Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
38 Elektronik 02 2020 Künstliche INtelligenz klar welche Schritte er bei der Digitalisierung am besten machen soll Es kann sein dass sein Produkt so analog ist dass es daran schlicht und einfach nichts zu digitalisieren gibt Das bedeutet aber nicht dass nichts verändert werden kann beziehungsweise sollte Wir sehen uns dann beispielsweise die Produktion und die Logistik an und erarbeiten gemeinsam mit dem Kunden was wir daran verbessern können Digitalisierung ist nicht zwangsläufig eine riesige Hightech-Angelegenheit sondern besteht häufig aus kleinen überschaubaren Schritten Der Erfolg hängt oft davon ab ob genügend Daten gesammelt wurden sodass man mit einer vernünftigen Auswertung zu neuen Erkenntnissen kommt Manchmal ist das Resultat lediglich die Reihenfolge von Schritten zu verändern was aber deutliche Verbesserungen zur Folge hat Oft liegt in diesem pragmatischen Ansatz eine größere Chance als krampfhaft zu versuchen Prozesse zu digitalisieren die eigentlich nicht vernünftig zu digitalisieren sind Können Sie ein Beispiel nennen? Vor kurzem haben wir ein Digitalisierungsprojekt bei einem mittelständischen Reifenhersteller durchgeführt Der Prozess der Reifenherstellung selbst ist im Wesentlichen seit Jahrzehnten der Gleiche und bietet nicht mehr viele Optimierungsund Automatisierungsmöglichkeiten Dem Kunden konnten wir mit dem Einsatz von maschinellem Lernen ML helfen und zwar in der letzten Phase der Fertigung bei der Einsortierung und Qualitätssicherung der Reifen Mit Methoden des maschinellen Lernens werden die Reifentypen erkannt eventuelle Mängel entdeckt die Reifen automatisch einsortiert etc Wir haben hier Potenziale entdeckt die sich sofort positiv auf die Fertigungskosten auswirken Was bedeutet das für die Zusammenarbeit mit dem Kunden? Ich sage immer dass es keine Patentrezepte gibt sondern lediglich sehr viele Möglichkeiten Entscheidend ist dass sich Kunde und Anbieter Zeit nehmen um gemeinsam zu erarbeiten was möglich ist Es gibt IT-Firmen die behaupten Wir innovieren für Sie Ich persönlich finde es anmaßend so etwas zu sagen da ein Innovationsprozess nur gemeinsam mit dem Kunden funktionieren kann Wenn es wirklich so weit wäre dass ein IT-Anbieter einem anderen Unternehmen sagen muss was es in seinem eigentlichen Kerngeschäft machen soll dann hat das Unternehmen ein ganz anderes Problem Unsere Aufgabe ist es gemeinsam mit dem Kunden und eventuell auch mit Partnern in einem Co-Creation-Prozess Lösungen zu erarbeiten Dabei bringt der Kunde Erfahrungen aus seinem Geschäft ein und wir die technische Kompetenz sowie die Erfahrungen aus vielen vorhergehenden Projekten Nach ungefähr ein bis zwei Tagen liegen dann sehr konkrete Ergebnisse vor und man kann beginnen diejenigen mit dem besten Aufwand-Nutzen-Verhältnis umzusetzen Das klingt erst einmal recht trivial Ja aber einfach ist es dennoch nicht In Deutschland haben viele nicht verstanden was wir überhaupt erreichen wollen beziehungsweise können Oft wird die Frage nach einem deutschen Google oder Facebook gestellt Wir befinden uns aber nicht im Silicon Valley und haben nicht die entsprechenden Industrien Unsere Herausforderung ist wie wir die bestehenden Industrien überlebensfähig machen und sie in eine digitale Zukunft führen Wir brauchen keine digitalen Autos sondern nur digitalisierte Autos Denn ein digitaler Wagen existiert lediglich im Rechner aber ich kann mich nicht hineinsetzen Unsere Automobilbranche mit ihren Millionen von Arbeitsplätzen ist in einigen Bereichen im internationalen Vergleich zurückgefallen Hier besteht teilweise dringender Digitalisierungsbedarf Dies ist eine der primären Herausforderungen vor denen wir hierzulande stehen Sie haben ja bereits künstliche Intelligenz KI und Maschinenlernen ML angesprochen Welche Rolle spielt KI für Fujitsu? Künstliche Intelligenz ist mittlerweile eine Technologie geworden die praktisch überall Anwendung findet Wobei das was gemeinhin als KI bezeichnet wird oft eher in den Bereich des maschinellen Lernens ML fällt ML ist eine wunderbare Technik und funktioniert in den meisten Fällen sehr gut Es gibt jedoch ein Problem ML ist naturgemäß intransparent Es gibt Ergebnisse aber wir verstehen nicht was sie bedeuten Lernt ein System beispielsweise Ausschuss von guter Ware zu unterscheiden ist das toll Die Frage ist jedoch warum funktioniert das so? Momentan ist das meist nicht nachvollziehbar Denn es ist nicht der Algorithmus der die versteckten Zusammenhänge und Regeln beinhaltet sondern die Datenmenge die für das Trainieren verwendet wurde Können Sie das genauer erklären? Ein interessanter Fall ereignete sich kürzlich in den USA Ein automatisiertes System zeigte für die Kreditvergabe bei einer Bank Tendenzen die Afroamerikaner und Frauen benachteiligten Das führte aus ethischen Gründen zu Empörung und ein Richter ordnete eine Inspektion des AlgorithDigitalisierung ist nicht zwangsläufig eine riesige HightechAngelegenheit