, aber auch die Effizienz.

Vorgehen bei der intelligenten Störungserkennung. © doubleSlash

Das wirtschaftliche Potenzial ist riesig: So lassen sich laut McKinsey die Ausfallzeiten von Produktionsanlagen um bis zu 50 Prozent und die Wartungskosten um 20 bis 40 Prozent senken2.  Daran wird deutlich, dass sich Investitionen in diesem Bereich schnell lohnen können. „Das heißt, die Wahrscheinlichkeit, einen rentablen Business Case zu stricken, ist hoch. Ich bin daher überzeugt, deutsche Unternehmen tun gut daran, mehr in solche Anwendungsfälle zu investieren

Maschinen und Anlagen vernetzen

Entscheidende Voraussetzung für KI-Anwendungen ist, dass man über Daten verfügt. Je mehr, desto besser. Denn die Menge an verfügbaren Daten korreliert mit der Qualität der Ergebnisse, die ein KI-System bringt. Die Konsequenz: „Um KI in Deutschland zum Durchbruch zu verhelfen, brauchen wir möglichst viele Unternehmen, deren Maschinen und Anlagen datentechnisch vernetzt und die auf dieser Basis durchgängig digitalisiert sind.“

Wie sich die Digitalisierung auf die Entwicklung neuer Geschäftsmodelle, auf Innovationskraft und -geschwindigkeit auswirkt, zeigen die Beispiele von Unternehmen, deren Geschäftsmodell vollständig digitalisiert ist: Amazon, Google & Co. fällt es in der Regel leicht, auf die Daten ihrer Abermillionen von Kunden und Produkten zuzugreifen.

Auf Basis dieser Daten können sie innerhalb kürzester Zeit immer neue KI-Anwendungen aufbauen und trainieren. Mit dem zusätzlichen Vorteil, dass ihnen die Daten genau sagen, wo die Bedürfnisse ihrer Zielgruppen liegen, wie ihre Produkte angewandt werden und wie sich welche Parameter verändern. Eine bessere Grundlage für Geschäftserfolg gibt es nicht.

Die klassischen deutschen Maschinen- und Anlagenbauer haben es hier deutlich schwerer – allein schon, weil sich ihre Geschäftsmodelle nach wie vor auf Hardware gründen. Eine Windkraftanlage, eine Druckmaschine oder eine Straßenbahn muss erst noch vernetzt und in ein wertschöpfendes datengetriebenes Businessmodell integriert werden.

Das erfordert die Entwicklung spezieller IoT-Lösungen, die Daten aus den jeweiligen Anlagen auslesen und mit Hilfe von IoT Edge Devices an ein dafür ausgelegtes Backend übermitteln.

Mut zur Digitalisierung

Derartige Lösungen müssen die jeweiligen Hersteller zunächst individuell entwickeln. Das erfordert eine klare unternehmerische Entscheidung und durchaus auch Mut, Geld für eine solche nicht unbedeutende Investition in die Hand zu nehmen. „Das lohnt sich jedoch, denn damit lassen sich bislang brach liegende, völlig neue Potenziale in punkto Digitalisierung im gesamten Unternehmen ausschöpfen“, ist Danny Claus überzeugt.

Tesla zeigt, wie das geht: So können Tesla-Besitzer:innen KI basierte Funktionen wie den „Enhanced Autopilot“ über eine App quasi im laufenden Betrieb dazu buchen. Damit erschließt sich das anbietende Unternehmen zusätzliches Wertschöpfungspotenzial, ohne dass es dafür, ist es einmal entwickelt, viel investieren muss. Und es erlaubt ihm einen sehr genauen Blick dafür, was die Kundin oder der Kunde will.

Dieses Beispiel lässt sich auf viele andere Anwendungs-Szenarien übertragen. Dabei geht es im Kern immer darum, auf der Basis von Vernetzung und KI bestimmte Services „on demand“ zu buchen und nur für deren Nutzung zu bezahlen, meint Danny Claus. „Schon jetzt werden viele Produkte nicht mehr gekauft, der Verbraucher nutzt und bezahlt sie dann, wenn er sie benötigt. Dieser Trend verstärkt sich aktuell sehr schnell, und dafür ist KI unabdingbar.“

Es ist eindeutig: Mit einer Digitalisierung, die sich durch die gesamte Wertschöpfungskette im Unternehmen zieht, eröffnen sich völlig neue Geschäfts- und Bezahlmodelle. Vernetzung ist fast immer die Voraussetzung dafür.

Cloud-Technologien einsetzen

Die Anforderungen an KI-Anwendungen unterscheiden sich vor allem in einem Punkt deutlich von denen klassischer Software: Das Training der KI-Modelle kann sehr ressourcenintensiv sein, da ihnen – siehe oben – in aller Regel große Datenmengen zugrunde liegen, mit denen rechenintensive Operationen durchgeführt werden. Folglich müssen diese Anwendungen in hohem Maße skalierbar sein. Hinzu kommen Anforderungen wie Funktionen zur Versionierung und Überwachung von Daten und KI-Modellen sowie das kollaborative Zusammenarbeiten von Data Science Teams.

Cloudbasierte Lösungen wie Microsoft Azure oder Amazon Web Services (AWS) liefern hierfür bereits umfangreiche, teilweise vorgefertigte Services und Lösungen. Darüber hinaus lassen sie sich mit anderen IoT-Technologien wie beispielsweise ThingWorx kombinieren, was die Integration in Anwendungsfälle wie oben beschrieben stark vereinfacht.

Die meisten großen deutschen Konzerne haben inzwischen viele ihrer IT-Anwendungen in die Cloud ausgelagert oder sind auf dem Weg dorthin. Dabei haben sie es geschafft, die gerade in der EU sehr hohen datenschutzrechtlichen Herausforderungen zu meistern.

Allerdings gibt es gerade in vielen mittelständischen Unternehmen, wo zahlreiche klassische Hidden Champions sitzen, noch Vorbehalte. Und natürlich mangelt es auch einfach an Erfahrung beziehungsweise an Expert:innen, die diese Technologien beherrschen.

Danny Claus ist überzeugt: „Es ist dringend an der Zeit, dass die mittelständischen Unternehmen hierzulande diese Lücke schließen. Denn hierin steckt aus meiner Sicht die fast historisch zu nennende Chance, sich als Pionier im Bereich der Digitalisierung und Künstlichen Intelligenz im Verbund mit klassischen Industrieanwendungen zu positionieren

Fazit

KI ist eine zentrale Schlüsseltechnologie, um auch in Zukunft die internationale Wettbewerbsfähigkeit von „Made in Germany“ zu erhalten. Es reicht jedoch nicht aus, sich ausschließlich mit KI selbst zu beschäftigen. Stattdessen müssen viele deutsche Firmen erst noch die entsprechenden Voraussetzungen schaffen: Sie sollten ihre Produkte möglichst rasch umfangreich vernetzen und eine durchgängige Digitalisierung aufbauen, die die gesamte Wertschöpfungskette im Unternehmen einbezieht. Außerdem sollten sie den Ausbau ihrer Technologiekompetenzen im Cloudbereich forcieren. Erst dann lässt sich das ganze Potenzial, dass künstliche Intelligenz birgt, voll ausschöpfen.

Ein Beispiel, wie das geht, gibt die Firma Celonis. Das Unternehmen ist spezialisiert auf das sogenannte Process Mining, also die systematische Analyse und Auswertung von Geschäftsprozessen. Dass KI hilft, Prozesse schnell und vor allem treffsicher zu analysieren und auszuwerten, liegt auf der Hand. Genau dafür macht sich Celonis künstliche Intelligenz zunutze.

Ein weiteres Beispiel für den produktiven Einsatz von KI ist bei der Münchner Firma Konux zu finden. Mit einem relativ einfachen Anwendungsfall – dem Identifizieren von Störungen an Eisenbahnweichen – hat es Konux mittels KI-, IoT- und Cloud-Technologien geschafft, ein erfolgreiches Geschäftsmodell aufzubauen. Ein Modell, das mit über 130 Millionen Euro Risikokapital ausgestattet ist. Damit ist es derzeit das am höchsten finanzierte KI-Startup in Deutschland.

Anzeige

Das könnte Sie auch interessieren

Anzeige

Servopresse

Reibungslose Kommunikation

Das Be- und Entladen von Maschinen zu automatisieren, steigert die Effizienz in der Produktion – besonders wenn die anschließende manuelle Sichtprüfung ebenso automatisch abläuft. AI-pro entwickelt dafür individuelle Lösungen und ergänzt Maschinen...

mehr...
Anzeige
Anzeige

Fertigungsprozesse

Intelligenz für die Produktion

Auch für kleine und mittlere Unternehmen lassen sich digitale Vernetzung und Industrie 4.0 inzwischen problemlos einführen. Angesichts des aktuellen Fachkräftemangels liegt ein Schlüssel in der einfachen Programmierung von Fertigungsprozessen.

mehr...
Anzeige
Anzeige
Anzeige
Anzeige

Hannover Messe

Künstliche Intelligenz in der Fertigung

Die KI-Einführung in der Fertigung scheitert oft beim Übergang vom Proof of Concept in den Regelbetrieb. Vermeiden lässt sich das nur mit einem Ansatz, der das gesamte Spektrum von kaufmännischen, technischen und organisatorischen Abhängigkeiten...

mehr...

Nachhaltigkeit

Schleifen statt neu produzieren

Das Forschungsprojekt RoboGrind will mit einer KI-basierten, flexiblen Automatisierungslösung zur robotergestützten Oberflächenbearbeitung die Refabrikation verschlissener Komponenten wettbewerbsfähig gegenüber der Neuproduktion machen.

mehr...