KI-AGIL: Künstliche Intelligenz durch agile Arbeitsformen für Betriebe erschlie?en Montag, 14. M?rz 2022

Forschung ist für unsere 新老虎机平台,最新老虎机 in Erg?nzung zur praxisorientierten Lehre profilbildend. Als Innovationstreiber für die Hochschulregion werden so Brücken zwischen Forschung, Lehre und Praxis geschlagen. Ein Beispiel ist das binationale Forschungs- und Entwicklungsprojekt KI-AGIL des Instituts für Duale Studieng?nge (IDS) am Campus Lingen und der Hanzehogeschool Groningen, welches im Rahmen des INTERREG-Programms gef?rdert wird. Das Projekt wurde von Prof. Dr.-Ing. Wolfgang Arens-Fischer ins Leben gerufen, welcher auf deutscher Seite durch Prof. Dr. Ralf Buscherm?hle, Experte für KI, und Markus Feld, wissenschaftlicher Mitarbeiter und Programm Manager, unterstützt wird. Im Interview gew?hrt Markus Feld spannende Einblicke in das Projekt.

Womit besch?ftigt sich das Projekt KI-AGIL? Was sind die Ziele des Projektes?

Feld: Wir erforschen, wie für kleine und mittelst?ndische Unternehmen (KMUs) in der deutsch-niederl?ndischen Grenzregion KI-Technologien erschlossen werden k?nnen. Wir sehen, dass sich viele KMUs bisher noch nicht intensiv mit dem Thema KI auseinandergesetzt haben. Aus diesem Grund ist das Ziel des Projektes, KMUs an das Thema heranzuführen, sodass diese daraufhin eigene KI-L?sungen für ihr Unternehmen entwickeln k?nnen. Exemplarisch werden im Rahmen von KI-AGIL aktuell sechs KMUs der Grenzregion darin unterstützt, KI in ihre Gesch?ftsfelder zu implementieren. Zudem werden weitere Betriebe zu den M?glichkeiten der KI-Nutzung beraten.

Was ist für Sie das Besondere am Projekt KI-AGIL?

Feld: Das Projekt gliedert sich in sechs Teilprojekte, die jeweils eigene Anwendungsgebiete der KI aufgreifen und entsprechende spezifische Methoden und Konzepte der KI für die Erarbeitung von L?sungsans?tzen aufgreifen. Dazu tauschen sich die KI-Experten der Teilprojektgruppen intensiv miteinander aus. Das ist sehr interessant, weil alle Beteiligten auf diese Weise einen Eindruck davon erhalten, vor welchen Herausforderungen die anderen stehen und wie diese damit umgehen. Das Spannende dabei ist, dass die Unternehmen aus den unterschiedlichen Anwendungsfeldern h?ufig mit ?hnlichen Fragen und Hindernissen bei der Nutzung von KI konfrontiert sind, aber unterschiedliche L?sungswege umsetzen. In den Meetings k?nnen die KI-Experten und die Unternehmen ihre Erfahrungen teilen, sich gegenseitig Ratschl?ge geben und voneinander lernen. Der grenzüberschreitende Austausch schafft so einen Mehrwehrt für alle Beteiligten.

Das Projekt KI-AGIL gilt als Folgeprojekt von ID3AS. Inwiefern baut KI-AGIL auf dem Projekt ID3AS auf?

Feld: Das Projekt ID3AS setzte sich prim?r mit dem Thema Sensortechnologie auseinander. Dabei ging es zum einen um die Erfassung und zum anderen um die Verarbeitung von Sensordaten. Hierbei spielten intelligente Sensorsysteme vermehrt eine zentrale Rolle, woraus sich der Ansporn entwickelte, sich intensiver mit dem Thema KI auseinanderzusetzen. Mittels KI k?nnen die durch moderne Sensorik gewonnenen Daten analysiert werden, um daraus neue relevante Informationen zu gewinnen, weshalb hier eine Verbindung zwischen den beiden Projekten besteht. Dennoch handelt es sich um zwei eigenst?ndige Projekte, die verschiedene Projektziele verfolgen.

Welchen Vorteil haben KI-basierende Technologien im Gegensatz zu bisherigen Auswertungssystemen?

Feld: Solange wir mit strukturierten Daten arbeiten, lassen sich diese gut mit den klassischen Methoden verarbeiten. In der Realit?t ist es allerdings so, dass ein Gro?teil der anfallenden Daten zun?chst unstrukturiert vorliegt. Das Resultat ist, dass solche Daten wenig bis gar nicht von Unternehmen ausgewertet werden. Dabei haben diese Daten oft ein gro?es Potenzial. Ich beziehe das Ganze jetzt einmal beispielhaft auf Sensordaten. Ein moderner Maschinenpark ist in der Regel mit vielen Sensoren ausgerüstet, die eine Reihe von unterschiedlichen Sensordaten liefern, die zun?chst einmal nicht erkennbar miteinander in Beziehung stehen müssen. KI-Technologien erm?glichen nun die Analyse dieser in Summe unstrukturierten Datenmengen. Auf diese Weise k?nnen bisher unbekannte Beziehungen zwischen den Daten erkannt werden und damit z. B. neue Erkenntnisse zum Zustand der Maschinen gewonnen werden. So k?nnen beispielsweise die Maschinen effizienter und damit kostensparender betrieben werden. Gerade in gro?en und komplexen Datenmengen k?nnen mittels KI so auch Beziehungen identifiziert werden, die sich mit klassischen Auswertungssystemen gar nicht erfassen lie?en.

H?ufig f?llt im Zusammenhang mit KI auch der Begriff maschinelles Lernen. Was verbirgt sich hinter diesem Begriff?

Feld: Generell gibt es viele verschiedene Arten von KI. Maschinelles Lernen ist eine davon und zugleich die Unterart, bei der derzeit das st?rkste Wachstum zu beobachten ist. Wenn Sie heutzutage in der Presse etwas über neue Errungenschaften in der KI lesen, wird es sich mit sehr gro?er Wahrscheinlichkeit um den Teilbereich des maschinellen Lernens handeln. Beim maschinellen Lernen geht es darum, wie der Name bereits impliziert, dass die Maschine – also der Computer – selbstst?ndig erlernt, wie er gewisse Aufgaben zu l?sen hat. Das Ganze hat dann tats?chlich mehr mit Lernen als mit Programmieren im klassischen Sinne zu tun. An der Technik überwachtes Lernen l?sst sich der Prozess sehr plastisch darstellen. Beim überwachten Lernen lernt die KI anhand von Beispielen. So kann z. B. eine KI darauf trainiert werden, Objekte in Bildern zu erkennen, – z. B. ein gewisses Tier. Dabei werden der KI viele verschiedene Bilder gezeigt, zusammen mit der Information, welches Tier auf dem Bild abgebildet ist: ?Dieses Bild zeigt einen Hund, dieses Bild zeigt eine Katze, dieses auch einen Hund, dieses wieder eine Katze usw.“. Weitere Informationen, z. B. wo auf dem Bild der Hund oder die Katze zu sehen ist und wie sich Hund und Katze voneinander unterscheiden lassen, erh?lt die KI nicht. Stattdessen versucht die KI, selbstst?ndig Regeln und Muster abzuleiten, die ihr die Erkennung des Tieres erlauben. Dies gelingt der KI umso besser, je mehr Beispiele sie erh?lt und je mehr Trainingszyklen sie durchl?uft. Im Grunde genommen lernt die KI also genauso wie wir Menschen. Das Sch?ne dabei ist, dass man als Programmierer*in nicht mehr selbst den L?sungsweg programmieren muss. Die selbstlernende KI er?ffnet somit neue M?glichkeiten. Die Objekterkennung in Bildern ist natürlich nur ein Beispiel von vielen. Ein praktischer Anwendungsfall im Unternehmen k?nnte unter anderem die Erkennung defekter Bauteile im Produktionsprozess sein. Selbstverst?ndlich ist das maschinelle Lernen aber nicht auf die Bildverarbeitung beschr?nkt, sondern kann auf jede Form von Daten angewendet werden, wie z. B. Sensordaten, Textdaten usw.

In welchen Bereichen in der Wirtschaft und Gesellschaft findet KI bereits Anwendung?

Feld: KI ist eigentlich in allen Bereichen auf dem Vormarsch – angefangen bei den gro?en Themen wie z. B. dem selbstfahrenden Auto, über digitale Helferlein im Alltag wie Siri, Alexa und Co., bis hin zu Algorithmen bei Online-Anbietern, die auf Basis unseres bisherigen Kauf- und Suchverhaltens personalisierte Kaufempfehlungen generieren. In der Wirtschaft wird vermehrt versucht, Prozesse mit KI zu analysieren und zu optimieren. Mithilfe von KI lassen sich so z. B. auch potenzielle St?rungen an den Maschinen erkennen, bevor diese eintreten, sodass frühzeitig auf diese reagiert werden kann. Das bezeichnet man auch als Predictive Maintenance, welches innerhalb der produzierenden Industrie sicher ein wesentliches Anwendungsfeld von KI ist.

In welchen Einsatzfeldern kann KI zukünftig in der Praxis angewendet werden? Wo gibt es Entwicklungsm?glichkeiten?

Feld: Ich glaube, dass es da kaum Grenzen gibt und dass die Entwicklung gerade erst dabei ist, richtig Fahrt aufzunehmen. Eigentlich kann man nahezu in jedem Bereich der Wirtschaft sowie auch des allt?glichen Lebens Anwendungsf?lle für KI finden. Ob die Anwendung immer gut und sinnvoll ist, gilt es dann natürlich abzuw?gen – Stichwort Ethik und Datenschutz. Generell bin ich mir aber sicher, dass es im Bereich KI viele Entwicklungen geben wird. Auch bei den eben angesprochenen Beispielen, ist noch sehr viel Verbesserungspotenzial vorhanden, z. B. im Bereich autonomes Fahren oder im Bereich Sprachverst?ndnis. Hier wird sich in den n?chsten Jahren sicherlich noch einiges tun.

Sie haben gerade angesprochen, dass mit dem Thema KI stets ethische Herausforderungen einhergehen. Welche Bemühungen verfolgt das Projektteam, um eine ethische und moralische Nutzung von KI zu gew?hrleisten?

Feld: Grunds?tzlich spielt das Thema Ethik, wenn man sich mit KI-Technologien befasst, eine wichtige Rolle – auch wenn wir in unseren Projekten derzeit keine hochsensiblen Bereiche bearbeiten. Wir arbeiten weder mit Maschinen, die zu einer Gefahr werden k?nnen, wenn die KI eine falsche Entscheidung trifft, noch mit personenbezogenen Daten, sondern gr??tenteils mit Sensordaten, die hier als unkritisch einzustufen sind. Trotzdem besch?ftigen wir uns im Projekt KI-AGIL mit der ethischen Nutzung von KI: Manchmal muss man auch den Blick über die unmittelbare Datennutzung herausheben, um ethische Bezüge erkennen zu k?nnen. Wir gehen sogar so weit, dass wir einen Leitfaden entwickeln, an dem sich die Unternehmen bei der Implementierung von KI-Technologien orientieren k?nnen. Dieser Leitfaden greift auch ethische Aspekte auf.

Was sind die Voraussetzungen für eine erfolgreiche Implementierung von KI-Methoden/-Technologien?

Feld: Grunds?tzlich ist es so, dass erst einmal ein Verst?ndnis dafür erlangt werden muss, was KI überhaupt ist. Wir arbeiten in unserem Forschungsprojekt zum Beispiel mit KMUs zusammen, die vorher wenig Berührungspunkte mit dem Thema KI hatten. Zun?chst galt es also, diese darüber zu informieren, was sich hinter dem Begriff KI verbirgt, was maschinelles Lernen ist und welche verschiedenen Verfahren es gibt. Nicht jede Problemstellung l?sst sich mit dem gleichen Verfahren l?sen. Wie wir am Beispiel der Bilderkennung gesehen haben, ben?tigen wir für das überwachte Lernen geeignete Trainingsbeispiele – wir sprechen in diesem Zusammenhang von gelabelten Daten. Im Beispiel waren dies die Bilder (Daten) zusammen mit der Information, welches Tier auf den Bildern zu sehen ist (Label). Es gibt aber auch F?lle, wo keine gelabelten Daten verfügbar sind. In diesem Fall muss auf andere KI-Lernverfahren zurückgegriffen werden, wie z. B. das unüberwachte Lernen. Die Verfügbarkeit von Daten bestimmt also sehr stark, welches Verfahren einsetzbar ist und was m?glich ist. Um KI erfolgreich implementieren zu k?nnen, muss also ein gewisses Grundverst?ndnis dafür vorliegen, wann welches Verfahren sinnvoll eingesetzt werden kann. Mit diesem Grundverst?ndnis wollen wir auch eine h?here Akzeptanz für KI-Technologien im Unternehmen schaffen. Es ist wesentlich, dass man die grundlegenden Funktionsweisen von KI versteht, um Chancen und Risiken dieser Technologie richtig einsch?tzen zu k?nnen.

Inwiefern spielen agile Arbeitsformen dabei eine Rolle?

Feld: Agile Methoden stellen nicht unbedingt eine Voraussetzung für die Implementierung von KI-Methoden dar, aber das Projekt tr?gt natürlich nicht ohne Grund den Titel KI-AGIL. Da viele Unternehmen beim Thema KI in Neuland vordringen, ist eine agile Vorgehensweise definitiv ratsam. Agil vorzugehen bietet die M?glichkeit, zu Beginn zun?chst mit einer Produktvision oder einer Idee des Anwendungsfalls zu starten und sich dieser dann kleinschrittig anzun?hern. So k?nnen sich die Unternehmen Schritt für Schritt in das unbekannte Terrain einarbeiten und aus jedem Fortschritt Erkenntnisse erlangen, die wiederum für das weitere Vorgehen von Nutzen sind. Wir k?nnen jetzt im Projekt feststellen, dass durch diese Rückkopplungen nicht nur das Verst?ndnis von KI, sondern auch die Technologieakzeptanz und darüber hinaus das Verst?ndnis des eigentlichen Problems verbessert wird.

Wie gelangt das Wissen über die neue Technologie und die damit einhergehenden Themenfelder in die Betriebe? Wie wird die Theorie in die Praxis transferiert?

Feld: Im Projekt gehen wir so vor, dass die teilnehmenden Betriebe zu Beginn eine Grundschulung über das Thema KI von uns erhalten, um im n?chsten Schritt gemeinsam den eigentlichen Kern des Problems und m?gliche Anwendungsfelder für die KI identifizieren zu k?nnen. Das Ziel liegt zun?chst also vor allem darin, Verst?ndnis dafür aufzubauen, was überhaupt m?glich ist und was nicht. Relativ h?ufig treffen wir auf zwei verschiedene extreme Ansichten: Es gibt die eine Seite, die der Meinung ist, dass die KI eine Black Box sei, die schlaue Antworten liefere, für die man quasi nichts machen müsse – frei nach dem Motto: ?KI kann alles“ – und dann gibt es die andere Seite, die KI für so hochkomplex h?lt, dass sie keine Einsatzm?glichkeiten in ihrem kleinen oder mittelst?ndischen Unternehmen sieht. Beide Ansichten sind falsch. Aus diesem Grund besteht der erste Schritt darin, den Unternehmen die M?glichkeiten sowie die Grenzen von KI aufzuzeigen. In der Folge wird die KI auf die ausgew?hlten Anwendungsf?lle des jeweiligen Unternehmens vertiefend angewendet und es werden unterschiedlichste Methoden entwickelt. Diese finden natürlich auch Eingang in unsere dualen Studieng?nge. Da die dual Studierenden auch immer Mitglieder in Unternehmen sind, tragen sie so diese Methoden auch in ihre Betriebe.

Was kommt als N?chstes? Was folgt auf das Projekt KI-AGIL? Gibt es Schnittmengen zu weiteren Projekten?

Feld: Wir befinden uns derzeit noch mitten in der Bearbeitungsphase, aber natürlich überlegen wir schon, wie folgende Projekte aussehen k?nnten. Kern wird auf jeden Fall weiterhin die enge Zusammenarbeit mit Unternehmen bleiben, denn hier gibt es einen hohen Bedarf, von dem zu erwarten ist, dass er weiter zunimmt. Insofern wird sich unser n?chstes KI Projekt damit besch?ftigen, Methoden und Verfahren der KI weiterzuentwickeln und an den unterschiedlichsten Anwendungsfeldern der Unternehmen zu erproben.

Am 22.03. findet im Rahmen von NetzwerkING ein Impulsvortrag zu KI-AGIL statt. Einen Monat sp?ter, am 26.04., folgt der zugeh?rige, vertiefende Workshop. Interessierte Unternehmensvertreter*innen k?nnen an dem Vortrag oder/und am Workshop teilnehmen. Schreiben Sie dazu bitte an w.arens-fischer@hs-osnabrueck.de.