Wie Künstliche Intelligenz die Industrie verändert

Mit Katzenbildern gelang Andrew Ng vor knapp zehn Jahren ein Durchbruch im Bereich der Künstlichen Intelligenz (KI). Der Professor für Computerwissenschaften an der US-Universität Stanford baute damals zusammen mit zwei Google-Mitarbeitern ein Computersystem aus rund 16 000 Prozessoren auf. Das Team fütterte dieses System so lange mit Bilddaten, bis es selbstständig Katzen und Menschen auf Fotos unterscheiden konnte. Das Projekt machte unter dem Namen „Google Brain“ weltweit Schlagzeilen und wurde zur Keimzelle der gleichnamigen KI-Abteilung von Google, deren Leitung Andrew Ng übernahm.

Jahre später beteiligte er sich an der Gründung von Coursera, einem der weltweit führenden Anbieter von Online-Lernkursen. Heute ist Ng der CEO des von ihm gegründeten Unternehmens Landing AI, das andere Unternehmen bei der Implementierung von industrieller KI berät und entsprechende Lösungen anbietet. Wenn Ng über Künstliche Intelligenz spricht, spürt man seine Begeisterung: „KI ist die neue Elektrizität“, sagt er. „Vor hundert Jahren hat die Elektrizität unzählige Industrien verändert, vor 20 Jahren dann das Internet. Künstliche Intelligenz wird dasselbe tun.”

Bei der Künstlichen Intelligenz werden zwei Entwicklungsstufen unterschieden: Die „Artificial Narrow Intelligence“ (ANI) und die weitaus höher entwickelte „Artificial General Intelligence“ (AGI). Bei allen aktuell verfügbaren KI-Systemen handelt es sich um ANI. Dazu gehören auch scheinbar hochentwickelte Systeme wie Sprachassistenten oder selbstfahrende Autos. „Fast alle jüngeren Fortschritte der KI beruhen auf dieser Art von Algorithmen, bei denen Eingabedaten verwendet werden, um schnell eine einfache Antwort zu generieren. Der Fachbegriff für die Entwicklung dieser Algorithmen lautet ‚überwachtes Lernen‘”, sagt Ng. Solche KI-Systeme eignen sich nur für Tätigkeitsbereiche, die klar eingegrenzt sind, etwa Chatbots, die auf Datenbanken mit typischen Fragen und Antworten zu einem bestimmten Thema zurückgreifen.

Um einen Eindruck davon zu bekommen, welche Aufgaben heutige KI-Technologien bewältigen können, empfiehlt Ng folgende Faustformel: „Wenn ein durchschnittlicher Mensch eine Aufgabe nach einer Sekunde kognitiver Arbeit erledigen kann, können wir sie wahrscheinlich jetzt oder in naher Zukunft mit ANI automatisieren.“ Artificial General Intelligence hingegen existiert noch gar nicht. Sie gilt erst dann als erreicht, wenn KI-Systeme intellektuelle Aufgaben lösen, die mit dem kognitiven menschlichen Denken vergleichbar sind. Ein Beispiel dafür wäre ein Roboter, der Schach spielen, im Supermarkt einkaufen und eine Unterhaltung über beliebig gewählte Themen führen kann – und zwar nahtlos hintereinander wie ein Mensch. Bis dahin ist es noch ein langer Weg: „Es mag Durchbrüche geben, die höhere Stufen der künstlichen Intelligenz ermöglichen, aber bislang gibt es noch keinen klaren Weg zu diesem Ziel“, so Ng.

Künstliche Intelligenz hilft aber auch dabei, treibstoffsparende Routen für die Logistik zu berechnen, datenbasierte Bedarfsprognosen für das Lieferkettenmanagement zu erstellen oder den optimalen Zeitpunkt für Wartungsarbeiten an Fertigungsmaschinen zu planen. „Wenn in Ihrer Branche eine große Menge an Daten generiert wird, besteht eine hohe Chance, dass man aus diesen Daten mittels KI einen konkreten Nutzen ziehen kann”, sagt Ng. Auch in vernetzten Maschinen oder Geräten kommt Künstliche Intelligenz vermehrt zum Einsatz. Dadurch entsteht eine Artificial Intelligence of Things (AIoT), die nicht nur Daten sammelt, sondern diese auch direkt an der Quelle analysiert und daraus in Echtzeit Schlussfolgerungen zieht. So unterstützen beispielsweise AIoT-Sensoren dabei, den Energieverbrauch eines Werkes oder Fertigungsprozesse zu optimieren.

Bei der Integration von Künstlicher Intelligenz in die Fertigung tun sich viele Industrieunternehmen aber noch schwer. Anders als die Internetkonzerne aus dem Silicon Valley verfügen sie meist nicht über riesige Datenbestände, durch die KI-Modelle schnelle Fortschritte erzielen könnten. „Darüber hinaus hat jede Produktionsstätte ein eigenes Design und benötigt individuell zugeschnittene KI-Lösungen“, sagt Ng. Ein Unternehmen mit mehreren tausend Fertigungsanlagen benötigt entsprechend viele KI-Modelle. Um diese zu erstellen, braucht es wiederum KI-Experten, von denen es aktuell zu wenige gibt. Die Lösung für diese Herausforderungen sieht Ng in KI-Plattformen und Software-Tools, mit denen die bereits vorhandenen Fertigungs- und IT-Fachkräfte in den Unternehmen eigene KI-Modelle erstellen können.

Zugleich warnt er vor zu hohen Erwartungen: „Selbst wenn ein Projekt eine Proof-of-Concept-Demo erfolgreich abschließt, muss noch eine Menge Arbeit getan werden – beispielsweise die Erstellung der zugehörigen Software – um das KI-System in der Produktion einsetzen zu können.” Deshalb empfiehlt er Unternehmen, die Stelle eines Chief Artificial Intelligence Officers (CAIO) zu schaffen: „Das bringt den Vorteil, dass jemand sicherstellt, dass KI über Silos hinweg angewendet wird. Durch ein dediziertes KI-Team ist es außerdem eher möglich, neue KI-Talente zu gewinnen und Standards einzuhalten.“ Angesichts der transformativen Kraft von Künstlicher Intelligenz sollten sich Unternehmen rechtzeitig damit beschäftigen. Denn ebenso wie Elektrizität vor hundert Jahren vieles verändert hat, wird auch Künstliche Intelligenz in Zukunft nicht mehr aus dem Fertigungsalltag wegzudenken sein, sagt Andrew Ng.