Anzeige


 


Anwendungsszenarien für maschinelles Lernen und künstliche Intelligenz

0
Posted 29. Januar 2018 by Redaktion IT-Onlinemagazin in Geschäftsführer

SAP machine learning KIEin aktuell intensiv diskutiertes Trendthema ist das „maschinelle Lernen“ (machine learning / ML). Woran das liegt? Es regt die Fantasie und das Wunschdenken an, dass die Maschinen uns Menschen zukünftig noch viel besser unterstützen und von wiederkehrenden Routinetätigkeiten entlasten könnten.

Welche Anwendungsszenarien sind erfolgversprechend? Laut McKinsey kommen acht Einsatzmöglichkeiten für künstliche Intelligenz in Frage. Mit SAP Leonardo könnte man derartige Vorhaben umsetzen.

 

SAP will das „intelligente Unternehmen“ ermöglichen

Klaus Schimmer, Director Business Development Machine Learning im SAP Innovation Center Network, sagte in einem SAP News Center Beitrag: „Machine Learning ist die Technologie, die künstliche Intelligenz möglich macht. Mit dieser Technologie werden wir in Zukunft nicht nur bei einfachen und sich wiederholenden Tätigkeiten unterstützen können, sondern vor allem auch Innovation ermöglichen. Ziel für uns bei SAP ist es, das intelligente Unternehmen zu erschaffen. Fast so, wie ein selbst fahrendes Auto.“

Kern-Idee beim maschinellen Lernen ist, dass der Maschine nicht – wie bisher in der Programmierung üblich – regelbasierte Anweisungen gegeben werden. Stattdessen nutzt die „künstliche Intelligenz“ (KI) vorhandene Daten dazu, ständig dazu zu lernen, um beispielsweise natürliche Sprache zu verstehen, visuelle Informationen zu verarbeiten, Muster zu erkennen und eigene Entscheidungen zu treffen. Je mehr Daten (=“Erfahrung“), desto präziser wird das Ergebnis. Big Data ist auch Treibstoff für machine learning.

Mit SAP Leonardo können Anwender diese neuen Möglichkeiten mit IoT, Analytics und Blockchain-Technologie verknüpfen und so neuartige Lösungen — vielleicht sogar „intelligente“ Lösungen —schaffen.

 

Maschinelles Lernen: Acht Anwendungsszenarien

McKinsey hat in der Studie “Smartening up with Artificial Intelligence (AI)” acht Anwendungsszenarien beschrieben, die erfolgversprechend sind:

Automatisierte Unterstützungsprozesse: Die Prozessqualität und Effizienz soll sich durch KI-Unterstützung verbessern lassen. Automatisierungsgrade von bis zu 30 Prozent werden in der Studie als möglich angesehen — im IT-Helpdesk sogar bis zu 90 Prozent.

Supply-Chain-Management: Dank KI soll sich die Vorhersagegenauigkeit verbessern lassen. Präzisere Prognosen und eine steigende Granularität der Informationen können die Lagerauffüllung und –führung optimieren. Eine Verringerung fehlerhafter Bedarfsschätzungen zwischen 20 und 50 Prozent scheint erreichbar. Der Warenbestand könnte um 20 bis 50 Prozent und die fehlende Lieferfähigkeit um bis zu 65 Prozent reduziert werden.

Vorausschauende Wartung (predictive maintenance): Künstliche Intelligenz profitiert von der Verbindung mit Internet of Things (IoT) Sensoren, der Analyse von Wartungsinformationen und Nutzung externer Datenquellen. Die Vorhersagequalität soll dadurch steigen und Ausfallzeiten oder Maschinenfehler besser vermieden werden können. Produktivitätssteigerungen bis zu 20 Prozent und Kostenreduzierung bis zu 10 Prozent werden von McKinsey erwartet.

Automatisierte Qualitätsprüfung: KI-Bilderkennung ermöglicht automatisierte Sichtkontrollen. Produktivitätssteigerungen bis zu 50 Prozent und um bis zu 90 Prozent steigende Fehlererkennungsraten werden laut Studie für möglich gehalten. Die Maschine wäre dem Menschen bei dieser Aufgabe offenbar überlegen.

Qualitätsverbesserungen in der Produktion: Die Verknüpfung von Prozess- und Maschinendaten und deren Analyse könnte den Fertigungsausschuss und die Testkosten deutlich reduzieren. Die Studie schätzt beispielsweise 30 Prozent Reduktion bei der Halbleiterherstellung.

Forschung und Entwicklung: Die Nutzung von machine learning im R&D-Bereich soll großes Potenzial haben. Kostenreduktionen zwischen 10 und 15 Prozent und eine Verkürzung von Entwicklungszeiten um bis zu 10 Prozent werden erwartet.

Robotik: Roboter der nächsten Generation sollen in arbeitsintensiven Bereichen als „Kollege“ agieren und in der Produktion Produktivitätssteigerungen bis zu 20 Prozent ermöglichen. KI soll die Mensch-Maschine Zusammenarbeit ermöglichen.

Autonome Fahrzeuge: 10-15 Prozent der weltweiten Neuverkäufe sollen demnach im Jahr 2030 autonom fahren können — mit jährlich zweistelligen Zuwachsraten bis 2040 wird gerechnet.

 

Innovationen mit SAP realisieren

SAP Leonardo ist ein Portfolio aus Technologien, Anwendungen und Services, das sich für die Umsetzung derartiger Innovationsprojekte unter Nutzung von machine learning und künstlicher Intelligenz eignet.

Laut DSAG-Investitionsumfrage 2018 nutzen aktuell 2 Prozent der Unternehmen bereits ausgewählte Funktionen des SAP Leonardo und weitere 10 Prozent wollen dies in 2018 tun – zahlreiche Prototypen und produktive Lösungen entstehen also. Wir werden gespannt verfolgen, welche Ergebnisse erzielt werden.

 

 

 

Weiterführende Informationen:

 

Eine mehrteilige Reihe von SAP Leonardo Webinaren informiert mit unterschiedlichen Schwerpunkten (Finanz, Service, Vertrieb und Marketing, IT, …) über die Einsatzmöglichkeiten von machine learning und SAP Leonardo.

Am 06.02. berichtet Schwan-STABILO-Cosmetics in einem Webcast über die Erfahrungen mit SAP Leonardo.

SAP News Center: Künstliche Intelligenz: Welche Idee sich rechnen

 

Wir danken Ihnen, wenn Sie diesen Artikel jetzt weiterempfehlen:


Anzeige

Newsletter-Abo


Abonnieren Sie jetzt unseren IT-Onlinemagazin Newsletter.   Etwa zweimal pro Monat werden Sie kompakt und unterhaltsam mit wichtigen Nachrichten aus der SAP- und ERP-Community versorgt.