Ziel ist es, bessere Entscheidungen zu treffen

ITM: Herr Felix, Herr Scheuß, in welchen Bereichen Ihres ERP-Systems setzen Sie bereits heute KI ein – und in welchen ­weiteren Bereichen ist das geplant?
Scheuß: Der klassische Bereich, in dem wir auf KI setzen, ist die Artikelempfehlung, um anhand vorheriger Einkäufe Artikel vorzuschlagen. Ein anderes Einsatzgebiet ist die Rechnungserkennung. Dabei werden die Inhalte von Lieferantenrechnungen digitalisiert und im ERP-System als Bestelldaten zur Verfügung gestellt. Zudem nutzen wir KI in Verbindung mit IoT, um z.B. die Füllstände von Futtersilos zu überwachen und effiziente Liefertouren für Genossenschaften zu planen.

Ein Thema, das oft an uns herangetragen wird, ist die Bearbeitung von Bestellungen, die per Whatsapp eingehen. Dabei wird oft nur ein Foto vom benötigten Artikel gemacht und darunter steht: Fünf Mal. Hier arbeiten wir an einer Bilderkennung, um Artikel automatisch zu identifizieren und die Bestellung automatisch anlegen zu können.

Großes Potenzial sehen wir zudem in der Microsoft Power Platform. Darin sind zunehmend auch KI-Komponenten enthalten, z.B. zur Text- und zur Bilderkennung. So wird KI „out of the box“ nutzbar und lässt sich mit unseren Lösungen verbinden. Auf diesem Weg werden in Zukunft neue Ideen konkret aus der Praxis der Kunden entstehen, die wir heute noch gar nicht sehen.

Felix: Die Integration von Verfahren der Künstlichen Intelligenz in Software für die Industrie und Versorger ist bereits seit vielen Jahren fester Bestandteil unserer Produktstrategie. In Verbindung mit Psipenta ERP können beispielsweise Produktionsreihenfolgen mit KI-Methoden optimiert werden. Im Bereich der multikriteriellen Lieferantenbewertung und -klassifikation ermöglicht unsere eigene KI-Software Qualicision die Analyse und das sogenannte qualitative Labeln weitere Assistenzfunktionen. Im Fokus der KI-Unterstützung steht auch der Einsatzbereich „Predictive Maintenance“.

ITM: Welche Methoden zur Qualitätskontrolle setzen Sie ein, damit die KI keine dummen Entscheidungen trifft oder falsche Rückschlüsse ziehen kann?
Scheuß: Allgemein gesprochen werden KI-Modelle mit Vergangenheitsdaten trainiert und validiert. Das heißt, es werden Vorhersagen für Fälle erstellt, deren echter Ausgang bekannt ist, um die Ergebnisse der KI mit der Realität zu vergleichen. Wenn die Modelle die Vergangenheit korrekt vorhersagen, kann man davon ausgehen, dass sie das für die Zukunft auch tun werden.

Welche Daten dabei verwendet werden, hängt vom Modell ab. Bei der Rechnungsdatenerkennung z.B. ergibt es Sinn, möglichst viele Daten einzupflegen. Bei der Artikelempfehlung hingegen ist es sinnvoller, nur ausgewählte Daten zu verwenden, weil das Modell sonst zu unscharf wird.

Darüber hinaus werden die Modelle im Alltag weiter trainiert. Denn die finale Entscheidung, ob ein Vorschlag richtig ist oder nicht, trifft immer ein Mensch. Immer wenn der Mitarbeiter eines Kunden eine Entscheidung trifft, ist das ein weiterer Datenpunkt für das Modell, der in zukünftige Entscheidungen mit einfließt. Die Modelle lernen also dazu.

Felix: Da unsere KI-Methoden mit bewährten intelligenten PSI-Algorithmen – Stichwort Qualicision – verknüpft sind, stellt sich die Frage so nicht. Hinzu kommt, dass die Integration von KI-Anwendungen inzwischen verständlicher und erklärbarer ist als landläufig bekannt. Weder ihre Einführung noch die Bedienung oder Interpretation der Software-Entscheidungen setzen KI-Know-how voraus.

Den Zugang verschafft eine praxisbewährte Software-Umgebung mit einer zusätzlichen Gantt-Darstellung oder mittels Strichgrafen. Durch diese können Anwender die KI-Entscheidungsempfehlungen aus dem Kontext ihres Geschäftsprozesses heraus nachvollziehen, bewerten und steuern. Ein weiteres unterstützendes Instrument sind integrierte Darstellungen von Kennzahlenzusammenhängen im Sinne von Key-Performance-Indikatoren (KPIs) und ihren Wechselwirkungen. Damit lässt sich die Qualität der Entscheidungen bewerten, optimieren und kontrollieren.

ITM: Können Sie bitte ein paar gelungene Praxisbeispiele für den KI-Einsatz Ihrer Kunden nennen?
Felix: Die genannten Algorithmen werden vielfach im Bereich der Reihenfolgen­bildung in der Serienfertigung oder im Bereich der Optimierung von Wartungsprozessen eingesetzt. Analoge Scheduling-Anwendungen in der Metallindustrie liegen ebenfalls vor. Für die Zukunft sind Übertragungen ­solcher Anwendungen auf weitere Use-Cases im Bereich der werkstattorientierten Produktionssteuerung in Vorbereitung. Da diese Use Cases bekannt und die KI-Algorithmen bereits bewährt sind, ist der Nutzen für die Kunden groß und das Risiko gering.

Scheuß: Ein gutes Beispiel ist die Verarbeitung von GAEB-Dateien. Das ist ein Format für die Ausschreibung von Bauvorhaben, in dem die Gewerke und die zu erbringenden Leistungen in Textform aufgelistet sind. Mit KI können wir dieses Format auslesen und aus den Texten konkrete Artikelvorschläge generieren. Das bedeutet für unsere Kunden eine enorme Zeitersparnis, auch weil diese Ausschreibungen oft viele Hundert Seiten umfassen.

Ein weiteres interessantes Beispiel hat mit Social Media zu tun. Einer unserer Kunden will Twitter mithilfe von KI analysieren und besonders negative oder besonders positive Erwähnungen seines Unternehmens herausfiltern, um die Stimmung auf dem Markt frühzeitig zu erkennen und mit eigenen Social-Media-Maßnahmen zu reagieren. Das ist mit der Power Platform sehr einfach möglich und eröffnet zudem die Chance, die Ergebnisse zu verwenden und z.B. im CRM-System festzuhalten, um Kunden gezielt anzusprechen.