| News
KI in der Industrie: Was wir aus dem KI-Projekt gelernt haben
11.04.2022
Gemeinsam mit einer engagierten Gruppe von Unternehmen aus der Industrie haben wir ein AI-Pilotprojekt ins Leben gerufen. Nach einem Jahr ziehen wir eine Zwischenbilanz und teilen unsere Erkenntnisse mit Ihnen.
AI4SME ist ein Programm zum Lernen und Experimentieren mit künstlicher Intelligenz (KI) für Industrieunternehmen und insbesondere für KMUs in der Region Basel Area, Grand-Est und Baden. Das Projekt vertritt:
Die Ziele: Wir begleiten Unternehmen mit dem Ziel, ihnen bei der Erwerbung des notwendigen Wissens zu helfen, um KI in ihre Geschäftsstrategie integrieren zu können. Wir arbeiten gemeinsam vom konkreten Proof of Concept (POC) bis hin zur Überprüfung des Geschäftsmodells:
Mit Hilfe von KI kann man Prozesse optimieren, aber auch neue Produkte und Dienstleistungen für Unternehmen entwickeln. Ein Jahr nach dem Start des Programms und der Arbeit in einem konstruktiven und dynamischen Umfeld haben wir ein Team, das von Liebherr Colmar F geleitet wird, eines von Camag BL und eines, das gemeinsam von Willemin Macodell und mps watch JU geführt wird.
KI braucht ein multidisziplinäres Team und die richtigen Daten
Wir arbeiten zusammen und sind stolz darauf, einige unserer Lernerfahrungen mit Ihnen zu teilen:
- Es ist eine Teamarbeit, die sich aus verschiedenen Unternehmen mit unterschiedlichen Profilen wie dem Gerätehersteller, dem Nutzer, dem Informatiker, dem Datenwissenschaftler, dem «Programmierer», dem CEO usw. zusammensetzt. Ein gemeinsames Vokabular, ein Grundwissen über KI, um effizient voranzukommen, ist ebenso wichtig wie die Fähigkeit, Daten auszutauschen.
- Das zu lösende Problem, der (kundenzentrierte) Anwendungsfall und die genauen Ziele müssen genau definiert und beschrieben werden. Dies ist besonders wichtig, damit alle Beteiligten die Vorgehensweise verstehen. Dies gilt für alle neuen Projekte und auch bei KI. Sicherstellen, ob das Problem nicht auf eine andere, traditionellere Weise gelöst werden kann. Die KI muss einen Mehrwert bieten.
- Der nötige Aufwand, um die richtigen Daten zu sammeln, ist wichtig. Habe ich die richtigen Daten? Erlauben sie mir, Schlussfolgerungen zu ziehen, Phänomene vorherzusagen? Habe ich die richtige Erfassungsfrequenz, die richtige Genauigkeit? Dieser Schritt kann mehrere Iterationen erfordern. Es ist keine Lösung, alle Daten zu speichern, ohne ein präzises Ziel zu haben; Sie müssen die Daten aussortieren und wahrscheinlich neue Daten hinzufügen, wenn Sie ein konkretes Projekt entwickeln. Verhandeln Sie beim Kauf einer neuen Maschine, dass Sie gleichzeitig auf die Daten der Maschine zugreifen können!
- Schützen Sie die richtigen Daten. Sind diese Daten vertraulich? Handelt es sich um «klassische» Daten oder sind sie strategisch wichtig, und können sie mir helfen, mich von meinen Konkurrenten zu unterscheiden?
- KI wird Ihnen nie ein hundertprozentiges Ergebnis liefern. Genauso wird eine KI-Lösung wahrscheinlich einen Teil der Organisation, die Aufgaben von Personen usw. in Frage stellen.
- Es ist sehr wichtig, die Mitarbeiter frühzeitig in diese Projekte einzubeziehen, und vergessen Sie nicht die Schulung der Mitarbeiter, um die verschiedenen Logiken rund um die KI-Lösungen zu erfassen. Man spricht von Akkulturation (siehe Artikel KI-Ausbildung am Oberrhein für weitere Informationen).
Wir werden am 12. April bei der Diskussionsrunde «Impact of artificial intelligence on small and medium-sized industrial companies» (Auswirkungen künstlicher Intelligenz auf kleine und mittelständische Industrieunternehmen) über KI sprechen.
Interessieren Sie sich für das Thema? Würden Sie gerne am Projekt teilnehmen?
Bitte kontaktieren Sie mich
Diesen Artikel weitergeben
Auch das könnte Sie interessieren:
Roche investiert in Basel zusätzliche 1,2 Milliarden Franken
Nouscom erhält 67,5 Millionen Euro Finanzierung
Wie offene Innovation die digitale Gesundheitsversorgung vorantreibt
Wie Sie mit Ihrem Medizinprodukt auf den US-Markt kommen
Paradigmenwechsel in der Schmerzbehandlung
