Kommentar von Björn Goerke, proALPHA Hyperautomation, KI und Machine Learning bedingen sich gegenseitig

Anbieter zum Thema

proALPHA Business Solutions GmbH

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

Fachleute können das Schlagwort „Künstliche Intelligenz“ (KI) oder „Artificial Intelligence“ (AI) kaum noch hören und lesen. Ähnlich wie Cloud ist es vielfach zur (Wort-)Hülse verkommen, dabei sollte sich dieses Fachgebiet ähnlich wie andere in die Disziplin der IT einfügen. Kann KI beziehungsweise AI bei der Automation helfen und wo liegen hier die Chancen?

Elon Musk warnt vor den Folgen der Künstlichen Intelligenz und stellt wenige Monate später „Grok“ vor, seine Chatbot-Alternative zu „ChatGPT“. Auch auf der diesjährigen Konferenz des World Economic Forum in Davos war KI eines der Schlüsselthemen. Und dennoch scheint es so, als ob KI längst zum Buzzword geworden ist; mancher Software-Ingenieur trägt heute trotzig ein T-Shirt mit dem Spruch, „Künstliche Intelligenz hat keine Chance gegen natürliche Dummheit.“

Technologie war immer ein Werkzeug, das Menschen effizienter und effektiver gemacht, ihnen mühsame und repetitive Aufgaben abgenommen, Kompliziertes vereinfacht und Gefährliches sicherer gemacht hat. Maschinen und Roboter haben die Produktion im Sturm erobert und arbeiten nun „Hand in Hand“ mit menschlichen Arbeitskräften.

Der gleiche Trend war im Software-Bereich zu beobachten, wobei Software am Ende natürlich selbst ein Instrument zur Automatisierung ist. Betrachtet man die Automatisierung durch Software, so kann man feststellen, dass sie häufig nur Aspekte innerhalb der Grenzen eines einzelnen IT-Systems adressiert. Beispielsweise kann ein ERP-System mit Funktionalitäten für den Einkauf die verschiedenen Schritte innerhalb des Einkaufsprozesses „out of the box“ automatisieren.

Geht es jedoch um eine Automatisierung über diese Systemgrenzen hinweg, so sind die Automatisierungsmechanismen häufig weniger ausgefeilt oder im Standard weitestgehend nicht existent (Stichwort Supply Chain Automation). Darüber hinaus ist der Grad menschlichen Eingreifens oft noch sehr hoch, insbesondere wenn es um die Entscheidungsfindung im Rahmen teilautomatisierter Tätigkeiten geht.

Doch zurück zur Künstlichen Intelligenz: Auch wenn pragmatische IT-ler AI-Werkzeuge im harten Unternehmensalltag schnell auf den Boden der Tatsachen bringen, findet doch gleichzeitig AI-Technologie ganz still und leise Eingang in die Tagesroutine vieler Unternehmen. Zum Beispiel hilft AI-basierte Software heute bereits dem Servicetechniker bei der Fehlersuche. Vertriebsmitarbeiter werden bei Angebotserstellung und Preisfindung unterstützt, Maschinenbediener erhalten die benötigte Anleitung für den nächsten Arbeitsschritt und Content-Redakteure erstellen heute schneller vollständige und rechtssichere Produkt-Dokumentationen. Die bei letzterem zugrunde liegende Form der KI-Technologie sind „Large Language Models“, wie sie etwa bei Chatbots Einsatz finden, und vermutlich bald bei einer Industriemaschine, statt des digitalisierten Handbuchs, als aktive Dialogfunktion nach Art einer Siri beziehungsweise Alexa mitgeliefert werden.

Hyperautomatisierung in der Fabrikhalle

AI-Technologie macht sich auf den Weg in die Werkshalle, nach dem Motto: „Müller, wir müssen hyperautomatisieren und das schaffen wir nur mit Künstlicher Intelligenz!“ Derlei Sätze führen zu einem Stirnrunzeln seitens des technischen Betriebsleiters, kämpft der doch immer noch mit der Automation und der Verbindung seiner OT (operationalen Technologie) mit der IT (Informationstechnologie).

Doch was ist Hyperautomation, wenn es nicht ein weiteres Buzzword ist? Nach Gartner ist Hyperautomation „ein geschäftsorientierter, disziplinierter Ansatz, den Unternehmen nutzen, um so viele Geschäfts- und IT-Prozesse wie möglich schnell zu identifizieren, überprüfen und automatisieren.“ Das klingt nach einem weit übergreifenden Ansatz, der das ganze Unternehmen samt OT und IT umfasst, und dabei natürlich – die Definition geht im Original noch weiter – Disziplinen oder Methoden wie Künstliche Intelligenz oder als Teilbereich Maschinelles Lernen (ML) zum Einsatz bringen will.

Die Hyperautomatisierung zielt auf die Automatisierung anwendungsinterner, system- sowie geschäftsübergreifender Prozesse und Aufgaben ab. Sie setzt dabei etwa auf den Einsatz von programmierbaren Schnittstellen (APIs) oder rollenbasierten Zugriffssteuerungen zur Ausführung von Prozessschritten. Tools zur Hyperautomatisierung übernehmen Aufgaben, die zuvor schon digitalisiert waren, aber noch menschlichen Eingriff zum Schließen der Lücken zwischen individuellen Softwaresystemen und Werkzeugen erforderten. Ziel der Hyperautomatisierung ist es, diese Lücke weiter zu schließen.

Bei immer mehr Sensoren und Endgeräten, die eine wahre Lawine von Daten liefern, benötigt der Mensch Hilfe bei der Sortierung und Bewertung von Daten. Es geht um das „sichtbar“ machen von Mustern. Intelligente „Machine Vision“ wäre das sprichwörtliche Beispiel, doch Ressourcen für Maschinelles Lernen (ML) und AI, die mit historischen Daten trainiert wurden und in einem klar definierten Kontext zum Einsatz kommen, können insgesamt den Grad und die Qualität der Prozessautomatisierung signifikant steigern und Entscheidungsprozesse durch den Hinweis auf Prozess(un)regelmäßigkeiten oder auch auffällige Geschäftszahlen unterstützen.

Maschinelles Lernen und KI befeuern die Hyperautomatisierung

Durch ML- und AI-Funktionen werden Tools zur Hyperautomatisierung einen weiteren Schub erhalten. Dabei liegt beim Menschen weiterhin die Kontrolle von Prozess und Ergebnis – auch und gerade wenn Software sich selbst korrigiert, verbessert und praktisch autonom agiert. Um zunächst jedoch wirklich in der Breite Anwendung zu finden, müssen Hyperautomatisierung und AI (samt Maschinellem Lernen) in bestehende und zukünftige IT-Lösungen integriert und dadurch zum Standard werden. Damit dies geschehen kann, müssen Hyperautomation und AI allerdings „produktisiert“ werden und sich von singulären „Projekten“ hin zu einfach zu konsumierenden und leicht zu verwaltenden Produkten über ihren gesamten Lebenszyklus entwickeln.

An diesem Punkt sind wir in vielen Bereichen der Industrie noch nicht angelangt. Doch gerade die KI-Werkzeuge sind inzwischen schon so reif, dass sie nur noch an den strategisch richtigen Stellen eingebunden werden müssen, um den Schritt in den Industriealltag zu schaffen.

Im Grunde sind Künstliche Intelligenz oder Maschinelles Lernen ein weiterer Entwicklungsschritt in der IT sowie auch der Automation – beide sollten dementsprechend sachlich bewertet sowie pragmatisch zum Einsatz kommen. Bei aller Künstlichen Intelligenz beziehungsweise Automatisierung sollten wir den Faktor Mensch nicht vergessen. Das hat selbst Elon Musk lernen müssen. So schrieb er in einem Tweet von 2018 über die Automation bei Tesla: „Ja, die übermäßige Automatisierung bei Tesla war ein Fehler. Menschen werden unterschätzt.“

(ID:49954683)