Stolpersteine vermeiden

KI-Projekte benötigen detaillierte Planung

Im Gespräch mit Florian Baumann, CTO Automotive & AI bei Dell Technologies, über die typischen Fallstricke beim Aufsetzen von KI-Projekten im Unternehmensalltag

Florian Baumann, CTO Automotive & AI bei Dell Technologies

„Wichtig ist zunächst die Unterscheidung zwischen Anbietern von KI-Systemen und Anbietern von KI-Fähigkeiten“, so Florian Baumann von Dell Technologies.

ITD: Herr Baumann, am 15. November 2018 hat die Bundesregierung ihre „Strategie Künstliche Intelligenz“ beschlossen. Was ist seitdem geschehen? Wie hat sich das Thema „KI“ im vergangenen Jahr in Deutschland entwickelt?
Florian Baumann:
Im vergangenen Jahr haben mehr und mehr Unternehmen in Deutschland erfolgreich KI-Systeme in bestehende Prozesse integriert oder zumindest evaluiert. Laut einer Studie von Roland Berger haben sich die Investitionen in deutsche KI-Start-ups 2019 fast verdoppelt. Der Bundesverband deutscher Patentanwälte konnte eine starke Zunahme bei Patentanmeldungen für KI vermelden. Dieser Trend spiegelt sich auch verstärkt in Investitionen in KI-Infrastruktur, insbesondere in performante Speicher- und Rechensysteme, wider.

ITD: Laut einer aktuellen PwC-Studie setzen erst sechs Prozent der Unternehmen in Deutschland Künstliche Intelligenz ein oder implementieren derzeit KI-Systeme. Was sind mögliche Bremsfaktoren?
Baumann:
Ein wesentlicher Grund ist der Fachkräftemangel in Deutschland. Dieser muss heutzutage allerdings kein Bremsfaktor mehr sein, da KI-Systeme bereits „out of the box“ einsatzbereit sind und sogar fertige KI-Algorithmen enthalten, mit denen Unternehmen schnell Erfolge erzielen können. Ein zweiter Bremsfaktor ist die teilweise noch fehlende Überzeugung von Entscheidungsträgern hinsichtlich des Return on Investment (ROI). Dieser kann aber im Vorfeld klar definiert und innerhalb eines Proof of Concept entsprechend validiert werden.

ITD: Für welche Branchen eignet sich KI generell am besten und warum? Wie sehen – abgesehen von Chatbots und digitalen Assistenten – konkrete Einsatzszenarien aus?
Baumann:
Die Einsatzbereiche von KI sind vielfältig und ideal dazu geeignet, aus großen unstrukturierten Datenmengen Informationen automatisiert zu extrahieren. Es geht darum, Daten zu verstehen und Muster zu erkennen. Die Einsatzszenarien reichen von selbstfahrenden Fahrzeugen, deren KI mithilfe riesiger Datenmengen trainiert wird, über Industrie 4.0, Landwirtschaft, Finanzen und den Einzelhandel bis hin zu den Biowissenschaften und dem Gesundheitswesen. Ein Beispiel dafür ist das Translational Genomics Research Institute (TGen), das KI nutzt, um die gewaltigen Informationsmengen von Genomstrukturen zu untersuchen. Diagnosen, die vorher Monate oder sogar Jahre benötigt haben, können damit in 24 Stunden durchgeführt werden. Im Fall von Erkrankungen, die eine individuelle Behandlung erfordern, kann KI Leben retten.

ITD: Wie lassen sich die wahren KI-Fähigkeiten eines Anbieters erkennen?
Baumann:
Wichtig ist zunächst die Unterscheidung zwischen Anbietern von KI-Systemen und Anbietern von KI-Fähigkeiten. Ein Anbieter von KI-Systemen ist ein Infrastrukturunternehmen, das den kompletten Hardware- und Software-Stack liefern sollte. Das ermöglicht Anbietern von KI-Fähigkeiten, sich voll und ganz auf die Entwicklung von Algorithmen zu konzentrieren. Technologisch wichtig sind bei KI-Systemen die Skalierbarkeit der Infrastruktur und die Vollständigkeit der Lösung. Das erleichtert es den Unternehmen, trotz Fachkräftemangels unmittelbar in die Implementierung von Algorithmen einzusteigen.

ITD: Was sind klassische Fallstricke beim Aufsetzen von KI-Projekten im Unternehmensalltag? Welche Stolpersteine gibt es bei der Implementierung?
Baumann:
Einem KI-Projekt muss eine detaillierte Planung und die Definition des ROIs vorausgehen. Unternehmen sollten die Use Cases im Vorfeld ausarbeiten, anstatt „blind“ zu starten. Außerdem sollten ausreichend Zeit und Ressourcen eingeplant werden. Typische Fallstricke bei der Implementierung sind fehlende Daten-Management-Systeme, eine IT-Architektur, die bei steigender Größe nicht ausreichend skaliert, und fehlende Software-Architekturen. Es sollte genau abgewägt werden, ob es sinnvoll ist, Software und Frameworks selbst zu entwickeln. Viele Firmen wollen den gesamten Stack selbst entwickeln, was angesichts des Fachkräftemangels und der hohen Komplexität nicht immer möglich ist und dazu führt, dass KI-Entwickler einen Großteil ihrer Zeit mit Infrastrukturfragen verbringen. Um das zu vermeiden, können Open-Source- oder installationsfertige Enterprise-Produkte eingesetzt werden.

Bildquelle: Dell

©2020Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok