Dr. Rudolf Felix war mit diesem Beitrag im A&D-Kompendium 2019/2020 als einer von 100 Machern der Automation vertreten.
Die Digitalisierung hat aus der Automatisierung das gemacht, was wir heute als Industrie 4.0 bezeichnen. Fakt ist: Die neue Form der Automatisierbarkeit wird erst dann nützlich sein, wenn auch das Lenken der Prozesse automatisiert anhand von Geschäftsprozesszielen erfolgen kann. Dieser Umstand ist auch der Grund dafür, warum neue Formen der Computerprogrammierung in den Fokus rücken – allen voran Künstliche Intelligenz und Maschinelles Lernen.
Kein spezifisches KI-Know-how voraussetzen
Das Problem: Gerade mittelständische Unternehmen verfügen in diesen Fachbereichen gewöhnlich nicht über die notwendigen Personalressourcen und werden diese mittelfristig auch nicht aufbauen können. Es bedarf daher vor allem der Bereitstellung von Verfahren, die den Verantwortlichen kein KI-spezifisches Know-how abverlangen.
Schließlich interessiert sich auch der Anwender der klassischen Automatisierung nicht dafür, wie eine SPS im Innern funktioniert. Wichtig ist vielmehr, wie er sie einsetzt, damit der Prozess funktioniert. So wird es auch mit KI-Systemen sein. Künstliche Intelligenz und Mittelstand sind damit kein Widerspruch.
Qualitatives Labeln als wichtiger Bestandteil
Tatsächlich steht mit unserer KI-Lernsoftware Deep Qualicision längst eine geeignete und sogar praxiserprobte Technologie hierfür zur Verfügung. Was macht die Software? Sie erkennt die Zusammenhänge anhand von Prozesskennzahlen auf rohen Geschäftsprozessdaten und macht diese sichtbar. Vor allem das sogenannte Qualitative Labeln ist ein wichtiger Bestandteil der Anwendung. Tatsächlich bedarf jede KI für die weitergehende, intelligente, maschinelle Verarbeitung aufbereiteter – sogenannter gelabelter – Daten.
In klassischen KI-Anwendungen wie Bildklassifikation oder Spracherkennung wird das Labeln der Daten meist empirisch, oft sogar manuell durchgeführt. Das funktioniert, weil die einmal aufbereiteten Datenmuster in diesen Anwendungen sich mit der Zeit nicht substanziell verändern. Eine KI-basierte Spracherkennung beispielsweise kann davon ausgehen, dass die Sprech- und Wortmuster einer Sprache einmal antrainiert prinzipiell in der antrainierten Form unverändert bleiben werden. Das Gesprochene hat über Monate oder gar Jahre Bestand.
Im Bereich von Geschäftsprozessdaten ist dies jedoch aufgrund der kontinuierlichen Neuentstehung von Datenmustern nicht so. Eine KI-geeignete Datenaufbereitung muss vielmehr aus historisierten Daten automatisch Zusammenhänge in den Prozessdaten in Form von Klassen von Datenmustern erkennen, sichtbar machen und so selbsttätig die Rohdaten labeln können. Auf diese Weise werden in Zukunft rohe Geschäftsprozessdaten für sich selbsttätig anpassende und lernende KI-Algorithmen automatisiert nutzbar gemacht.
Das Qualitative Labeln als Bestandteil unserer KI-Lösungen ist dabei eine herausragende Innovation und wird den Einsatz von KI-Verfahren in industriellen Geschäftsprozessen entscheidend prägen. Insbesondere öffnen diese durch die Automatisierung der KI-fähigen Datenaufbereitung den Einsatz von KI-Verfahren für den Mittelstand.
