Kommentar von Dr. Rasmus Rothe, Merantix KI – was müssen Unternehmen heute tun, um 2025 noch am Markt zu sein?

Von Dr. Rasmus Rothe

Dass Künstliche Intelligenz (KI) Unternehmen und Geschäftsmodelle wesentlich prägen wird, ist heute keine Frage mehr. Vielmehr verschafft der Einsatz von KI Unternehmen einen Wettbewerbsvorteil. Besonders deutsche und europäische Unternehmen aber drohen im Wettkampf um die Vorreiterrolle beim Einsatz der Technologie den Anschluss zu verlieren. Welche Maßnahmen und Möglichkeiten Unternehmen heute ergreifen können, um künftig weiterhin relevant zu sein.

Anbieter zum Thema

Der Autor: Dr. Rasmus Rothe ist Co-Gründer und CTO des Venture Studios Merantix
Der Autor: Dr. Rasmus Rothe ist Co-Gründer und CTO des Venture Studios Merantix
(Bild: Viktor Strasse)

Zu den Kern-Herausforderungen beim Einsatz von KI oder Machine Learning (ML) zählen das Fehlen erforderlicher Daten, nicht vorhandene einheitliche Entwicklungsumgebungen und die inkonsistente Modellausführung. Damit sich das ändert, braucht es ein systematisches Vorgehen beim Einsatz von KI.

MLOps, Machine Learning Operations, ist dabei für die KI das, was für die Softwareentwicklung DevOps ist. Das Ziel von MLOps ist die Operationalisierung von Machine-Learning-Modellen und hilft Unternehmen bei der Automatisierung industrieller KI-Nutzung wie beispielsweise dem Sammeln von Daten und Erstellen von Modellen. Dabei wird die Einführung eines strukturierten Frameworks die Entwicklungszyklen verkürzen und KI in alltäglichen Anwendungen automatisieren. Bis Ende 2021 wurden über 3,8 Milliarden Euro in die MLOps-Branche investiert, bei schnell steigenden Wachstumsprognosen für die nächsten Jahre.

Kein Wunder, dass der Markt für MLOps wächst: Sobald Unternehmen ihre KI-Entwicklung massiv ausbauen, sind sie auf ein technisches und betriebliches Framework angewiesen. MLOps wird ebenso bedeutend für die Skalierung der Technologie sein, wie es DevOps für die Softwareentwicklung war und ist.

Hardware: Bündnisse schmieden

Ein großer Teil der genutzten KI-Modelle stützt sich auf leistungsstarke Grafikprozessoren (GPUs), um zu trainieren. Da die Modelle immer größer werden, steigt auch der Bedarf an immenser Rechenleistung. Um auch künftig erfolgreich und relevant zu sein, müssen Unternehmen also nicht nur in Expertise, sondern vor allem auch in belastbare Hardware investieren. Die Chip-Knappheit hat sich in den letzten Jahren weltweit weiter zugespitzt und auf erhebliche Teile der Industrie ausgewirkt. So standen die Produktionsbänder großer Autobauer still und auch die Preise elektronischer Endgeräte stiegen. Neben Consumer-Produkten ist von der Knappheit besonders die KI-basierte Industrie betroffen, da hier besonders leistungsfähige Komponenten benötigt werden. So dauerte im Oktober 2021 die Lieferung einer Chip-Bestellung durchschnittlich 22 Wochen, das entspricht fast einer Verdopplung der Vorlaufzeit im Vorjahr.

Die exponentielle Preisentwicklung limitiert den Zugang zu notwendiger Hardware und sorgt für die Gefahr, dass nur die bereits wohlhabenden Tech-Giganten die Möglichkeiten haben, in führende Technologien und Modelle zu investieren. Die erhöhten Eintrittsbarrieren schließen neben kleineren Start-ups auch Forschungs- und Bildungseinrichtungen aus.

Um nicht in noch stärkere Abhängigkeit einzelner Unternehmen zu geraten, sind stärkere Maßnahmen staatlicher Institutionen zu begrüßen. Ein Beispiel ist die Förderung des Halbleiter-Clusters in Sachsen.

Für Unternehmen wird es zunehmend wichtig, direkt mit Hardware-Anbietern Partnerschaften einzugehen. So bleiben sie immer up-to-date und federn die Auswirkungen der Chip-Krise ab, da so die Versorgung mit dieser erfolgskritischen Technologie gewährleistet werden kann. Außerdem sollten Unternehmen, die mit KI arbeiten, miteinander Bündnisse schmieden. Das kann etwa bedeuten, dass Hardware und Wissen darüber geteilt und gemeinsam genutzt werden und so gleiche Wettbewerbsbedingungen für alle Marktteilnehmer geschaffen werden.

NLP: Neue ungeahnte Möglichkeiten

Eine McKinsey-Studie kommt zu dem Ergebnis, dass Angestellte in den USA durchschnittlich 28 Prozent ihrer Arbeitszeit mit dem Lesen und Beantworten von E-Mails beschäftigt sind. Natural Language Processing, kurz NLP, ermöglicht eine sichtbare Reduktion der bisherigen Zeitaufwände für eben jene Tätigkeiten. So können künftig einfachere Anwendungen wie das Generieren einer E-Mail und die Kommunikation eines Chatbots mit Kundinnen und Kunden, aber auch komplexere Prozesse, wie die Interaktion mit Interviewenden, automatisiert und optimiert werden. Eine Integration solcher generativer Modelle werden bereits zunehmend kommerzialisiert und innerhalb der nächsten vier Jahre wird ein weiteres Wachstum von 250 Prozent erwartet.

Dabei wird sich der Schwerpunkt von rein generativen Modellen, die ihren Output aus den Originaldaten generieren, hinzu Modellen verlagern, die strukturiertes Wissen enthalten. Mit der Implementierung von strukturiertem Wissen werden Modelle nicht mehr nur ein Assistent automatisierter Aufgaben sein, sondern bieten kreative und kognitive Unterstützung. So werden im nächsten Schritt KI-Modelle in der Lage sein, Information aus beliebigen Daten zu extrahieren, die ihnen zur Verfügung gestellt werden – ohne dass sie auf sorgsam gelabelte Daten angewiesen sind. Dadurch erhöht sich der Wirkungsgrad der Technologie, was neue Möglichkeiten bei der Kapazitäts- und Ressourcenplanung eröffnet.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Ähnliche Fortschritte wie das NLP macht auch die Computer Vision, die automatisierte Verarbeitung und Analyse aufgenommener Bilder, enorme Fortschritte und konnte besonders in den letzten beiden Jahren wichtige akademische Durchbrüche verzeichnen.

KI-Integration: Vertikal statt marginal!

KI darf künftig nicht mehr nur in Randbereichen zum Einsatz kommen, sondern muss in der kompletten Fertigungs- und Wertschöpfungskette angewandt werden – sonst drohen Unternehmen, abgehängt zu werden. Eine Studie von McKinsey sagt sogar eine Effektivitäts-Steigerung von 20 Prozent in der Fertigung dank KI voraus. Zudem können hochkomplexe Produkte künftig nachhaltiger entwickelt werden, indem zahlreiche Iterationen und Simulationen von der KI entworfen werden (z. B. Digital Twin). Generatives Design in Kombination mit dem 3D-Druck macht dieses Werkzeug enorm wirkungsvoll und reduziert Materialabfälle ohne Leistungseinbußen.

Die Nutzung und Integration von KI-Technologien wird besonders in Branchen zum Erfolgsfaktor, in denen Aufgaben schnell und in hoher Qualität wiederholt werden. Bereiche wie Controlling, Supply-Chain-Management und Materialdesign werden durch KI revolutioniert.

Eine besondere Herausforderung bleibt dabei die Skalierbarkeit des KI-Einsatz in Produktionsprozessen für KMU. Diese Hindernisse können aber mithilfe der Entwicklung von KI-Lösungen, die ohne tief greifende KI-Expertise genutzt werden können, sowie dank der vertikalen Integration von Marktteilnehmern (z. B. durch den Aufbau eigener Maschinen-Ökosysteme) überwunden werden.

KI als wirtschaftlicher Erfolgsfaktor

Eine Gartner-Umfrage unter über 200 Unternehmer und IT-Experten kam zu dem Ergebnis, dass 2020 rund 80 Prozent der Befragten KI-Produkte in der Erprobung hatten, aber nur rund 20 Prozent über aktive KI-Systeme in der Produktion verfügten.

Unternehmer und Entscheider müssen künftig mutiger bei der Integration von KI-Modellen in ihr Geschäftsmodell sein. Die Vorteile der KI-Nutzung sind vielfältig und reichen von Effizienzsteigerung, Kosteneinsparung bis hin zu mehr Nachhaltigkeit der Produktionsprozesse. Damit wird KI zum Erfolgsfaktor für Unternehmen.

Artikelfiles und Artikellinks

(ID:47996950)